CN113067344A - 一种基于模型预测控制的主动配电网无功优化方法 - Google Patents

一种基于模型预测控制的主动配电网无功优化方法 Download PDF

Info

Publication number
CN113067344A
CN113067344A CN202110250650.1A CN202110250650A CN113067344A CN 113067344 A CN113067344 A CN 113067344A CN 202110250650 A CN202110250650 A CN 202110250650A CN 113067344 A CN113067344 A CN 113067344A
Authority
CN
China
Prior art keywords
rdg
day
voltage
power
reactive
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
CN202110250650.1A
Other languages
English (en)
Inventor
李娇
吴宇翔
许志远
杨伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN202110250650.1A priority Critical patent/CN113067344A/zh
Publication of CN113067344A publication Critical patent/CN113067344A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/18—Arrangements for adjusting, eliminating or compensating reactive power in networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/16—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by adjustment of reactive power
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/30—Reactive power compensation

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于模型预测控制的主动配电网无功优化方法，考虑RDG和负荷的不确定性，建立日前优化模型，根据RDG和负荷短期预测值求解日前优化模型，得到日前运行计划，并计算电压/功率灵敏度矩阵；考虑电网运行的安全性，建立日内滚动优化模型，根据RDG和负荷超短期预测值以及电压/功率灵敏度矩阵，求解日内滚动优化模型，得到日内阶段的RDG无功补偿量；建立反馈优化模型，并设置反馈校正启动阈值，用滑动平均滤波方法将日内阶段得到的RDG无功补偿量分离为慢变分量和快变分量，根据慢变分量动态决策反馈校正动作。本发明能够改善RDG随机性和负荷波动性导致的电压越限问题，提高了系统运行的安全性和稳定性。

