三相负荷平衡的光伏逆变器与充电桩协调优化控制策略

平衡的三相四线制或五线制低压配电网能夠显著增加对分布式电源、电动汽车的接纳能力。大量光伏发电、电动汽车接入低压配电网可能导致网损大幅增加,三相不平衡加剧,配变过载,电压越限,威胁配电网的安全、经济运行。针对已有的负荷平衡方法代价高、适应性低的不足,从将重载相负荷转移至轻载相的基本原理出发,提出了在配电网中配置多副公共直流母线,设计了两种将位置相近、从不同相接入的光伏逆变器、充电桩直流侧连接至此共同直流母线的具有不同结构与造价的方案。构建了光伏逆变器、充电桩协调优化控制的线性约束混合整数二次规划的模型。模型的目标函数能够兼顾降损与平衡负荷。采用实际71节点低压配电系统仿真计算,与无序充电及经典方法进行了对比,验证了所提方法计算速度快,能夠满足在线运行的要求,具有完全平衡三相负荷,降低网损,削峰填谷,改善供电电压质量等优越性能。#$NL关键词: 光伏发电;电动汽车;配电网;协调优化控制;三相不平衡     

基于支路潮流线性化方程的有序充电快速求解方法

针对传统有序充电方法计算效率低、未计及配电网三相不平衡与节点电压和支路电流约束的不足,推导了三相平衡与不平衡配电网的支路潮流方程,提出了将方程非线性项线性化的方法。构建了以车主充电总费用最小为目标函数,节点电压、支路功率、充电功率为不等式约束,支路潮流方程、充电需求为等式约束的电动汽车有序充电的模型。提出了采用二阶段线性规划进行求解的方法。第1阶段线性规划采用忽略支路潮流方程非线性项的简化线性模型求取估算的支路优化有功功率、无功功率、节点电压,作为支路潮流方程非线性项线性化的初始点。第2阶段线性规划采用近似线性模型计算最优充电功率。采用3个仿真算例与其他方法进行了对比,验证了所提出方法的性能。     

水热催化制备绿色柴油工艺中催化剂的失活与再生

近年来，水热催化制备绿色柴油的工艺广受关注，非均相催化剂用于该工艺可以提高绿色柴油的产率和选择性，但催化剂使用过程中常存在失活和再生困难等问题。本文首先介绍了水热催化工艺中常用的催化剂，随后阐述了该工艺中非均相催化剂的失活机理；分别讨论了负载金属和载体对催化剂活性的影响。负载金属的浸出和烧结是引起催化剂失活的重要原因，载体自身不稳定是催化剂失活的另一个重要原因。然后，总结了水热催化工艺中失活催化剂的再生方法，主要包括煅烧和洗涤。最后，对水热催化制备绿色柴油工艺提出了建议，即开发更优质的催化剂、探求更高效的再生方法和选择更适宜的反应条件等。     

电动汽车有序充电原对偶内点动态优化算法

电动汽车有序充电对于配电网安全经济运行具有十分重要的意义。电动汽车家庭单相充电加剧了配电网的三相不平衡。目前,已有的电动汽车有序充电方法应用于大系统时计算效率较低、或未计及三相不平衡与节点电压、支路电流约束。严格推导了不平衡配电网相分量、极坐标潮流方程,构建了以网损最小为目标函数,节点电压、支路电流、电动汽车充电功率为不等式约束,潮流方程、充电需求为等式约束的电动汽车有序充电模型。采用原对偶内点法进行优化计算,保证了算法的收敛性与快速性。以实际423节点配电系统为例的仿真计算表明,所提方法收敛性好,计算速度快,能够最小化网损,削峰填谷,改善电压,具有极高的实际应用价值。     

采用迭代求解的电动汽车优化充电算法

电动汽车优化充电对配电网的安全经济运行具有十分重要的意义.利用配电网辐射状运行结构采用迭代修正节点电压的方法能够大幅降低优化变量的维数,提高计算速度.该方法已被应用于以网损最小为目标函数、常规负荷模型为恒功率负荷、不计及节点电压、支路功率约束的三相平衡配电网中.该文提出了将其推广至一般情形的方法,目标函数为配电网供电能量最小、运行费用最小或利润最大,不再局限于网损最小,负荷模型不再局限于恒功率负荷.而且计及了配电网的三相不平衡、节点电压、支路功率约束.文中分析了负荷模型对优化计算结果的影响.研究发现,当负荷模型只包含恒功率、恒阻抗负荷时,每次迭代中优化模型仍为线性约束凸二次规划模型;当负荷模型包含恒电流负荷时,每次迭代中优化模型不再为线性约束凸二次规划模型,但仍为线性约束凸规划模型.3个算例的仿真结果表明,所提方法收敛性好、计算精度高、速度快,能够改善电压,提高配电网的经济效益.     

基于数据驱动与物理模型的主动配电网双时间尺度协调优化

高比例间歇性分布式电源与电动汽车接入配电网时，容易导致功率与电压频繁、快速、剧烈波动。文中结合数据驱动与物理建模方法，提出了一种配电网双时间尺度有功无功协调优化策略。针对短时间尺度（分钟级或秒级）的功率波动，以静止无功补偿器、分布式电源无功功率为决策变量，以网损最小为目标函数，计及物理约束，针对平衡与不平衡配电网分别构建了二阶锥与二次规划模型。针对长时间尺度（小时级）的优化，以有载调压变压器分接头变比、可投切电容电抗器挡位、储能系统充放电功率为动作，以网损为代价，计及节点电压越限惩罚，构建了马尔可夫决策过程。为克服连续-离散动作空间维数灾，采用一种基于松弛-预报-校正的深度确定性策略梯度强化学习求解算法。通过IEEE 33节点与IEEE 123节点配电系统验证了所提方法的有效性。