【摘 要】
:
伴随全球能源转型的持续推进,绿色能源逐渐成为了人们重点关注的领域。电力作为能源行业的重要组成部分,对其实现绿色生产是现代电力追求的目标之一。在此背景下,大量分布式电源(Distributed Generation,DG)被接入配电网中,从而导致配电网的运行状态发生改变。因此,对于接入大量DG且规模不断变大的现代配电网,如何对其运行状态进行优化显得至关重要。配电网重构作为配电系统优化和控制的重要手段
论文部分内容阅读
伴随全球能源转型的持续推进,绿色能源逐渐成为了人们重点关注的领域。电力作为能源行业的重要组成部分,对其实现绿色生产是现代电力追求的目标之一。在此背景下,大量分布式电源(Distributed Generation,DG)被接入配电网中,从而导致配电网的运行状态发生改变。因此,对于接入大量DG且规模不断变大的现代配电网,如何对其运行状态进行优化显得至关重要。配电网重构作为配电系统优化和控制的重要手段,因具有简单经济的优点而被广泛地应用于实际工程中。配电网重构问题可分为静态重构和动态重构,对该问题的研究大多着眼于重构模型的建立和重构方法的改进。因此,本文从有利于配电网运行的多个指标出发,构建了重构模型,并在黏菌算法(Slime Mould Algorithm,SMA)的基础上,提出了一种并行黏菌算法(Parallel Slime Mould Algorithm,PSMA)来对模型进行求解。本文的主要工作如下:(1)针对不同DG的工作原理,按照并网方式的不同,将其划分为四种类型,并建立了相应的潮流计算数学模型。在潮流计算中,对牛顿-拉夫逊法、隐式Zbus高斯法和节点分层前推回代法进行了研究。并根据3种方法各自的优缺点以及配电网重构问题编码需求,最终选择节点分层前推回代法作为本文的潮流计算方法。(2)针对SMA的缺点和配电网重构问题的特点,提出使用自适应惯性权重策略和多子群并行交流策略来对SMA进行改进,进而提出PSMA。为了验证PSMA的性能,使用CEC2014国际标准测试套件中的测试函数来对其进行数值优化实验,并将结果与其他5种算法进行对比。实验结果表明,所提PSMA具有优越的寻优精度和快速的收敛能力。(3)针对配电网运行的多个优化指标,使用层次分析法对其进行综合处理,构建了配电网静态重构模型。根据DG的不同特性,设计了6种静态重构案例,并使用PSMA和已用于配电网重构的其他4种算法来对这些案例进行求解。实验结果表明,不同类型的DG对配电网具有不同程度的影响,与其他4种算法相比,PSMA能够更加快速、高效、准确地求解含DG的配电网静态重构问题,即PSMA为含DG的配电网静态重构问题提供了一种新的求解方案。(4)针对负荷和DG出力随时间变动的配电网动态重构问题,提出动态最优时段划分方法并将其与PSMA结合,进而提出一种基于PSMA的多时段最优动态重构方法。并分别在不含DG的IEEE-33节点和含DG的IEEE-118节点配电系统中,使用所提方法与小时动态重构方法进行对比实验。实验结果表明,所提出的动态重构方法能够根据负荷序列找到合适的重构时刻点,近似地模拟配电网的实际工作情况。
其他文献
随着智能电网建设的大力发展,电力行业已经逐渐迈向数字化信息化。传统的智能电网云数据中心难以满足电力行业中的各项要求,不足以全面支撑智能电网行业的数字化转型。边缘计算(Edge Computing,EC)作为未来5G网络的关键技术,将业务逐渐下沉到网络边缘,极大的减少了处理任务产生的时延与能耗,并且边缘计算可为智能电网设备提供任务迁移平台,进行计算与存储服务。任务迁移技术在智能电网中可将终端设备收集
受中巴经济走廊(CPEC)的影响,巴基斯坦经济社会的快速发展,农村公路建设的快速发展,公路养护任务的比重越来越大,管理者对公路养护任务的重视程度越来越高。养护成本控制是在确定较好合理养护成本的前提下保证公路使用性能的最重要方面之一。本文主要以中国农村公路养护项目为例,研究如何实施中国模式来指导巴基斯坦农村公路日常养护成本管控措施。首先,巴基斯坦农村公路养护现状进行了调研分析;其次,研究了影响农村公
