WO2013174145A1 - 基于改进人工鱼群混合优化算法的大规模风电并网无功电压优化方法 - Google Patents
基于改进人工鱼群混合优化算法的大规模风电并网无功电压优化方法 Download PDFInfo
- Publication number
- WO2013174145A1 WO2013174145A1 PCT/CN2013/000578 CN2013000578W WO2013174145A1 WO 2013174145 A1 WO2013174145 A1 WO 2013174145A1 CN 2013000578 W CN2013000578 W CN 2013000578W WO 2013174145 A1 WO2013174145 A1 WO 2013174145A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- optimization
- reactive
- voltage
- power grid
- wind power
- 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.)
- Ceased
Links
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—ELECTRIC POWER NETWORKS; 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—ELECTRIC POWER NETWORKS; 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
- H02J3/38—Arrangements for feeding a single network from two or more generators or sources in parallel; Arrangements for feeding already energised networks from additional generators or sources in parallel
- H02J3/381—Dispersed generators
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—ELECTRIC POWER NETWORKS; 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
- H02J3/38—Arrangements for feeding a single network from two or more generators or sources in parallel; Arrangements for feeding already energised networks from additional generators or sources in parallel
- H02J3/46—Controlling the sharing of generated power between the generators, sources or networks
- H02J3/466—Scheduling or selectively controlling the operation of the generators or sources, e.g. connecting or disconnecting generators to meet a demand
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—ELECTRIC POWER NETWORKS; 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
- H02J3/38—Arrangements for feeding a single network from two or more generators or sources in parallel; Arrangements for feeding already energised networks from additional generators or sources in parallel
- H02J3/46—Controlling the sharing of generated power between the generators, sources or networks
- H02J3/50—Controlling the sharing of reactive power
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—ELECTRIC POWER NETWORKS; CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2101/00—Supply or distribution of decentralised, dispersed or local electric power generation
- H02J2101/20—Dispersed power generation using renewable energy sources
- H02J2101/28—Wind energy
-
- 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
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- 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
Definitions
- step d the operation of displaying the result of the reactive power optimization process obtained in the step d is further included.
- Is the conductance of the line ( ), ⁇ , ⁇ susceptance, N The number of nodes, z is the active power injected by the node, 0 is the reactive power injected by the node, T.max is the highest gear of the transformer tap, ⁇ min is the lowest gear of the transformer tap, ⁇ "' max and ⁇ Dmin respectively
- FIG. 3 is a schematic diagram of a crossover process of genetic operators in an improved artificial fish swarm optimization algorithm
- Fig. 4a-4d are examples of the genetic operator crossover process in the improved artificial fish swarm mixing optimization algorithm
- Fig. 5 is a schematic diagram of the network layout of the IEEE30 node system power grid.
- the raw data information includes at least grid static parameters and constraints used as static analysis data of the grid, and real-time data of the grid used as calculation data for real-time operation status of the grid;
- the operation of obtaining valid data for power flow calculation specifically includes: extracting, according to the information of the charging identifier and the power grid topology in the original data information obtained in step 100, the data set used for participating in the whole network power flow calculation, that is, used for An effective data set for network-wide power flow calculation; the data set includes at least any one of a generator, a line, a transformer, a parallel compensation device, and a load;
