一、用最大无功负荷进行负荷计算的方法(论文文献综述)
秦佳奇[1](2021)在《基于注意力和多任务学习的无功负荷预测算法研究》文中研究表明近年来,我国经济持续稳步增长,尤其是2020年面对突发的新冠疫情经济增速达到2.3%,成为全球唯一实现正增长的主要经济体。伴随着全国社会经济活动的稳步复苏,各产业用电量增速也逐渐开始明显,尤其是信息技术产业的用电需求出现激增。在此背景下,社会各行业对电力系统的稳定供能、智能调度等方面提出了更高的要求。在应用于电网智能化的技术手段中,无功负荷预测是关键技术之一。准确的无功负荷预测可以为电压无功优化、稳态潮流计算分析、频率控制等重要操作提供数据支持,进而影响电力系统的稳定性和可靠性。因此,如何不断提高无功负荷预测的准确率已经成为智能电网领域非常重要的课题。围绕该课题,本文结合机器学习相关理论和技术进行了深入研究。主要研究内容包括三个部分:第一,本文从月时间尺度和日时间尺度进行负荷特性分析,发现无功负荷具有明显的趋势性和周期性。基于此特性分析和相关研究,本文探索了影响无功负荷预测的外界因素,发现无功负荷波动与日期类型、气象因素之间存在一定的相关性。最终选择历史无功负荷、日期类型、温度、人体舒适度指数等特征构建数据集,用来训练和测试无功负荷预测模型。第二,本文研究了基于注意力(Attention)机制和长短时记忆(Long Short-term Memory,LSTM)神经网络的无功负荷预测算法。传统的Attention一般是应用于EncoderDecoder结构,且只计算不同时间步向量的注意力权重,没有考虑到向量内部各特征元素对预测结果的影响也是不同的。针对这个问题,本文提出了一种新的Attention机制计算方法,分别计算输入数据中时间步特征向量和内部特征元素的注意力系数,然后将两个结果逐元素相乘得到最终的注意力权重。本文将改进后的Attention机制与LSTM相结合构建ALSTM(Attention-based Long Short-term Memory)无功负荷预测模型,实验结果证明有效提高了无功负荷预测精度。第三,本文研究了基于多任务学习机制的无功负荷预测算法。通过对同一时间段内的无功负荷与有功负荷的相关性进行定性定量分析,发现二者具有较强的正相关性。然而对于单任务无功负荷预测模型,其输入特征中不能包含有功负荷。主要是为了避免出现数据泄漏问题,即用未来的数据进行预测。针对这个问题,本文联合无功负荷预测和有功负荷预测构建了多任务MT-ALSTM(Multi-task ALSTM)负荷预测模型。其中有功负荷预测作为辅助任务,无功负荷预测作为主要任务。MT-ALSTM网络结构主要依据硬参数共享的多任务学习方法,通过共享两个任务的数据以及共享浅层LSTM网络的参数信息来促进任务之间的信息交融并达到相互学习的目的。另外本文针对MT-ALSTM模型设计了加权损失函数,通过两步网格搜索算法对超参数进行寻优。最后在不同时间尺度的测试集上进行了对比实验,结果表明MT-ALSTM模型不仅对无功负荷预测有较好的效果,同时预测出的有功负荷也具有较好的精度。
赵冬梅,马泰屹,王闯[2](2020)在《基于相空间重构和长短期记忆算法的电力系统无功负荷预测模型》文中认为为了优化无功控制策略,改善电压质量,减小网损,针对无功负荷的随机性与非线性,提出一种基于相空间重构和长短期记忆神经网络的无功负荷预测模型。利用C-C法确定最优重构维数和延迟时间;通过计算最大Lyapunov指数说明无功负荷的混沌性;利用相空间重构技术将无功序列映射到高维空间,在高维空间利用长短期记忆神经网络进行预测;最后以海南省某地区的有功及无功负荷数据为例,通过Kolmogorov熵证实无功负荷的混沌程度大于有功负荷的混沌程度,算例验证了该方法的可行性,能提高无功负荷预测结果的准确度,有利于对电力系统无功进行更合理的调配和控制。
赵吉祥[3](2020)在《考虑调控复杂度的110kV变电站无功优化配置研究》文中认为合理的变电站无功优化配置能够在较小无功补偿代价的前提下,有效的改善电力系统电能质量、减少系统网络损耗。本文针对变电站无功优化配置中无功补偿容量及电容器优化分组问题,对考虑调控复杂度的110k V变电站无功配置方法展开了深入研究。首先,分析110k V变电站无功流动情况,得到影响110k V变电站无功配置特征参数。采用枚举法,进行不同特征参数组合下的无功优化计算,对各特征参数进行敏感度分析并归类,分为主要特征参数和次要特征参数,给出以主要特征参数为指导的兼顾通用性和差异性的变电站无功配置率推荐表及附加建议;然后,定义无功超调率指标以协调无功配置组数与单组容量之间的矛盾。建立无功规划电网模型及数学模型,采用改进遗传算法计算得到最优无功配置容量。对补偿点进行电压无功灵敏度分析,获取无功超调率指标的大小,以无功超调率为指导,对电容器进行较为简易的不等容分组;其次,建立电容器组调控复杂度指标体系,包括投资成本效益比、调节档位级数比和单组最大容量比。设定电容器分组数,在变电站无功需求分布曲线上进行最优覆盖求取无功失配面积,以无功失配面积最小、设备投资成本最小以及调控复杂度最优为目标函数,建立变电站无功优化配置不等容分组模型;最后,定义档位系数指标以协调电容器组无功调节能力与控制策略复杂度之间的矛盾,将其加入投资成本。规避现有典型日无功曲线方法缺陷,提出一种概率日无功需求曲线求取方法,在其上进行最优覆盖。以各类电容器单组容量及其对应组数为优化变量,建立一种能够确定组数的无功配置模型。仿真案例表明了本文方法的有效性和实用性,对变电站无功优化配置具有一定的指导意义。