随着科学技术的发展,为了实现在输电线路带电的情况下完成检修工作,使用机械臂来完成相关的任务已屡见不鲜。机械臂系统是一类高度非线性、强耦合且具有明显时变性的典型动力学系统。关于机械臂系统的动力学精确建模非常困难,因此设计一种具有相当适应性且在机械臂轨迹跟踪问题上容易使用的控制算法,对于机械臂能否实现对期望轨迹的实时跟踪,具有非常重要的研究意义和实用价值。迭代学习控制在数学意义上,是一种可以严格定义的
基于大数据的复杂系统异常检测是电气工程领域的重点研究课题。目前,我国高速公路是全球最为繁忙的交通系统之一,2019年底完成全国大规模部署和联网的电子不停车收费(Electronic Toll Collection,ETC)系统是全球最大规模的物联网系统。海量的ETC交易数据记录了高速公路上几乎全部车辆的通行状态,通过ETC交易数据的挖掘分析实现高速公路拥堵检测,不仅对提高高速公路的管理水平和通行效
随着智能电网的不断升级,我国对配电网供电质量和供电可靠性提出了更高的要求,即:在配电网发生故障时,能够及时、准确地定位故障位置,从而减少经济损失。可见,高效可靠的故障定位技术在配电网安全运行中占有极为重要的地位。目前,基于FTU的配电网故障定位技术主要有直接法和间接法,其中采用智能优化算法的间接法以其通用、高容错、鲁棒性强等优点成为近年来解决该类问题的研究热点。然而由于这类方法中所采用的智能算法本
粒子群优化算法(Particle Swarm Optimization,PSO)是受鸟群觅食行为的启发,提出的一种群体优化算法。自粒子群算法提出以来,因其易于实现和计算效率高等优势,广泛应用于实际问题中。近年来,强化学习研究取得了进展,将强化学习融合到粒子群算法,成为一种新的思想方法,然而目前策略还是比较单一,其参数选择偏主观性。Q学习是强化学习的重要方法之一,本文研究一种融合Q学习的粒子群算法,
基于深度学习的情感分类方法首先是对文本进行特征提取,再利用深度学习模型分类。深度学习领域现有许多关键性模型,迁移学习模型是其中之一。现有迁移学习模型的训练方法为无监督学习,需依赖后续任务补全推理和决策环节来做判断,但其缺乏目标领域知识用于推理和决策。同时,目前深度学习模型鲁棒性不足,在文本被恶意添加扰动或修改等攻击手段时,会致使模型给出错误的判断,基于深度学习模型的对抗训练优化方法可以使模型抵御对
不同智能交通系统的数据具有多源、高度异构的特征,导致系统间的交互与共享受阻。而交通领域本体作为语义技术的核心,其提供了一种知识表示的方法,它通过形式化定义交通领域中的相关概念以及这些概念之间的关系来描述领域知识,为智能交通系统间的协作提供有效的数据和知识的表示、管理和共享技术手段。然而,不同交通领域本体也存在高度异质的问题,为了促进智能交通系统应用间的交互与协作,需要进行交通领域本体匹配过程来确定
近年来,电力行业发展迅速,电网规模越来越大,结构越来越复杂,进而导致系统中无功功率不足且分布不合理,引起有功网络损耗增大、电能质量下降等问题。因此,为保证电力系统的电压水平,降低线路及设备中的有功损耗,满足用户侧与输电侧的需求,对电力系统进行无功优化是重要的解决途径之一。然而,由于传统优化方法对数学模型依赖性较高,无法满足优化问题的需求,因此本研究使用群智能优化算法来解决无功优化问题,以保证电力系
动力电池作为新能源汽车的核心部件,长期在新能源汽车研究领域占据主导地位,对其有效监管和应用是该领域发展的关键技术问题。动力电池的荷电状态(State of Charge,SOC)与健康状态(State of Health,SOH)则是对其实施有效监管的重要依据。其中,SOC反映电池的剩余电量,SOH反映电池的老化程度,准确估计两者在保障动力电池的安全、稳定、经济运行等方面具有重要意义。本文从一般意