- a genetic algorithm is used to form a valid data set for performing network-wide power flow calculation in initial data of the original data information, and is set up for recording in the to-be-optimized area of the valid data set.
- Step 4 Calculate the reactive power optimization method of the artificial fish swarm hybrid optimization algorithm by using the data selected by the genetic variation.
- the specific calculation process is performed by referring to the process shown in FIG. 2, and the main processes include: the model (ie, reactive voltage)
- the objective function of the optimal control model is the smallest factor with the degree of network loss and node voltage and its reactive power.
- the network loss is directly obtained from the power flow calculation, and the power flow calculation uses the PQ decomposition method to save the calculation time;
- the model ie, reactive voltage optimization control model
- the model can further improve the rationality of wind power grid-connected reactive power optimization allocation.
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了基于改进人工鱼群混合优化算法的大规模风电并网无功电压优化方法，包括：调度选定大规模风电基地的自动化管控系统，基于自动化管控系统中的能量管理系统，读取电网的原始数据信息；基于所得原始数据信息，获取用于潮流计算的有效数据，形成全网的有效数据集；基于预先确定的优化方式，对所得有效数据集进行筛选，获取基于全网数据的计算数集；调用改进人工鱼群混合优化算法，基于筛选所得计算数集，对风电并网无功电压进行无功优化处理，获取无功优化处理结果。本发明所述方法，可以克服现有技术中数据处理量大、收敛性差与稳定性不好等缺陷，以实现数据处理量小、收敛性好与稳定性好的优点。
Description
基于改进人工鱼群混合优化算法的大规模风电并网无功电 压优化方法 技术领域
本发明涉及跨区域电网管理控制技术领域， 具体地， 涉及基于改进人工鱼群混合 优化算法的大规模风电并网无功电压优化方法。 随着我国智能电网大规模集中式新能源发电基地建设并开始并网发电， 其对电力 系统的安全稳定运造成的影响日益增大。 大规模新能源发电的接入对电网不仅带来了 巨大冲击， 使得网络结构、 运行方式和安全稳定特性复杂多变， 而且导致电网的稳定 问题和电压问题日益突出， 同时由于新能源发电本身具有的波动性、 间歇性和随机性 等特点对电力系统的电压稳定也提出了巨大的考验。 因此随着新能源发电的大规模开 发并集中接入电网， 其出力的频繁波动将急剧恶化局部地区的电压、 无功状况， 即其 间歇性和随机性将造成电网电压频繁波动。 如果其在系统的薄弱点接入， 甚至可能降 低整个系统的稳定水平并严重加大故障的波及范围。
因此， 必须结合风电自身的特点， 研究并提出适应于大规模风电接入的互联电网 无功分配与控制方法， 以改进传统的无功分配模式和控制手段。 一方面， 需要提高风 电机组、 风电场自身的调节能力， 并以适当的方式参与区域电网的无功电压控制与调 节； 另一方面， 需要从整个区域互联电网的角度出发， 充分利用全网的可调节资源， 实现大规模风电在电网内的合理消纳无功， 以确保系统的稳定。 因此，研究一种合理、 简单又易于执行并且适合于大规模新能源并网外送方式下得无功电压优化的方法， 将 对提高电网的稳定水平、 提高互联电网消纳大规模风电能力的发挥和有效发挥配置资 源等， 具有十分重要的意义。
目前， 传统的无功优化控制方法主要包括线性规划法、 非线性规划法、 混合整数 规划法、 遗传算法、 灵敏度分析法和二次型法等。 但是， 这些方法都或多或少地存在 计算量大、 收敛性差、 稳定性不好和容易陷入局部最优解而提早收敛的问题。 尤其是 纯粹地使用非线性规划法和线性规划法时， 会存在 "维数灾" 的问题， 不太可能处理 较为复杂， 波动性较大的大系统。 因此针对新能源本身的波动性、 间歇性和随机性等 特点对电压无功优化的初值影响较大， 这可能带了的一系列问题， 因此选择稳而定有 效的计算方法， 进行无功优化计算， 保证电力系统的稳定性显得尤为重要。
在实现本发明的过程中， 发明人发现现有技术中至少存在数据处理量大、 收敛性 差与稳定性不好等缺陷。 本发明的目的在于， 针对上述问题， 提出基于改进人工鱼群混合优化算法的大规 模风电并网无功电压优化方法， 以实现数据处理量小、 收敛性好与稳定性好的优点。
为实现上述目的， 本发明采用的技术方案是： 基于改进人工鱼群混合优化算法的 大规模风电并网无功电压优化方法， 包括：
a、 调度选定大规模风电基地的自动化管控系统， 基于自动化管控系统中的能量 管理系统， 读取电网的原始数据信息；
所述原始数据信息， 至少包括用作电网静态分析数据的电网静态参数与约束条 件、 以及用作反映电网实时运行状态计算数据的电网实时数据；
b、 基于步骤 a读取的原始数据信息， 获取用于潮流计算的有效数据， 并形成全 网的有效数据集；
c、 基于预先确定的优化方式， 对步骤 b所得有效数据集进行筛选， 获取基于全 网数据的计算数集；
d、 调用改进人工鱼群混合优化算法， 基于步骤 c筛选所得计算数集， 对风电并 网无功电压进行无功优化处理， 获取无功优化处理结果。
进一步地， 在步骤 d之后， 还包括对步骤 d所得无功优化处理结果进行显示的操 作。
进一步地， 在步骤 b中， 所述获取用于潮流计算的有效数据的操作， 具体包括- 根据所述原始数据信息中带电标识及电网拓扑的信息， 提取用于参与全网潮流计 算的数据集合， 即用于进行全网潮流计算的有效数据集；
所述数据集合， 至少包括发电机、 线路、 变压器、 并联补偿装置与负荷中任意多 种。
进一步地， 在步骤 c中， 所述预先确定的优化方式， 至少包括常规风电并网的无 功优化方式与大规模风电并网的无功优化方式。
进一步地， 在步骤 c中， 对步骤 b所得有效数据集进行筛选的操作， 具体包括： 当所述预先确定的优化方式为常规风电并网的无功优化方式时， 提取有效数据集 中电压大、 且节点无功波动频繁的节点数据， 并最终形成用于无功优化处理的计算数 集；
当所述预先确定的优化方式为大规模风电并网的无功优化方式时，提取有效数据 集中电压大、 且节点无功波动频繁的节点数据， 并最终形成用于无功优化处理的计算 数集。
进一步地， 在步骤 d中， 所述对风电并网无功电压进行无功优化处理的操作， 具 体包括：
建立至少包含风电间歇性和随机性因素的无功电压优化控制模型；
基于该无功电压优化控制模型，利用遗传算法在原始数据信息的初始数据中形成 用于进行全网潮流计算的有效数据集后， 在所述有效数据集的待优化区域中， 设立用 于记录最优人工鱼个体状态的公告板；
每条人工鱼在行动一次后， 将表示自身当前状态的函数值与公告板进行比较， 当 表示自身当前状态的函数值优于公告板时， 则用自身当前状态取代公告板， 并将所述 待优化区域的公告板从整个电网中划分出来， 形成对风电并网无功电压无功优化的最 终计算数据。
进一步地，所述建立至少包含风电间歇性和随机性因素的无功电压优化控制模型 的操作， 具体包括：
建立改进人工鱼群混合优化算法的目标函数：
上述目标函数的等式约束条件为：
； 上述目标函数的不等式约束中控制变量约束条件为：
V -V ί: max
AV; = v i. mm . -v i.
