掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
進化算法及其在智能配電網中的應用 版權信息
- ISBN：9787030518248
- 條形碼：9787030518248 ; 978-7-03-051824-8
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
進化算法及其在智能配電網中的應用 內容簡介
近年來，進化算法的研究進入了快速發展階段，越來越多的研究開發人員開始從事進化算法的設計與實現。進化算法能夠比較完美地解決常規數學無法求解的不可微、多目標的數學優化問題，在工程實踐中也得到了較多廣泛的應用。本書全面闡述了進化算法在國內外研究現狀和發展，討論了多種進化算法的概念和原理，結合作者及團隊近些年來在配電網的研究成果與應用實踐，論述了進化算法在電力系統中的計算與優化方法，力求使讀者通過閱讀本書獲得一條應用進化算法到實際電力工業應用的捷徑，而這一點是目前多種書籍所沒有涉及的。
進化算法及其在智能配電網中的應用 目錄
目錄
前言
第1章 智能配電網概述 1
1.1 智能配電網的概念 1
1.2 智能配電網的特征 1
1.2.1 智能配電網規劃方面 2
1.2.2 智能配電網運行與控制方面 3
1.3 進化算法的研究趨勢 8
1.3.1 進化計算 8
1.3.2進 化神經網絡 9
參考文獻 10
第2章 遺傳算法 11
2.1 引言 11
2.2 遺傳算法的理論分析 11
2.2.1 基本原理 11
2.2.2 基本概念與要素 12
2.2.3 性能指標 20
2.2.4 算法流程 21
2.3 遺傳算法在求解無功優化中的應用 23
2.3.1 遺傳模擬退火算法 23
2.3.2 無功優化問題的數學模型 24
2.3.3 自適應遺傳模擬退火算法 25
2.3.4 算例分析 29
參考文獻 30
第3章 粒子群算法 32
3.1 引言 32
3.2 粒子群算法理論基礎 33
3.2.1 標準粒子群算法 33
3.2.2 標準粒子群算法變體 36
3.2.3 混合粒子群算法 40
3.3 粒子群算法在智能配電網中的應用 43
3.3.1 智能配電網優化分析數學模型 44
3.3.2 智能配電網優化建模方法 44
3.4 粒子群算法的程序實現 45
3.4.1 標準粒子群算法 45
3.4.2 標準粒子群算法變體 46
3.4.3 混合粒子群算法 46
3.5 粒子群算法實驗結果 48
3.5.1 智能配電網優化算例 48
3.5.2 計算結果分析 51
3.5.3 算法收斂性分析 54
3.6 粒子群算法的分析與討論 54
參考文獻 54
第4章 進化規劃算法 56
4.1 引言 56
4.2 進化規劃算法理論基礎 56
4.2.1 標準進化規劃 56
4.2.2 元進化規劃 57
4.2.3 自適應進化規劃 57
4.2.4 柯西變異進化規劃 58
4.2.5 單點變異進化規劃 59
4.2.6 混合策略進化規劃 59
4.2.7 博弈進化規劃 59
4.2.8 多群競爭進化規劃 60
4.3 進化規劃在配電網無功優化中的應用 60
4.3.1 配電網無功優化數學模型 60
4.3.2 配電網無功優化進化規劃建模 63
4.4 進化規劃的程序實現 66
4.4.1 標準進化規劃 66
4.4.2 博弈進化規劃 67
4.4.3 多群競爭進化規劃 67
4.5 進化規劃實驗結果 68
4.5.1 配電網無功優化算例 68
4.5.2 計算結果分析 68
4.5.3 算法收斂性分析 70
4.6 進化規劃的分析與討論 71
參考文獻 71
第5章 多目標進化算法 73
5.1 引言 73
5.2 多目標優化理論基礎 73
5.2.1 多目標優化方法的定義 74
5.2.2 非支配解 74
5.3 強度Pareto進化算法 75
5.4 改進型非支配排序遺傳算法 80
5.4.1 經典的NSGA-II算法 80
5.4.2 改進的排序策略 80
5.4.3 改進的選擇截斷策略 81
5.4.4 改進的變異與交叉策略 83
5.4.5 *優解的選取 83
5.5 應用案例 84
5.5.1 基于NSGA-II算法的分布式電源選址定容優化 84