Description

一种基于模型预测控制的主动配电网无功优化方法
技术领域
本发明属于智能电网领域，具体为一种基于模型预测控制的主动配电网无功优化方法。
背景技术
近年来，大规模可再生分布式电源(Renewable Distributed Generator,RDG)接入配电网满足了负荷需求增长的需要，与此同时，也改变了配电网的潮流分布，造成部分节点电压越限。其次，由于光伏、风电等可再生能源的不确定性和间歇性，其功率输出具有波动性且难以准确预测，给配电系统的无功优化带来极大困难。
配电网中常用的无功调控设备有载调压变压器(On-Line Tap Changer,OLTC)、并联电容器组(Shunt Capacitor Bank,SCB)等为离散调节，容量大、成本低，稳态调节效果显著，但难以胜任快速无功补偿；安装静止无功补偿器等动态无功补偿装置，将增加配电网的经济负担。随着RDG的快速发展，风电和光伏发电可实现连续无功调节，且响应速度快，满足多时间尺度灵活调节需求。然而，现阶段主动配电网无功优化方法多采用细化时间尺度的方法来消纳间歇性RDG的波动性，仍属于开环优化方法，并没有考虑实际系统对优化过程的反馈校正。主动配电网迫切需要寻求能更好应对RDG出力不确定性的优化方法，解决馈线电压越限问题。
发明内容
本发明的目的在于提供一种基于模型预测控制的主动配电网无功优化方法。
实现本发明目的的技术方案为：一种基于模型预测控制的主动配电网无功优化方法，包括以下步骤：
步骤1、日前阶段，考虑分布式电源和负荷的不确定性，建立日前优化模型；
步骤2、根据RDG和负荷的日前短期预测值，采用遗传算法对日前优化模型求解，得到日前运行计划，并根据稳态潮流得到电压/功率灵敏度矩阵；
步骤3、日内阶段，考虑电网运行的安全性，建立日内滚动优化模型；
步骤4、根据RDG和负荷的超短期预测值，计算与步骤2日前短期预测值的偏差，形成各节点有功、无功偏差向量，根据步骤2所得的电压/功率灵敏度矩阵，计算各节点电压幅值偏移量，由稳态电压分布计算各节点预测电压值，采用二次规划法对日内滚动优化模型求解，得到日内阶段的RDG无功补偿量；
步骤5、实时反馈阶段，考虑系统的经济性和稳定性，建立反馈优化模型；
步骤6、设置反馈校正启动阈值，采用滑动平均滤波方法将步骤4得到的RDG无功补偿量分离为慢变分量和快变分量，若慢变分量达到反馈校正启动阈值则启动反馈校正，根据步骤4的RDG和负荷超短期预测值，采用遗传算法对反馈优化模型求解，调整步骤2的日前运行计划，否则由RDG进行动态无功补偿。
本发明与现有技术相比，其显著优点在于：(1)本发明在日前运行优化中增加以动态无功储备为指标的电压稳定概率约束，锁定运行风险，追求最佳经济性的同时确保日内可靠运行；(2)在日内滚动优化中，本发明基于超短期预测实况决定反馈校正动作，为实时运行提供更加精确的调控基准，进一步削弱预测误差的影响，提升系统的抗风险能力；(3)本发明充分挖掘RDG动态无功电压调控能力，能够改善配电系统内风电、光伏出力随机性和负荷波动导致的电压稳定性问题。
附图说明
图1是一种基于模型预测控制的主动配电网无功优化方法的流程图。
图2是遗传算法流程图。
图3是日内滚动优化调控流程图。
具体实施方式
下面结合附图对本发明做详细说明。
如图1所示，一种基于模型预测控制的主动配电网无功优化方法，包括以下步骤：
步骤1、日前阶段，考虑分布式电源和负荷的不确定性，建立日前优化模型；
日前优化模型以系统综合成本最小为目标函数，即：
Figure BDA0002965908680000021
式中，x为控制变量，
Figure BDA0002965908680000022
Figure BDA0002965908680000023
为RDG无功出力(Mvar)，
Figure BDA0002965908680000024
为OLTC档位，
Figure BDA0002965908680000025
为并联电容器组投运数，t为时段索引编号，T为优化周期，πt为网损电能边际价格(元/(MW·h))，Ploss,t为有功损耗(MW·h)，
Figure BDA0002965908680000026
为RDG无功出力成本(元)，
Figure BDA0002965908680000027
为OLTC动作成本(元)，
Figure BDA0002965908680000028
为并联电容器组投切成本(元)，λRDG、λTC和λSCB分别为RDG、OLTC和SCB调压成本权重系数，根据各类无功设备重要程度，设置为λRDG≥λTC≥λSCB，其中Ploss,t、
Figure BDA0002965908680000031
和
Figure BDA0002965908680000032
的表达式为：
Figure BDA0002965908680000033
Figure BDA0002965908680000034
Figure BDA0002965908680000035
式中，n为支路数，Ui,t和Uj,t分别为时段t节点i和j的电压幅值，Gij、Bij和δij分别为节点i和j的电导、电纳和电压相角差，ΔCTC和ΔCSCB分别为变压器和电容器组单位调节成本，
Figure BDA0002965908680000036
和
Figure BDA0002965908680000037
分别为时段t-1和时段t的OLTC档位，
Figure BDA0002965908680000038
和
Figure BDA0002965908680000039
分别为时段t-1和时段t的电容器投切状态，NSCB和nSCB分别为配电网中电容器组总安装数量及相应编号。
约束条件：
(1)潮流方程约束
Figure BDA00029659086800000314
式中，n为网络支路数，Pi、Qi分别为节点i注入的有功功率、无功功率，Ui、Uj分别为节点i、j处的节点电压，Gij、Bij和δij分别为节点i、j之间的电导、电纳和电压相角差；
(2)控制变量约束
Ui,min≤Ui≤Ui,max
Figure BDA00029659086800000310
Figure BDA00029659086800000311
Figure BDA00029659086800000312
Figure BDA00029659086800000313