max imm 其中， z为线路首端节点 z的电压幅值， 为线路末端节点 的电压幅值， lJ为线路首末端节点 1、 J的电压相角差， 1为可调变压器分接头的位置， y Q p 为容性无功补偿容量， 为发电机机端电压， ^G''为发电机的无功出力， WSS 电网的有功损耗，
是线路 ( )的电导， ^， ^的电纳， N
统的节点数， z是节点注入的有功功率， 0 是节点注入的无功功率， T.max是变 压器分接头的最高档位， ^ min是变压器分接头最低档位， ^"'max和 ^dmin分别
V V
是节点无功补偿量的上限和下限， G min和 'max分别是发电机机端电压的上和下 限， V ^. - 和 v.max分别是节点电压的上限和下限， o ^G/mm和 o ^Gfmax分别是发 电机无功出力的上限和下限。
本发明各实施例的基于改进人工鱼群混合优化算法的大规模风电并网无功电压 优化方法， 由于包括： 调度选定大规模风电基地的自动化管控系统， 基于自动化管控 系统中的能量管理系统， 读取电网的原始数据信息； 基于所得原始数据信息， 获取用 于潮流计算的有效数据， 形成全网的有效数据集： 基于预先确定的优化方式， 对所得 有效数据集进行筛选， 获取基于全网数据的计算数集； 调用改进人工鱼群混合优化算 法， 基于筛选所得计算数集， 对风电并网无功电压进行无功优化处理， 获取无功优化 处理结果； 这样， 通过考虑大规模风电接入带来的其间歇性和随机性将造成电网电压 频繁波动， 可能引起无功潮流的不合理甚至引发大范围的故障， 进而建立模型进行控 制区域内电压和无功频繁波动的节点， 从而大大提高系统的稳定水平； 另外， 选用改 进人工鱼群混合优化算法可有效避免计算陷入局部最优解而提早收敛的和无功优化 时对初值的选择有一定的依赖性问题， 适合在线应用； 从而可以克服现有技术中数据 处理量大、 收敛性差与稳定性不好的缺陷， 以实现数据处理量小、 收敛性好与稳定性 好的优点。
本发明的其它特征和优点将在随后的说明书中阐述， 并且， 部分地从说明书中变 得显而易见， 或者通过实施本发明而了解。 本发明的目的和其他优点可通过在所写的 说明书、 权利要求书、 以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例， 对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解， 并且构成说明书的一部分， 与本发明的实 施例一起用于解释本发明， 并不构成对本发明的限制。 在附图中：
图 1为本发明基于改进人工鱼群混合优化算法的大规模风电并网无功电压优化方 法的流程示意图；
图 2为改进人工鱼群混合优化算法的流程示意图；
图 3为改进人工鱼群混合优化算法中遗传算子交叉流程示意图；
图 4a-图 4d为改进人工鱼群混合优化算法中遗传算子交叉过程示例图； 图 5为 IEEE30节点系统电网的网络布局示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明， 应当理解， 此处所描述的优选实 施例仅用于说明和解释本发明， 并不用于限定本发明。
根据本发明实施例， 如图 1-图 5所示， 提供了基于改进人工鱼群混合优化算法的 大规模风电并网无功电压优化方法。
如图 1所示， 本实施例的基于改进人工鱼群混合优化算法的大规模风电并网无功 电压优化方法， 包括- 步骤 100: 调度选定大规模风电基地的自动化管控系统， 基于自动化管控系统中 的能量管理系统， 读取电网的原始数据信息；
在步骤 100中， 原始数据信息， 至少包括用作电网静态分析数据的电网静态参数 与约束条件、 以及用作反映电网实时运行状态计算数据的电网实时数据；
步骤 101 : 基于步骤 100读取的原始数据信息， 获取用于潮流计算的有效数据， 并形成全网的有效数据集；
在步骤 101中， 获取用于潮流计算的有效数据的操作， 具体包括- 根据步骤 100所得原始数据信息中带电标识及电网拓扑的信息， 提取用于参与全 网潮流计算的数据集合， 即用于进行全网潮流计算的有效数据集； 该数据集合， 至少 包括发电机、 线路、 变压器、 并联补偿装置与负荷中任意多种；
步骤 102: 基于预先确定的优化方式， 对步骤 101所得有效数据集进行筛选， 获 取基于全网数据的计算数集；
在步骤 102中， 预先确定的优化方式， 至少包括常规风电并网的无功优化方式与 大规模风电并网的无功优化方式；
当预先确定的优化方式为常规风电并网的无功优化方式时， 提取有效数据集中电 压大、 且节点无功波动频繁的节点数据， 并最终形成用于无功优化处理的计算数集； 当预先确定的优化方式为大规模风电并网的无功优化方式时，提取有效数据集中 电压大、且节点无功波动频繁的节点数据，并最终形成用于无功优化处理的计算数集; 步骤 103 : 调用改进人工鱼群混合优化算法， 基于步骤 102筛选所得计算数集，
对风电并网无功电压进行无功优化处理， 获取无功优化处理结果： 在步骤 103中， 对风电并网无功电压进行无功优化处理的操作， 具体包括： 建立至少包含风电间歇性和随机性因素的无功电压优化控制模型；
基于该无功电压优化控制模型，利用遗传算法在原始数据信息的初始数据中形成 用于进行全网潮流计算的有效数据集后， 在所述有效数据集的待优化区域中， 设立用 于记录最优人工鱼个体状态的公告板；
每条人工鱼在行动一次后， 将表示自身当前状态的函数值与公告板进行比较， 当 表示自身当前状态的函数值优于公告板时， 则用自身当前状态取代公告板， 并将所述 待优化区域的公告板从整个电网中划分出来， 形成对风电并网无功电压无功优化的最 终计算数据；
上述建立至少包含风电间歇性和随机性因素的无功电压优化控制模型的操作，具 体包括：
建立改进人工鱼群混合优化算法的目标函数：
上述目标函数的等式约束条件为:
上述目标函数的不等式约束中控制变量约束条件为:
Qci min ^ Qci ^ Qccii max
v Gimi ― v Gi ― v G max
i mm ≤一v /;≤v i: max
Q (7/ min QGi≤ 0 G/max
\v i.一 v. max
― 、 V /.min -V i.
0 (amin < a < e,r
Qivn Qi
V = V. - V. .
M /max /min
v.
