一、基于关键路径确定无功补偿装置配置地点的改进算法（论文文献综述）
赵昱森[1]（2021）在《含分布式电源的无功补偿配置研究》文中研究表明随着化石能源的不断消耗与环境的加剧恶化,资源环境之间的矛盾日趋严峻。分布式电源作为一种新能源发电模式在配电网中得到了广泛应用。伴随分布式电源渗透率不断提高,它对配电网的电压分布和网损产生了不可忽视的影响,由原来的单电源供电转化为多电源供电,导致原有的配电网计算模型和分析方法不再适用。而无功补偿在改善配电网电能质量、降低系统网损和电能成本等方面都具有显着效果,因此,研究含分布式电源的配电网无功补偿配置优化有着重要的实际意义。本文针对含分布式电源的配电网无功补偿配置问题展开了研究。文中应用无功二次精确矩法对含分布式电源的配电网进行无功平衡区域的划分,建立了含分布式电源的配电网无功配置优化的数学模型。针对分区后的电力网络,以无功补偿投资和维修费用、配电线路有功损耗费用、电压越界惩罚费用为目标函数,考虑了潮流方程、节点电压以及无功补偿容量的约束,提出了一种基于改进的量子粒子群算法（Improved QPSO,IQPSO）的分区无功补偿优化方法。该方法可以明显减少配电网网损,提高电压质量的合格率,降低投资成本,具有较好的经济性。该算法（IQPSO）针对传统量子粒子群算法参数寻优过程的早熟现象以及寻优后期容易陷入局部极值的缺陷进行了改进。首先,在寻优初期利用非线性递减的收缩-扩张系数代替传统量子粒子群中线性递减的系数变化;在寻优后期根据两种不同的随机概率对种群中的每个粒子进行扰动,避免算法陷入局部最优;其次,采用5种测试函数对改进前后的寻优结果及计算精度进行对比分析,验证了IQPSO算法在寻优精度以及收敛速度上的优越性。最后,以IEEE33节点与69节点配电网为研究对象,在采用无功二次精确矩法进行分区的基础上,使用QPSO算法与IQPSO算法在每个分区内计算安放无功补偿装置的节点位置与补偿的容量。对比分析表明,使用IQPSO算法可以有效提高计算效率。
卢奔[2]（2020）在《含分布式电源的配电网无功配置优化》文中认为节能减排和清洁能源应用是社会发展的趋势,分布式发电（Distributed Generation,DG）是可再生能源应用的重要方面。配电网中,随着DG的渗透率逐步提高,配电网的本质发生了变化,由原来的单电源供电转化为多电源供电,导致原有的配电网计算模型和分析方法不再适用。无功优化是保证配电网经济运行的重要手段,为此,对接入DG的配电网无功配置进行研究具有重要意义。论文中分析了不同DG的并网及控制特性,将其等效成不同类型的节点,给出了含DG的配电网潮流计算方法。建立了含DG的配电网无功配置多阶段优化数学模型,优化目标包括多场景下的综合电能损耗费用、无功设备投资费用及电压越限罚函数,确定了相应的约束条件。为了提高求解方法的计算效率,减少计算量,应用随机支路开断法对含DG的配电网进行可行无功平衡区域划分,根据配电网局部平衡等原理确定该区域补偿容量,在区域内部运用功率负荷阻抗距法结合Floyd算法确定补偿点,最终确定不同分区方式下的最优结果,选取目标函数值最优的结果作为最终方案。最后,对配电网无功配置优化数学模型和算法编制了程序并进行算例验证,计算过程和结果验证了算法的可行性和有效性。
刘颖[3]（2020）在《分布式光伏及无功优化配置的配电网稳态电压控制策略研究》文中指出2019年,国内分布式光伏发电量达545亿千瓦时,同比增长39.4%。大批量分布式光伏并入配电网,一方面能提高能源利用率和电力供应的可靠性,满足日益增长的用电需求;另一方面也会导致配电网由传统单电源辐射状结构转变为多电源弱环型结构,再加上光照的不确定性和间歇性,从而引起配电网的电压分布发生了变化。研究分布式光伏并网对配电网电压的影响以及有关控制策略,对改善配电网电压质量,有着重要的意义。为了提高含分布式光伏配电网的电压质量,本文提出了相应的稳态电压控制策略,主要对分布式光伏的优化配置和配电网的无功优化这两个方面进行研究。首先,在PSCAD/EMTDC软件中搭建了光伏并网发电系统仿真模型,分析了分布式光伏并网对配电网电压的影响,在经典的IEEE33节点配电网系统中改变光伏并网的位置和容量,研究配电网各节点电压变化情况。其次,为了提高含分布式光伏配电网静态电压的稳定性,减少运行时的网络损耗,引入参数自适应调整策略的改进粒子群算法（PSO）,通过对含分布式光伏的配电网进行优化配置研究,得到光伏并网位置和容量的最优配置方案。最后,在确定了分布式光伏的最佳有功出力和并网位置后,考虑到分布式光伏具有一定的无功输出能力,采用改进PSO算法控制分布式光伏的无功输出、优化配电网中无功补偿装置的出力、以及协调优化分布式光伏和无功补偿装置的无功出力等四种方案,对配电网进行无功优化。研究结果表明,参数自适应调整策略的改进PSO算法,对于求解分布式光伏的优化配置问题收敛速度快、精度高。同时,该算法能很好的实现分布式光伏和无功补偿装置的无功出力协调控制,能够有效改善配电网电压偏差和网络损耗,提高配电网电压质量,使配电网运行在最佳状态。
刘欣雨[4]（2020）在《基于蚁群算法的配电网无功优化研究》文中研究说明电力系统中由于无功的不足和分布的不合理,产生了线路网损过高、电压水平偏低、电能质量差等问题。无功优化是保证系统安全、经济运行的有效手段,是提高电能质量的重要措施之一,因此如何利用和优化无功资源,进一步降低配网损耗,提高电压合格率,具有重要意义。根据是否考虑配电网负荷变化,无功优化问题可分为静态无功优化与动态无功优化两类。本文首先从静态无功优化入手,以获得投资收益最高作为无功优化的目标,同时兼顾系统经济性与安全性建立了静态无功优化目标函数,选取遗传算法与本文算法分别计算在负荷水平不变的情况下,所需安装无功补偿装置的最佳位置及补偿容量,并进行比较分析,验证了蚁群算法的可行性。引入某地区全年负荷实际数据,研究在负荷水平变化情况下的动态优化问题。由于负荷数据量庞大且负荷变化具有随机性和波动性的特点,采用场景分析技术将难以建模的复杂模型转化为易于求解的确定性模型,降低了建模和求解的难度,借助K-均值聚类算法以每日数据为聚类单元,对全年负荷变化数据进行聚类分析实现典型场景的构建,得到六个能够表征全年数据特征的典型时序场景和各个场景的概率,在考虑单一场景时,每个场景可以等效为静态。因此就以静态无功优化目标函数为基础得到动态无功优化的目标函数,运用蚁群算法求得负荷水平变化情况下所需安装的无功补偿装置最佳位置及补偿容量。最终,经IEEE-33节点系统仿真计算,结果表明:对比分别通过蚁群算法与遗传算法进行配电网静态无功优化计算,运用蚁群算法的优化结果综合运行费用减少、网络损耗减小、电压稳定度提高;将基于K-均值聚类和典型场景分析的动态无功优化与静态无功优化结果对比,可知动态优化更贴合负荷变化的实际情况、投资收益更高、需要补偿的节点数减少一倍、总补偿容量减少、总网损更小、电压也更稳定。
