文章解读与仿真程序复现思路——电网技术EI\CSCD\北大核心《基于近似动态规划的配电网实时协同调压策略》

2024-03-01 09:04
文章标签 动态 规划 技术 程序 仿真 实时 文章 解读 核心 近似 策略 复现 思路 配电网 北大 协同 ei 电网 cscd 调压

本文主要是介绍文章解读与仿真程序复现思路——电网技术EI\CSCD\北大核心《基于近似动态规划的配电网实时协同调压策略》，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

本专栏栏目提供文章与程序复现思路，具体已有的论文与论文源程序可翻阅本博主免费的专栏栏目《论文与完整程序》

论文与完整源程序_电网论文源程序的博客-CSDN博客icon-default.png?t=N7T8https://blog.csdn.net/liang674027206/category_12531414.html这个标题包含了几个关键信息：

  1. 基于近似动态规划：这表明该策略是建立在动态规划算法基础之上的。动态规划是一种解决多阶段决策过程的优化方法，通过将问题分解成子问题，并利用子问题的最优解来求解整体问题的最优解。而“近似动态规划”可能指的是在实际应用中，由于问题规模较大或复杂度较高，无法完全采用传统的动态规划算法，因此采用了一种近似或简化的方法来求解问题。

  2. 配电网实时协同调压策略：这部分描述了该策略的应用领域和目标。配电网是电力系统中的一部分，负责将输电网传输的电能分配到用户端。实时协同调压则是指在配电网中，通过动态调整电压来保持电网的稳定运行。这个策略的目标可能是通过动态调压来提高电网的效率、降低能耗或者提升电网的可靠性。

综合起来，这个标题指的是一种基于近似动态规划的策略，用于实时协同调压配电网，以达到提高配电网运行效率或者其他相关目标的目的。

摘要：大规模具有出力不确定性的分布式电源接入配电网易导致电压越限和线路过载等问题，同时电动汽车的快速扩张也使得配电网用电负荷激增，多重因素导致配电网的电压稳定性问题日益突出。因此，在不确定性运行环境下如何保障配电网电压的实时稳定性是一个亟待解决的问题。本文从减小电压偏移的角度，考虑采用配电网中的有载调压器和电动汽车进行协同调压。首先分析了电动汽车集群调度的特点，并以系统电压偏移量最小作为配电网电压优化目标，建立了考虑电动汽车充电位置、功率等因素的调控模型和多档位有载调压器调控模型。随后为实现随机环境下的配电网电压实时优化调控，提出了基于近似动态规划的有载调压器与电动汽车实时协同调压策略，采用分段线性函数对贝尔曼方程中的值函数进行近似，避免了“维数爆炸”问题。分段线性函数的斜率可通过预测数据抽样产生的一组离线训练场景训练后获得，并用于后续实时在线优化。算例分析表明所提实时协同调压策略在减小配电网电压偏移的同时保证了随机环境下的优化准确性，进一步验证了电动汽车与有载调压器参与配电网协同调压技术的可行性。

这段摘要涉及到配电网中出现的一系列问题以及为解决这些问题提出的方法。以下是对摘要各部分的解读：

  1. 问题背景和挑战:

    • 大规模分布式电源不确定性： 描述了分布式电源接入配电网可能引起的问题，如电压越限和线路过载，这是由于这些电源的出力具有不确定性。
    • 电动汽车扩张引发的负荷增加： 指出了电动汽车迅速扩张带来的配电网用电负荷激增，进一步加剧了电网稳定性问题。

  2. 问题解决方法:

    • 减小电压偏移的角度： 指明解决方案的目标是减小配电网电压的偏移，从而提高电网的稳定性。
    • 协同调压： 提到考虑使用有载调压器和电动汽车进行协同调压，即通过调整电动汽车和有载调压器的运行来共同维持电网电压的稳定。
    • 建立调控模型： 分析了电动汽车集群调度的特点，并建立了包含电动汽车充电位置、功率等因素的调控模型，以及多档位有载调压器的调控模型。