^的电压幅值， v J. j
其中， z为线路首端节点 为线路末端节点 的电压幅值， δ.· y / τ. Q
J为线路首末端节点 1、 J的电压相角差， '为可调变压器分接头的位置，
Y Q P
为容性无功补偿容量， 为发电机机端电压， ^ 为发电机的无功出力， 电网的有功损耗，
是线路 的电纳， N是系
统的节点数， 是节点注入的有功功率， 是节点注入的无功功率, 压器分接头的最高档位，
是变压器分接头最低档位， 别是节点无功补偿量的上限和下限，
分别是发电机机端电压的 上和下限，
分别是节点电压的上限和下限， Q、 分别是发电机无功出力的上限和下限；
步骤 104: 对步骤 103所得无功优化处理结果进行显示。
例如， 以 IEEE30节点的计算为例， 对上述实施例基于改进人工鱼群混合优化 算法的大规模风电并网无功电压优化方法的操作过程进行举例说明。 以 IEEE30节 点的计算为例，上述基于改进人工鱼群混合优化算法的大规模风电并网无功电压优 化方法， 主要包括：
步骤 1 : 读入原始数据信息。 数据信息包括电网静态参数、 约束条件和实时数 据； 其中， 电网静态参数和约束条件是能量管理系统所提供的用于电网静态分析的 数据， 电网实时数据是由能量管理系统输出的反映电网实时运行状态的计算数据； 步骤 2: 获取用于潮流计算的有效数据， 根据数据信息中的带电标识及电网拓 扑信息， 提取全网能够参与计算的数据集合； 主要包括发电机、 线路、 变压器、 并 联补偿装置和负荷的数据；
步骤 3: 可以按照遗传算法中的遗传变异来选择最优初种群， 然后利用改进遗 传的交叉变异方法 （具体遗传算子交叉流程参见图 3 ) 进行筛选相应的初始数据， 筛选方法如下：
(1)在初始的种群的数据进行相应的拆分， 如示例中将初始种群 A分为一列 a 和剩余子群 M， 然后数列 a向上滑行或者子群 M向下滑行， 每滑行一格后组成新 的子群 （具体示例流程参见图 4a-图 4d) ；
(2)将新生成的子群带入无功优化模型进行计算， 进行比较公告板上的最优数 据， 进而逐渐淘汰新生成的欠优种群；
(3)根据公告板上的最优数据， 最终得出最优的种群， 同时将其带入到无功优 化算法进行无功优化计算：
步骤 4 :对上述经过遗传变异筛选出来的数据调用改进人工鱼群混合优化算法 的无功优化方法进行计算， 具体计算过程参见图 2所示流程进行， 主要过程包括： 本模型 （即无功电压优化控制模型） 的目标函数为含网损和节点电压及其无 功的越限程度的因子最小， 其中网损由潮流计算直接求得， 潮流计算采用 PQ分解 法， 以节约计算时间；
潮流计算中实现了稀疏存储， 半动态节点编号， 并具备 PV节点向 PQ节点转 化的功能， 对系统的规模没有限制； 其中， 无功优化中的等约束条件由潮流计算自 动满足； 在套用改进人工鱼群混合优化时， 控制变量的上下限在遗传算法中对应其 编码的上下限， 因而控制变量的不等式约束自动满足：
将控制变量的不等式以罚函数的形式增广到目标函数中， 罚因子的大小可根 据需要进行调整； 同时， 在控制变量的约束的范围之内， 该模型的目标函数中也充 分考虑了风电出力的波动性可能造成节点电压的波动过大；
因为早期实际的运行风电机组主要采用异步发电机， 其不具备维持和调节机 端电压水平的能力； 如果在运行中出现发电机的机端的电压波动过大， 有可能造成 机组脱网的事故； 因此在该模型的计算中考虑该目标因子， 使进行无功的优化后， 电压在该波动节点的波动降低最小， 进而提高系统的稳定性；
同时， 针对当前双馈式异步风力发电机组和永磁直驱风力发电机组逐渐转变 为是风电厂主流的机型这一现状，充分考虑双馈式异步风力发电机组具备通过控制 实现有功 /无功的解耦， 具备一定的动态调节无功输出的能力； 而永磁直驱风力发 电机组由于通过全容量与电网连接， 则能够灵活地对无功进行控制等特性；
因此在建模时应该考虑不应使得电网中的无功注入这些节点过大， 因为该节 点的机组本身能够维持机组其电压稳定，这样再次注入大量无功造成的无功波动太 大， 进而造成电网其它地方无功短缺， 这样非但没有提高各个节点的电压质量， 反 而有可能会使之更加恶化， 进而引发大面积的机组脱网；
基于以上因素， 该模型 （即无功电压优化控制模型） 可进一步提高风电并网 无功优化分配的合理性。
步骤 5: 结果显示， 按照计算结果提供优化前后系统统计信息对照表， 参见下 表 1。
上述步骤 1-步骤 5为以 IEEE30节点的计算为例进行基于改进人工鱼群混合优 化算法的大规模风电并网无功电压优化方法的主要操作，实现该方法的其它操作可
参见上述步骤 100-步骤 104中的相应操作， 在此不再赘述。
表 1 : 优化前后结果对比
从表 1中优化前后的信息统计结果不难看出， 优化后在能够在降低网损的前 提下， 使电压越限的节点数由 2降为 0， 优化效果较为明显， 也证明了按照改进人 工鱼群无功优化方法确实是一种有效的方法。
上述实施例的基于改进人工鱼群混合优化算法的大规模风电并网无功电压优 化方法，主要包括以下几个步骤：读入数据信息；所述数据信息包括电网静态参数、 约束条件和电网实时数据； 从读入数据信息中获取用于潮流计算的有效数据 ·， 确定 优化方式并根据优化方式对有效数据进行筛选；采用基于改进的人工鱼群算法进行 无功优化计算的方法， 并获得无功优化的结果； 通过按照节点的类型进行数据的提 取， 有效地控制了区域内节点的数量， 从而大大缩短了计算时间； 另外， 选用改进 的人工鱼群算法可以有效避免陷入局部最优解而提早收敛的问题；该方法在电网安 全预警系统中的应用，可以解决现有大规模风电并入系统中的无功优化方法存在的 问题。