曹仝淼[5]（2020）在《分布式电源与无功补偿装置的协同优化配置研究》文中研究表明传统化石燃料的燃烧带来了很多环境问题,为了实现可持续发展的理念,人们提出了分布式发电技术,分布式发电技术能够广泛开发和利用可再生能源,提高能源利用率。随着我国通信、控制技术和设备制造能力的不断提高,分布式电源的应用越来越广泛,装机容量不断增加。分布式电源并网影响配电网的网络结构和潮流分布,合理的配置分布式电源的接入位置及容量,能够减少线路的有功损耗、抬升系统节点的电压、改善配电网末端的电能质量、缓解用电压力。因此对分布式电源进行优化配置极具现实意义。本文首先介绍了光伏发电和风力发电的系统结构及运行特点,通过数学建模对其进行机理分析,探究了分布式电源并网对配电网的电压偏差、电压波动、电压分布和有功网损等影响。接着本文基于PSCAD/EMTDC仿真软件,模拟搭建了10k V配电网模型、光伏电源模型、双馈异步风机模型,通过参数设置,模拟不同工况下,光伏电源并网和风机并网。通过仿真分析,表明合理的配置分布式电源容量及接入位置能够对配电网起到支撑作用,提高配电网的电能质量,为后文的分布式电源优化配置提供理论支撑。最后本文提出了分布式电源与无功补偿装置的协同优化配置策略,以系统潮流、节点电压、接入DG容量、无功补偿装置容量为约束条件,建立了含分布式电源及无功补偿装置的配电网优化配置模型。采用改进的自适应遗传算法,以配电网网损和电压偏差和的加权为目标函数,对其进行优化配置。本文从染色体编码、种群初始化、适应度函数、遗传操作等方面介绍了遗传算法的实现过程,并给出了算法流程图。交叉操作和变异操作采用改进的自适应交叉算子和变异算子,并且引入淘汰机制和最优保存策略,增强了全局搜索的能力,避免了“早熟”现象。以改进的IEEE33节点系统为例进行分析,可以得出本文算法能够有效地对DG及无功补偿装置进行优化配置,使得DG并网后配电网的网损和电压偏差和明显降低,提高了系统的电压稳定性,减少了系统的有功损耗,改善了系统的电能质量问题。
余利[6]（2020）在《含分布式电源和电动汽车的DSTATCOM的优化配置研究》文中提出能源危机、大气污染以及温室效应等问题形势严峻,严重影响到人类的生产生活,对新能源的开发与利用已刻不容缓。以分布式电源（Distributed generator,DG）以及电动汽车（Electric vehicles,EV）为代表的分布式能源,因其能源清洁、无排放污染的特征在国家政策扶持下得到了大力发展。大规模的分布式能源并网后由于不确定出力可能造成潮流反向、电压波动与闪变、甚至出现系统电压崩溃。采用概率潮流的计算方法对分布式能源的随机出力进行量化处理,可有效分析随机出力对配电网的影响。接入无功补偿装置对系统功率进行无功补偿能够有效减小由分布式能源并网带来的系列问题。其中,配电网静止同步无功补偿发生器（Distribution Static Compensator,DSTATCOM）因其平滑输出无功功率,满足分布式能源的随机出力特征从而得到了广泛研究与应用。DSTATCOM补偿性能与安装节点密切相关、且安装容量直接决定了DSTATCOM的投资费用。DSTATCOM并网后运行策略直接影响到系统的实时性能。合理对DSTATCOM进行选址定容以及对其并网后的无功优化是最大化发挥其补偿性能,保证系统安全、经济运行的重要课题。本文采用2m+1点估计法对含有分布式风电、分布式光伏以及电动汽车的配电网进行潮流计算,分析随机出力对配电网节点电压造成的影响。以有功网损、电压偏差以及总投资费用最小为目标函数,以节点电压为主要约束条件,构建了DSTATCOM的优化配置模型。考虑到优化配置问题为非凸非线性的多目标优化问题,本文基于收敛速度快、搜索能力强的灰狼算法为基础算法,提出了改进多目标差分灰狼算法（multi-objective differential grey wolf optimization,MODEGWO）。以IEEE33节点系统为算例,对该模型进行仿真分析,提出了DSTATCOM的配置方案,结果验证了所提模型的准确性与有效性以及算法的性能优良。最后,计及目前配电网中已安装并联电容器组（Capacitor bank,CB）的实际情况,本文建立了DSTATCOM与CB的联合协调无功优化模型,以改进多目标算法对该模型进行求解,提出了全天内DSTATCOM与CB的动态运行策略,结果验证了所提模型的可行性与准确性。
张慕尹[7]（2020）在《基于多种群遗传算法的含分布式电源配电网无功优化》文中研究表明随着我国经济及科技的发展,国民生活质量及工业化水平均有了很大的提升,与之相应的用电需求增长将给我国电力系统运行带来巨大压力。而在全球能源短缺及环境污染的压力下,积极开发使用新能源成为各国当下的发展方向。结合现阶段电力系统面临的问题及机遇,含新能源的分布式发电技术成为我国大力扶持的发展项目。在此背景下,本文通过讨论分布式电源并网后对电力系统的电压、谐波和潮流的影响,提出了一种基于多种群遗传算法含分布式电源的配电网无功优化模型。多种群遗传算法利用各个独立种群间不同的遗传策略及信息交流来提高算法的全局搜索能力及收敛速度,有效克服经典遗传算法易早熟及局部收敛速度慢等缺点。论文最后通过对算例进行仿真分析,验证多种群遗传算法在无功优化中的效果。本文主要工作:1、结合我国电力系统分布式发电技术的发展及无功优化研究现状,探讨了分布式电源并网后对电力系统电压、谐波及网损的影响,从而明确对含分布式电源配电网进行无功优化研究的意义。2、传统无功优化算法在处理含有离散变量、多目标问题上存在局限性,难以处理求解含多类型变量、约束条件及多目标优化函数的问题针对传统遗传算法在迭代过程中早熟、收敛速度慢等问题,本文提出一种能实现独立种群间协同进化的多种群遗传算法,并利用多个测试函数对其收敛效果进行了仿真验证。3、构建了含分布式电源的配网无功优化数学模型,对以最小网损为目标建立的目标函数进行重构,并采用本文提出的多种群遗传算法进行优化计算,IEEE30节点系统仿真表明多种群遗传算法的无功优化能有效降低系统网损,提升电网运行电压水平,并有效避免经典遗传算法中早熟收敛的现象。