式中，Ui为节点i电压，Ui,max和Ui,min分别为节点i电压上、下限值，
Figure BDA0002965908680000041
和
Figure BDA0002965908680000042
分别为时段t内RDG无功出力最小、最大值，
Figure BDA0002965908680000043
和
Figure BDA0002965908680000044
分别为OLTC最小、最大挡位，为满足逆调压需求，高峰时段取1.05～1.07，低谷时段取1.0～1.02，
Figure BDA0002965908680000045
为OLTC相邻两次动作最大挡位限值，NSCB为配电网中电容器组总安装数量，
Figure BDA0002965908680000046
为准稳态无功备用预留电容器组数，用于反馈校正调整日前运行计划；
(3)根节点关口交换功率及功率因数约束
Figure BDA0002965908680000047
Figure BDA0002965908680000048
式中，Pt 0、
Figure BDA0002965908680000049
分别为时段t从配电网根节点流入本级配电网的有功功率、无功功率，和Qt RDG有关，
Figure BDA00029659086800000410
和
Figure BDA00029659086800000411
为调度中心设置的Pt 0、
Figure BDA00029659086800000412
相应最小、最大值，
Figure BDA00029659086800000413
置为0以避免无功回流，Ft,min、Ft,max为关口功率因数限值；
(4)电压稳定风险约束
采用机会约束规划建立系统电压稳定性风险约束模型，以满足动态感性/容性无功储备指标为约束条件，描述为
Figure BDA00029659086800000414
式中，Pr{}为事件成立的概率，α为预设置信水平，
Figure BDA00029659086800000415
分别为RDG时段t内无功出力、无功出力上限和下限，
Figure BDA00029659086800000416
为系统时段t内无功需求，
Figure BDA00029659086800000417
分别为系统动态感性、容性无功储备指标。
步骤2、日前优化阶段取1h为时间粒度，根据风速、光照和负荷分别服从Weibull分布、Beta分布和正态分布分别对RDG和负荷进行概率建模，利用Weibull分布、Beta分布分别预测不同时段的风速、光照，根据风速和风电机组输出功率的关系以及光照和光伏输出功率的关系，分别计算不同时段的风电、光电的有功和无功出力，得到RDG的日前短期预测值，并根据负荷的波动性服从正态分布得到日负荷预测曲线，得到负荷的日前短期预测值。根据RDG和负荷的日前短期预测值，采用遗传算法求解日前优化模型，优化RDG无功出力、OLTC分接头档位以及SCB投切组数，得到日前运行计划。同时，根据日前短期预测值进行潮流计算得到雅克比矩阵，雅克比矩阵的逆矩阵即为电压/功率灵敏度矩阵。
本步骤使用遗传算法，能够适用所建立的模型，在迭代过程中融合概率约束求解模型，将模型中的离散变量连续化处理，采用精英保留策略，避免交叉、变异等遗传操作随机性破坏优秀染色体，同时交叉率、变异率采用自适应方式防止陷入局部寻优。
步骤3、日内阶段，考虑电网运行的安全性，建立日内滚动优化模型；
日内滚动优化模型以电压总偏差及相邻时段波动最小为目标函数，即：
Figure BDA0002965908680000051
式中，n为节点数，Ui,t为时段t节点i超短期预测电压值，根据日前稳态节点电压和电压/功率灵敏度矩阵，由各节点有功/无功偏差计算得到，ΔUi,t为电压调节量，
Figure BDA0002965908680000052
为节点电压日前优化参考值，
Figure BDA0002965908680000053
为时段t-1的实际电压值；
相关约束条件包括：节点电压约束、RDG出力约束。
步骤4、日内优化阶段取5min为时间粒度，保持OLTC、SCB等离散设备日前计划运行状态，并借助实时更新的风速、光照和负荷超短期预测信息，得到RDG和负荷的超短期预测值，计算与步骤2日前短期预测值的偏差，形成各节点有功、无功偏差向量，根据步骤2所得的电压/功率灵敏度矩阵，计算各节点电压幅值偏移量，由稳态电压分布计算各节点预测电压值，采用二次规划法求解日内滚动优化模型，得到日内优化阶段的RDG无功补偿量；
步骤5、实时反馈阶段，考虑系统的经济性和稳定性，建立反馈优化模型；
反馈优化模型的目标函数：
Figure BDA0002965908680000054
式中，fadj,1与日前优化模型的目标函数一致，但权重系数设置为λTC≥λRDG≥λSCB，λadj,2为惩罚系数，
Figure BDA0002965908680000061
为调整后的RDG无功出力，
Figure BDA0002965908680000062
为OLTC调整后的抽头位置，
Figure BDA0002965908680000063
为调整后的电容器组投运数量，β1、β2为权重系数，确保OLTC分接头和电容器组投运调整量与RDG无功出力调整量数量级一致；
约束条件：与步骤1的日前优化模型的约束条件一致。
步骤6、设置一定比例的动态无功储备作为反馈校正启动阈值，采用滑动平均滤波方法将步骤4得到的RDG无功补偿量分离为慢变分量和快变分量，即：
Figure BDA0002965908680000064
Figure BDA0002965908680000065
式中，
Figure BDA0002965908680000066
和
Figure BDA0002965908680000067
均为时段t无功补偿量，
Figure BDA0002965908680000068
分别为分离的慢变分量和快变分量，T为滑动时间窗的采样宽度，TMA为滑动平均滤波时间常数，取MPC预测时域。
若慢变分量达到反馈校正启动阈值，则根据步骤4的RDG和负荷的超短期预测值，采用遗传算法对反馈优化模型求解，修正当前至周期末时域内各调压设备运行计划，归并慢变分量至日前稳态调节范围内，快变分量由RDG承担，实现根据运行实况的自启动反馈校正；若慢变分量未达到反馈校正启动阈值，则由RDG跟踪无功补偿曲线动态调整无功出力。

