一种计及系统能源波动性的交直流混合微网优化方法

    公开(公告)号:CN108233430B

    公开(公告)日:2020-11-06

    申请号:CN201810114563.1

    申请日:2018-02-05

    Applicant: 三峡大学

    Abstract: 一种计及系统能源波动性的交直流混合微网优化方法,针对交直流混合微网区域电能交互复杂,对系统运行安全稳定性要求高的问题,建立了以系统总体运行成本最低、备用容量最多为上、下层目标的交直流混合微网双层鲁棒优化模型。其中,系统最坏运行条件下备用容量的要求采用最大净负荷波动之和代替。而双层鲁棒模型的优化采用基于云模型和反向学习机制改进的粒子群算法求解,可有效解决混合微网系统波动性研究复杂、算法收敛后期粒子多样性减少的问题。以包含风、光等间歇性能源的交直流混合微网作为实例进行分析。本发明可以使微网在获得经济性的同时具有较强的抗干扰能力,从而有效应对系统能源波动性带来的安全问题。

    基于多目标差分灰狼算法的配电网无功优化方法

    公开(公告)号:CN109768573A

    公开(公告)日:2019-05-17

    申请号:CN201910109820.7

    申请日:2019-01-29

    Applicant: 三峡大学

    Abstract: 基于多目标差分灰狼算法的配电网无功优化方法,考虑光伏与负荷的时序波动性,通过引入DSTATCOM作为补偿装置接入主动配电网,以小时为时段进行分段,根据时序波动的光伏、负荷接入配电网后等效负荷的变化,平滑改变DSTATCOM的动态无功功率,在输出最小的无功补偿容量下,最大化减小有功网损与电压偏差。为解决无功优化模型中的多目标问题,本发明对原始灰狼算法进行改进,引入了差分算法中的变异与交叉,以及快速非支配排序、拥挤距离和模糊隶属度函数对多目标进行处理。本发明有效解决由时序光伏与负荷接入配电网后对系统网损以及电压造成的影响。采用多目标差分灰狼算法,处理多目标非线性的无功优化问题,平衡全局与局部的搜索能力。

    基于多目标差分灰狼算法的配电网无功优化方法

    公开(公告)号:CN109768573B

    公开(公告)日:2022-05-17

    申请号:CN201910109820.7

    申请日:2019-01-29

    Applicant: 三峡大学

    Abstract: 基于多目标差分灰狼算法的配电网无功优化方法,考虑光伏与负荷的时序波动性,通过引入DSTATCOM作为补偿装置接入主动配电网,以小时为时段进行分段,根据时序波动的光伏、负荷接入配电网后等效负荷的变化,平滑改变DSTATCOM的动态无功功率,在输出最小的无功补偿容量下,最大化减小有功网损与电压偏差。为解决无功优化模型中的多目标问题,本发明对原始灰狼算法进行改进,引入了差分算法中的变异与交叉,以及快速非支配排序、拥挤距离和模糊隶属度函数对多目标进行处理。本发明有效解决由时序光伏与负荷接入配电网后对系统网损以及电压造成的影响。采用多目标差分灰狼算法,处理多目标非线性的无功优化问题,平衡全局与局部的搜索能力。

    一种基于多代理的风光互补式无人机绝缘子检测方法

    公开(公告)号:CN108872808A

    公开(公告)日:2018-11-23

    申请号:CN201810630696.4

    申请日:2018-06-19

    Applicant: 三峡大学

    Abstract: 一种基于多代理的风光互补式无人机绝缘子检测系统,它包括无人机,无人机上设有红外检测模块,包括至少2个无人机,无人机上设有图像采集装置、无人机运行控制装置、通信装置,多架无人机通过通信装置交互传输与接收数据信息。本发明的目的是要解决现有技术未考虑在一定区域内如何将分散的多架无人机检测结果进行信息交互,并且智能地协调控制各无人机之间的检测时长,导致无人机无法实现对整个区域在宏观上准确、真实的模拟的技术问题。

    一种计及系统能源波动性的交直流混合微网优化方法

    公开(公告)号:CN108233430A

    公开(公告)日:2018-06-29

    申请号:CN201810114563.1

    申请日:2018-02-05

    Applicant: 三峡大学

    Abstract: 一种计及系统能源波动性的交直流混合微网优化方法,针对交直流混合微网区域电能交互复杂,对系统运行安全稳定性要求高的问题,建立了以系统总体运行成本最低、备用容量最多为上、下层目标的交直流混合微网双层鲁棒优化模型。其中,系统最坏运行条件下备用容量的要求采用最大净负荷波动之和代替。而双层鲁棒模型的优化采用基于云模型和反向学习机制改进的粒子群算法求解,可有效解决混合微网系统波动性研究复杂、算法收敛后期粒子多样性减少的问题。以包含风、光等间歇性能源的交直流混合微网作为实例进行分析。本发明可以使微网在获得经济性的同时具有较强的抗干扰能力,从而有效应对系统能源波动性带来的安全问题。

Patent Agency Ranking