5.5.2 基于NSGA-II算法的分布式電源與微電網分組協調優化 94
5.6 多目標進化算法的分析與討論 102
參考文獻 102
第6章 差分進化算法 104
6.1 引言 104
6.2 基本差分進化算法 105
6.2.1 基本原理 105
6.2.2 基本要素 106
6.2.3 基本流程 107
6.2.4 差分進化算法的其他形式 108
6.2.5 差分進化計算的群體智能搜索策略分析 108
6.2.6 控制參數對算法性能的影響 109
6.3 差分進化算法的改進 110
6.3.1 傳統差分進化算法存在的問題 110
6.3.2 控制參數的改進 111
6.3.3 差分進化策略的改進 113
6.3.4 相關混合算法 115
6.3.5 評價指標 117
6.4 差分進化算法的應用概況 118
6.4.1 函數優化 118
6.4.2 組合優化 118
6.4.3 神經網絡訓練 119
6.4.4 機器人學 119
6.4.5 其他應用領域 119
6.5 差分進化算法在智能配電網中的應用 120
6.5.1 差分進化算法在分布式電源選址定容問題中的應用 120
6.5.2 差分進化算法在狀態估計問題中的應用 127
6.6 差分進化算法展望 130
參考文獻 131
第7章 蟻群算法 134
7.1 引言 134
7.2 蟻群算法理論基礎 136
7.2.1 基本蟻群算法 136
7.2.2 蟻群算法的研究現狀 139
7.2.3 蟻群算法的*新進展 141
7.3 混沌蟻群算法 143
7.3.1 混沌理論 143
7.3.2 人工蟻群 147
7.3.3 混沌蟻群算法特點 149
7.4 無功優化案例背景 149
7.5 蟻群算法的程序實現 151
7.5.1 蟻群算法流程 151
7.5.2 控制變量處理 152
7.5.3 混沌蟻群算法實現 154
7.5.4 算例分析 155
7.6 蟻群算法發展趨勢和展望 158
參考文獻 160
第8章 和聲搜索算法 162
8.1 引言 162
8.2 和聲搜索算法基本原理 162
8.2.1 概述 162
8.2.2 和聲創作流程 163
8.2.3 和聲搜索算法計算流程 163
8.2.4 和聲搜索算法計算過程分析 165
8.2.5 和聲搜索算法收斂能力 166
8.3 和聲搜索算法與其他算法的對比 166
8.3.1 概述 166
8.3.2 算法對比 167
8.4 和聲搜索算法在有源配電網無功協調優化中的應用 167
8.4.1 概述 167
8.4.2 問題建模 168
8.4.3 基于IHSA的求解流程 172
8.4.4 算例驗證 174
8.4.5 算法性能分析 180
8.5 基于MOHS算法的分布式電源選址定容優化 181
8.5.1 概述 181
8.5.2 MOHS算法詳述 182
8.5.3 算例分析與比較 183
8.6 和聲搜索算法的分析與討論 188
參考文獻 188
第9章 其他相關進化算法 189
9.1 引言 189
9.2 理論基礎 190
9.2.1 萬有引力搜索算法 190
9.2.2 人工蜂群算法 193
9.2.3 布谷鳥算法 196
參考文獻 199
第10章 進化算法評價與選擇 202
10.1 引言 202
10.2 算例分析與比較 204
10.2.1 問題描述 204
10.2.2 優化結果 205
10.2.3 計算時間 206
10.2.4 優化效率 206
10.2.5 計算準確性分析 207
參考文獻 208
附錄 電力系統分析常用算例系統 209
附錄A IEEE33-bus配電系統 209
附錄B PG&E69-bus配電系統 210
附錄C IEEE3-bus配電系統 213
附錄D IEEE34-bus配電系統 216
附錄E IEEE37-bus配電系統 220
附錄F IEEE123-bus配電系統 224
前言
第1章 智能配電網概述 1
1.1 智能配電網的概念 1
1.2 智能配電網的特征 1
1.2.1 智能配電網規劃方面 2
1.2.2 智能配電網運行與控制方面 3
1.3 進化算法的研究趨勢 8
1.3.1 進化計算 8
1.3.2進 化神經網絡 9
