基于数据驱动的配电网光伏双层优化调控策略

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.

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

所属期刊栏目：41

分类号：TM72(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金项目61672337

在线出版日期：2020-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：62-70