上述实施例的基于改进人工鱼群混合优化算法的大规模风电并网无功电压优 化方法，通过考虑大规模风电接入带来的其间歇性和随机性将造成电网电压频繁波 动， 可能引起无功潮流的不合理甚至引发大范围的故障， 进而建立模型进行控制区 域内电压和无功频繁波动的节点， 从而大大提高系统的稳定水平； 另外， 选用改进 人工鱼群混合优化算法可有效避免计算陷入局部最优解而提早收敛的和无功优化 时对初值的选择有一定的依赖性问题， 适合在线应用。
上述实施例的基于改进人工鱼群混合优化算法的大规模风电并网无功电压优 化方法，是为在线考虑大规模风电接入带来的其间歇性和随机性将造成电网电压频 繁波动而进行电网无功优化的一种有效手段； 该方法是在保证网损最小的前提下， 以电压频繁波动点电压波动最小为目标函数， 而进行电网无功分布的一种技术手 段。 与传统的无功优化的方法相比， 该方法基于电网实时数据， 根据风电的随机性 进进而来确定电网的无功分布， 从而有效地提高电网的稳定性， 基于改进人工鱼群
的大规模风电并网无功电压优化方法具有以下特点- ω局部性， 针对电网中电压波动较为频繁的节点， 进行寻找其最有值， 而非 对全网的优化：
(2)快速性， 采用了稀疏矢量法及多种提高计算速度的手段， 能够快速计算分 析并给出最终的调整方案；
(3)准确性， 采用了人工鱼群算法中的聚群和追尾原则， 该方法已在电网预警 系统中进行应用且能够准确反映系统的实际情况， 所得结果准确可信。
最后应说明的是： 以上所述仅为本发明的优选实施例而已，并不用于限制本发明， 尽管参照前述实施例对本发明进行了详细的说明， 对于本领域的技术人员来说， 其依 然可以对前述各实施例所记载的技术方案进行修改， 或者对其中部分技术特征进行等 同替换。 凡在本发明的精神和原则之内， 所作的任何修改、 等同替换、 改进等， 均应 包含在本发明的保护范围之内。
Claims
1 . 基于改进人工鱼群混合优化算法的大规模风电并网无功电压优化方法， 其特 征在于， 包括- a、 调度运行人员通过调度主站的能量管理系统 （EMS ) ， 读取大规模风电的原 始数据信息； 所述原始数据信息， 至少包括用作电网静态分析数据的电网静态参数与 约束条件、 以及用作反映电网实时运行状态计算数据的电网实时数据；
b、 基于步骤 a读取的原始数据信息， 获取用于潮流计算的有效数据， 并形成全 网的有效数据集；
c、 基于预先确定的优化方式， 对步骤 b 所得有效数据集进行筛选， 获取基于全 网数据的计算数集：
d、 调用改进人工鱼群混合优化算法， 基于步骤 c筛选所得计算数集， 对风电并 网无功电压进行无功优化处理， 获取无功优化处理结果。
2. 根据权利要求 1 所述的基于改进人工鱼群混合优化算法的大规模风电并网无 功电压优化方法， 其特征在于， 在步骤 d之后， 还包括对步骤 d所得无功优化处理结 果进行显示的操作。
3. 根据权利要求 1或 2所述的基于改进人工鱼群混合优化算法的大规模风电并 网无功电压优化方法， 其特征在于， 在步骤 b中， 所述获取用于潮流计算的有效数据 的操作， 具体包括：
根据所述原始数据信息中带电标识及电网拓扑的信息， 提取用于参与全网潮流计 算的数据集合， 即用于进行全网潮流计算的有效数据集；
所述数据集合， 至少包括发电机、 线路、 变压器、 并联补偿装置与负荷中任意多 种。
4. 根据权利要求 1或 2所述的基于改进人工鱼群混合优化算法的大规模风电并 网无功电压优化方法， 其特征在于， 在步骤 c中， 所述预先确定的优化方式， 至少包 括常规风电并网的无功优化方式与大规模风电并网的无功优化方式。
5. 根据权利要求 4 所述的基于改进人工鱼群混合优化算法的大规模风电并网无 功电压优化方法， 其特征在于， 在步骤 c中， 对步骤 b所得有效数据集进行筛选的操 作， 具体包括：
当所述预先确定的优化方式为常规风电并网的无功优化方式时， 提取有效数据集 中电压大、 且节点无功波动频繁的节点数据， 并最终形成用于无功优化处理的计算数
集；
当所述预先确定的优化方式为大规模风电并网的无功优化方式时，提取有效数据 集中电压大、 且节点无功波动频繁的节点数据， 并最终形成用于无功优化处理的计算 数集。
6. 根据权利要求 1或 2所述的基于改进人工鱼群混合优化算法的大规模风电并 网无功电压优化方法， 其特征在于， 在步骤 d中， 所述对风电并网无功电压进行无功 优化处理的操作， 具体包括：
建立至少包含风电间歇性和随机性因素的无功电压优化控制模型；
基于该无功电压优化控制模型，利用遗传算法在原始数据信息的初始数据中形成 用于进行全网潮流计算的有效数据集后， 在所述有效数据集的待优化区域中， 设立用 于记录最优人工鱼个体状态的公告板；
每条人工鱼在行动一次后， 将表示自身当前状态的函数值与公告板进行比较， 当 表示自身当前状态的函数值优于公告板时， 则用自身当前状态取代公告板， 并将所述 待优化区域的公告板从整个电网中划分出来， 形成对风电并网无功电压无功优化的最 终计算数据。
7. 根据权利要求 6所述的基于改进人工鱼群混合优化算法的大规模风电并网无 功电压优化方法， 其特征在于， 主要叙述建立包含风电间歇性和随机性因素的无功电 压优化控制模型的操作， 具体包括：
建立改进人工鱼群混合优化算法的目标函数-
/( ) = ηιίη(^ +∑ 2 +∑ 2 )
i=1 '·=1 ；
上述目标函数的等式约束条件为-
上述目标函数的不等式约束中控制变量约束条件为-
τ. mi .n <一τ ι. < ~τ ι. max
V
v Gimi <―v v Gi ― <v Y G max
v. mm . ≤v？.≤v∑.max
N N
0 ( VV i. mi .n≤V /≤V i. max )
Δ . = V /.mi .n -V /.
V =V. -V. .
