基于负荷预测的配电网动态无功优化研究

发布时间：2020-04-07 04:16

【摘要】：配电网作为与用户直接相连的电力系统的重要环节,它不仅是电力部门对用户供电的重要保证,而且能直观的反应用户对电力系统安全、经济以及电能质量的要求。因此,对配电网进行无功优化使其能够经济安全的运行显得尤为重要。首先,本论文介绍局部嵌入算法(Locally Linear Embedding,LLE)和支持向量机技术(Support Vector Machine,SVM)。然后通过算例仿真以及短期负荷的特点分别对这两种算法应用于负荷预测上的优点进行了分析,基于这两种算法各自的优点,建立了新的负荷预测模型-LSVM模型。LSVM模型不仅能够体现LLE算法降维上的优点,即在降维过程中可以保持数据的拓扑结构,还能够体现出SVM算法可以很好的找到目标函数全局最优值的特点。最后利用算例仿真对LSVM模型进行验证,证明该模型的可行性。其次,本论文详细介绍了配电网的静态无功优化,并且将遗传算法应用于配电网的无功优化。针对传统遗传算法运用于在静态无功优化时存在全局寻优能力差的缺点,本论文利用模拟退火算法对传统遗传算法的适应度函数进行了改进,通过仿真验证,改进后的遗传算法能够有效的提高目标函数寻找全局最优值的能力,并且能够有效的提高算法的收敛速度,得到更好的优化效果。针对负荷实时变动和设备的动作次数不能无限制动作对配电网无功优化的影响这一问题,本论文将负荷进行分段,分段后的每个负荷段分别都进行静态无功优化,得到每个负荷段的设备值。然后将同一设备的设备值相减得到预动作表。根据初始预动作表以及负荷在每个负荷段的实时变化情况,对初始预动作表的每个时段进行重置,从而做到对配电网的动态无功优化。最后,将基于负荷预测的配电网动态无功优化模型运用于IEEE-30节点进行验证。结果表明,本论文求解配电网动态无功优化问题的方案是可行的。
【图文】：

局部线性,流形,低维,降维

（C）图 2-2 LLE 算法对曲线的降维 Dimension Reduction of Curves by LLE Alg意维的局部线性的低维流形，具有自对较小，容易实现。的拓扑结构，使信息损失很小。荷的因素很多，因此对负荷进行预测速度和预测的精确度。LLE 算法不仅可原有的结构不被破坏，因此在负荷预非常有必要的。- 9 -

神经网络算法,预测结果,算法

Figure 2-5 Comparison of predictive results between SVM algorithm and neural networkalgorithm由图 2-5 可知，SVM 算法比神经网络算法得到的预测结果更加准确，同时可以避免过学习的现象。2.3 本章小结本章首先对 LLE 算法进行了详细的介绍，阐明了 LLE 算法的放缩、旋转不- 13 -
【学位授予单位】：湖北民族大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TM714.3

【相似文献】