黄珊[8]（2020）在《配电网节能技术研究》文中研究指明随着全球科技与经济的快速发展,能源消耗日渐加剧。能源稀缺成了当前全世界的首要难题。我国作为世界上最大的发展中国家,伴随着国民经济的快速发展,已经成为世界上第二大能源消耗国,对能源的需求不断增加。这种现象导致了能源供需的失衡,形成了环境保护与经济发展的矛盾。因此,节能是目前各个领域发展时需要摆在前列的考虑因素。电网是电力输送的主要载体,不管是在发电方面,还是输配电上,都要尽力做到节能降损。我国的电网情况比国外的更加复杂,作为电力企业,应该把节能降耗作为企业发展的目标,这也是企业必须要承担的社会责任。由于上述各种原因,使得配电网节能降损的工作刻不容缓。本文针对配电网节能技术进行相关研究,主要从以下三个方面入手:一、配电变压器的节能与优化,分析配电变压器的损耗及降损措施,主张更换新能节能变压器,用实际案例证明节能变压器的优势;二、配电线路优化改造,分析目前配电线路节能降损的途径与优化效果;三、配电网无功补偿优化,引入负荷节点电压稳定裕度的概念,利用潮流计算将其计算出来,以此确定无功补偿点的位置;引入遗传算法,构建相应的目标函数,在优化过程中求得无功补偿的容量。将此方法运用到实际案例中进行分析。
罗天[9]（2020）在《交直流混联电网动态无功补偿规划与优化方法》文中进行了进一步梳理清洁能源的发展与推广得到了各国的重视,为了实现清洁能源的远距离、大容量跨区域输送,我国逐渐形成了具有强随机、多直流、多变运行方式等特征的交直流混联电网。动态无功补偿技术以其调节速度快、可靠性高的优点,成为了解决交直流混联电网电压稳定问题,保障电网安全、稳定、经济运行的重要工具。然而,动态无功补偿装置目前由于成本较高而无法大量投入使用,合理规划其安装位置、容量,以及优化其无功出力是使之发挥最佳作用的前提。本文针对交直流混联电网中动态无功补偿的规划与优化方法,主要从选址规划、定容规划和出力优化三方面进行了研究。在选址规划方面,本文首先以缩小研究范围为目的建立了薄弱区域划分模型,结合分层分区的思想在大型受端交直流混联电网中寻找静态电压稳定较为薄弱的若干节点。然后以这些节点为研究对象,为了从中筛选出最佳动态无功补偿安装点,建立了先导节点划分模型,通过改进轨迹灵敏度寻找对电网暂态电压稳定性提升最大的节点作为配置点。为了解决目前BPA仿真软件无法对多种故障或不同动态无功补偿进行批处理设定与计算的缺点,本文设计了一种BPA与MATLAB的批处理接口程序,提高分析计算的效率。在定容规划方面,为了更准确地反映动态无功补偿对受端交直流混联系统强度的提升作用,提出一种基于戴维南动态等值的改进多馈入有效短路比,克服了传统多馈入有效短路比因未计及补偿装置动态响应过程而导致结果偏保守的缺点。然后在所提改进多馈入有效短路比的基础上,以提升系统整体性强度、改善各回直流均衡性为目标,建立一套完善的动态无功补偿定容方法,实现其容量的合理选择。在出力优化方面,本文以系统的有功网损和电压偏差最小为目标,基于支路潮流模型对含动态无功补偿（STATCOM）的交直流混联电网无功补偿出力优化模型进行建模,并通过二次旋转锥松弛和二阶锥松弛对模型进行凸化。然后基于ADMM算法原理建立了可分区计算的无功补偿出力优化模型,在缩小问题规模的同时解决了各区域电网信息收集的难题。
邓卓明[10]（2019）在《含离散控制的电网安全运行控制的动态化建模及优化方法研究》文中认为含离散控制的电网安全运行控制是电力系统优化的基本内容和重点难题。本文先从短期电压安全问题着手,把短期电压安全问题描述为一般性的、具有某些典型数学特征（例如,多目标、混合整数、动态优化等）的优化模型。根据这些特征,本文借助一些已有的求解算法,包括前沿的人工智能算法以及经典的数学（数值型）优化算法等,并提出许多有用的改进,实施高效的求解。然后,动态化建模和混合整数优化（Mixed-Integer Optimization,MIO）方法被进一步推广到含离散控制的主动配电网最优运行方式问题,以便高效求解其中的离散控制难题,同时为经典的运行控制提供更精确的连续轨迹运行方式。另外,随机优化算法被加入到最优运行方式问题的求解,以便适应高渗透新能源并网的安全运行。具体而言,本文在如下四个方面取得了创造性成果:（1）一种含离散控制的发电-补偿的无功协调控制策略被提出用于解决短期电压失稳问题。短期电压紧急调控问题被描述为包含元件动态、潮流方程以及安全约束的多目标动态优化模型。一种新颖的多目标强化学习算法（Multi-Objective Reinforcement Learning,MORL）方法被用于缓解该模型求解的计算压力,以及通过过滤支配解的方式获得Pareto最优解。与经典的MORL方法相比,本文提出的MORL方法划分完整的可行域为若干个相对小的独立区域,每个小区域各自完成支配解的过滤,以便减少Pareto最优解的搜索范围。除此之外,我们重新定义了状态函数并引入了状态敏感度的概念,以便给出代理学习和应用环节的切换条件。为了扩充Pareto前沿（Pareto Frontier,PF）的分布范围,若干个疑似的Pareto最优解也被引入到支配关系的比较。最后,通过Fuzzy决策策略,我们获得了应对短期电压失稳的折中方案。在某省级748节点电网上的算例验证了本文提出的MORL方法的高效性。（2）多目标配置动态无功源以便应对短期电压失稳,其中本文在规划问题的建模及其求解方面提出了独特的见解。在动态无功源的规划建模上,本文同时优化三个目标函数:1.STATCOM的安装费用;2.发电机调差的代价;以及3.短期电压安全指标。其中STATCOM的规划涉及到安装地点（整数变量）和安装容量（连续变量）。上述的规划问题可以采用多故障集下的短期电压安全和功角稳定约束的多目标混合整数动态优化模型来描述。