基于大数据自由熵与场景匹配的配电网无功优化

发布时间：2020-09-07 13:17

　　 配电网处于电力系统的末端,运行状态受运行方式和负荷变化的影响较大,配电网在一定区域和时段处于非经济运行状态,需要对电压和无功等指标进行协调控制。无功优化是保障电力系统安全、经济运行的有效手段。随着电网规模不断扩大,分布式电源及新型随机负荷的接入与控制变量的增多,无功优化的难度日益增加。配电网中实时产生快速增长的高维度、强耦合、高随机性多源异构大数据,使大数据技术在配电网无功优化领域的应用成为可能。本文依托ABB中国研究院项目“基于大数据随机矩阵和自由熵的配电网无功优化和电压管理技术研究”(ABB20171128REU-CTR),提出了一种基于大数据自由熵与场景匹配的配电网无功优化方法。本方法摒弃了传统的基于模型和参数的配电网优化调度的思路,将大数据建模与分析的方法运用到配电网无功优化领域,从数据驱动的角度来实现配电网的无功优化。论文主要内容如下:(1)结合配电网运行现状,建立了基于OpenDSS的含分布式电源和电动汽车的IEEE37节点配电网模型,提出了基于OpenDSS传统无功优化方法并验证了该方法的正确性和有效性,为后续研究奠定了基础。(2)提出了配电网无功优化大数据技术架构。基于配电网无功优化与场景匹配的关系,论证了从历史数据库中找出适用于待优化时刻的无功优化方案的可行性,建立了适用于配电网无功优化的大数据技术架构,并对数据进行了预处理。(3)提出了基于大数据的配电网无功优化场景聚类方法。在场景匹配时先进行聚类分析,再针对性地对同类场景进行匹配,能够加快匹配速度和提高精度。提出了适用于配电网历史大数据的改进K-means聚类算法,并对IEEE37节点配电网模型的历史场景进行聚类分析,聚类结果表明本方法可以有效地对具有不同特性的场景进行划分,验证了本方法的正确性和有效性。(4)提出了基于大数据自由熵与场景匹配的配电网无功优化方法。定义了能够反映配电网场景特征的自由熵指标,提出了配电网场景特征的提取方法,利用皮尔森相关系数对自由熵指标进行加权处理并定义了总体偏离度,量化了场景间的差异,给出了基于大数据自由熵与场景匹配的配电网无功优化具体过程。(5)配电网无功优化效果的验证与对比分析。建立了MATLAB/OpenDSS配电网联合仿真平台,对IEEE37节点配电网的无功优化进行了日仿真分析和半年仿真分析,并与传统算法和粒子群算法进行了效果对比,验证了本文所提方法的正确性和有效性。
【学位单位】：北京交通大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TM714.3
【部分图文】：

Ｆｉｇ．２－１邋Ｂａｓｉｃ邋ｗｏｒｋｉｎｇ邋ｉｎｔｅｒｆａｃｅ邋ｏｆ邋ＯｐｅｎＤＳＳ逡逑ＤＳＳ建模方法逡逑网的主要电气元件包括线路、变压器等一次设备和控。在主动配电网中还要考虑到分布式电源并网，还要进行建模。ＯｐｅｎＤＳＳ针对系统的不对称性，提供了具元件模型根据其功能可分为四类［７１］：功率转换元件（Ｐｏｗ邋元件）、功率传输元件（Ｐｏｗｅｒ邋Ｄｅｌｉｖｅｒｙ邋Ｅｌｅｍｅｎｔｓ，ＰＤ元件［７２］。逡逑转换元件逡逑元件只有一个端口，能够实现电能和其他形式能量之所示。功率转换元件主要包括发电机、电动机、负荷、采用多相建模时，需要考虑元件的连接方式，可以选，具体连接方式如图２－３、图２－４所示。逡逑