參考文獻 10
第2章 遺傳算法 11
2.1 引言 11
2.2 遺傳算法的理論分析 11
2.2.1 基本原理 11
2.2.2 基本概念與要素 12
2.2.3 性能指標 20
2.2.4 算法流程 21
2.3 遺傳算法在求解無功優化中的應用 23
2.3.1 遺傳模擬退火算法 23
2.3.2 無功優化問題的數學模型 24
2.3.3 自適應遺傳模擬退火算法 25
2.3.4 算例分析 29
參考文獻 30
第3章 粒子群算法 32
3.1 引言 32
3.2 粒子群算法理論基礎 33
3.2.1 標準粒子群算法 33
3.2.2 標準粒子群算法變體 36
3.2.3 混合粒子群算法 40
3.3 粒子群算法在智能配電網中的應用 43
3.3.1 智能配電網優化分析數學模型 44
3.3.2 智能配電網優化建模方法 44
3.4 粒子群算法的程序實現 45
3.4.1 標準粒子群算法 45
3.4.2 標準粒子群算法變體 46
3.4.3 混合粒子群算法 46
3.5 粒子群算法實驗結果 48
3.5.1 智能配電網優化算例 48
3.5.2 計算結果分析 51
3.5.3 算法收斂性分析 54
3.6 粒子群算法的分析與討論 54
參考文獻 54
第4章 進化規劃算法 56
4.1 引言 56
4.2 進化規劃算法理論基礎 56
4.2.1 標準進化規劃 56
4.2.2 元進化規劃 57
4.2.3 自適應進化規劃 57
4.2.4 柯西變異進化規劃 58
4.2.5 單點變異進化規劃 59
4.2.6 混合策略進化規劃 59
4.2.7 博弈進化規劃 59
4.2.8 多群競爭進化規劃 60
4.3 進化規劃在配電網無功優化中的應用 60
4.3.1 配電網無功優化數學模型 60
4.3.2 配電網無功優化進化規劃建模 63
4.4 進化規劃的程序實現 66
4.4.1 標準進化規劃 66
4.4.2 博弈進化規劃 67
4.4.3 多群競爭進化規劃 67
4.5 進化規劃實驗結果 68
4.5.1 配電網無功優化算例 68
4.5.2 計算結果分析 68
4.5.3 算法收斂性分析 70
4.6 進化規劃的分析與討論 71
參考文獻 71
第5章 多目標進化算法 73
5.1 引言 73
5.2 多目標優化理論基礎 73
5.2.1 多目標優化方法的定義 74
5.2.2 非支配解 74
5.3 強度Pareto進化算法 75
5.4 改進型非支配排序遺傳算法 80
5.4.1 經典的NSGA-II算法 80
5.4.2 改進的排序策略 80
5.4.3 改進的選擇截斷策略 81
5.4.4 改進的變異與交叉策略 83
5.4.5 *優解的選取 83
5.5 應用案例 84
5.5.1 基于NSGA-II算法的分布式電源選址定容優化 84
5.5.2 基于NSGA-II算法的分布式電源與微電網分組協調優化 94
5.6 多目標進化算法的分析與討論 102
參考文獻 102
第6章 差分進化算法 104
6.1 引言 104
6.2 基本差分進化算法 105
6.2.1 基本原理 105
6.2.2 基本要素 106
6.2.3 基本流程 107
6.2.4 差分進化算法的其他形式 108
6.2.5 差分進化計算的群體智能搜索策略分析 108
6.2.6 控制參數對算法性能的影響 109
6.3 差分進化算法的改進 110
6.3.1 傳統差分進化算法存在的問題 110
6.3.2 控制參數的改進 111
6.3.3 差分進化策略的改進 113
6.3.4 相關混合算法 115
6.3.5 評價指標 117
6.4 差分進化算法的應用概況 118
6.4.1 函數優化 118
6.4.2 組合優化 118
6.4.3 神經網絡訓練 119
6.4.4 機器人學 119
6.4.5 其他應用領域 119
6.5 差分進化算法在智能配電網中的應用 120
6.5.1 差分進化算法在分布式電源選址定容問題中的應用 120
6.5.2 差分進化算法在狀態估計問題中的應用 127
6.6 差分進化算法展望 130
參考文獻 131
第7章 蟻群算法 134
7.1 引言 134
7.2 蟻群算法理論基礎 136
7.2.1 基本蟻群算法 136
