基于DPAS主动式配电网无功优化混合算法研究-电气工程；电力系统及其自动化专业论文.docxVIP

华北电力大学硕士学位论文摘 华北电力大学硕士学位论文 摘 要 随着近年来坏境的恶化，化石能源的减少，以消耗清洁能源为主的分布式电源 在电网中所占的比例将会进一步增加。主动式配电网具有网络灵活、主动管理等特 点，已经成为了解决可再生能源在电网中多级消纳的有效方法。动态无功优化是主 动式配电网规划的一个重要部分，随着分布式电源渗透率的增加，必然会对主动式 配电网动态无功优化策略产生一定的影响。 论文首先通过并网方式的不同，对无功补偿型分布式电源进行了分类，然后选 取变速恒频双馈式异步电机进行详细分析，建立了旋转坐标系下的风机数学模型， 实现了有功：无功功率的解耦控制，并以此为依据，计算得到异步风机的无功出力 极限，并形成多机组风电场无功控制策略。 其次，针对无功优化领域现有的人工智能算法易早熟和收敛精度不佳的缺点， 论文将萤火虫算法和量子粒子群算法相结合，形成一种新型两阶段混合优化算法。 该混合算法采用串联的方法将上述两种算法混合，使两种算法优势互补。在算法迭 代前期充分利用萤火虫算法可同时搜索全部局部最优解的特性，保证了寻优的全面 性。在迭代中后期，利用量子粒子群算法收敛速度快、解的精度高的特点进行寻优， 保证了算法的收敛精度。同时基于黄金分割点理论，引入了群体替代算子，避免了 迭代后期算法陷入局部最优，最后通过IEEE33节点算例仿真结果证明了本文所提 出算法的有效性、合理性。 最后，论文以DPAS软件负荷预测模块为数据支撑，以无功补偿设备动作次数 的限制为依据，采用Fisher聚类算法对负荷预测进行分段，并通过对分布式电源无 功出力的灵活控制，形成了ADN动态无功优化策略。 关键词：无功优化；主动式配电网；两阶段混合算法；Fisher聚类算法 万方数据 华北电力大学硕士学位论文Abstract 华北电力大学硕士学位论文 Abstract With the deteriorating environment and dwindling fossil fuels in recent years， distributed generation(DG)which is mainly on clean energy consumption will account for larger proportion in the power grid．Active distribution network(ADN)is becoming an effective method to realize the multilevel consumption of the renewable energy for the advantages of flexible power network and active contr01．Dynamic var optimization is an important part of the ADN planning，it will be inevitably influenced with the increasing penetration rate of DG． Firstly,the paper classifies var compensation types of DG on the basis of grid-·connected formation and then Variable·-speed Constant--frequency Double—Fed Induction Generator(DFIG)is chosen to analyze detailedly，furthermore establishes a mathematical model of DFIG in the rotating frame and achieves the decoupling control of active power and reactive power．Based on the mathematical model，the limit of reactive power output is calculated，the reactive power control strategy of wind farms is formed． Secondly，In allusion to the defects of artificial intelligent algorithms in optimization，such as the prematurity and slow convergence speed，Glowworm Swarm Optimization(GSO)and Quant