（２）功率传输元件逡逑功率传输元件通常包含两个及两个以上的多相端口，用于构成配电网系及实现能量的传输。功率传输元件主要包括线路、变压器等，其定义如终端１逦终端２逡逑＃逦逦？逡逑？逦Ｏ邋Ｃ＾／＾ｂ逦？逡逑？逦ｃ＾＼ｊ）￣°—逦功率传输兀件逦一0＼＂0￣＼Ｊ＾0逦？逡逑？逡逑图２－５功率传输元件逡逑Ｆｉｇ．２－５邋Ｐｏｗｅｒ邋ｄｅｌｉｖｅｒｙ邋ｅｌｅｍｅｎｔ逡逑（３）控制元件逡逑控制元件主要用于对系统中的功率转换元件和功率传输元件进行调节例如发电机有功调度、无功控制、调压器控制、电容器控制等。逡逑

（２）功率传输元件逡逑功率传输元件通常包含两个及两个以上的多相端口，用于构成配电网系及实现能量的传输。功率传输元件主要包括线路、变压器等，其定义如终端１逦终端２逡逑＃逦逦？逡逑？逦Ｏ邋Ｃ＾／＾ｂ逦？逡逑？逦ｃ＾＼ｊ）￣°—逦功率传输兀件逦一0＼＂0￣＼Ｊ＾0逦？逡逑？逡逑图２－５功率传输元件逡逑Ｆｉｇ．２－５邋Ｐｏｗｅｒ邋ｄｅｌｉｖｅｒｙ邋ｅｌｅｍｅｎｔ逡逑（３）控制元件逡逑控制元件主要用于对系统中的功率转换元件和功率传输元件进行调节例如发电机有功调度、无功控制、调压器控制、电容器控制等。逡逑

【参考文献】

相关期刊论文 前10条

1 侯丹;李刚;赵文清;杨璐;;大数据分析及可视化技术在电网公司的应用[J];智能电网;2015年12期

2 刁赢龙;盛万兴;刘科研;何开元;孟晓丽;;大规模配电网负荷数据在线清洗与修复方法研究[J];电网技术;2015年11期

3 田世明;杨增辉;时志雄;卜凡鹏;苏运;;智能配用电大数据关键技术研究[J];供用电;2015年08期

4 何世龙;汪李来;何怡燕;胡中鲲;莫平生;;中压配电网无功优化算法综述[J];电气时代;2015年06期

5 张峰;谢振华;程江涛;崔高仑;徐衡博;;基于向量皮尔森相关系数的组合赋权法[J];火力与指挥控制;2015年05期

6 成卫青;卢艳红;;一种基于最大最小距离和SSE的自适应聚类算法[J];南京邮电大学学报(自然科学版);2015年02期

7 张东霞;苗新;刘丽平;张焰;刘科研;;智能电网大数据技术发展研究[J];中国电机工程学报;2015年01期

8 刘科研;盛万兴;张东霞;贾东梨;胡丽娟;何开元;;智能配电网大数据应用需求和场景分析研究[J];中国电机工程学报;2015年02期

9 周德东;;基于改进禁忌搜索算法的配电网无功补偿优化规划[J];兰州工业学院学报;2014年06期

10 李鹏;孙充勃;王成山;郭小龙;张飞;聂耸;;基于OpenDSS的智能配电网仿真与模拟平台及其应用[J];中国电力;2013年11期

相关硕士学位论文 前10条

1 王斌;含PV节点配电网的无功优化及其控制策略研究[D];西南交通大学;2018年

2 裴丛仙子;大规模空调负荷集群的需求响应与优化互动研究[D];北京交通大学;2018年

3 周靖仁;含分布式光伏和电动汽车的配电网电压特性研究[D];华北电力大学;2018年

4 张聪慧;智能电网大数据平台中防窃电与电力负荷子系统的设计与实现[D];北京交通大学;2017年

5 高建明;数据挖掘分类与聚类算法并行化研究[D];东南大学;2017年

6 红地;基于自适应粒子群算法的含分布式电源配电网动态无功优化研究[D];天津大学;2017年

7 王菲菲;k-means聚类算法的改进研究及应用[D];兰州交通大学;2017年

8 宗祥瑞;基于熵权法的电网运行状态特征分析研究[D];天津大学;2017年

9 杨红青;含分布式电源的主动配电网概率潮流计算方法研究[D];北京交通大学;2016年

10 刘健;含分布式电源的配电网无功优化[D];西华大学;2016年

本文编号：2813388