基于数据驱动的配电网无功优化

doi:10.13335/j.1000-3673.pst.2022.1707

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于数据驱动的配电网无功优化

更新时间：2025-04-29

- 基于数据驱动的配电网无功优化
- Vol. 48, Issue 1, Pages: 373-382(2024)
- 作者机构：
  
  1. 江苏省输配电装备技术重点实验室(河海大学)
  2. 河海大学人工智能与自动化学院
  3. 河海大学信息科学与工程学院
  4. 国网江苏省电力有限公司常州供电分公司
- 作者简介：
- 基金信息：
- DOI：10.13335/j.1000-3673.pst.2022.1707
  CLC： TM714.3
- Published：2024
- 稿件说明：
移动端阅览
[J]. 2024, 48(1): 373-382.
DOI：

[J]. 2024, 48(1): 373-382. DOI： 10.13335/j.1000-3673.pst.2022.1707.

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。

Abstract

关键词

Keywords

references

Views

775

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于深度强化学习近端策略优化的电网无功优化方法

数据驱动下的日前市场发电商智能决策方法

结合灵敏度分析的遗传算法应用于配电网无功补偿优化规划

高维变量下电力系统不确定性分析的快速Nataf变换方法

基于有限混合模型的规模化电动汽车充电负荷在线预测方法

Related Author

张沛

朱驻军

谢桦

李宏仲

吕勇荡

汤奕

王洪儒

毛建斌

Related Institution

北京交通大学电气工程学院

上海电力大学电气工程学院

东南大学网络空间安全学院

东南大学电气工程学院

清华大学电机工程与应用电子技术系

AI问答

⁰