含深度学习代理模型的有源配电网电压无功控制进化算法
分布式可再生能源的大规模接入,加剧了有源配电网(Active Distribution Network,ADN)的三相不平衡,容易导致系统电压越限与线损增加.然而,由于当前配电网量测设备安装不全,部分节点负荷数据难以准确获取,因此传统基于全局观测的ADN电压控制方法难以满足实际控制需求.为解决上述问题,提出一种含深度学习代理模型的电压无功控制(Volt/Var control,VVC)进化算法.设计以高速公路神经网络为代理模型,精确拟合局部量测负荷信息、调压控制策略与系统性能指标之间的映射关系.将训练后的代理模型嵌入非支配排序遗传算法的迭代寻优过程中,对电压偏移率、三相不平衡度及线路损耗指标进行直接计算,实现数据驱动的配电网VVC策略快速求取.在改进的IEEE 123节点三相配电网算例上进行测试,验证了所提算法的性能优势及求解效率.
有源配电网、三相不平衡、电压无功控制、高速公路神经网络、非支配排序遗传算法、辅助代理模型
50
TM714;S;TP39
国家自然科学基金51977133
2022-09-23(万方平台首次上网日期,不代表论文的发表时间)
共10页
97-106