苗海东[4](2020)在《基于改进下垂控制的微电网无功补偿研究》文中进行了进一步梳理本文主要以传统的下垂控制为基础,针对微电网中不同容量微电源逆变器的并联控制策略进行研究。传统下垂控制作为普遍并联逆变器的运行控制方式,因其无需互联通信、即插即用、较强的容余度和灵活性等优势被广泛应用。它能够有效调节不同容量微电源输出的频率和电压,使得微电网稳定、安全、可靠、高效的运行。当微电网孤岛运行时,由于可再生能源分布的特点,导致不同类型的分布式微电源坐落不同的位置以及微电源到本地负载的距离差异。通过对采用传统下垂控制的微电源进行功率传输特性的数学模型分析,从而得出微电源相互之间等效线路阻抗存在偏差,使得采用下垂控制的微电源不能按照其额定容量比合理分配逆变器输出的无功功率,导致微电源之间产生无功环流,从而增加系统损耗、降低电能质量。针对上述问题,本文提出一种改进下垂控制策略。推导出电压源型逆变器的数学模型,根据此数学模型设计了电流、电压双闭环控制系统,并且研究了电压、电流双闭环控制系统的参数设计方法。理论分析了影响微电网无功环流的产生因素,并对影响无功环流的因素进行仿真研究。然后得出一种新型改进下垂控制策略,将无功补偿环节引入传统下垂控制中,抵消不同微电源之间的等效线路阻抗偏差。引入无功补偿环节会造成系统电压深度降落,为了弥补无功补偿量带来的压降,依据系统电压降落原理,加入微电源侧电压损耗恢复机制以保证系统电压质量。最后,搭建微电网Matlab/Simulink仿真模型。仿真结果表明,在并网、不同线路阻抗和负载突变的情况下,改进的下垂控制策略能够合理的分配无功负荷,既不影响微电源的有功输出又降低无功环流,维持系统电压稳定。
徐韵[5](2020)在《含可再生分布式电源参与调节的配电网无功电压优化控制》文中进行了进一步梳理近年来,随着大规模可再生分布式电源(Renewable Distributed Generation,RDG)、电动汽车、分布式储能、柔性负荷接入配电网,其时空分布随机性和运行状态多变性,给配电网运行带来诸多挑战的同时,也丰富了无功电压调控手段。为此,本文在传统无功电压调控基础上,结合新设备接入拓展研究思路,开展“含高比例RDG参与调节的配电网无功电压优化控制”研究,充分利用配电网内多种可控源,通过“源-网-荷-储”多环节纵向资源整合,实现光伏、风电、分布式储能、电动汽车、柔性负荷的协调控制和友好互动,对于优化潮流分布,改善供电质量,降低网络损耗,促进RDG消纳,提升配电网运行经济性和可靠性,具有重要理论意义和实际工程应用价值。主要研究内容如下:(1)提出了含RDG参与调控的配电网多时间尺度无功动态优化模型与方法。针对配电系统内风电、光伏出力随机性和负荷波动导致的电压稳定性问题,建立基于模型预测控制的配电网多时间尺度无功优化模型,包含日前优化调节层和实时滚动调控层。日前优化侧重于运行经济性,协调配合不同技术经济特性无功设备进行大尺度无功调节,通过电压稳定概率约束来预留充足动态无功储备响应动态调控;实时滚动调控侧重于系统运行稳定性,基于RDG、负荷超短期预测进行滚动调控,根据无功补偿量需求及时决策反馈校正,从而实现预测信息及调控方式逐层细化抑制不确定因素导致的电压越限。(2)提出了含RDG参与调控的配电网动态分区实时无功优化方法。针对多数分区方法需事先给定分区数目或确定分区数量的参数阈值,且分区过程中需考虑各电源无功裕度,难以实现无人工干预实时动态分区的问题,结合风电、光伏等RDG的动态无功调节特性,提出配电网动态分区实时无功优化方法:基于配电网辐射状结构特性,根据支路末端节点性质逆向初步合并,以最大模块度函数为衡量指标进行初始分区,并根据实时运行状态和无功储备约束调整分区,形成可满足动态无功调节的最佳分区方案,然后执行分区实时无功电压调控。(3)提出了考虑网络动态重构的配电网多时空尺度无功优化模型与方法。电压分布局部性、负荷/电源特性多样性和功率脉动性,决定了配电网无功电压调控需要在时间域和空间域内“多级协调、逐级细化”,对此建立了配电网多时空尺度无功优化模型。空间域内进行“全局协同优化”、“分区自律调控”和“全局协同调控”的协调配合,并在全局协同优化中融入网络动态重构,拓展优化“可行域”;基于模块度函数和动态无功储备指标进行动态分区并自律调控,实现“分区自治”;分区自律调控结果返回全局层面进行全系统检测和协同调控,提高控制精度;在时间域内由全局协同优化1d周期1h颗粒度,向分区自律调控5min颗粒度递进,并在各层调控嵌入模型预测控制“预测模型”、“滚动优化”和“反馈校正”环节,实现时空耦合的“分区逐层”精细化控制。(4)提出了电力市场环境下含“源-网-荷-储”互动的主动配电网有功/无功联合优化模型与方法。为横向打破风、光、储等“源端”相对独立、各自为政壁垒,实现多能互补,纵深层面进行“源-网-荷-储”多环节、多维度有功/无功联合调度和协调控制,提高可再生能源消纳,保障配电网安全经济运行,建立了电力市场环境下含“源-网-荷-储”互动的主动配电网多时间尺度有功/无功联合优化模型,采用随机模型预测控制实现逐层递进调控。日前优化调度基于日前电价和RDG出力预测,安排有功/无功可控源和联络开关运行状态,在保障可靠性基础上,实现收益最大化;日内滚动优化根据短期预测信息,进一步挖掘收益空间,并消除电压越限;实时反馈校正侧重于运行安全性,基于超短期预测信息进行更精细化调控,抑制电压波动。(5)提出了 含充换储一体化电站(Charging-swapping-storage Integrated Station,CSSIS)参与调节的主动配电网有功/无功联合优化模型与方法。针对电动汽车时空分布随机性,无序充电管理易导致负荷高峰期“峰上加峰”,加重局部电压越限风险问题,建立考虑CSSIS参与调控的主动配电网双层有功无功联合优化模型。外层优化侧重于配电网层面,强调CSSIS整体有功无功出力计划,发挥CSSIS削峰填谷、电压动态调整作用,提高配电网运行的安全性和经济性;内层优化侧重于CSSIS站内具体出力计划,实现站内能量互补平抑EV负荷波动、降低EV用电成本、废旧电池梯级利用。为减少实时优化动态电源的调节压力,日前优化采用鲁棒优化方法来提高系统应对不确定因素的能力,实现CSSIS接入配电网的“友好性”。上述研究成果可为配电企业配电系统管理平台研发提供理论支撑,并在配电网有功调度和无功优化中具有广阔的应用前景。