在求解方法上,本文提出一种简化的凸松弛（Reduced Convex Relaxation,RCR）算法来处理整数变量的STATCOM安装地点,并且避免整数变量的组合爆炸问题。为了获得三目标优化问题的完整PF,本文提出简化广域规格化法平面约束法。该方法首先将三维下Utopia平面扩大,以便PF能够完整地被它的垂直投影所覆盖;然后修剪Utopia平面上冗余的部分以减少计算量。在IEEE 39节点系统以及某实际1009节点系统上的仿真结果表明所提的算法能够有效处理整数变量以及获得三维空间下完整PF。（3）动态化构建主动配电网（Active Distribution Networks,ADNs）最优运行方式的模型,并提出采用混合整数求解方法实施求解。本文创新性地把MIO和动态优化（Dynamic Optimization,DO）有机地结合,转而采用混合整数动态优化（Mixed-Integer Dynamic Optimization,MIDO）模型描述一天24小时的最优运行问题。所提出的MIDO模型将负荷和分布式发电机的出力具体描述为连续光滑的轨迹,旨在为主动配电网提供最优的连续光滑调度轨迹。然而,在实际工程中,离散控制装置需要被限制一天24小时的调节/切换次数,表现为绝对值不等式约束,极大增加了MIDO模型的求解难度。因此,本文采用RCR法实现MIDO模型关于整数变量的简化凸转换和紧松弛。这个过程将MIDO模型转换为连续动态优化模型,然后可以采用Radau排列法进一步近似为非线性规划模型。与此同时,限制离散控制设备切换次数的绝对值不等式约束被等效替换为一系列的线性不等式约束。在IEEE 33节点、PG&E 69节点和实际的110节点ADNs上的数值仿真结果论证了所提算法的高效性。（4）应用简维度、稀疏网格型的随机排列点法（Stochastic Collocation Method With Dimension-Reduced Sparse Grid,SCM-W-DRSG）求解含随机输出的ADNs最优运行方式,重点展示SCM-W-DRSG在随机优化上的优势。SCM-W-DRSG并不关心随机优化模型的真实内部结构,而把模型看做黑盒子,只关注黑盒子的输入和输出;借助某些多项式与输入函数之间的张量积,模拟黑盒子的内部结构以及对应的输出。并且,SCM-W-DRSG综合了稀疏网格以及简维度的思路,升级了随机排列点法模拟黑盒子内部结构的整体方案,解决了网格配置点之间组合爆炸的问题。以经典的Monte Carlo法为基准,SCM-W-DRSG对优化模型的近似效果优秀,获得极其精确的运行费用以及调度方式。并且,SCM-W-DRSG的求解效率极高,其计算时间远短于经典的Monte Carlo法;甚至在采样场景海量的时候,出现了经典的Monte Carlo法不能求解但SCM-W-DRSG可求解的情况。另外,提升SCM-W-DRSG的阶数确实能提高近似黑盒子的精度,但将伴随计算时间增长。然而,相比采样场景增长的情况,该情况下计算时间的增长是可接受的。
二、基于关键路径确定无功补偿装置配置地点的改进算法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于关键路径确定无功补偿装置配置地点的改进算法（论文提纲范文）
（1）含分布式电源的无功补偿配置研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题的研究背景和意义 |
| 1.2 分布式电源的分类 |
| 1.3 国内外研究现状 |
| 1.3.1 含分布式电源的无功补偿配置模型的研究现状 |
| 1.3.2 含分布式电源的无功补偿配置求解方法的研究现状 |
| 1.4 论文的主要研究工作 |
| 第二章 配电网的无功补偿与优化模型建立 |
| 2.1 无功补偿的基本原理 |
| 2.2 无功补偿的必要性 |
| 2.3 无功补偿的方式 |
| 2.4 配电网无功补偿配置的实现 |
| 2.4.1 补偿点的选择 |
| 2.4.2 补偿容量的确定 |
| 2.5 无功补偿配置数学模型的建立 |
| 2.5.1 目标函数 |
| 2.5.2 约束条件 |
| 2.6 小结 |
| 第三章 含分布式电源的配电网潮流计算 |
| 3.1 配电网的潮流计算 |
| 3.2 分布式电源接入对配电网的影响 |
| 3.3 分布式电源潮流计算数学模型 |
| 3.3.1 异步发电机模型 |
| 3.3.2 同步发电机模型 |
| 3.3.3 电力电子变换器模型 |
| 3.4 前推回代潮流计算方法 |
| 3.4.1 前推回代法的原理 |
| 3.4.2 各类节点的处理方法 |
| 3.4.3 潮流计算的过程 |
| 3.5 算例分析 |
| 3.6 小结 |
| 第四章 基于改进量子粒子群算法的无功补偿配置 |
| 4.1 配电网无功补偿区域划分 |
| 4.1.1 网络损耗 |
| 4.1.2 无功二次精确矩 |
| 4.1.3 基于无功二次精确矩的分区 |
| 4.2 粒子群优化算法 |
| 4.2.1 粒子群算法基本原理 |
| 4.2.2 粒子群算法主要构成及流程 |
| 4.3 量子粒子群算法 |
| 4.3.1 量子粒子群算法基本原理 |
| 4.3.2 量子粒子群算法流程 |
| 4.4 改进的量子粒子群算法 |
| 4.4.1 对收缩-扩张因子的改进 |
| 4.4.2 对粒子进行随机扰动 |
| 4.4.3 改进的量子粒子群算法的流程 |
| 4.5 算法测试 |
| 4.6 基于改进量子粒子群算法的无功补偿配置步骤 |
| 4.7 小结 |
| 第五章 算例分析 |
| 5.1 33 节点算例分析 |
| 5.2 69 节点算例分析 |
| 5.3 小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读学位期间参加的科研情况及获得的学术成果 |
（2）含分布式电源的配电网无功配置优化（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 分布式电源 |
| 1.2.1 分布式电源类型及特点 |
| 1.2.2 分布式电源对配电网的影响 |
| 1.3 无功配置的研究现状 |