M /max /min
2 二 2 max一 Qi min 其中， i为线路首端节点 1的电压幅值， j为线路末端节点 J的电压幅值， 为线路首末端节点 z、 的电压相角差， ''为可调变压器分接头的位置， ci%
V a p 容性无功补偿容量， σί为发电机机端电压， 为发电机的无功出力， ss电
G B
网的有功损耗， ^是线路（ ')的电导， 是线路（z， ）的电纳， ^是系统的 节点数， 是节点注入的有功功率， Q '是节点注入的无功功率， imax是变压器分
接头的最高档位， τ '.mi .n是变压器分接头最低档位， ^ odmax和 O"min分别是节点无
V V
功补偿量的上限和下限， ^'πηη和 max分别是发电机机端电压的上和下限，
V z.mm .和 V. ax分别是节点电压的上限和下限， ^ o mm和 o ^Gmax分别是发电机 无功出力的上限和下限。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CA2864235A CA2864235C (en) | 2012-05-23 | 2013-05-15 | Method for optimizing reactive voltage of large-scale wind power integration by improving hybrid optimization algorithm of artificial fish swarm |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210162209.9 | 2012-05-23 | ||
| CN201210162209.9A CN102684207B (zh) | 2012-05-23 | 2012-05-23 | 基于改进人工鱼群混合优化算法的大规模风电并网无功电压优化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2013174145A1 true WO2013174145A1 (zh) | 2013-11-28 |
Family
ID=46815747
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/CN2013/000578 Ceased WO2013174145A1 (zh) | 2012-05-23 | 2013-05-15 | 基于改进人工鱼群混合优化算法的大规模风电并网无功电压优化方法 |
Country Status (3)
| Country | Link |
|---|---|
| CN (1) | CN102684207B (zh) |
| CA (1) | CA2864235C (zh) |
| WO (1) | WO2013174145A1 (zh) |
Cited By (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104573844A (zh) * | 2014-10-27 | 2015-04-29 | 国家电网公司 | 基于遗传算法的季度输变电一体化检修优化方法 |
| CN104794541A (zh) * | 2015-04-21 | 2015-07-22 | 天津大学 | 一种基于模拟退火和锥优化的配电网运行优化方法 |
| CN107909214A (zh) * | 2017-11-30 | 2018-04-13 | 国网江西省电力有限公司电力科学研究院 | 一种基于改进型蚁群算法的配网低电压自动治理方法 |
| CN109830990A (zh) * | 2019-01-08 | 2019-05-31 | 南京工程学院 | 一种基于输电阻塞含风光接入的储能优化配置方法 |
| CN109936146A (zh) * | 2019-03-05 | 2019-06-25 | 国网湖南省电力有限公司电力科学研究院 | 一种基于改进灵敏度算法的风电场协调优化控制方法 |
| CN110119855A (zh) * | 2019-06-11 | 2019-08-13 | 国网上海市电力公司 | 一种气电耦合系统运行优化方法 |
| CN110399589A (zh) * | 2019-07-11 | 2019-11-01 | 东华大学 | 基于nmdafsa的电力系统最优潮流计算方法 |
| CN110970905A (zh) * | 2019-11-05 | 2020-04-07 | 中国电力科学研究院有限公司 | 一种优化风电场电压控制能力的多电源无功配合方法及系统 |
| CN111612246A (zh) * | 2020-05-18 | 2020-09-01 | 武汉轻工大学 | 农田土壤的重金属含量预测方法、装置、设备及存储介质 |
| CN111984704A (zh) * | 2020-08-20 | 2020-11-24 | 支付宝(杭州)信息技术有限公司 | 数据筛选方法及装置 |
| CN112085362A (zh) * | 2020-08-31 | 2020-12-15 | 国网河南省电力公司经济技术研究院 | 一种计及灵活资源调节潜力的新能源配电网规划系统 |
| CN112332407A (zh) * | 2020-10-21 | 2021-02-05 | 国网青海省电力公司西宁供电公司 | 一种10kV电压偏高的优化方法 |
| CN112446457A (zh) * | 2020-12-02 | 2021-03-05 | 中国计量大学 | 一种基于改进人工鱼群算法的气体泄漏源定位方法 |
| CN112531731A (zh) * | 2020-12-14 | 2021-03-19 | 国网河南省电力公司经济技术研究院 | 一种基于灵敏度分析的交直流混联配电网无功补偿方法 |
| CN112994027A (zh) * | 2021-02-03 | 2021-06-18 | 国网河南省电力公司电力科学研究院 | 二级无功电压控制策略下储能容量的配置方法及装置 |
| CN113746111A (zh) * | 2021-09-07 | 2021-12-03 | 广东电网有限责任公司 | 一种基于数据驱动的配电网无功优化方法及装置 |
| 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 |
| CN116231673A (zh) * | 2023-03-08 | 2023-06-06 | 昆明理工大学 | 一种基于改进鲸鱼算法的配电网无功优化方法 |
| CN116316913A (zh) * | 2023-04-20 | 2023-06-23 | 中国长江三峡集团有限公司 | 一种有功功率的控制方法、装置、设备及介质 |
| CN116362061A (zh) * | 2023-06-01 | 2023-06-30 | 中诚华隆计算机技术有限公司 | 配电网的无功优化方法及装置 |
| CN116757491A (zh) * | 2023-05-18 | 2023-09-15 | 济南大学 | 基于人工鱼群算法的储能系统优化配置方法及储能系统 |
| CN117713213A (zh) * | 2023-12-18 | 2024-03-15 | 国网辽宁省电力有限公司辽阳供电公司 | 基于改进人工鱼群的光伏集群控制方法、装置及存储介质 |
| CN119253744A (zh) * | 2024-12-03 | 2025-01-03 | 云南电网有限责任公司 | 基于人工智能的配电网优化方法 |
| CN120278631A (zh) * | 2025-06-10 | 2025-07-08 | 南昌丹巴赫科技有限公司 | 一种多式联运中的物流管理方法及装置 |
Families Citing this family (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102684207B (zh) * | 2012-05-23 | 2014-07-09 | 甘肃省电力公司电力科学研究院 | 基于改进人工鱼群混合优化算法的大规模风电并网无功电压优化方法 |
| CN103208803B (zh) * | 2013-04-18 | 2015-02-04 | 国家电网公司 | 风电和光电集中并网的无功电压优化控制方法 |
| CN103595652B (zh) * | 2013-11-08 | 2016-08-17 | 国家电网公司 | 一种电力通信网络中QoS能效的分级方法 |
| CN103580023B (zh) * | 2013-11-28 | 2016-03-16 | 云南电力试验研究院（集团）有限公司电力研究院 | 一种基于多目标聚类鱼群算法配电网无功优化方法 |