李培帅[6](2019)在《高渗透率可再生能源并网的主动配电网无功优化研究》文中提出高渗透率可再生能源并网已成为未来配电网的显着特性。可再生能源具有随机性和间歇性,其高比例并网带来的不确定性、双向潮流等因素会导致供电可靠性降低、电能质量恶化、配电网运行经济性和安全性降低等问题。主动配电网对可控资源进行控制,使其主动参与系统运行,抵御可再生能源并网带来的不良影响,确保系统运行的安全、高效、稳定。主动配电网无功优化技术,是实现配电网主动控制和管理的关键技术之一。论文围绕主动配电网无功优化技术展开研究,主要工作与取得的成果如下:第一、提出了自适应鲁棒无功优化方法。为降低传统鲁棒优化的保守度,引入了自适应鲁棒优化的思想,基于仿射数学构建了自适应函数。研究了潮流模型的近似线性化方法以获取节点注入功率与节点电压幅值的近似线性关系,基于该近似线性关系将节点电压幅值约束转化为节点注入功率约束,形成了自适应鲁棒电压约束;构建了自适应函数下的分布式电源(Distributed Generation,DG)容量约束,并通过多边形内近似的方法将该非线性约束转化为一组线性不等式;基于支路潮流模型构建了三相平衡配电网自适应鲁棒无功优化模型、基于节点注入功率模型和半定规划构建了三相不平衡配电网自适应鲁棒无功优化模型;最后给出了割平面求解策略。自适应鲁棒无功优化具有高鲁棒性、低保守度的优点,此外其实现了DG无功功率基于有功功率的自适应调整,为后续的DG实时控制提供了参考。第二、提出了“小时级”-“分钟级”-“秒级”的多时间尺度鲁棒无功电压控制策略。该策略综合了主动配电网中的有载调压变压器(On-load Tap Changer,OLTC)、并联电容器组(Capacitor Bank,CB)等传统设备和DG等新型设备,在“小时级”进行OLTC和CB的控制,在“分钟级”-“秒级”进行DG的控制。利用盒式不确定集表征DG有功功率、负荷需求的不确定性,构建了基于二阶锥规划的两阶段鲁棒无功优化模型,实现了对OLTC、CB以及DG的“小时级”-“分钟级”协调优化控制;针对“秒级”控制,分别给出了以减缓电压波动为目标的Q(V)模型和以经济性最优为目标的Q(P)模型。“秒级”控制决策的基准值由“分钟级”决策给出,从而实现了该层控制与“小时级”-“分钟级”控制的协调。利用列和约束生成算法进行两阶段鲁棒无功优化模型的求解,同时给出了基于潮流计算的迭代算法和割平面算法分别用于Q(V)模型和Q(P)模型的求解。第三、构建了“配电网分区-分布式优化”的技术框架。主动配电网中不同节点间往往具有不同的耦合特性,在网络分区时若将耦合度高的节点划分至同一子区域,耦合度低的节点划分至不同的子区域,则实现了“高内聚、低耦合”的区域划分。基于该种分区方法,子区域间表现出高稀疏性的特征,反映到分布式优化中则会提高边界信息交互效率,加快分布式计算速度。引入电气距离进行节点间耦合特性表征,进而构建了“子区域内聚合度”、“子区域间稀疏特性”、“子区域个数”以及“子区域内物理联通特性”的分区指标以及基于该指标的配电网分区模型;构建了“虚拟负荷”用以描述任一子区域下游所有子区域的负荷特性,将“虚拟负荷”引入分布式计算的边界条件,改善边界信息交互效率,提升分布式计算速度。在配电网分区与虚拟负荷的基础上,建立了以经济性最优为目标的主动配电网分布式无功优化模型,并利用交替方向乘子法进行求解。第四、提出分布式多时间尺度鲁棒无功优化模型和求解算法。主动配电网规模庞大、运行工况复杂、网络拓扑多变,集中式的优化运行控制方法在计算资源、存储资源以及通信带宽等方面有着巨大压力。计及不确定性因素,基于“配电网分区-分布式优化”框架和二阶锥规划构建了主动配电网分布式多时间尺度鲁棒无功优化模型;提出了基于仿射传播聚类算法的配电网分区方法,该方法仅通过自身学习即可实现配电网分区,具有良好的工程应用价值;利用保守度可调的多面体集表征不确定性因素,引入考虑“虚拟负荷”的边界条件提升信息交互效率;基于交替方向乘子法与列约束生成法耦合的思路进行模型求解,交替方向乘子法给出了分布式求解框架,列约束生成法进行各子区域的两阶段鲁棒优化问题求解;考虑到交替方向乘子法求解含有离散变量模型时收敛性难以保证,引入了交替寻优过程进行算法改进,实现了分布式多时间尺度鲁棒无功优化模型的高效求解。最后,本文采用了IEEE13、IEEE33、IEEE123和PG&E69系统对所提模型、算法以及策略进行了测试分析,验证了模型的有效性、算法的准确性和策略的适用性。