| 1.3.1 无功配置优化模型的研究现状 |
| 1.3.2 无功配置优化模型求解方法的研究现状 |
| 1.4 无功平衡区域划分研究现状 |
| 1.5 论文章节安排 |
| 第二章 配电网的无功补偿及优化模型建立 |
| 2.1 配电网的无功补偿 |
| 2.1.1 无功补偿的基本原理 |
| 2.1.2 无功补偿配置原则 |
| 2.1.3 无功补偿方式 |
| 2.1.4 配电网的无功配置 |
| 2.2 含分布式电源的配电网无功配置优化模型 |
| 2.2.1 目标函数 |
| 2.2.2 约束条件 |
| 2.2.3 无功优化模型的求解 |
| 2.3 小结 |
| 第三章 含分布式电源的配电网潮流计算 |
| 3.1 分布式电源在配电网潮流计算中的节点类型 |
| 3.1.1 同步发电机接口模型 |
| 3.1.2 异步发电机接口模型 |
| 3.1.3 电力电子变换器接口模型 |
| 3.2 前推回代潮流计算方法 |
| 3.2.1 前推回代算法原理 |
| 3.2.2 潮流计算中各节点的处理方法 |
| 3.2.3 关键计算过程 |
| 3.2.4 算例验证 |
| 3.3 小结 |
| 第四章 启发式无功配置优化算法 |
| 4.1 可行无功平衡区域划分 |
| 4.1.1 随机开断支路法 |
| 4.1.2 分区步骤及流程图 |
| 4.2 负荷功率阻抗矩法 |
| 4.2.1 负荷功率阻抗矩法原理 |
| 4.2.2 负荷功率阻抗矩法步骤及分析 |
| 4.3 最短路径Floyd算法 |
| 4.3.1 Floyd算法思想 |
| 4.3.2 Floyd算法具体步骤及分析 |
| 4.4 补偿点的确定 |
| 4.5 补偿容量的确定 |
| 4.6 最优方案选取 |
| 4.7 小结 |
| 第五章 无功配置算例 |
| 5.1 IEEE33 节点系统无功配置 |
| 5.1.1 无功优化配置方案确定 |
| 5.1.2 优化配置结果分析 |
| 5.2 某典型馈线算例分析 |
| 5.2.1 无功优化配置方案确定 |
| 5.2.2 优化配置结果分析 |
| 5.3 小结 |
| 第六章 结论与展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读学位期间参加科研情况及获得的学术成果 |
（3）分布式光伏及无功优化配置的配电网稳态电压控制策略研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外光伏发电发展概况 |
| 1.3 国内外课题研究现状 |
| 1.3.1 光伏并网对配电网电压的影响 |
| 1.3.2 含分布式光伏的配电网电压控制策略研究现状 |
| 1.4 本文主要工作 |
| 2 分布式光伏发电系统及并网影响 |
| 2.1 光伏并网发电系统 |
| 2.1.1 光伏电源 |
| 2.1.2 最大功率跟踪 |
| 2.1.3 并网逆变器 |
| 2.1.4 光伏并网发电系统仿真模型 |
| 2.2 分布式光伏并网对配电网电压的影响机理 |
| 2.3 仿真分析 |
| 2.3.1 不同并网位置对配电网电压分布的影响 |
| 2.3.2 不同并网容量对配电网电压分布的影响 |
| 2.4 本章小结 |
| 3 基于改进PSO算法的分布式光伏并网选址定容优化策略 |
| 3.1 分布式光伏并网选址定容数学模型 |
| 3.1.1 目标函数 |
| 3.1.2 约束条件 |
| 3.2 改进PSO算法 |
| 3.2.1 标准PSO算法 |
| 3.2.2 参数自适应调整 |
| 3.2.3 改进PSO算法的实现步骤 |
| 3.2.4 仿真验证 |
| 3.3 改进PSO算法在分布式光伏并网选址定容中的应用 |
| 3.3.1 改进PSO算法对并网光伏选址定容的处理 |
| 3.3.2 改进PSO算法实现分布式光伏并网选址定容流程 |
| 3.4 算例分析 |
| 3.4.1 算例数据 |
| 3.4.2 结果及分析 |
| 3.5 本章小结 |
| 4 基于改进PSO算法的含分布式光伏配电网无功优化策略 |
| 4.1 并网逆变器无功输出原理 |
| 4.2 含分布式光伏的配电网无功优化数学模型 |
| 4.2.1 目标函数 |
| 4.2.2 约束条件 |
| 4.3 改进PSO算法在含分布式光伏配电网无功优化中的应用 |
| 4.3.1 改进PSO算法对配电网无功优化的处理 |
| 4.3.2 改进PSO算法实现配电网无功优化流程 |
| 4.4 算例分析 |
| 4.4.1 算例数据 |
| 4.4.2 仿真方案介绍 |
| 4.4.3 仿真结果 |
| 4.4.4 仿真分析 |
| 4.5 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
（4）基于蚁群算法的配电网无功优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 无功优化的目的和意义 |
| 1.2 无功优化的国内外研究现状 |
| 1.3 本文所作的工作 |
| 第二章 配电网无功优化的数学模型 |
| 2.1 配电网无功优化模型 |
| 2.2 配电网无功优化的静态目标函数构建 |
| 2.2.1 配电网静态无功优化目标函数 |
| 2.2.2 约束条件 |
| 2.3 配电网无功优化的动态目标函数构建 |
| 2.3.1 配电网动态无功优化目标函数 |
| 2.3.2 约束条件 |
| 2.4 本章小结 |
| 第三章 基于场景分析法的配电网动态无功优化 |
| 3.1 场景分析技术 |
| 3.1.1 场景生成法 |
| 3.1.2 场景缩减法 |
| 3.1.3 场景分析方法的应用 |
| 3.2 聚类分析算法 |
| 3.2.1 聚类算法的要求 |
| 3.2.2 数据的相似性度量 |
| 3.2.3 常用的聚类分析方法 |
| 3.2.4 K-均值聚类算法 |
| 3.3 配电网中不确定因素的场景划分 |
| 3.3.1 基于K-均值聚类算法的典型场景分析 |
| 3.3.2 配电网典型场景分析 |
| 3.3.3 负荷场景划分 |
| 3.4 本章小结 |
| 第四章 基于蚁群算法的配电网无功优化 |