| KR101482459B1 (ko) | 2013-12-19 | 2015-01-22 | 엘에스산전 주식회사 | 급전원 훈련 시뮬레이팅 장치 및 그 동작 방법 |
| CN103678948B (zh) * | 2014-01-09 | 2016-10-26 | 电子科技大学 | Cchp系统三联供多目标优化方法 |
| CN104112237A (zh) * | 2014-06-30 | 2014-10-22 | 国家电网公司 | 一种基于wams的改进遗传算法的电网无功容量优化配置方法 |
| CN105207573A (zh) * | 2015-09-04 | 2015-12-30 | 浙江大学 | 基于离散概率模型的风光互补供电系统定量优化配置方法 |
| CN105896557B (zh) * | 2016-04-22 | 2018-02-23 | 国网山东省电力公司经济技术研究院 | 一种基于遗传算法引导Trust‑Tech技术的配电网电容器配置方法 |
| CN106549394B (zh) * | 2016-12-07 | 2018-11-27 | 东北大学 | 基于双鱼群算法的电力无功优化系统及方法 |
| CN110060179B (zh) * | 2019-04-24 | 2023-04-18 | 国网山东省电力公司济南供电公司 | 基于风险重叠度的多电压等级检修计划优化方法及装置 |
| CN110445127A (zh) * | 2019-06-25 | 2019-11-12 | 中国电力科学研究院有限公司 | 一种面向多重随机不确定性的配电网无功优化方法及系统 |
| CN112183199B (zh) * | 2020-08-24 | 2023-01-06 | 中国科学院信息工程研究所 | 一种基于Fish-SVC的2.4GHz频段信号识别方法及系统 |
| CN112165102B (zh) * | 2020-09-25 | 2022-08-19 | 国网青海省电力公司果洛供电公司 | 一种应用电力电子调压器延长稀疏地区配电网供电半径的方法 |
| CN112165095B (zh) * | 2020-10-26 | 2022-07-22 | 国网江苏省电力有限公司淮安供电分公司 | 一种基于群智能的低压配网无功优化方法 |
| CN113779883B (zh) * | 2021-09-14 | 2023-06-09 | 沈阳工程学院 | 一种基于变异人工鱼群的风电储能系统充放电过程优化方法 |
| CN115085206B (zh) * | 2022-06-15 | 2025-02-18 | 国网宁夏电力有限公司中卫供电公司 | 基于无功优化的新能源区域配电网降损方法、介质及系统 |
| CN115065063B (zh) * | 2022-07-26 | 2025-08-12 | 中国电力科学研究院有限公司 | 一种基于人工智能神经网络的电网潮流控制方法及系统 |
| CN116029752A (zh) * | 2022-12-28 | 2023-04-28 | 天翼物联科技有限公司 | 基于人工鱼群算法的能量管理优化方法、系统及存储介质 |
| CN116774719B (zh) * | 2023-08-18 | 2023-11-07 | 成都庆龙航空科技有限公司 | 一种无人机飞行参数自诊断方法及系统 |
| CN118378921B (zh) * | 2024-06-26 | 2024-10-08 | 浙江大学 | 面向近岸多岛区域的海上风电场选址方法、设备、介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102170137A (zh) * | 2011-04-26 | 2011-08-31 | 华北电力大学 | 一种电力系统配电网的无功优化方法 |
| CN102420432A (zh) * | 2011-12-01 | 2012-04-18 | 华北电力大学 | 基于电网实时数据的实用化分层分区无功优化方法 |
| CN102684207A (zh) * | 2012-05-23 | 2012-09-19 | 甘肃省电力公司电力科学研究院 | 基于改进人工鱼群混合优化算法的大规模风电并网无功电压优化方法 |
-
2012
- 2012-05-23 CN CN201210162209.9A patent/CN102684207B/zh not_active Expired - Fee Related
-
2013
- 2013-05-15 WO PCT/CN2013/000578 patent/WO2013174145A1/zh not_active Ceased
- 2013-05-15 CA CA2864235A patent/CA2864235C/en active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102170137A (zh) * | 2011-04-26 | 2011-08-31 | 华北电力大学 | 一种电力系统配电网的无功优化方法 |
| CN102420432A (zh) * | 2011-12-01 | 2012-04-18 | 华北电力大学 | 基于电网实时数据的实用化分层分区无功优化方法 |
| CN102684207A (zh) * | 2012-05-23 | 2012-09-19 | 甘肃省电力公司电力科学研究院 | 基于改进人工鱼群混合优化算法的大规模风电并网无功电压优化方法 |
Non-Patent Citations (1)
| Title |
|---|
| YUAN, YUAN ET AL.: "Distribution Network Reactive Optimation Based on Improved Artificial Fish Swarm Algorithm", JIANGSU ELECTRICAL ENGINEERING, vol. 29, no. 3, May 2010 (2010-05-01), pages 32 - 34 * |
Cited By (35)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104573844A (zh) * | 2014-10-27 | 2015-04-29 | 国家电网公司 | 基于遗传算法的季度输变电一体化检修优化方法 |
| CN104794541A (zh) * | 2015-04-21 | 2015-07-22 | 天津大学 | 一种基于模拟退火和锥优化的配电网运行优化方法 |
| CN107909214B (zh) * | 2017-11-30 | 2021-07-02 | 国网江西省电力有限公司电力科学研究院 | 一种基于改进型蚁群算法的配网低电压自动治理方法 |
| CN107909214A (zh) * | 2017-11-30 | 2018-04-13 | 国网江西省电力有限公司电力科学研究院 | 一种基于改进型蚁群算法的配网低电压自动治理方法 |
| CN109830990A (zh) * | 2019-01-08 | 2019-05-31 | 南京工程学院 | 一种基于输电阻塞含风光接入的储能优化配置方法 |
| CN109830990B (zh) * | 2019-01-08 | 2022-09-20 | 南京工程学院 | 一种基于输电阻塞含风光接入的储能优化配置方法 |
| CN109936146A (zh) * | 2019-03-05 | 2019-06-25 | 国网湖南省电力有限公司电力科学研究院 | 一种基于改进灵敏度算法的风电场协调优化控制方法 |
| CN109936146B (zh) * | 2019-03-05 | 2022-08-19 | 国网湖南省电力有限公司电力科学研究院 | 一种基于改进灵敏度算法的风电场协调优化控制方法 |
| CN110119855A (zh) * | 2019-06-11 | 2019-08-13 | 国网上海市电力公司 | 一种气电耦合系统运行优化方法 |
| CN110399589B (zh) * | 2019-07-11 | 2023-05-26 | 东华大学 | 基于nmdafsa的电力系统最优潮流计算方法 |
| CN110399589A (zh) * | 2019-07-11 | 2019-11-01 | 东华大学 | 基于nmdafsa的电力系统最优潮流计算方法 |
| CN110970905A (zh) * | 2019-11-05 | 2020-04-07 | 中国电力科学研究院有限公司 | 一种优化风电场电压控制能力的多电源无功配合方法及系统 |