岳帅[7](2019)在《基于模型预测控制的电网无功控制策略研究》文中认为我国新能源基地具有“大规模风电和光伏发电接入送端电网环节”的特征,其出力的间隙性导致了远超传统电网的电压波动问题,给电力系统无功电压运行带来了巨大的压力,同时在用电侧分布式发电与微网的发展使得源荷双侧多样性增加、不确定性增强,运行场景愈加复杂,如何协调网内各类无功控制设备实现电网无功电压精细化控制是当前亟待解决的问题。目前在线电网无功优化多利用EMS系统所获取的实时数据进行,属于事后校正控制,控制策略时效性差,难以应对源荷双侧不确定性日益增强的电网运行现状。针对上述问题,本文采用模型预测控制理论,结合电网内无功控制设备的运行特性,设计了一种基于模型预测控制的无功优化控制架构。为解决母线无功负荷预测中非线性预测的难点问题,提出一种基于双输入长短期记忆神经网络的预测方法,该方法可以基于负荷有功和无功序列数据挖掘其中的深度时序特性,表示非线性关系;算例验证表明,该方法能够准确预测母线无功负荷,其预测精度优于时间序列与一般的长短期记忆神经网络预测模型。在母线无功负荷预测模型的基础上,结合多时间尺度下无功设备协调控制需求,提出一种基于模型预测控制的电网无功控制策略。该方法基于二阶锥规划将无功控制模型中的非线性约束近似转化为二阶锥线性约束条件,建立离散无功调节设备及其动作次数的线性等价模型,通过日前计划控制、日内实时控制和反馈校正环节实现多时间尺度下电网无功精细化控制。算例表明该方法能在保证电网运行安全性下有效减少网损,降低无功设备动作次数,提升电网运行经济性。
黄驰[8](2018)在《含风电电力系统的无功分区和基于场景缩减技术的无功优化》文中研究指明随着电力系统规模的不断扩大,以及风电等间歇式新能源的接入,电网的不确定因素和复杂性不断增加,电力系统的无功优化和电压控制也越来越复杂。因此研究含风电电力系统的无功电压分区和无功优化具有重要意义。针对已有的电力系统无功电压分区方法没有考虑电压调节策略的问题,本文提出一种计及分区调压过程结束后区域内无功总储备和PQ节点最大电压偏差影响的无功裕度指标,以及计算该指标的优化模型和算法。基于提出的无功裕度指标和计算方法,提出一种两阶段无功电压分区方法。该方法运用拉丁超立方抽样对风速和负荷进行抽样以计及风电和负荷的不确定性;在第一阶段无功电压分区中运用无功潮流追踪方法确定无功源-荷之间的供需对应关系将负荷节点合并到向其提供无功功率最大的无功电源的分区中;在第二阶段无功电压分区中基于得到的预分区方案,以提出的无功裕度作为目标函数,用遗传算法求解无功电压预分区的合并方案。运用提出的分区方法对用IEEE 39节点系统和IEEE 118节点系统进行计算,验证所提方法的可行性和有效性。在已有含风电电力系统的无功优化方法中,对反映风电和负荷不确定性的多场景主要是通过优化前进行场景削减。本文提出一种在含风电电力系统的无功优化时利用解相似性进行场景聚类的方法以减少场景的计算。基于无功电压分区方案,在现有电力系统无功优化模型中引入区域联络线无功介数和区域无功平衡度两个目标函数建立模型。在用遗传算法求解该模型的过程中,通过遗传算法每一代的染色体分析风电出力场景,基于K-means聚类算法根据不同风电场景的目标函数分布的差异性对目标函数进行聚类,并在遗传进化过程中进行场景的聚类和释放。以IEEE 39节点系统为仿真算例。计算结果表明基于解相似性的场景聚类方法在一定程度上可以节省计算时间和处理计算效率与拟合精度的矛盾。
刘文轩[9](2017)在《电力系统网架重构的变时段建模和协调优化研究》文中进行了进一步梳理近年来,电力系统大规模互联的趋势日益明显,复杂程度也在不断提高,不仅增加了故障发生的概率,而且影响范围极易扩大,甚至引发恶性连锁反应,酿成大面积停电事故。世界范围内的多次事故表明,大停电是现代电力系统难以完全避免的严重威胁。在这种背景下,作为电力系统安全防御的重要措施之一,可靠的系统恢复方案对于减轻恢复控制负担、加快系统恢复速度、减小大停电事故带来的经济损失及社会影响具有重要意义。因此,深入研究系统恢复过程中的优化控制技术是十分必要的。本文在全面学习和借鉴已有研究工作的基础上,对电力系统恢复过程中的网架重构优化技术进行了重点研究,论文工作主要包括以下几方面:(1)机组启动性能动态评估与排序优化。大停电后电厂热力系统的工作效率会逐步衰减,直接影响机组的启动时间和并网速度。分析此情况对各时段机组启动顺序产生的影响,对电厂关键设备热力系统温度下降趋势进行评估,采用模糊理论对机组各状态进行处理,确定各机组启动效率损失指标,建立机组启动动态优化模型,并应用多种群遗传算法进行求解,重点分析机组恢复顺序差异对各时段长度及总体恢复进程的影响。(2)网架重构变时段建模与求解方法。在“分时段建模,多时段协调优化”的总体策略下,通过研究机组启动特性和设备恢复要求,对各时段恢复时间进行模糊评价,结合恢复过程的串并行机制,确定恢复时段的划分原则和方法,提出网架重构的变时段建模框架。结合近似算法中的限制策略,研究适用于变时段模型的优化方法,以提高求解效率。此方法克服了分时段决策极易陷入局部最优的缺点,为寻求全局最优解提供了思路。(3)网架重构和负荷恢复的协调优化。在确定每一时段的待启动机组之后,通过综合考虑恢复代价、重要性、功率平衡及后效性影响等多方面因素,结合负荷投入特点,从机组、节点和线路三方面提取出反映系统运行状况的指标,建立网架重构和负荷恢复协调优化模型。求解网架重构方案的非支配解集,采用多属性决策方法进行最优解筛选。该方法可以有效改善依据效益型指标制订方案导致系统安全性降低的问题,特别是在系统相对薄弱时期,有计划地恢复一定量的负荷对于电网十分必要,是后续恢复工作顺利进行的重要保证。(4)考虑资源约束的过渡恢复方案优化。针对目前常用的黑启动电源和厂站应急电源存在持续出力受限的情况,提出一种考虑资源约束的受限电源替代方案优化方法。利用受限机组启动电气距离较近、性能较好的非受限机组,在最短时间内实现并网发电,以此代替受限电源进行后续恢复。合理选取优化目标,综合考虑约束条件,建立系统恢复过渡模型,并采用相应算法对模型进行优化求解。应用非受限机组代替受限电源进行后续恢复工作,可以为电网提供更加持久的发电量支持,确保后续恢复方案顺利实施,具有较强的实际意义。
