基于数据驱动的配电网光伏双层优化调控策略

• 作者: 史晨豪 唐忠 李征南 陈寒 魏敏捷
• 来源期刊: 电力建设
• 学科: 工学
• 关键词: 集中式控制 双层优化 蚁群聚类 粒子群-极限学习机神经网络
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 主动配电系统源-网-荷-储交互运行
• 页码范围: 62-70
• 页数: 9页
• 分类号: TM72
• 字数: 7021字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7229.2020.03.008

摘要

高渗透分布式电源接入后,对配电网电压和网损的优化提出了更高的要求.而传统的集中式控制缺少大量的量测设备和通信设备,导致数据采集不完整,优化模型不精确,难以满足大规模光伏并网的运行要求.所以文章构建了一种双层优化模型来改善传统集中式控制的不足;在概率优化的电气距离矩阵的基础上,使用蚁群聚类进行有效分区和主导节点选择,以此分区将传统的配电网二级控制引入第1层模型,然后利用基于粒子群算法优化极限学习机(particle swarm optimization extreme learning machine,PSO-ELM)神经网络挖掘并拟合配电网参数数据之间的函数关系,对第1层控制模型进行反复迭代修正.最后,在IEEE-33节点上进行仿真计算,验证了该模型对于配电网电压和光伏出力调控的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐忠	上海电力大学电气工程学院	101	600	13.0	17.0
2	魏敏捷	上海电力大学电气工程学院	3	0	0.0	0.0
3	史晨豪	上海电力大学电气工程学院	1	0	0.0	0.0
4	李征南	上海电力大学电气工程学院	1	0	0.0	0.0
5	陈寒	上海电力大学电气工程学院	1	0	0.0	0.0