| 4.1 蚁群算法的基本原理 |
| 4.1.1 蚂蚁觅食行为与策略 |
| 4.1.2 人工蚁群 |
| 4.2 蚁群算法模型 |
| 4.3 蚁群算法在配电网无功优化中的应用 |
| 4.3.1 蚁群算法的实现 |
| 4.3.2 无功补偿位置及补偿容量的选择 |
| 4.3.3 适应度函数的选取 |
| 4.3.4 应用于蚁群算法的公式 |
| 4.3.5 运用蚁群算法求解无功优化问题的参数选取 |
| 4.4 本章小结 |
| 第五章 算例分析 |
| 5.1 配电网静态无功优化 |
| 5.1.1 静态无功优化算例与参数 |
| 5.1.2 静态无功优化结果 |
| 5.2 配电网动态无功优化 |
| 5.2.1 动态无功优化算例与参数 |
| 5.2.2 动态无功优化结果 |
| 5.3 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读学位期间参加科研情况及获得的学术成果 |
（5）分布式电源与无功补偿装置的协同优化配置研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 分布式电源研究现状 |
| 1.2.2 分布式电源并网影响研究现状 |
| 1.2.3 分布式电源优化配置问题研究现状 |
| 1.3 本文主要研究内容 |
| 2 分布式电源并网影响分析 |
| 2.1 分布式电源定义 |
| 2.2 光伏发电 |
| 2.2.1 光伏发电系统 |
| 2.2.2 光伏发电系统数学模型 |
| 2.3 风力发电 |
| 2.3.1 双馈异步风机 |
| 2.3.2 双馈异步风机数学模型 |
| 2.4 DG并网对配电网的影响 |
| 2.4.1 DG并网对配电网电压偏差的影响 |
| 2.4.2 DG并网对配电网电压波动的影响 |
| 2.4.3 DG并网对配电网电压分布的影响 |
| 2.4.4 DG并网对配电网网损的影响 |
| 2.5 本章小结 |
| 3 分布式电源接入配电网仿真分析 |
| 3.1 10kV配电网模型 |
| 3.2 光伏并网仿真分析 |
| 3.2.1 不同并网容量下光伏并网 |
| 3.2.2 不同并网位置下光伏并网 |
| 3.3 双馈异步风机并网仿真分析 |
| 3.3.1 不同并网容量下双馈异步风机并网 |
| 3.3.2 不同并网位置下双馈异步风机并网 |
| 3.4 本章小结 |
| 4 分布式电源与无功补偿装置的协同优化配置研究 |
| 4.1 含DG接入的配电网潮流计算 |
| 4.1.1 常见DG节点类型处理 |
| 4.1.2 含DG接入的潮流计算 |
| 4.1.3 含DG接入的潮流计算步骤及流程图 |
| 4.2 遗传算法(GA) |
| 4.2.1 遗传算法(GA)简介 |
| 4.2.2 染色体编码 |
| 4.2.3 种群初始化 |
| 4.2.4 适应度函数 |
| 4.2.5 遗传操作 |
| 4.3 无功补偿装置 |
| 4.4 DG与无功补偿装置的协同优化配置算法实现 |
| 4.4.1 算法实现 |
| 4.4.2 算法流程图 |
| 4.5 本章小结 |
| 5 算例分析 |
| 5.1 IEEE33节点测试系统仿真结果分析 |
| 5.2 算法比较 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 附录 A IEEE33节点测试系统各节点负荷和各支路阻抗 |
| 个人简历、在学期间发表的学术论文与研究成果 |
| 致谢 |
（6）含分布式电源和电动汽车的DSTATCOM的优化配置研究（论文提纲范文）
| 内容摘要 |
| abstract |
| 选题的依据与意义 |
| 国内外文献资料综述 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要工作 |
| 2 基于2m+1点估计法的配电网概率潮流计算 |
| 2.1 分布式能源接入配电网的影响 |
| 2.2 2m+1点估计法 |
| 2.3 基于2m+1点估计法的随机潮流计算 |
| 2.4 本章小结 |
| 3 计及DG与 EV的 DSTATCOM的优化配置 |
| 3.1 DSTATCOM的稳态数学模型 |
| 3.2 计及DG和 EV的 DSTATCOM的优化配置 |
| 3.3 本章小结 |
| 4 改进多目标差分灰狼算法在优化配置中的应用 |
| 4.1 灰狼算法 |
| 4.2 改进多目标差分灰狼算法 |
| 4.3 改进多目标差分灰狼算法在优化配置中的应用 |
| 4.4 算法对比 |
| 4.5 本章小结 |
| 5 计及DG与 EV的 DSTATCOM与 CB的无功优化 |
| 5.1 DSTATCOM与 CB的无功优化模型 |
| 5.2 基于MODEGWO的无功优化求解流程 |
| 5.3 仿真算例 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 附录 :攻读硕士学位期间发表的部分学术论文 |
| 致谢 |
（7）基于多种群遗传算法的含分布式电源配电网无功优化（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景及研究意义 |
| 1.2 电力系统无功优化研究现状 |
| 1.2.1 无功补偿方式及其装置 |
| 1.2.2 无功优化算法 |
| 1.2.3 含分布式电源配网无功优化研究现状 |
| 1.3 本文主要内容及章节安排 |
| 第二章 含分布式电源配电网功率损耗分析 |
| 2.1 配电网功率损耗 |
| 2.1.1 线路损耗 |
| 2.1.2 变压器损耗 |
| 2.1.3 计量装置损耗 |
| 2.2 分布式电源并网对配电网的影响 |
| 2.2.1 分布式电源对配电网电压的影响 |
| 2.2.2 分布式电源对配电网谐波的影响 |
| 2.2.3 分布式电源对配电网功率损耗的影响 |
| 2.3 降低含分布式电源配电网功率损耗的方法 |
| 2.4 本章小结 |
| 第三章 多种群遗传算法 |
| 3.1 经典遗传算法 |
| 3.1.1 经典遗传算法原理 |