覃芸,陈艳,左郑敏,孙舒逸,黄春艳,李钦豪[10](2016)在《220kV地区电网无功负荷及其预测研究》文中指出通过对220 kV地区电网无功负荷进行分类,提出四个评估指标以表征四类无功负荷与有功负荷的关系。基于相同运行方式下无功负荷指标的稳定特性提出一种无功负荷预测方法。选取某电网的重负荷地区和含源地区作为典型算例,结果表明,所提的各项指标能反映不同地区电网在不同运行方式下无功负荷分布特性的差异。用六个220 kV地区电网20112013年夏大方式的无功负荷指标预测2014年的无功负荷,将预测结果与实际的无功负荷进行误差分析,结果表明所提的预测方法具有良好的预测效果,这为无功优化规划提供了有力的数据支撑。
二、用最大无功负荷进行负荷计算的方法(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、用最大无功负荷进行负荷计算的方法(论文提纲范文)
(1)基于注意力和多任务学习的无功负荷预测算法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 选题背景及意义 |
1.2 国内外研究现状 |
1.2.1 有功负荷预测研究现状 |
1.2.2 无功负荷预测研究现状 |
1.2.3 多任务学习研究现状 |
1.3 本文主要内容 |
1.4 文章架构安排 |
第2章 相关理论和技术 |
2.1 负荷特性分析相关指标 |
2.1.1 月时间尺度上的负荷特性指标 |
2.1.2 日时间尺度上的负荷特性指标 |
2.2 循环神经网络时序预测相关理论 |
2.2.1 神经网络概述 |
2.2.2 传统循环神经网络时序预测原理 |
2.2.3 长短时记忆神经网络时序预测原理 |
2.3 多任务学习相关理论 |
2.4 本章小结 |
第3章 基于ALSTM模型的无功负荷预测 |
3.1 引言 |
3.2 数据分析和预处理 |
3.2.1 负荷特性分析 |
3.2.2 影响无功负荷预测的因素分析 |
3.2.3 数据预处理 |
3.3 算法设计 |
3.3.1 传统Attention机制 |
3.3.2 改进Attention机制 |
3.3.3 设计ALSTM网络结构 |
3.3.4 ALSTM模型的损失函数 |
3.4 实验准备 |
3.4.1 实验环境 |
3.4.2 时序数据转为有监督数据 |
3.4.3 评价指标 |
3.5 实验设计与结果分析 |
3.5.1 改进Attention机制效果验证实验 |
3.5.2 与其他模型的对比实验 |
3.6 本章小结 |
第4章 基于多任务MT-ALSTM模型的无功负荷预测 |
4.1 引言 |
4.2 数据分析与算法设计 |
4.2.1 无功负荷与有功负荷相关性分析 |
4.2.2 构建数据集 |
4.2.3 设计MT-ALSTM网络结构 |
4.2.4 MT-ALSTM模型的损失函数 |
4.3 实验设计与结果分析 |
4.3.1 基于两步网格搜索算法的超参数寻优 |
4.3.2 无功负荷预测效果对比实验 |
4.3.3 有功负荷预测效果对比实验 |
4.4 本章小结 |
第5章 总结与展望 |
5.1 论文总结 |
5.2 论文展望 |
参考文献 |
攻读学位期间取得的研究成果 |
致谢 |
(3)考虑调控复杂度的110kV变电站无功优化配置研究(论文提纲范文)
内容摘要 |
abstract |
引言 |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 本文主要研究内容 |
2 无功补偿容量规划 |
2.1 引言 |
2.2 无功配置影响因素分析及指标定义 |
2.3 无功容量规划分析思路 |
2.4 改进遗传算法 |
2.5 建模仿真 |
2.6 案例分析 |
2.7 本章小结 |
3 无功优化配置超调律指标法及最优覆盖法 |
3.1 引言 |
3.2 基于超调率指标的变电站无功优化配置 |
3.3 最优覆盖法及其改进 |
3.4 案例分析 |
3.5 本章小结 |
4 基于聚类日无功需求曲线的电容器不等容分组 |
4.1 引言 |
4.2 聚类日无功需求曲线法基本原理 |
4.3 k-means聚类算法 |
4.4 不等容分组数学模型的建立 |
4.5 案例分析 |
4.6 本章小结 |
5 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
致谢 |
附录:攻读硕士学位期间发表的部分科研成果 |
(4)基于改进下垂控制的微电网无功补偿研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 微电网系统结构 |
1.3 本文研究的主要内容 |
第二章 交流微电网控制策略 |
2.1 微电网控制技术 |
2.2 分布式电源逆变器的控制策略 |
2.3 微电网控制模式 |
2.4 本章小结 |
第三章 逆变器控制系统建模 |
3.1 逆变器数学模型及参数设计 |
3.2 基于dq旋转坐标下的电压电流解耦控制 |
3.3 逆变器的电压电流双闭环控制 |
3.4 本章小结 |
第四章 基于改进下垂控制的微电网无功功率均分策略 |
4.1 下垂控制功率分配特性 |
4.2 微电网无功环流因素的分析 |
4.3 改进的下垂控制策略 |
4.4 基于改进下垂控制策略的稳定性分析 |
4.5 本章小结 |
第五章 微电网无功补偿仿真研究 |
5.1 并联逆变器仿真模型 |