Claims (7)

1.一种基于模型预测控制的主动配电网无功优化方法，其特征在于，包括以下步骤：
步骤1、日前阶段，考虑分布式电源和负荷的不确定性，建立日前优化模型；
步骤2、根据RDG和负荷的日前短期预测值，采用遗传算法对日前优化模型求解，得到日前运行计划，并根据稳态潮流得到电压/功率灵敏度矩阵；
步骤3、日内阶段，考虑电网运行的安全性，建立日内滚动优化模型；
步骤4、根据RDG和负荷的超短期预测值，计算与步骤2的日前短期预测值偏差，形成各节点有功、无功偏差向量，根据步骤2所得的电压/功率灵敏度矩阵，计算各节点电压幅值偏移量，由稳态电压分布计算各节点预测电压值，采用二次规划法对日内滚动优化模型求解，得到日内阶段的RDG无功补偿量；
步骤5、实时反馈阶段，考虑系统的经济性和稳定性，建立反馈优化模型；
步骤6、设置反馈校正启动阈值，采用滑动平均滤波方法将步骤4得到的RDG无功补偿量分离为慢变分量和快变分量，若慢变分量达到反馈校正启动阈值则启动反馈校正，根据步骤4的RDG和负荷超短期预测值，采用遗传算法对反馈优化模型求解，调整步骤2的日前运行计划，否则由RDG进行动态无功补偿。
2.根据权利要求1所述的基于模型预测控制的主动配电网无功优化方法，其特征在于，步骤1所建立的日前优化模型表示为：
目标函数：
Figure FDA0002965908670000011
式中，x为控制变量，
Figure FDA0002965908670000012
Figure FDA0002965908670000013
为RDG无功出力，
Figure FDA0002965908670000014
为OLTC档位，
Figure FDA0002965908670000015
为并联电容器组投运数，t为时段索引编号，T为优化周期，πt为网损电能边际价格，Ploss,t为有功损耗，
Figure FDA0002965908670000016
为RDG无功出力成本，
Figure FDA0002965908670000017
为OLTC动作成本，
Figure FDA0002965908670000018
为并联电容器组投切成本，λRDG、λTC和λSCB分别为RDG、OLTC和SCB调压成本权重系数；
约束条件：
(1)潮流方程约束
Figure FDA0002965908670000021
式中，n为网络支路数，Pi、Qi分别为节点i注入的有功功率、无功功率，Ui、Uj分别为节点i、j处的节点电压，Gij、Bij和δij分别为节点i、j之间的电导、电纳和电压相角差；
(2)控制变量约束
Ui,min≤Ui≤Ui,max
Figure FDA0002965908670000022
Figure FDA0002965908670000023
Figure FDA0002965908670000024
Figure FDA0002965908670000025
式中，Ui为节点i电压，Ui,max和Ui,min分别为节点i电压上、下限值，
Figure FDA0002965908670000026
和
Figure FDA0002965908670000027
分别为时段t内RDG无功出力最小、最大值，
Figure FDA0002965908670000028
和
Figure FDA0002965908670000029
分别为OLTC最小、最大挡位，
Figure FDA00029659086700000210
为时段t-1的OLTC档位，
Figure FDA00029659086700000211
为OLTC相邻两次动作最大挡位限值，NSCB为配电网中电容器组总安装数量，
Figure FDA00029659086700000212
为准稳态无功备用预留电容器组数；
(3)根节点关口交换功率及功率因数约束
Figure FDA00029659086700000213
Figure FDA00029659086700000214
式中，Pt 0、
Figure FDA00029659086700000215
分别为时段t从配电网根节点流入本级配电网的有功功率、无功功率，和
Figure FDA00029659086700000216
有关，
Figure FDA00029659086700000217
和
Figure FDA00029659086700000218
为调度中心设置的Pt 0、
Figure FDA00029659086700000219
相应最小、最大值，
Figure FDA00029659086700000220
置为0以避免无功回流，Ft,min、Ft,max为关口功率因数限值；
(4)电压稳定风险约束
采用机会约束规划建立系统电压稳定性风险约束模型，以满足动态感性/容性无功储备指标为约束条件，描述为
