[發明專利]風-光-儲混合系統區域無功儲備多目標優化方法在審
| 申請號: | 202111021764.5 | 申請日: | 2021-09-01 |
| 公開(公告)號: | CN113708380A | 公開(公告)日: | 2021-11-26 |
| 發明(設計)人: | 陳光宇;吳文龍;張仰飛;郝思鵬;李家興;周思佳 | 申請(專利權)人: | 南京工程學院 |
| 主分類號: | H02J3/16 | 分類號: | H02J3/16;H02J3/18;H02J3/28;H02J3/38;H02J3/50;G06Q10/04;G06Q50/06 |
| 代理公司: | 南京鐘山專利代理有限公司 32252 | 代理人: | 戴朝榮 |
| 地址: | 211167 江蘇*** | 國省代碼: | 江蘇;32 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 混合 系統 區域 無功 儲備 多目標 優化 方法 | ||
1.風-光-儲混合系統區域無功儲備多目標優化方法,其特征在于,包括如下步驟:
S1、獲取風-光-儲混合系統的典型場景集數據;
S2、構建無功源的電壓關聯指標值,基于關聯指標篩選出有效無功源;
S3、對所有典型場景進行預想故障掃描,得到故障場景集數據,基于故障場景中有效無功源的無功儲備構建故障場景特征向量;
S4、基于場景特征向量對故障場景集進行場景縮減,得到典型故障場景;
S5、對風-光-儲系統進行分區;
S6、構建典型故障場景下區域無功儲備多目標優化模型;
S7、采用多目標優化算法對模型進行求解得到Pareto最優解集;
S8、基于Pareto最優解集通過模糊理論得到折中最優解。
2.如權利要求1所述的風-光-儲混合系統區域無功儲備多目標優化方法,其特征在于,步驟S2中,包括如下步驟:
S21、計算電網內所有無功源對全部節點的電壓/無功靈敏度k,得到靈敏度集合K;
S22、采用最大類間方差法對電壓/無功靈敏度集合K進行分割,得到分割閾值kth;
S23、根據分割閾值kth判斷無功源與節點間關系;
S24、基于無功源與節點間關系,計算全部無功源的電壓關聯指標Z,得到電壓關聯指標集合;無功源電壓關聯指標表達式為:
其中,Z為電網中無功源的電壓關聯指標的標準化數值;Xm是1或0的數值,表示無功源與無功負荷m(或無功源m)所在節點的電壓之間是否存在關系;M為電網中負荷數目;N為電網中無功源數目;
S25、采用S22中方法對電壓關聯指標集合進行分割,得到電壓關聯指標的分割閾值Zth;
S26、基于電壓關聯指標的分割閾值Zth,篩選出有效無功源集表達式為:
其中,Zi為無功源i的電壓關聯指標;Zth為電壓關聯指標分割閾值;SN為無功源集。
3.如權利要求2所述的風-光-儲混合系統區域無功儲備多目標優化方法,其特征在于,步驟S22,具體如下:
首先構建類間方差優化模型,流程為:
1)設集合K中節點y對無功源x的電壓/無功靈敏度kxy的平面坐標為(x,y),灰度等級為G={0,1,…,N-1},N為節點數,坐標點(x,y)上對應的灰度值為f(x,y),等于kxy;t∈G為分割閾值,B={b0,b1}表示一個二值灰度級別;
2)在閾值t上的分割結果ft(x,y)為:
3)設灰度級為i的坐標點個數為fi,則坐標點的總個數M為灰度級別i出現的概率pi計算公式為:
4)將坐標點分為兩類(C0,C1),C0包含灰度等級在{0,1,…,t}內的坐標點,對應于無功源與節點電壓之間不存在關系,C1包含灰度等級在{t+1,t+2,…,L-1}內的坐標點,對應于無功源與節點電壓之間存在關系;
5)不存在關系的坐標點比例p(t)大小為不存在關系的平均灰度值μ0和存在關系的平均灰度值μ1的計算公式為:
6)得到類間方差優化模型的表達式為:
最后采用粒子群算法求解類間方差優化模型,類間方差達到最大時的t為所需要的分割閾值kth。
4.如權利要求2所述的風-光-儲混合系統區域無功儲備多目標優化方法,其特征在于,步驟S23,具體如下:
根據分割閾值kth判斷無功源與節點間關系,表達式為:
其中,Xim表示無功源i與節點m的電壓之間是否存在關系;kth為電壓/無功靈敏度分割閾值;kim為節點m對無功源i的電壓/無功靈敏度。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于南京工程學院,未經南京工程學院許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202111021764.5/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種基于量化感知的接收天線貪婪選擇方法
- 下一篇:一種硅襯底GaN的加工工藝