5.2 微电网并网系统仿真 |
5.3 不同线路阻抗仿真研究 |
5.4 负荷突变改进下垂控制仿真研究 |
5.5 本章小结 |
第六章 总结与展望 |
参考文献 |
致谢 |
个人简介 |
(5)含可再生分布式电源参与调节的配电网无功电压优化控制(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.1.1 我国风电、光伏等可再生能源发展现状 |
1.1.2 高比例分布式可再生能源主动配电网发展现状 |
1.1.3 开展RDG参与配电网无功电压调控研究的意义 |
1.2 含RDG参与的配电网无功电压调节研究综述 |
1.2.1 RDG参与配电网无功电压调节研究综述 |
1.2.2 含RDG参与的配电网无功电压优化建模研究综述 |
1.2.3 配电网无功优化数学方法研究综述 |
1.3 RDG参与配电网无功电压调控研究面临问题及挑战 |
1.4 论文主要研究内容、创新点及章节安排 |
第2章 基于模型预测控制含RDG参与调控的配电网多时间尺度无功优化 |
2.1 引言 |
2.2 RDG参与系统调控特性及模型 |
2.2.1 RDG无功调控机理 |
2.2.2 RDG出力随机模型 |
2.3 模型预测控制方法 |
2.4 配电网多时间尺度无功优化框架 |
2.4.1 日前优化模型 |
2.4.2 日内滚动调控优化模型 |
2.4.3 反馈校正优化 |
2.5 优化算法 |
2.6 算例分析 |
2.6.1 基础数据 |
2.6.2 日前优化结果分析 |
2.6.3 滚动优化及反馈校正结果分析 |
2.6.4 优化方案分析 |
2.7 本章小结 |
第3章 含RDG参与调控的配电网动态分区无功优化 |
3.1 引言 |
3.2 分区准则及衡量指标 |
3.2.1 分区准则 |
3.2.2 模块度函数指标 |
3.2.3 分区动态无功储备指标 |
3.3 配电网动态分区方法 |
3.3.1 分区优化模型 |
3.3.2 动态分区方法 |
3.4 考虑动态分区的实时无功优化模型 |
3.5 实例计算与分析 |
3.5.1 分区优化结果分析 |
3.5.2 实时无功优化结果分析 |
3.6 本章小结 |
第4章 考虑网络动态重构的配电网多时空尺度无功优化 |
4.1 引言 |
4.2 配电网多时空尺度电压无功调控框架 |
4.2.1 多时空尺度电压无功调控框架 |
4.2.2 不确定因素分析及多场景建模 |
4.3 配电网日前全局协调优化模型 |
4.3.1 运行经济性优化目标 |
4.3.2 网络重构负荷均衡优化目标 |
4.3.3 设备调压成本模型 |
4.3.4 约束条件 |
4.3.5 配电网动态分区方法 |
4.4 配电网日内分区自律调控模型 |
4.4.1 目标函数 |
4.4.2 功率/网损灵敏度 |
4.4.3 滚动调控与反馈校正策略 |
4.5 优化算法 |
4.6 算例分析 |
4.6.1 算例1 |
4.6.2 算例2 |
4.7 本章小结 |
第5章 电力市场环境下含“源-网-荷-储”互动的主动配电网有功/无功联合优化 |
5.1 引言 |
5.2 主动配电网“源-网-荷-储”互动机理 |
5.3 主动配电网多时间尺度有功/无功联合优化调度框架 |
5.3.1 随机模型预测控制 |
5.3.2 主动配电网多时间尺度有功/无功联合调度框架 |
5.3.3 需求侧与“源-网”互动模型 |
5.3.4 储能系统与“源-网-荷”互动模型 |
5.3.5 主动配电网内不确定性因素分析 |
5.4 主动配电网多时间尺度有功/无功联合优化调度模型 |
5.4.1 日前有功/无功联合优化模型 |
5.4.2 日内有功/无功滚动优化及反馈校正模型 |
5.5 优化算法 |
5.6 算例分析 |
5.6.1 日前优化结果分析 |
5.6.2 日内有功/无功滚动优化及反馈校正优化 |
5.7 本章小结 |
第6章 考虑充换储一体化电站参与调节的主动配电网有功/无功联合优化 |
6.1 引言 |
6.2 充换储一体化电站调控机理 |
6.2.1 充电站运行模式 |
6.2.2 换电站运行模式 |
6.2.3 储能站运行模式 |
6.3 CSSIS参与调控的主动配电网双层有功/无功联合优化框架 |
6.4 配电网双层有功无功联合优化调度模型 |
6.4.1 日前有功无功协调优化模型 |
6.4.2 实时有功无功协调优化模型 |
6.5 基于场景分析的鲁棒优化策略 |
6.6 算例分析 |
6.6.1 数据基础 |
6.6.2 日前优化结果分析 |
6.6.3 日内优化结果分析 |
6.7 本章小结 |
第7章 结论与展望 |
7.1 结论 |
7.2 展望 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(6)高渗透率可再生能源并网的主动配电网无功优化研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 引言 |
1.2 国内外研究现状 |
1.2.1 主动配电网运行优化基本模型 |
1.2.2 主动配电网确定性运行优化研究 |
1.2.3 主动配电网不确定性运行优化研究 |
1.3 当前研究的不足和本文研究动机 |
1.4 论文的主要工作 |
第二章 主动配电网自适应鲁棒无功优化 |
2.1 引言 |
2.2 配电网模型 |
2.2.1 基本结构 |
2.2.2 潮流模型 |
2.3 传统鲁棒优化模型 |
2.4 三相平衡配电网自适应鲁棒无功优化模型 |
2.4.1 不确定性建模 |
2.4.2 自适应函数 |
2.4.3 自适应鲁棒电压约束 |
