基于二阶网损无功灵敏度矩阵的配电网无功补偿选点

目前配电网无功优化规划多采用灵敏度分析等方法来确定配电网无功补偿点。传统的灵敏度分析方法以补偿前节点灵敏度来选择补偿点,依赖补偿前网络潮流,选出的点容易集中在重负荷支路,导致补偿范围重叠,无功补偿可能并非最优。为此,提出了二阶网损无功灵敏度矩阵的计算方法,并基于此提出了配电网无功补偿选点方法,考虑了后选补偿节点补偿容量对先选补偿节点灵敏度的影响。算例结果验证了该方法的有效性。     

基于改进动态灵敏度的配电网无功优化规划

目前配电网无功优化规划多采用网损灵敏度分析等方法来确定配电网候选无功补偿点,可能选择虚假高灵敏度节点,选点分布较集中。提出一种基于改进动态灵敏度选点的配电网无功优化方法,对灵敏度和负荷阻抗矩进行修正结合并进行层次聚类,避免选择虚假高灵敏度节点,使得选点分布均匀。通过实例仿真分析,验证了该方法的有效性,并对几种灵敏度选点方法进行了比较研究,得出了一些有益的结论。     

基于等网损微增率的主动配电网分布式无功优化方法

配电网中分布式电源渗透率的升高和电动汽车的大量接入使得集中优化模式难以满足控制灵活性和供电可靠性的要求。针对主动配电网(active distribution network,ADN)无功优化问题,建立了区内集中式、区间分布式的ADN分区分布式协调控制架构,并基于等网损微增率准则提出了ADN分布式无功优化方法,可以实现全局网损的分区分布式优化,保证系统电压质量和安全运行。所提方法包括无约束情况下的ADN分布式无功优化模型和针对功率电压越限处理的节点网损微增率(incremental rate of network loss,IRL)修正方法,尤其适用于系统规模大、分布式电源渗透率高以及分区数较多的ADN。基于IEEE33节点和69节点的仿真结果表明所提分布式无功优化方法具有较快的收敛速度和较优的全局优化效果,并且可以有效应对局部通信故障,保证ADN供电的可靠性和经济性。     

基于网损灵敏度方差的配电网分布式储能位置与容量优化配置方法

针对典型日负荷曲线,提出基于网损灵敏度方差的配电网分布式储能位置和容量优化配置方法。该方法考虑了分布式储能的充放电运行状态,基于网损灵敏度方差确定配电网中各节点接入分布式储能的优先顺序。以配电网网损和节点电压波动为目标函数,运用改进的粒子群算法对分布式储能的充放电功率进行优化,并确定分布式储能的最优配置容量。仿真结果表明,采用该方法确定分布式储能在配电网中的位置和容量可最大化实现功率就地平衡、降低配电网网损和降低配电网节点电压波动,实现分布式储能在配电网中的优化配置。     

基于损耗灵敏度因子优化配电网无功补偿位置的方法研究

推导出单辐射配电网损耗灵敏度因子数学模型,研究了基于损耗灵敏度因子选择配电网无功补偿位置的方法,提出了需要进行无功补偿的判断方法,总结出选择配电网无功补偿位置优先顺序的步骤。最后通过案例分析,验证了该方法的可操作性和有效性。     

基于粒子群无功优化的网损降低技术研究

在传统无功优化模型上,建立了以网损最小和电压稳定裕度最大为目标函数的多目标优化模型,通过对目标函数加权建立妥协模型,使多目标函数问题转化为单目标函数问题,并采用粒子群算法求解无功优化问题,通过对IEEE30节点系统的算例分析,表明了采用多目标无功优化模型和粒子群算法能够在保证各节点电压不越限的情况下,有效地降低系统网损...     

基于免疫遗传算法优化的神经网络配电网网损计算

提出了一种基于免疫遗传算法(IGA)的BP神经网络方法计算配电网的理论线损.该算法在遗传算法(GA)的基础上引入生物免疫系统中的多样性保持机制和抗体浓度调节机制,有效地克服了GA算法的搜索效率低、个体多样性差及早熟现象,提高了算法的收敛性能.为了解决BP神经网络权值随机初始化带来的问题,用多样性模拟退火算法(SAND)进行神经网络权值初始化,并给出了算法详细的设计步骤.仿真结果表明,同混合遗传算法相比,该算法设计的BP神经网络具有较快的收敛速度和较强的全局收敛性能, 比现有其它计算配电网理论线损的方法更为准确.     