| 3.1.2 经典遗传算法求解流程 |
| 3.1.3 经典遗传算法存在问题 |
| 3.2 多种群遗传算法 |
| 3.2.1 多种群遗传算法原理 |
| 3.2.2 多种群遗传算法求解流程 |
| 3.3 算例仿真与分析 |
| 3.3.1 算例设置 |
| 3.3.2 结果分析 |
| 3.4 本章小结 |
| 第四章 含分布式电源配网无功优化建模及仿真 |
| 4.1 含分布式电源的配网无功优化数学模型 |
| 4.1.1 目标函数 |
| 4.1.2 潮流约束 |
| 4.1.3 变量约束 |
| 4.1.4 目标函数重构 |
| 4.2 多种群遗传算法参数设置及求解流程 |
| 4.3 算例仿真 |
| 4.3.1 IEEE30节点系统及其潮流计算 |
| 4.3.2 基于多种群遗传算法配网无功优化仿真分析 |
| 4.3.3 不同优化算法的结果对比及分析 |
| 4.4 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读硕士学位期间所发表的论文 |
| 致谢 |
| 附录 |
（8）配电网节能技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究课题的背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究及现状 |
| 1.2.2 国内研究及现状 |
| 1.3 本文的主要研究工作 |
| 第2章 变压器在配电网中的节能与优化 |
| 2.1 配电变压器的发展史 |
| 2.1.1 配电变压器铁芯发展 |
| 2.1.2 配电变压器的绕组发展 |
| 2.1.3 配电变压器的绝缘介质 |
| 2.2 当前配电变压器的使用概况 |
| 2.3 配电变压器的损耗分析 |
| 2.3.1 空载损耗 |
| 2.3.2 负载损耗 |
| 2.4 配电变压器节能降损的途径 |
| 2.5 几种节能变压器的分析与比较 |
| 2.5.1 S9型节能变压器 |
| 2.5.2 S11型节能变压器 |
| 2.5.3 S13型节能变压器 |
| 2.5.4 S14型节能变压器 |
| 2.5.5 SH15型节能变压器 |
| 2.6 S11型节能变压器的实际运用及节能效果 |
| 2.7 本章小结 |
| 第3章 配电线路的节能与优化 |
| 3.1 配电线路节能降损的重要性 |
| 3.2 配电线路在节能降损方面的应用现状 |
| 3.3 配电线路节能降损的途径 |
| 3.4 本章小结 |
| 第4章 配电网的无功优化 |
| 4.1 无功补偿的原理 |
| 4.2 配电网无功补偿的原则 |
| 4.3 配电网无功补偿的方式及优缺点 |
| 4.3.1 变电站集中补偿方式 |
| 4.3.2 低压集中补偿方式 |
| 4.3.3 杆上无功补偿方式 |
| 4.3.4 用户终端分散补偿方式 |
| 4.4 配电网无功补偿的注意事项 |
| 4.4.1 补偿方式问题 |
| 4.4.2 谐波问题 |
| 4.4.3 无功倒送问题 |
| 4.4.4 电压调节方式的补偿设备带来的问题 |
| 4.5 配电网无功补偿装置 |
| 4.6 配电网无功补偿优化的模型 |
| 4.7 配电网无功补偿优化的算法 |
| 4.8 配电网无功补偿点的确定 |
| 4.9 本章小结 |
| 第5章 遗传算法在配电网无功优化中的应用 |
| 5.1 遗传算法的原理及方法 |
| 5.1.1 遗传算法的基本原理 |
| 5.1.2 遗传算法的基本步骤 |
| 5.2 配电网潮流计算 |
| 5.2.1 潮流计算的基本原理 |
| 5.2.2 前推回代算法步骤 |
| 5.3 建立配电网无功补偿优化模型 |
| 5.4 某10kV配电网无功补偿优化算例分析 |
| 5.4.1 某城区10kV配电线路现状 |
| 5.4.2 某城区10kV配电网潮流计算结果 |
| 5.4.3 利用负荷节点电压稳定裕度确定无功补偿点 |
| 5.4.4 基于遗传算法的配电网无功补偿优化结果与分析 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 附录 |
| 攻读硕士学位期间发表的学术论文 |
| 致谢 |
（9）交直流混联电网动态无功补偿规划与优化方法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 背景介绍 |
| 1.1.1 交直流混联电网的特性与挑战 |
| 1.1.2 无功补偿的发展概况 |
| 1.2 交直流混联电网无功规划与优化关键技术研究现状 |
| 1.2.1 动态无功补偿选址规划研究现状 |
| 1.2.2 动态无功补偿容量规划研究现状 |
| 1.2.3 无功补偿出力优化研究现状 |
| 1.3 本文主要工作 |
| 第二章 分层分区动态无功补偿选址规划方法 |
| 2.1 薄弱区域划分模型 |
| 2.1.1 基于戴维南动态等值的阻抗模裕度 |
| 2.1.2 阻抗模裕度的计算方法 |
| 2.1.3 薄弱区域划分方法 |
| 2.2 先导节点划分模型 |
| 2.2.1 基于动态仿真的改进轨迹灵敏度 |
| 2.2.2 基于ITSI的先导节点划分方法 |
| 2.3 批处理接口程序设计 |
| 2.3.1 程序设计背景 |
| 2.3.2 实现步骤 |
| 2.4 算例分析 |
| 2.5 本章小结 |
| 第三章 基于改进多馈入有效短路比的动态无功补偿定容规划方法 |
| 3.1 改进多馈入有效短路比 |
| 3.1.1 多馈入有效短路比的定义与计算方法 |
| 3.1.2 现有多馈入有效短路比计算方法的局限性 |
| 3.1.3 改进多馈入有效短路比 |
| 3.2 基于MMESCR的动态无功补偿定容方法 |
| 3.2.1 整体性指标 |
| 3.2.2 均衡性指标 |
| 3.2.3 动态无功补偿定容流程 |
| 3.3 算例分析 |
| 3.4 本章小结 |
| 第四章 基于直流解耦的无功补偿出力优化 |
| 4.1 交直流混联电网集中式无功补偿出力优化模型 |
| 4.1.1 目标函数 |
| 4.1.2 交流线路约束 |
| 4.1.3 直流耦合约束 |
