当前位置: 首页 > news >正文

新能源集群划分+电压调节!基于分布式能源集群划分的电压调节策略!

适用平台:Matlab+Yalmip+ Cplex (具体操作已在程序文件中说明)

参考文献:基于分布式能源集群化分的电压调节策略[D].

一、文献解读

1. 主要内容/创新点

       提出了一种基于分布式能源集群化的电压调节策略,计及分布式能源的有功、无功调节能力,在分布式能源集群划分的基础上,先在集群内部以最小化功率调节量和电压波动为目标,在保证解决电压越限问题的前提下,结合PSO优化算法在集群内部进行电压调节;在所有集群调压后,再实行调压辅助服务交易完成全网调压。

       设计了以节点间电压对功率变化的灵敏度为划分依据,K-means聚类算法为划分算法的分布式能源集群划分方法,并为了划分结果对算法在初始集群中心的选择、集群数K值的确定、集群中心的更新三个方面进行优化。以IEEE33节点系统为例,验证所提出的电压调节策略具有较好的优越性。

二、程序解读

1. 目标函数/目标函数

       为了保证有效利用分布式能源,以及尽可能改善电压质量,在控制电压越限的基础上尽可能减小电压波动和用于调压的功率调节量,程序以最小化功率改变量和最小化电压偏差为优化目标,且以越限最严重的电压幅值与调压要求的差值作为罚函数,在满足约束条件的基础上,实施集群内部电压调节。

        作为调压策略中的变量ΔPi、ΔQi,由于分布式能源调节能力的限制,不可能无限增大,各类分布式能源都有各自的无功调节能力,各类分布式电源的有功削减量也不能超过现有的有功出力范围,且基于电压越限情况下的电压控制,规定各节点的有功削减量和无功吸收量均为正,避免节点间反向调压,对调压结果造成偏差,因此对变量ΔPi、ΔQi进行约束。

        配电网集群划分的研究较少,在此基础上进行电压调控方法较为新颖,更换PSO电压调控和Kmeans集群划分方法后即可成文,是可深入研究的点。程序中注释清晰,干货满满,方便修改利用!!

2. 程序结果

3. 部分程序

bust(:,3) = factor(t,1).*bust(:,3);%将负荷分配至每个节点
bust(:,4) = factor(t,1).*bust(:,4);%将无功初值分配到每个节点   
% bust(:,4) = Q0;%data33里的有功和loaddata是什么关系?loaddata是每一时刻总负荷
[gen,bus_s,Lnbr,trsfm,shtc,shtr,vctr,loss] = pf(gen,bust,Lnbr,trsfm,shtc,shtr,vctr,sysdt);  %未加分布式能源潮流计算,bus_s是未加光伏的潮流计算值,只要利用第七列
bust_qiu(:,:,t)=bus_s;%将每个时刻的未加分布式能源下的有功无功等数据存下来,主要利用第三列和第四列
Vt_s(:,t)=bus_s(:,7);%将未加分布式能源前的电压存下来
%bust是未加分布式能源前的
%bust_s是增加光伏未加随机性
%增加分布式光伏模型
bust_s=bust;%开始在bust的基础上增加分布式能源
for i=1:size(nodePV,1)
bust_s(nodePV(i,1),3)=bust_s(nodePV(i,1),3)+pvpower(t,i+1); %净负荷有了,bust事原来的负荷。+容量乘PV
%bust_s是加了分布式能源。未考虑随机性的
[gen,bus_ss,Lnbr,trsfm,shtc,shtr,vctr,loss] = pf(gen,bust_s,Lnbr,trsfm,shtc,shtr,vctr,sysdt);  %加了分布式能源潮流计算
Vt_ss(:,t)=bus_ss(:,7);%将加了分布式能源前的电压存下来

部分内容源自网络,侵权联系删除!

欢迎感兴趣的小伙伴关注并私信作者获取完整版代码,小编会不定期更新高质量的学习资料、文章和程序代码,为您的科研加油助力!

http://www.xdnf.cn/news/727651.html

相关文章:

  • 24位高精度数据采集卡NET8860音频振动信号采集监测满足自动化测试应用现场的多样化需求
  • DeepSeek-R1-0528
  • manus对比ChatGPT-Deep reaserch进行研究类论文数据分析!谁更胜一筹?
  • Google Play推出新功能:用户可直接向Gemini提问应用相关问题
  • 无人机多旋翼倾转动力测试系统-适用于(eVTOL开发、缩比模型测试、科研教育)
  • 成都鼎讯--通信干扰设备功能全解析
  • 经典SQL查询问题的练习第二天
  • 【自然语言处理】——基于与训练模型的方法【复习篇1】
  • 1-1 初探Dart编程语言
  • 理想树图书:以科技赋能教育,开启AI时代自主学习新范式
  • 内存池学习(一)
  • 新能源汽车与油车销量
  • ESP32-C6 智能网关设备WiFi6高性能通信应用
  • AR-HUD 光波导方案优化难题待解?OAS 光学软件来破局
  • Java Spring 之拦截器HandlerInterceptor详解与实战
  • Ts中的 可选链操作符
  • Apache SeaTunnel部署技术详解:模式选择、技巧与最佳实践
  • Photoshop使用钢笔绘制图形
  • 一种通用图片红色印章去除的工具设计
  • 【OpenHarmony】【交叉编译】使用gn在Linux编译3568a上运行的可执行程序
  • pikachu通关教程-CSRF XSS
  • 人脸口罩识别
  • NewsNow:免费好用的实时新闻聚合平台,让信息获取更优雅(深度解析、部署攻略)
  • 在Babylon.js中创建3D文字:简单而强大的方法
  • 【计算机网络】应用层协议Http——构建Http服务服务器
  • 最佳实践|互联网行业软件供应链安全建设的SCA纵深实践方案
  • 移动安全Android——客户端静态安全
  • 安卓逆向篇Smail 语法反编译签名重打包Activity 周期Hook 模块
  • 【仿生机器人】极具前瞻性的架构——认知-情感-记忆“三位一体的仿生机器人系统架构
  • HTML5 列表、表格与媒体元素、页面结构分析