含PV节点配电网的无功优化及其控制策略研究(行业资料).docVIP

含PV节点配电网的无功优化及其控制策略研究(行业资料).doc

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
含PV节点配电网的无功优化及其控制策略研究(行业资料) 文档信息 : 文档作为关于“行业资料”中“毕业资料”的参考范文,为解决如何写好实用应用文、正确编写文案格式、内容素材摘取等相关工作提供支持。正文5707字,doc格式,可编辑。质优实惠,欢迎下载! 目录 TOC \o 1-9 \h \z \u 目录 1 正文 2 文1:含PV节点配电网的无功优化及其控制策略研究 2 1研究背景及意义 2 2无功补偿点的研究现状 2 3优化算法的研究现状和PV节点的处理技术 3 3.1传统的优化算法 3 1)线性规划法 3 2)非线性规划法 3 3.2人工智能优化算法 3 1)遗传算法 4 2)模拟退火算法 4 3)粒子群算法 4 3.3PV节点的处理技术 4 4控制策略的研究现状 5 4.1集中控制 5 4.2分散控制 5 4.3分时段控制 6 文2:论配电网的无功优化 6 1 无功与线损的关系 7 2.1 变电站集中补偿方式 7 2.2 杆上补偿方式 8 2.3 用户终端分散补偿方式 9 3 配电网无功优化遇到的问题 9 参考文摘引言: 11 原创性声明(模板) 11 正文 含PV节点配电网的无功优化及其控制策略研究(行业资料) 文1:含PV节点配电网的无功优化及其控制策略研究 引言 对配电网进行无功优化不仅可以改善配电网的电压分布,提高电力用户的电压质量,而且能有效地降低电能在配电网传输中的损耗,从而降低电力运行成本。潮流计算是配电网无功优化的基础。 1研究背景及意义 进入新世纪以来,我国经济发展取得了举世瞩目的成绩,国民的物质文化生活水平也随之获得了大幅的提升,这使得社会用电量不断增加,电网规模不断扩大,而在电力事业不断发展的同时,人们在生活以及生产用电的过程中对配电网的安全性,稳定性和经济性也提出了更高的要求。无功优化是确保电力系统安全、经济运行的最有效方法之一。 2无功补偿点的研究现状 在进行配电网无功优化之前,首先要选择合适的无功补偿点。传统的无功补偿点确定原则主要包括:第一,选择网络中几个中枢节点,实现对其他节点电压的控制;第二,根据无功就地平衡原则,选择无功负荷较大的节点;第三,为了减少不同电压等级之间的无功流动,对无功功率进行分层平衡;第四,保证网络中的无功补偿不应低于0.7的标准。将无功功率的二次精确矩作为指标来确定无功补偿点。 3优化算法的研究现状和PV节点的处理技术 3.1传统的优化算法 传统的优化算法主要有线性规划法、非线性规划法、混合整数规划法、动态规划法等。 1)线性规划法 线性规划法(LinearProgramming,LP)由法国数学家J.B.J.Fourier于1832年提出的,其基本思想是在满足线性约束的前提下,寻找线性目标函数的最优解。由于线性规划法计算速度快、收敛性好且具备完善的理论基础,在早期也常常被用于求解无功优化模型。文献[17]使用并说明了线性规划法能够用于求解无功优化模型。 2)非线性规划法 非线性规划法(Non-LinearProgramming,NLP)是由H.W.Kuhn和A.W.Tucker于1951年提出的,其基本思想是将有约束优化问题通过简化梯度法、牛顿法、二次规划法或内点法等方法转换为无约束规划问题。由于无功优化模型本身就属于非线性规划问题,因此该方法在提出后最早被运用于无功优化模型的求解中。 3.2人工智能优化算法 人工智能优化算法主要有遗传算法、模拟退火算法、粒子群算法、蚁群算法、禁忌搜索算法等。 1)遗传算法 遗传算法(GeneticAlgorithm,GA)是由美国学者J.H.Holland于1975年提出的,其基本思想是以二进制数字串为基础,模拟自然界中生物进化发展的规律,再通过自然选择原理和自然遗传机制搜索得到自适应最优解。基本的遗传算法计算效率低,且可能出现过早收敛或者局部收敛现象,对此,大量学者提出了许多不同的改进方案。 2)模拟退火算法 模拟退火算法(SimulatedAnnealing,SA)的基本思想是模拟物理学中固体物质的退火过程来求解组合优化问题。在固体物质的退火过程中,固体需要从液体冷却形成晶体,相应的固体粒子需要实现从高能态向低能态的转变,将晶体与最优值,结晶过程与寻优过程分别对应起来,便形成了模拟退火算法。模拟退火算法的优点是能够以概率1收敛于全局最优解,其不足之处在于计算的参数难以确定。 3)粒子群算法 粒子群算法(ParticleSwarmOptimization,PSO)起源于对鸟类觅食行为的研究,其基本思想是将每个粒子与一个鸟群个体相对应,每个粒子根据自己和同伴的飞行经验在

您可能关注的文档

文档评论(0)

szbalala + 关注
官方认证
文档贡献者

该用户很懒,什么也没介绍

认证主体深圳市巴啦啦科技有限公司
IP属地广东
统一社会信用代码/组织机构代码
91440300MA5FCP2R75

1亿VIP精品文档

相关文档