2.4.4 自适应鲁棒容量约束 |
2.4.5 数学模型 |
2.5 三相不平衡配电网自适应鲁棒无功优化模型 |
2.5.1 基于半定规划的潮流模型 |
2.5.2 基于半定规划的自适应鲁棒无功优化模型 |
2.6 求解算法 |
2.7 算例分析 |
2.7.1 算例介绍 |
2.7.2 鲁棒性分析 |
2.7.3 有效性分析 |
2.7.4 适用性分析 |
2.8 本章小结 |
第三章 主动配电网多时间尺度鲁棒无功电压控制 |
3.1 引言 |
3.2 主动配电网多时间尺度无功电压控制框架 |
3.3 主动配电网两阶段鲁棒无功优化模型 |
3.3.1 调控设备建模 |
3.3.2 基于二阶锥规划的两阶段鲁棒无功优化模型 |
3.4 实时控制模型 |
3.4.1 Q(V)模型 |
3.4.2 Q(P)模型 |
3.5 模型求解 |
3.5.1 两阶段鲁棒无功优化模型求解 |
3.5.2 实时控制模型求解 |
3.6 算例分析 |
3.6.1 算例介绍 |
3.6.2 调度结果分析 |
3.6.3 适用性和鲁棒性分析 |
3.7 本章小结 |
第四章 基于分区的主动配电网分布式确定性无功优化 |
4.1 引言 |
4.2 主动配电网分区方法 |
4.2.1 电气距离 |
4.2.2 分区模型 |
4.2.3 求解算法 |
4.3 主动配电网分布式确定性无功优化 |
4.3.1 分布式无功优化模型 |
4.3.2 交替方向乘子法 |
4.4 算例分析 |
4.4.1 分区效果分析 |
4.4.2 算法收敛性分析 |
4.4.3 优化效果分析 |
4.5 本章小结 |
第五章 主动配电网分布式多时间尺度鲁棒无功优化 |
5.1 引言 |
5.2 基于APCA的主动配电网分区 |
5.3 分布式多时间尺度鲁棒无功优化模型 |
5.3.1 调控设备建模 |
5.3.2 不确定集建模 |
5.3.3 数学模型 |
5.4 求解算法 |
5.4.1 C&CG+ADMM算法 |
5.4.2 交替寻优过程 |
5.5 算例分析 |
5.5.1 分区效果分析 |
5.5.2 算法收敛性及优化效果分析 |
5.6 本章小结 |
第六章 结论与展望 |
6.1 本文工作总结 |
6.2 后续工作展望 |
致谢 |
参考文献 |
作者攻读博士学位期间取得的科研成果及参与的科研项目 |
(7)基于模型预测控制的电网无功控制策略研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题背景及研究的目的和意义 |
1.2 国内外研究现状 |
1.2.1 短期负荷预测 |
1.2.2 电网无功优化控制 |
1.3 主要研究内容 |
第2章 基于MPC的电网无功控制理论基础 |
2.1 电网无功负荷特性分析 |
2.2 电网无功调节设备 |
2.2.1 离散无功补偿装置 |
2.2.2 动态无功补偿装置 |
2.2.3 有载调压变压器 |
2.3 模型预测控制理论基础 |
2.3.1 模型预测控制的基本特征 |
2.3.2 模型预测控制的算法原理 |
2.4 基于MPC的电网无功优化控制思想 |
2.5 本章小结 |
第3章 基于长短期记忆网络的母线负荷预测 |
3.1 长短期记忆神经网络 |
3.1.1 RNN网络与LSTM网络结构 |
3.1.2 LSTM网络训练特性 |
3.2 基于DI-LSTM网络的有无功负荷一体化预测模型 |
3.2.1 DI-LSTM网络的双源数据输入 |
3.2.2 DI-LSTM网络模型结构设计 |
3.2.3 DI-LSTM母线有无功负荷预测流程 |
3.3 实例分析 |
3.3.1 实验数据及误差评价指标 |
3.3.2 预测结果分析 |
3.4 本章小结 |
第4章 基于模型预测控制的电网无功控制方法 |
4.1 基于MPC的无功控制方案 |
4.2 基于MPC的无功优化控制模型 |
4.2.1 基于二阶锥规划的交流潮流方程转化 |
4.2.2 离散调节设备及其动作次数限制处理 |
4.2.3 多时间尺度无功优化控制模型 |
4.3 算例分析 |
4.3.1 算例设置 |
4.3.2 结果分析 |
4.4 本章小结 |
第5章 结论与展望 |
5.1 结论 |
5.2 展望 |
参考文献 |
攻读硕士学位期间发表的论文及其它成果 |
攻读硕士学位期间参加的科研工作 |
致谢 |
(8)含风电电力系统的无功分区和基于场景缩减技术的无功优化(论文提纲范文)
中文摘要 |
英文摘要 |
1 绪论 |
1.1 课题研究的背景及意义 |
1.2 电力系统无功分区与优化研究现状综述 |
1.2.1 电力系统无功分区研究现状 |
1.2.2 多场景分析方法及在无功优化中的应用研究现状 |
1.3 本文主要研究工作 |
2 无功电压分区与场景分析技术 |
2.1 电力系统的分级电压控制和无功分区 |
2.1.1 分级电压控制系统 |
2.1.2 无功电压分区原则 |
2.1.3 灵敏度矩阵 |
2.1.4 无功储备 |
2.2 场景分析技术 |
2.2.1 风电场景分析方法 |
2.2.2 风力发电与负荷概率模型 |
2.2.3 拉丁超立方抽样技术 |
2.3 K-means算法及相关指标 |
2.4 本章小结 |
3 基于无功裕度的含风电电力系统无功分区 |
3.0 引言 |
3.1 无功源-荷之间的供需关系 |
3.1.1 电力系统的无损化处理 |
3.1.2 无功功率分配比例矩阵 |
3.2 无功裕度的确定 |
3.2.1 无功裕度指标 |
3.2.2 无功裕度的计算 |
3.3 基于多场景无功裕度的分区方法 |
3.3.1 无功电压的预分区 |