7.2.2 蟻群算法的研究現狀 139
7.2.3 蟻群算法的*新進展 141
7.3 混沌蟻群算法 143
7.3.1 混沌理論 143
7.3.2 人工蟻群 147
7.3.3 混沌蟻群算法特點 149
7.4 無功優化案例背景 149
7.5 蟻群算法的程序實現 151
7.5.1 蟻群算法流程 151
7.5.2 控制變量處理 152
7.5.3 混沌蟻群算法實現 154
7.5.4 算例分析 155
7.6 蟻群算法發展趨勢和展望 158
參考文獻 160
第8章 和聲搜索算法 162
8.1 引言 162
8.2 和聲搜索算法基本原理 162
8.2.1 概述 162
8.2.2 和聲創作流程 163
8.2.3 和聲搜索算法計算流程 163
8.2.4 和聲搜索算法計算過程分析 165
8.2.5 和聲搜索算法收斂能力 166
8.3 和聲搜索算法與其他算法的對比 166
8.3.1 概述 166
8.3.2 算法對比 167
8.4 和聲搜索算法在有源配電網無功協調優化中的應用 167
8.4.1 概述 167
8.4.2 問題建模 168
8.4.3 基于IHSA的求解流程 172
8.4.4 算例驗證 174
8.4.5 算法性能分析 180
8.5 基于MOHS算法的分布式電源選址定容優化 181
8.5.1 概述 181
8.5.2 MOHS算法詳述 182
8.5.3 算例分析與比較 183
8.6 和聲搜索算法的分析與討論 188
參考文獻 188
第9章 其他相關進化算法 189
9.1 引言 189
9.2 理論基礎 190
9.2.1 萬有引力搜索算法 190
9.2.2 人工蜂群算法 193
9.2.3 布谷鳥算法 196
參考文獻 199
第10章 進化算法評價與選擇 202
10.1 引言 202
10.2 算例分析與比較 204
10.2.1 問題描述 204
10.2.2 優化結果 205
10.2.3 計算時間 206
10.2.4 優化效率 206
10.2.5 計算準確性分析 207
參考文獻 208
附錄 電力系統分析常用算例系統 209
附錄A IEEE33-bus配電系統 209
附錄B PG&E69-bus配電系統 210
附錄C IEEE3-bus配電系統 213
附錄D IEEE34-bus配電系統 216
附錄E IEEE37-bus配電系統 220
附錄F IEEE123-bus配電系統 224
展開全部
進化算法及其在智能配電網中的應用 節選
第1章智能配電網概述 1.1智能配電網的概念電力系統是由發電、變電、輸電、配電和用電等環節組成的電能生產與消費系統，配電網在電力網中起著分配電能的作用。我國近20年負荷年均增速10%以上，配電容量達美國的1.4倍，規模已居世界之*，重要用戶數量顯著增長。配電網緊鄰用戶側，建設投資巨大，配電網停電會導致重大政治與社會影響的風險激增，其安全可靠經濟運行關乎國家安全與國計民生。 智能電網的覆蓋范圍很廣，涵蓋發電、變電、輸電、配電、用電各個環節，要求實現安全、高效、清潔、優質、互動等目標。而智能配電網（smart distribution grid，SDG）是智能電網的重要組成部分。智能配電網是以配電網高級配電自動化技術為基礎，通過應用和融合先進的測量和傳感技術、控制技術、網絡通信技術和計算機信息科學等技術，利用智能化的開關設備、配電終端設備，在堅強電網架構和雙向通信網絡的物理支持以及各種集成高級應用功能可視化軟件支持下，允許可再生能源和分布式發電單元的大量接入下的配電網絡［1，2］。智能配電網允許電力用戶積極與配電網互動，可實現在正常運行狀態下監測、保護、控制、優化和非正常運行狀態下的控制，*終為電力用戶提供安全、可靠、優質、經濟的電力供應。 1.2智能配電網的特征 智能配電網繼承了配電工程技術、高級傳感和測控技術、現代計算機與通信技術的配電系統，更加安全、可靠、優質、高效，支持分布式電源的大量接入。與傳統的配電網相比，智能配電網主要功能特征如下： （1）更高的供電可靠性。一方面智能配電網具備抵御自然災害和外部破壞的能力，能夠對電網安全隱患進行在線預測和智能處理故障，*大限度地減少配電網故障對用戶的影響；另一方面在主電網停電時，可以應用分布式發電、可再生能源組成的微電網系統保障重要用戶的供電，實現配電網自愈。 （2）提供優質的電能質量。利用先進的電力電子技術、電能質量在線監測和補償技術，實現電壓和無功的優化控制，保證電壓合格，實現對電能質量敏感設備和用戶的不間斷、高質量、連續供電。 （3）支持分布式電源的大量接入。通過保護控制的自適應以及系統接口的標準化，支持分布式電源的“即插即用”。通過對分布式電源的優化調度，實現對各種能源的優化利用。 （4）支持與用戶互動。通過應用智能電表，實行分時電價、動態實時電價，讓用戶自行選擇用電時段，在節省電費的同時，為降低配電網高峰負荷作貢獻。 （5）更高的電網資產利用率。智能配電網實時監測電網設備溫度、絕緣水平、安全裕度等，在保證安全的前提下增加傳輸功率，提高系統容量利用率；通過對潮流分布的優化，減少線損，提高網絡運行效率；通過在線監測并診斷設備的運行狀態，實施狀態檢修，延長設備使用壽命。 （6）集成的可視化管理平臺。通過全面采集配電網及其設備的實時運行數據以及電能質量擾動、故障停電等數據，為運行人員提供高級的圖形界面，使其能夠全面掌握配電網及其設備的運行狀態。隨著大量分布式電源在配電網中的涌現，將會使配電網的規劃、運行發生很大的改變，因此有必要研究與之相適應的運行控制關鍵技術。分布式電源大量并網后，一方面在系統發生故障時可為用戶持續提供電能，從而充當一部分備用電源的角色；另一方面分布式電源的接入也將改變配網網絡結構及潮流，傳統的輻射狀配電網變成多電源系統，將給配電網的運行、控制帶來一定風險。智能配電網的核心是對分布式可再生能源從被動消納到引導與利用。隨著智能配電網的開展，可以把配電網從傳統的被動型用電網轉變成可以根據電網的實際運行狀態進行主動調節、參與電網運行與控制的配電網。以下內容分別從規劃和運行兩個方面闡述智能配電網中的計算和分析問題［3］。 1.2.1智能配電網規劃方面 在傳統的配電網規劃中，側重于一次電網架構的確定與變壓器容量的選擇，很少考慮配電自動化系統、通信系統和配電網管理系統對電網運行可靠性的影響。而面向智能配電網的設計方法則強調規劃、建設和運行的完整性、統一性；強調在規劃設計階段，就充分考慮配電網自動化、通信和配電管理系統對改善配電網運行性能所發揮的重大作用，強調協調統一地規劃建設堅強可靠的一次電網架構、深度協同的二次自動化系統與功能強大的智能決策支持系統，實現三位一體的協同規劃。 1）智能配電網規劃需要考慮綜合方案 傳統規劃中的網絡解決方案包括配置變電站站點與電網結構的優化布局，稱為網絡解，智能配電網規劃除了獲得網絡解，同時還包含綜合的解決方案，如含分布式電源（distributed generation，DG）的優化調度、需求側集成、無功管理、變壓器分接頭的控制、含風光儲的協調優化運行等，這些可稱為智能配電網規劃的綜合解。 2)智能配電網規劃需要考慮不確定性 為了保證供電可靠性，智能配電網規劃在考慮DG出力不確定的同時還要考慮負荷的不確定性，由此優化儲能設備配置的投資需求，此外還要考慮上級電網容量和發電容量由于下級電網接入大量DG而增加的運行費用。足夠大的變壓器容量裕度（負載率一般小于50％）和線路容量裕度（多回路）意味著安全，而容量大的選擇方案意味著較高的投資和浪費，容量小的選擇方案則意味著風險較大。一般來說，DG的接入容量依賴于網絡的固有特征，但考慮DG的間歇性和負荷的可靠性需求時，DG的接入容量不得不相應地減小。 3)智能配電網規劃需要考慮時序數據 通常的配電網的規劃包括長、中、短期，而智能配電網為了精細化管理，需要考慮不同規劃周期（年、季度、日、小時）的時序數據，以及不同的負荷類型，如輕工業負荷、民用負荷、市政負荷等。其中精細化的規劃分析需要依賴于智能信息通信技術和先進的計量基礎設施的支撐。 4)智能配電網規劃需要新的求解方法 智能配電網規劃是一個復雜的組合優化問題，涉及多目標及眾多不確定因素，目前國際上智能配電網規劃工具的開發仍處于探索階段。由于新設備的接入，如傳感器、逆變器等，需考慮不同的數學問題（線性規劃、非線性規劃、混合整數規劃、確定性、不確定性等）。針對不同的數學問題，需要開發新的算法。而進化規劃為這些問題的求解提供了一種途徑。需求側互動及對可再生能源的主動利用是智能配電網區別于微電網的顯著特征。