| 4.1.4 动态无功补偿装置及其他上下限约束 |
| 4.1.5 模型的凸化 |
| 4.2 基于ADMM的直流解耦方法与分布式无功补偿出力优化 |
| 4.2.1 ADMM算法原理 |
| 4.2.2 基于ADMM的直流解耦方法 |
| 4.2.3 分布式无功补偿出力优化模型 |
| 4.2.4 基于ADMM的模型求解 |
| 4.3 算例分析 |
| 4.3.1 算例参数 |
| 4.3.2 集中式优化和分布式优化计算结果分析 |
| 4.3.3 SATCOM和 VSC对计算结果的影响分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 研究工作总结 |
| 5.2 研究工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间的科研成果 |
| 攻读硕士学位期间参加的科研工作 |
（10）含离散控制的电网安全运行控制的动态化建模及优化方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.2 电网安全运行控制的具体措施 |
| 1.3 多目标混合整数动态优化算法的研究现状 |
| 1.3.1 多目标优化算法 |
| 1.3.2 混合整数优化算法 |
| 1.3.3 动态优化算法 |
| 1.4 本文主要工作 |
| 第二章 求解短期电压紧急调控的多目标强化学习方法 |
| 2.1 引言 |
| 2.2 增强短期电压安全性的协调多目标混合整数动态优化调控框架 |
| 2.3 多目标混合整数动态优化调控框架的求解思路和方法 |
| 2.3.1 混合整数优化的变量协调 |
| 2.3.2 微分代数方程组的处理 |
| 2.3.3 多目标强化学习方法 |
| 2.3.4 Fuzzy决策策略 |
| 2.4 算例结果和分析 |
| 2.4.1 短路故障设置和不含协调紧急调控的电压表现 |
| 2.4.2 Pareto前沿 |
| 2.4.3 Pareto折中解以及实施协调紧急调控后的电压表现 |
| 2.4.4 计算时间的比较 |
| 2.5 本章小结 |
| 第三章 应对短期电压失稳的电力系统动态无功源规划 |
| 3.1 引言 |
| 3.2 动态无功源最优配置问题的多目标混合整数动态优化框架 |
| 3.2.1 短期电压安全约束 |
| 3.2.2 短期功角稳定约束 |
| 3.2.3 目标函数 |
| 3.3 混合整数动态优化问题的求解方法 |
| 3.3.1 简化凸松弛算法处理整数变量 |
| 3.3.2 Radau排列法求解动态优化问题 |
| 3.4 多目标优化问题的求解方法 |
| 3.4.1 规格化法平面约束法 |
| 3.4.2 简化广域规格化法平面约束法 |
| 3.5 算例测试和结果分析 |
| 3.5.1 短路故障集的设置 |
| 3.5.2 联立优化模型的优点 |
| 3.5.3 混合整数优化的必要性 |
| 3.5.4 Pareto最优解 |
| 3.5.5 最佳折中解 |
| 3.5.6 简化凸松弛方法的归整效果 |
| 3.5.7 简化凸松弛方法与SBB求解器比较 |
| 3.6 本章小结 |
| 第四章 主动配电网中长期最优运行方式的混合整数动态化建模及求解方法 |
| 4.1 引言 |
| 4.2 最优运行方式的连续轨迹混合整数动态优化模型 |
| 4.2.1 目标函数 |
| 4.2.2 元件的模型 |
| 4.2.3 网络潮流方程 |
| 4.2.4 网络安全约束 |
| 4.2.5 混合整数动态优化模型 |
| 4.3 混合整数动态优化模型的凸转换和紧松弛 |
| 4.4 关于数值转换以及一些约束的处理 |
| 4.4.1 Radau配置法 |
| 4.4.2 切换动作的最小时间间隔 |
| 4.4.3 切换动作的次数限制 |
| 4.5 算例测试和结果分析 |
| 4.5.1 网络参数 |
| 4.5.2 主动配电网的最优运行方式轨迹 |
| 4.5.3 与分段常数运行方式的比较 |
| 4.5.4 重构获得Bang-Bang控制的运行方式 |
| 4.5.5 与其他求解方法的比较 |
| 4.5.6 考虑分布式发电源输出功率不确定性的最优运行方式 |
| 4.5.7 在某实际主动配电网上的应用 |
| 4.5.8 可扩展性和通用性 |
| 4.5.9 最优运行方式在实际中的应用和影响 |
| 4.6 本章小结 |
| 第五章 考虑随机性的主动配电网最优运行方式的简维度稀疏网格随机排列点法.. |
| 5.1 引言 |
| 5.2 考虑新能源随机输出的最优运行方式模型 |
| 5.3 简维度稀疏网格随机排列点法 |
| 5.4 算例结果和分析 |
| 5.4.1 网络参数 |
| 5.4.2 二种随机求解方法的比较 |
| 5.4.3 多项式的阶数的影响 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
四、基于关键路径确定无功补偿装置配置地点的改进算法（论文参考文献）
- [1]含分布式电源的无功补偿配置研究[D]. 赵昱森. 西安石油大学, 2021(09)
- [2]含分布式电源的配电网无功配置优化[D]. 卢奔. 西安石油大学, 2020(10)
- [3]分布式光伏及无功优化配置的配电网稳态电压控制策略研究[D]. 刘颖. 西安科技大学, 2020(01)
- [4]基于蚁群算法的配电网无功优化研究[D]. 刘欣雨. 西安石油大学, 2020(10)
- [5]分布式电源与无功补偿装置的协同优化配置研究[D]. 曹仝淼. 郑州大学, 2020(02)
- [6]含分布式电源和电动汽车的DSTATCOM的优化配置研究[D]. 余利. 三峡大学, 2020(02)
- [7]基于多种群遗传算法的含分布式电源配电网无功优化[D]. 张慕尹. 广东工业大学, 2020(06)
- [8]配电网节能技术研究[D]. 黄珊. 吉林建筑大学, 2020(04)
- [9]交直流混联电网动态无功补偿规划与优化方法[D]. 罗天. 上海交通大学, 2020
- [10]含离散控制的电网安全运行控制的动态化建模及优化方法研究[D]. 邓卓明. 华南理工大学, 2019