3.3.2 基于多场景无功裕度的预分区合并 |
3.4 算例分析 |
3.4.1 IEEE39节点系统算例 |
3.4.2 IEEE118节点系统算例 |
3.5 本章小结 |
4 考虑场景缩减技术的含风电电力系统无功优化 |
4.1 引言 |
4.2 含风电电力系统的无功优化模型 |
4.2.1 目标函数 |
4.2.2 约束条件 |
4.3 基于场景缩减技术的遗传算法 |
4.3.1 基于k-means算法的场景聚类 |
4.3.2 基于场景缩减技术的遗传算法步骤 |
4.4 算例分析 |
4.4.1 场景聚类分析 |
4.4.2 考虑电网分区的无功优化 |
4.5 本章小结 |
5 结论 |
致谢 |
参考文献 |
附录 |
A.作者在攻读硕士学位期间撰写的论文 |
B.作者在攻读硕士学位期间参与的科研项目 |
(9)电力系统网架重构的变时段建模和协调优化研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 选题背景及其意义 |
1.2 电力系统恢复概述 |
1.2.1 电力系统恢复的概念 |
1.2.2 电力系统恢复控制的主要任务 |
1.3 电力系统恢复问题的国内外研究现状 |
1.3.1 黑启动阶段恢复研究 |
1.3.2 网架重构阶段恢复研究 |
1.3.3 负荷恢复阶段恢复研究 |
1.4 本文的主要工作 |
第2章 考虑启动效率衰减的机组恢复排序优化 |
2.1 引言 |
2.2 大停电后机组状态评估 |
2.2.1 汽轮机汽缸温度评估 |
2.2.2 电厂启动与机组并网时间评估 |
2.3 机组恢复排序优化的建模 |
2.3.1 目标函数的建立 |
2.3.2 约束条件 |
2.4 考虑启动效率衰减的机组排序求解 |
2.4.1 待恢复机组启动效率衰减程度计算 |
2.4.2 机组选择顺序的确定 |
2.4.3 基于多种群遗传算法的机组恢复优化 |
2.5 算例分析 |
2.5.1 算例 1 |
2.5.2 算例 2 |
2.5.3 结果讨论 |
2.6 本章小结 |
第3章 网架重构过程中机组恢复决策的变时段建模与协调优化 |
3.1 引言 |
3.2 机组恢复的串并行建模 |
3.2.1 分时段串并行恢复的建模思路 |
3.2.2 分时段建模中时段长度的确定 |
3.3 全局协调优化模型的求解 |
3.3.1 全局解空间分析 |
3.3.2 基于状态优选的全局优化算法设计 |
3.3.3 算法流程 |
3.4 算例分析 |
3.4.1 算例 1 |
3.4.2 算例 2 |
3.4.3 结果讨论 |
3.5 本章小结 |
第4章 网架重构过程中的负荷恢复方案优化 |
4.1 引言 |
4.2 负荷恢复优化策略 |
4.3 负荷恢复优化问题的数学建模 |
4.3.1 目标函数的建立 |
4.3.2 约束集的建立 |
4.4 负荷恢复优化模型的求解 |
4.4.1 算法设计 |
4.4.2 基于模糊反熵权法的多属性权重确定 |
4.4.3 基于灰色关联模型的多属性决策 |
4.5 算例分析 |
4.5.1 算例 1 |
4.5.2 算例 2 |
4.5.3 结果分析 |
4.6 本章小结 |
第5章 考虑可用资源限制的系统恢复过渡方案优化 |
5.1 引言 |
5.2 影响恢复进程的资源限制 |
5.2.1 黑启动电源的可持续性 |
5.2.2 厂站应急电源的可持续性 |
5.3 系统恢复过渡方案模型建立 |
5.3.1 优化目标 |
5.3.2 约束条件 |
5.4 过渡方案优化模型求解 |
5.5 算例分析 |
5.6 本章小结 |
第6章 结论与展望 |
6.1 全文总结 |
6.2 工作展望 |
参考文献 |
附录 |
攻读博士学位期间发表的论文及其它成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(10)220kV地区电网无功负荷及其预测研究(论文提纲范文)
0 引言 |
1 220 k V电网无功负荷结构 |
2 无功负荷指标 |
3 无功负荷预测方法 |
4 算例分析 |
4.1 重负荷地区分析 |
4.2 含源地区分析 |
4.3 无功负荷预测 |
5 结束语 |
四、用最大无功负荷进行负荷计算的方法(论文参考文献)
- [1]基于注意力和多任务学习的无功负荷预测算法研究[D]. 秦佳奇. 四川大学, 2021(02)
- [2]基于相空间重构和长短期记忆算法的电力系统无功负荷预测模型[J]. 赵冬梅,马泰屹,王闯. 现代电力, 2020(05)
- [3]考虑调控复杂度的110kV变电站无功优化配置研究[D]. 赵吉祥. 三峡大学, 2020(06)
- [4]基于改进下垂控制的微电网无功补偿研究[D]. 苗海东. 宁夏大学, 2020(03)
- [5]含可再生分布式电源参与调节的配电网无功电压优化控制[D]. 徐韵. 华北电力大学(北京), 2020(06)
- [6]高渗透率可再生能源并网的主动配电网无功优化研究[D]. 李培帅. 东南大学, 2019(05)
- [7]基于模型预测控制的电网无功控制策略研究[D]. 岳帅. 华北电力大学(北京), 2019
- [8]含风电电力系统的无功分区和基于场景缩减技术的无功优化[D]. 黄驰. 重庆大学, 2018(09)
- [9]电力系统网架重构的变时段建模和协调优化研究[D]. 刘文轩. 华北电力大学(北京), 2017(12)
- [10]220kV地区电网无功负荷及其预测研究[J]. 覃芸,陈艳,左郑敏,孙舒逸,黄春艳,李钦豪. 电力电容器与无功补偿, 2016(04)