技術上的差異對智能配電網規劃提出了新的要求。 智能配電網規劃技術體系框架如圖1.1所示。在智能配電網規劃目標方面，需要綜合考慮系統可靠性、供電可靠性、投資成本、運行維護成本等多方面因素；約束條件方面包括DG和常規配電網網絡的有功、無功、電壓等約束條件；考慮了需求響應和DG出力的不確定性、時序性等場景，智能配電網規劃方法的尋優空間變得復雜多變。通過規劃的優化方案，以及不斷地模擬和修正，得到精細化的規劃方案。 圖1.1智能配電網規劃技術體系框架 1.2.2智能配電網運行與控制方面 智能配電網的一大特征表現在DG及儲能單元對于配電網運行人員是可控的，分布式能源參與配電網的運行調度，而不是簡單的連接。雖然目前DG的并網技術已趨于商業化應用，但DG集成后更需要復雜的運行控制問題。智能配電網運行控制的技術體系表述如下。 1）智能配電網狀態估計問題 DG接入、線路不平衡、負荷不平衡對配電網狀態估計帶來了重要影響。傳統的配電網狀態估計方法分為基于節點電壓的方法、基于支路電流的方法和基于支路功率的方法。基于節點電壓的方法以節點電壓幅值和相角為狀態變量，基于支路電流的方法以支路電流幅值和相角為狀態變量，基于支路功率的方法以支路的有功和無功功率為狀態變量。智能配電網狀態估計技術體系如圖1.2所示，配電網狀態估計研究中需要重點側重：①考慮負荷模型、模型參數不確定性等因素，完善配電網狀態估計模型；②針對復雜配電網狀態估計，開發計算速度快、數值穩定性高的求解算法；③針對分布式電源接入后配電網狀態估計問題的研究，研制智能配電網狀態估計實用軟件。 圖1.2智能配電網狀態估計技術體系 2)智能配電網網絡重構問題 配電網網絡重構是通過對網絡中的聯絡開關和分段開關進行開斷狀態切換，使新拓撲結構下的配電網達到降低網損、提高可靠性及其他特定優化目標的一類問題。通常在兩種場景下需要進行網絡重構：①故障后為了做供電恢復而進行的配電網重構；②由于季節變化和負荷大幅變化等引起的運行方式變化，需進行規劃性質的配電網重構。前者屬于實時優化，后者屬于規劃范疇。DG接入后，考慮到配電網的時序性和運行環境，多種不確定因素將會帶來可靠性和電氣參數上的影響，如線路長度因戶外溫度影響而引起的變化、分布式電源的波動等。智能配電網網絡重構實際上是一個復雜的多目標非線性整數或混合整數規劃優化問題。如圖1.3所示，算法總體可分為三類：①啟發式方法，包括支路交換法、*優流模式算法等；②人工智能算法，包括專家系統法、人工神經網絡等；③隨機優化方法，包括模擬退火法、遺傳算法、進化規劃法等。 圖1.3智能配電網網絡重構體系 3）智能配電網中綜合優化與*優潮流管理問題 由圖1.4可知，智能配電網的全局優化能量管理系統收集全網各負荷點的實時運行數據、開關狀態信息、網絡拓撲信息、DG的運行工況以及儲能單元的電荷狀態信息等，通過全局智能優化算法得出滿足各項技術約束條件下的有功功率全局優化控制策略和無功功率全局優化控制策略。 圖1.4智能配電網綜合優化和*優潮流管理 4）智能配電網電壓協調優化問題 由圖1.5可知，分布式發電的大量接入使無功電壓控制面臨嚴峻挑戰，智能配電網中的無功電壓控制必須考慮無功資源的協調配合，以同時實現降壓節能和保證電壓質量兩個目標；同時，需要基于短期、超短期和分布式發電的變化趨勢，發展時序遞進的無功電壓優化計劃和策略。圖1.5智能配電網電壓協調優化 5）智能配電網運行狀態評估和風險預警問題 傳統的配電網運行狀態評估中，受限于較窄的數據采集渠道或較低的數據集成和處理能力，生產運行人員難以及時發現有價值的信息。可以通過從配電網的動態安全穩定、故障概率、故障后果等方面，研究和分析配電網運行狀態評估及風險評估方法，實現配電網風險預警，為配電網運行調度提供依據，提升決策的準確性和有效性。該研究問題是評估配電網運行狀態、制定電網控制和綜合能源優化策略的基礎。如圖1.6所示，智能配電網運行狀態評估和風險預警可包括：
書友推薦
- >
有舍有得是人生
- >
山海經
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
史學評論
- >
朝聞道
- >
【精裝繪本】畫給孩子的中國神話
- >
我與地壇
- >
苦雨齋序跋文-周作人自編集
本類暢銷