基于免疫遗传算法优化的神经网络配电网网损计算

提出了一种基于免疫遗传算法(IGA)的BP神经网络方法计算配电网的理论线损。该算法在遗传算法(GA)的基础上引入生物免疫系统中的多样性保持机制和抗体浓度调节机制,有效地克服了GA算法的搜索效率低、个体多样性差及早熟现象,提高了算法的收敛性能。为了解决BP神经网络权值随机初始化带来的问题,用多样性模拟退火算法(SAND)进行神经网络权值初始化,并给出了算法详细的设计步骤。仿真结果表明,同混合遗传算法相比,该算法设计的BP神经网络具有较快的收敛速度和较强的全局收敛性能, 比现有其它计算配电网理论线损的方法更为     

网损灵敏度分析与遗传算法相结合的无功规划算法

阐述无功规划的意义和无功补偿的一般原则,针对无功规划问题的多目标、非线性特点,提出了网损灵敏度分析与遗传算法相结合的无功规划算法。并给出了算例及规划结果。     

基于网损最小的智能配电网“源网荷”优化研究

智能配电网的典型特征是有大量分布式电源与多元负荷的接入。在新的电网发展形态下,明确了影响线损的主要因素,提出了基于"源网荷"协调优化的节能降损思路。"源网荷"优化的主要措施有:源源出力优化配置、储能设备最优接入容量与接入位置、网络重构、负荷优化。在分布式电源的最优装接容量和位置的研究成果基础上,研究了多个分布式电源接入情况下的有功出力协调优化;针对储能设备的运行特征,研究了储能设备接入电网的最优容量与位置。从网络重构角度出发,建立了网络重构的计算模型,研究了在分布式电源接入的条件下,进行网络重构的判定条件。从负荷避峰的角度,提出了计算用户可限负荷的方法和避峰的边界条件。     

基于网损灵敏度的DG优化配置快速计算方法

针对分布式电源(Distributed Generation,DG)在配电系统中的优化配置问题,提出一种基于网损灵敏度的优化配置方法。该方法以网损最小化为目标,依据网损灵敏度的大小来优化选择分布式电源的接入位置,利用简单的数学极值原理来求解分布式电源的优化接入容量。所提方法具有求解过程简捷、计算快速的优点。IEEE-33节点系统的仿真结果验证了所提方法的有效性。     

基于系统网损灵敏度的二阶指标研究

阐述了一种估计电压崩溃临近程度的新指标——网损灵敏度指标。在该指标的基础上,提出了新的二阶指标。所提指标物理意义明确,线性度好,计算量小,适于在线应用。实际系统的仿真结果表明,基于网损灵敏度的二阶指标能够为实时负荷裕度监控、事故排序以及控制策略制定提供有效信息。     

基于网损灵敏度的分布式电源和电容器联合优化

分布式电源和电容器的优化配置能够有效地减少配电网损耗和提高电压稳定性。在此基础上,建立了以系统网损最小为目标函数的优化模型,运用灵敏度的方法求解分布式电源和电容器的安装位置,提出用启发式拟合技术的方法求解分布式电源和电容器的安装容量。最后,以IEEE-33节点为测试系统,通过几个典型的对比案例的分析和实验,验证分布式电源和并联电容器的联合优化,能够满足良好电压的情况下最大限度减少系统的损耗,并且能够减少配电线路的负载。     

网损及无功优化计算对降损的指导意义

从开展网损理论计算和系统无功优化计算 ,合理组织电网的运行方式等方面对网损进行了分析 ,得出网损理论计算和无功优化计算对降低网损具有的重要指导意义     

配电网无功优化的研究

根据最优网损微增率准则是衡量无功负荷最优补偿准则,在潮流计算的基础上,导出了一种求网损微增率的方法。利用最优网损微增率准则建立一阶线性方程组,应用数值分析法进行求解,实现了配电网的无功优化。     

基于灵敏度分析的主动配电网无功电压控制

在主动配电网框架下,电网无功电压控制涉及分布式发电、变压器、无功补偿装置以及可控负荷等,相关控制变量属性各异、时空分布更复杂,因此研究其各自的影响机理将有利于更有效地调控电网无功电压。通过理论推导和灵敏度分析方法,详细研究了各种控制手段对节点电压和线路网损造成的影响,以及各种控制手段之间的相互影响。为了优化分布式能源的利用效率以及减少电气设备动作次数,提出了一种以灵敏度为指导的电压调控策略,并通过算例验证了该策略的正确性和适用性。     

基于灵敏度分析的无功优化潮流

在以减少小网损为目标的无功优化问题中，选广义发电机节点的电压幅值，可调变压器的变化为控制变量，按照用逐次线性规划方法解非线性规划问题的思路，导出了相应的灵敏度无功优化模型，并采用对偶线性规划方法求解。     

基于负荷实测的配电网无功优化及其降损节能效益分析

针对当前无功补偿存在的问题,设计了一种基于负荷实测的无功优化系统。在对系统进行总体设计的基础上,参照9区图法的控制策略设计了3种无功补偿控制模式,并采用就地和远端2种控制方式相结合的方法实现了无功补偿控制策略的优化。给出了系统的节能效益分析算法,并通过实例分析证明了系统具有很好的节能效果,基于负荷实测的无功优化系统可更有效地降低电网损耗,提高了电能质量。