登录    注册    忘记密码

期刊文章详细信息

基于数据驱动的配电网无功优化  ( EI收录)  

Reactive Power Optimization of Distribution Network Based on Data-driven Method

  

文献类型:期刊文章

作  者:蔡昌春[1,2] 程增茂[1,3] 张关应[4] 李源佳[1,3] 储云迪[1,2]

CAI Changchun;CHENG Zengmao;ZHANG Guanying;LI Yuanjia;CHU Yundi(Jiangsu Key Laboratory of Power Transmission&Distribution Equipment Technology(Hohai University),Changzhou 213022,Jiangsu Province,China;College of Artificial Intelligence and Automation,Hohai University,Changzhou 213022,Jiangsu Province,China;College of Information Science and Engineering,Hohai University,Changzhou 213022,Jiangsu Province,China;Changzhou Power Supply Company,State Grid Jiangsu Electric Power Co.,Ltd.,Changzhou 213022,Jiangsu Province,China)

机构地区:[1]江苏省输配电装备技术重点实验室(河海大学),江苏省常州市213022 [2]河海大学人工智能与自动化学院,江苏省常州市213022 [3]河海大学信息科学与工程学院,江苏省常州213022 [4]国网江苏省电力有限公司常州供电分公司,江苏省常州市213022

出  处:《电网技术》

基  金:国家自然科学基金项目(51607057);常州市应用基础研究计划项目(CJ20220245);江苏省输配电重点实验室开放基金(2021JSSPD07)。

年  份:2024

卷  号:48

期  号:1

起止页码:373-382

语  种:中文

收录情况:BDHX、BDHX2023、CSCD、CSCD2023_2024、EAPJ、EI、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘  要:传统无功电压控制由于分布式电源、储能以及柔性负荷的接入面临计算速度和精度上的挑战。该文提出了一种基于数据驱动的配电网无功电压优化方法,通过跟踪实际系统的运行参数,实现无功电压的主动控制。在极限学习机中引入自动编码器构建深度学习机制,利用自动编码器建立极限学习机输入-输出的直接耦合关系,实现无监督学习和有监督学习有机结合,缩短训练模型的迭代过程;利用蒙特卡洛法基于分布式电源、负荷预测信息构建配电网运行场景,利用深度极限学习机挖掘运行场景优化运行与无功调压设备状态间的内在联系,建立电网运行场景与系统无功调压策略的映射关系。该文提出的基于数据驱动的无功优化方法不依赖实际系统潮流计算,能够实现配电网运行状态的跟踪和无功调节设备的优化调度,为配电网无功电压的主动控制打下基础。

关 键 词:数据驱动 无功优化 深度极限学习机  自动编码器  主动控制  

分 类 号:TM721]

参考文献:

正在载入数据...

二级参考文献:

正在载入数据...

耦合文献:

正在载入数据...

引证文献:

正在载入数据...

二级引证文献:

正在载入数据...

同被引文献:

正在载入数据...

版权所有©重庆科技学院 重庆维普资讯有限公司 渝B2-20050021-7
 渝公网安备 50019002500408号 违法和不良信息举报中心