Figure FDA0002965908670000031
式中，Pr{}为事件成立的概率，α为预设置信水平，
Figure FDA0002965908670000032
分别为RDG时段t内无功出力以及无功出力上限和下限，
Figure FDA0002965908670000033
为系统时段t内无功需求，
Figure FDA0002965908670000034
分别为系统动态感性、容性无功储备指标。
3.根据权利要求2所述的基于模型预测控制的主动配电网无功优化方法，其特征在于，有功损耗Ploss,t、OLTC动作成本
Figure FDA0002965908670000035
和并联电容器组投切成本
Figure FDA0002965908670000036
的表达式为：
Figure FDA0002965908670000037
Figure FDA0002965908670000038
Figure FDA0002965908670000039
式中，n为支路数，Ui,t和Uj,t分别为时段t节点i和j的电压幅值，Gij、Bij和δij分别为节点i和j的电导、电纳和电压相角差，ΔCTC和ΔCSCB分别为变压器和电容器组单位调节成本，
Figure FDA00029659086700000310
和
Figure FDA00029659086700000311
分别为时段t-1和时段t的OLTC档位，
Figure FDA00029659086700000312
和
Figure FDA00029659086700000313
分别为时段t-1和时段t的电容器投切状态，NSCB和nSCB分别为配电网中电容器组总安装数量及相应编号。
4.根据权利要求2所述的基于模型预测控制的主动配电网无功优化方法，其特征在于，RDG、OLTC和SCB调压成本权重系数，根据各类无功设备重要程度，设置为λRDG≥λTC≥λSCB
5.根据权利要求1所述的基于模型预测控制的主动配电网无功优化方法，其特征在于，步骤3所建立的日内滚动优化模型表示为：
目标函数：
Figure FDA0002965908670000041
式中，Ui,t为时段t节点i超短期预测电压值，ΔUi,t为电压调节量，
Figure FDA0002965908670000042
为节点电压日前优化参考值，
Figure FDA0002965908670000043
为时段t-1的实际电压值；
相关约束条件包括：节点电压约束、RDG出力约束。
6.根据权利要求1所述的基于模型预测控制的主动配电网无功优化方法，其特征在于，步骤5所建立的反馈优化模型表示为：
目标函数：
Figure FDA0002965908670000044
式中，fadj,1与日前优化模型的目标函数一致，但权重系数设置为λTC≥λRDG≥λSCB，λadj,2为惩罚系数，
Figure FDA0002965908670000045
为调整后的RDG无功出力，
Figure FDA0002965908670000046
为OLTC调整后的抽头位置，
Figure FDA0002965908670000047
为调整后的电容器组投运数量，β1、β2为权重系数，确保OLTC分接头和电容器组投运调整量与RDG无功出力调整量数量级一致；
约束条件：与步骤1的日前优化模型的约束条件一致。
7.根据权利要求1所述的基于模型预测控制的主动配电网无功优化方法，其特征在于，步骤6将RDG无功补偿量分离为慢变分量和快变分量，具体为：
Figure FDA0002965908670000048
Figure FDA0002965908670000049
式中，
Figure FDA00029659086700000410
和
Figure FDA00029659086700000411
均为时段t无功补偿量，
Figure FDA00029659086700000412
分别为分离的慢变分量和快变分量，T为滑动时间窗的采样宽度，TMA为滑动平均滤波时间常数，取MPC预测时域。
CN202110250650.1A 2021-03-08 2021-03-08 一种基于模型预测控制的主动配电网无功优化方法 Withdrawn CN113067344A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110250650.1A CN113067344A (zh) 2021-03-08 2021-03-08 一种基于模型预测控制的主动配电网无功优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110250650.1A CN113067344A (zh) 2021-03-08 2021-03-08 一种基于模型预测控制的主动配电网无功优化方法