| CN110970905B (zh) * | 2019-11-05 | 2022-09-02 | 中国电力科学研究院有限公司 | 一种优化风电场电压控制能力的多电源无功配合方法及系统 |
| CN111612246A (zh) * | 2020-05-18 | 2020-09-01 | 武汉轻工大学 | 农田土壤的重金属含量预测方法、装置、设备及存储介质 |
| CN111612246B (zh) * | 2020-05-18 | 2023-09-29 | 武汉轻工大学 | 农田土壤的重金属含量预测方法、装置、设备及存储介质 |
| CN111984704A (zh) * | 2020-08-20 | 2020-11-24 | 支付宝(杭州)信息技术有限公司 | 数据筛选方法及装置 |
| CN112085362B (zh) * | 2020-08-31 | 2023-04-21 | 国网河南省电力公司经济技术研究院 | 一种计及灵活资源调节潜力的新能源配电网规划系统 |
| CN112085362A (zh) * | 2020-08-31 | 2020-12-15 | 国网河南省电力公司经济技术研究院 | 一种计及灵活资源调节潜力的新能源配电网规划系统 |
| CN112332407A (zh) * | 2020-10-21 | 2021-02-05 | 国网青海省电力公司西宁供电公司 | 一种10kV电压偏高的优化方法 |
| CN112446457A (zh) * | 2020-12-02 | 2021-03-05 | 中国计量大学 | 一种基于改进人工鱼群算法的气体泄漏源定位方法 |
| CN112446457B (zh) * | 2020-12-02 | 2023-07-18 | 中国计量大学 | 一种基于改进人工鱼群算法的气体泄漏源定位方法 |
| CN112531731A (zh) * | 2020-12-14 | 2021-03-19 | 国网河南省电力公司经济技术研究院 | 一种基于灵敏度分析的交直流混联配电网无功补偿方法 |
| CN112994027A (zh) * | 2021-02-03 | 2021-06-18 | 国网河南省电力公司电力科学研究院 | 二级无功电压控制策略下储能容量的配置方法及装置 |
| CN113746111A (zh) * | 2021-09-07 | 2021-12-03 | 广东电网有限责任公司 | 一种基于数据驱动的配电网无功优化方法及装置 |
| CN113746111B (zh) * | 2021-09-07 | 2023-10-20 | 广东电网有限责任公司 | 一种基于数据驱动的配电网无功优化方法及装置 |
| 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 |
| CN116231673A (zh) * | 2023-03-08 | 2023-06-06 | 昆明理工大学 | 一种基于改进鲸鱼算法的配电网无功优化方法 |
| CN116316913A (zh) * | 2023-04-20 | 2023-06-23 | 中国长江三峡集团有限公司 | 一种有功功率的控制方法、装置、设备及介质 |
| CN116757491A (zh) * | 2023-05-18 | 2023-09-15 | 济南大学 | 基于人工鱼群算法的储能系统优化配置方法及储能系统 |
| CN116362061A (zh) * | 2023-06-01 | 2023-06-30 | 中诚华隆计算机技术有限公司 | 配电网的无功优化方法及装置 |
| CN116362061B (zh) * | 2023-06-01 | 2023-09-26 | 中诚华隆计算机技术有限公司 | 配电网的无功优化方法及装置 |
| CN117713213A (zh) * | 2023-12-18 | 2024-03-15 | 国网辽宁省电力有限公司辽阳供电公司 | 基于改进人工鱼群的光伏集群控制方法、装置及存储介质 |
| CN119253744A (zh) * | 2024-12-03 | 2025-01-03 | 云南电网有限责任公司 | 基于人工智能的配电网优化方法 |
| CN120278631A (zh) * | 2025-06-10 | 2025-07-08 | 南昌丹巴赫科技有限公司 | 一种多式联运中的物流管理方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CA2864235A1 (en) | 2013-11-28 |
| CN102684207A (zh) | 2012-09-19 |
| CN102684207B (zh) | 2014-07-09 |
| CA2864235C (en) | 2020-08-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2013174145A1 (zh) | 基于改进人工鱼群混合优化算法的大规模风电并网无功电压优化方法 | |
| CN102013679B (zh) | 一种大规模风电集中接入后对电网影响的分析方法 | |
| CN112653154B (zh) | 基于边缘计算的分布式光伏配电网无功优化控制方法 | |
| CN108695857B (zh) | 风电场自动电压控制方法、装置及系统 | |
| CN108418255A (zh) | 一种适用于含高渗透率新能源的特高压直流外送电网规划方法及系统 | |
| CN105720585B (zh) | 风电场集群的无功功率控制方法及系统 | |
| CN107834596A (zh) | 基于电网运行状态感知的分布式光伏集群动态划分方法 | |
| CN105375513B (zh) | 一种基于实时在线等值的110千伏风电场自动电压控制方法 | |
| CN106682780A (zh) | 一种计算分布式光伏并网最大准入容量的方法 | |
| CN115622053B (zh) | 一种用于考虑分布式电源的自动负荷建模方法及装置 | |
| CN113139259B (zh) | 一种用于电网动态等值的风电场分群建模方法 | |
| CN108629499A (zh) | 一种基于二阶锥理论的配电网光伏电站选址定容方法 | |
| CN115173468A (zh) | 基于光伏重心和越限点辨识的光伏最大准入容量确定方法 | |
| CN118970906A (zh) | 一种基于全品类电源接入的电网现状网评估方法及装置 | |
| CN108460228B (zh) | 一种基于多目标优化算法进行风电场等值的方法 | |
| CN107910891B (zh) | 一种分布式光伏集群电压双层优化下垂控制方法 | |
| CN104682384B (zh) | 光伏并网后引起电网电压波动的评价方法 | |
| CN108054753A (zh) | 一种计及低压穿越特性的直驱风电场机群划分方法 | |
| CN110336322B (zh) | 基于日最小负荷置信区间的光伏发电准入容量确定方法 | |
| CN107769271A (zh) | 一种新能源综合消纳能力评估方法 | |
| CN116388272A (zh) | 基于分布式可再生能源的配电网优化方法、系统及设备 | |
| CN103904674B (zh) | 一种直流输电送端孤岛系统潮流分析方法 | |
| CN104319784A (zh) | 区域电网无功补偿优化方案对比分析方法 | |
| CN106844911A (zh) | 一种大规模风电汇集系统静态电压稳定分析方法 | |
| CN105488299A (zh) | 基于DIgSILENT搭建新疆地区电网仿真模型的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 13793651 Country of ref document: EP Kind code of ref document: A1 |
|
| ENP | Entry into the national phase |
Ref document number: 2864235 Country of ref document: CA |
|
| NENP | Non-entry into the national phase |
Ref country code: DE |
|
| 122 | Ep: pct application non-entry in european phase |
Ref document number: 13793651 Country of ref document: EP Kind code of ref document: A1 |