基于交替方向乘子法(ADMM)在分布式形式下解决主动配电系统最优潮流问题(OPF),针对分布式算法性能受到配电系统区域划分影响的问题,提出了一种基于量测数据驱动的电网分区方法,以加速优化算法的收敛速度。与传统的ADMM算法依赖于全局信...基于交替方向乘子法(ADMM)在分布式形式下解决主动配电系统最优潮流问题(OPF),针对分布式算法性能受到配电系统区域划分影响的问题,提出了一种基于量测数据驱动的电网分区方法,以加速优化算法的收敛速度。与传统的ADMM算法依赖于全局信息不同,本文引入了一致性方法来协调区域交界的平衡问题,从而实现最优潮流问题的完全分布式求解。此外,本文采用LinDistFlow(Linearized Distribution Flow)交流近似模型来应对配电网最优潮流问题的非凸性挑战。通过在不同规模的IEEE配电网案例上进行测试,验证了所提方法的有效性,且其在优化算法的迭代次数、计算时间和误差精度等性能上均优于其他分区方法。展开更多
基金Supported by State Key Program of National Natural Science Foundation of China （60834001） and National Natural Science Foundation of China （60774022）.Acknowledgement Authors would like to thank NSFC organizers and participants who shared their ideas and works with us during the NSFC workshop on data-based control, decision making, scheduling, and fault diagnosis. In particular, authors would like to thank Chai Tian-You, Sun You-Xian, Wang Hong, Yan Hong-Sheng, and Gao Fu-Rong for discussing the concept on design model shown in Fig. 12, the concept on temporal multi-scale shown in Fig. 8, the concept on fault diagnosis shown in Fig. 14, the concept on dynamic scheduling shown in Fig. 15, and the concept on interval model shown in Fig. 16, respectively.
文摘基于交替方向乘子法(ADMM)在分布式形式下解决主动配电系统最优潮流问题(OPF),针对分布式算法性能受到配电系统区域划分影响的问题,提出了一种基于量测数据驱动的电网分区方法,以加速优化算法的收敛速度。与传统的ADMM算法依赖于全局信息不同,本文引入了一致性方法来协调区域交界的平衡问题,从而实现最优潮流问题的完全分布式求解。此外,本文采用LinDistFlow(Linearized Distribution Flow)交流近似模型来应对配电网最优潮流问题的非凸性挑战。通过在不同规模的IEEE配电网案例上进行测试,验证了所提方法的有效性,且其在优化算法的迭代次数、计算时间和误差精度等性能上均优于其他分区方法。