Publications (1)

Publication Number Publication Date
CN113067344A true CN113067344A (zh) 2021-07-02

Family

ID=76559873

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110250650.1A Withdrawn CN113067344A (zh) 2021-03-08 2021-03-08 一种基于模型预测控制的主动配电网无功优化方法

Country Status (1)

Country Link
CN (1) CN113067344A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114123220A (zh) * 2021-12-13 2022-03-01 南京理工大学 移动储能参与的主动配电网无功优化调度方法及系统
CN114362191A (zh) * 2021-12-16 2022-04-15 广东电网有限责任公司 一种海上风电场无功协调控制方法、装置及存储介质
CN114844052A (zh) * 2022-05-18 2022-08-02 国电南瑞南京控制系统有限公司 一种基于主动配电网的电压无功优化控制方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106786806A (zh) * 2016-12-15 2017-05-31 国网江苏省电力公司南京供电公司 一种基于模型预测控制的配电网有功无功协调调控方法
CN110148969A (zh) * 2019-03-26 2019-08-20 上海电力学院 基于模型预测控制技术的主动配电网优化运行方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106786806A (zh) * 2016-12-15 2017-05-31 国网江苏省电力公司南京供电公司 一种基于模型预测控制的配电网有功无功协调调控方法
CN110148969A (zh) * 2019-03-26 2019-08-20 上海电力学院 基于模型预测控制技术的主动配电网优化运行方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
颜湘武: "基于模型预测控制含可再生分布式电源参与调控的配电网多时间尺度无功动态优化", 《电工技术学报》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114123220A (zh) * 2021-12-13 2022-03-01 南京理工大学 移动储能参与的主动配电网无功优化调度方法及系统
CN114123220B (zh) * 2021-12-13 2024-04-23 南京理工大学 移动储能参与的主动配电网无功优化调度方法及系统
CN114362191A (zh) * 2021-12-16 2022-04-15 广东电网有限责任公司 一种海上风电场无功协调控制方法、装置及存储介质
CN114844052A (zh) * 2022-05-18 2022-08-02 国电南瑞南京控制系统有限公司 一种基于主动配电网的电压无功优化控制方法
CN114844052B (zh) * 2022-05-18 2024-05-14 国电南瑞南京控制系统有限公司 一种基于主动配电网的电压无功优化控制方法

Similar Documents

Publication Publication Date Title
CN113067344A (zh) 一种基于模型预测控制的主动配电网无功优化方法
Mahdavi et al. Predictive coordinated and cooperative voltage control for systems with high penetration of PV
Opila et al. Wind farm reactive support and voltage control
CN109765787B (zh) 一种基于日内-实时滚动控制的配电网源荷快速跟踪方法
CN110581571A (zh) 一种主动配电网动态优化调度方法
CN104181895A (zh) 适应新能源接入的短期与超短期协调滚动调度优化策略
CN108321810A (zh) 抑制光伏并网点电压波动的配网多时间尺度无功控制方法
CN102611118A (zh) 一种引入预测信息的风电场综合无功电压控制方法
Nguyen et al. MPC based centralized voltage and reactive power control for active distribution networks
US20220385072A1 (en) Online voltage control method for coordinating multi-type reactive power resources
CN110768265A (zh) 一种考虑时序的配电网调度方法
Tshivhase et al. An average voltage approach to control energy storage device and tap changing transformers under high distributed generation
Elgammal et al. Optimal model predictive frequency control management of grid integration PV/wind/FC/storage battery based smart grid using multi objective particle swarm optimization MOPSO
Li et al. Multi-timescale affinely adjustable robust reactive power dispatch of distribution networks integrated with high penetration of PV
CN114792976A (zh) 基于多分段无功电压曲线的光伏逆变器无功电压控制方法
CN113224769B (zh) 考虑光伏多状态调节的多时间尺度配电网电压优化方法
CN116365526A (zh) 多级电压互动控制方法
Elgammal et al. Optimal frequency control management of grid integration PV/wind/FC/storage battery based smart grid using multi objective particle swarm optimization MOPSO and model predictive control (MPC)
Park et al. Coordination control of voltage between STATCOM and reactive power compensation devices in steady-state
Maruf et al. Impact of smart inverter functions on dynamic step voltage regulator settings for distribution voltage control
Alnaser et al. Distribution network management system: An AC OPF approach
CN110059897B (zh) 基于混合整数pso算法的有源配电网日内滚动优化方法
Yang et al. Tracking-dispatch of a combined wind-storage system based on model predictive control and two-layer fuzzy control strategy
CN104836242A (zh) 地区电网无功优化方法
Jo et al. Efficient day-ahead scheduling voltage control scheme of ULTC and Var of distributed generation in distribution system

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20210702