排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
高比例电力电子设备与高比例分布式光伏的广泛接入以及城市电缆化率的提升,使配电网用户侧的无功特性变得复杂,导致负荷无功用电不确定性增加,不利于配电网安全运行。因此,为了更好地进行无功优化配置,文章采用不同负荷日功率因数变化曲线的组合场景及其概率来反映无功用电的不确定性,以运行成本的期望值最小为目标,建立多无功用电场景的期望值优化配置模型。首先,利用多重一维卷积自编码器(one-dimensional convolutional autoencoders,1D-CAEs)提取不同用户日功率因数数据的低维表征;随后,利用k-means方法进行场景缩减,获得典型日功率因数变化场景,并组合出多用户的场景集;最后,建立期望值无功优化模型,采用粒子群算法求解,确定出最优配置方案。依据上海市某配电网不同类型用户实际的无功用电信息,采用改进的IEEE 33节点系统进行仿真,以验证所提方法的有效性。 相似文献
2.
高比例电力电子设备与高比例分布式光伏的广泛接入以及城市电缆化率的提升,使配电网用户侧的无功特性变得复杂,导致负荷无功用电不确定性增加,不利于配电网安全运行。因此,为了更好地进行无功优化配置,文章采用不同负荷日功率因数变化曲线的组合场景及其概率来反映无功用电的不确定性,以运行成本的期望值最小为目标,建立多无功用电场景的期望值优化配置模型。首先,利用多重一维卷积自编码器(one-dimensional convolutional autoencoders,1D-CAEs)提取不同用户日功率因数数据的低维表征;随后,利用k-means方法进行场景缩减,获得典型日功率因数变化场景,并组合出多用户的场景集;最后,建立期望值无功优化模型,采用粒子群算法求解,确定出最优配置方案。依据上海市某配电网不同类型用户实际的无功用电信息,采用改进的IEEE 33节点系统进行仿真,以验证所提方法的有效性。 相似文献
1