  3. 方法细节:

    • 基于近似动态规划的实时协同调压策略： 提出了一种基于近似动态规划的策略，用于在随机环境下实时优化调控配电网电压。
    • 分段线性函数的应用： 采用分段线性函数对贝尔曼方程中的值函数进行近似，以应对“维数爆炸”问题。
    • 在线优化的数据支持： 利用预测数据抽样产生的离线训练场景，获取分段线性函数的斜率，并在实时中进行在线优化。

  4. 实验验证:

    • 算例分析结果： 指出所提出的实时协同调压策略在减小电压偏移的同时保证了在随机环境下的优化准确性。
    • 电动汽车与有载调压器协同调压技术的可行性： 进一步验证了电动汽车与有载调压器参与配电网协同调压技术的可行性。

综合来看，该研究旨在解决分布式电源和电动汽车引起的配电网电压稳定性问题，提出了一种基于近似动态规划的实时协同调压策略，并通过算例分析验证了其有效性。

关键词：配电网;电压优化;电动汽车;有载调压器;近似动态规划;

  1. 配电网： 指的是电力系统中的一个部分，主要用于将高压输电网输送的电能分配到低压用户端。在这里，配电网可能涉及到线路、变压器、开关设备等组成的网络系统。

  2. 电压优化： 意味着通过合理调节配电网中的电压水平，以最大程度地提高电网的效率和稳定性。优化电压可以减少能源损耗、提高系统运行效率，并且确保在各个节点处的电压保持在合适的范围内。

这些关键词共同指向了一个研究领域：如何利用电动汽车和有载调压器等新技术手段，结合近似动态规划方法，来优化配电网的电压管理，以应对电网负载的变化和电动汽车的快速增长，从而提高电网的稳定性和效率。

  • 电动汽车： 指的是使用电力驱动的汽车，通常配备有电池来存储能量。电动汽车的充电需求对配电网的负荷和能源管理提出了新的挑战和机遇。

  • 有载调压器： 是一种用于调节电网中电压的设备，它可以根据需要调整电压水平，以适应不同的负载条件。有载调压器的应用可以帮助配电网维持稳定的电压水平，减少电压波动对设备的影响。

  • 近似动态规划： 是一种解决复杂动态系统优化问题的方法。在这个上下文中，可能指的是将动态规划方法应用于配电网电压优化问题时，为了降低计算复杂度或适应实时性要求而采用的近似或简化方法。在IEEE-33节点系统中，电压参考值为 12.66kV，系统基准功率为100MV·A。根节点设 有载调压器，调节挡位αn={0.95 0.96 0.97 0.98 0.99 1.00 1.01 1.02 1.03 1.04 1.05}共11个挡位，单次最 大调节量OLTC K =2。在节点7和15分别接入100kW 容量风机，节点23和30分别接入100kW容量光 伏系统。系统中节点4、12、18、21、25、28和33 存在充电站供EV充电。考虑到EV用户行为的差 异性，假设EV接入充电站和离开充电站的时间服 从泊松分布[24][25]，通过泊松过程建模可得到四类 EV到达和离开充电站的期望时间，各类集群EV 的参数如表1所示。优化时段为24小时，斜率初 始值均设置为0，其更新步长为α=0.3。 假设风光出力和常规负荷的预测误差服从正 态分布，其具体分布均为N(0,0.052)。通过蒙特卡 洛抽样法生成200个训练场景，如附录A图A2所 示。

仿真算例：

本节通过IEEE-33节点系统算例分析所提实时 协同调压策略对配电网电压偏移的改善效果，所有 优化问题均在Matlab平台使用Gurobi求解器求解， 仿真模型如图3所示。在IEEE-33节点系统中，电压参考值为 12.66kV，系统基准功率为100MV·A。根节点设 有载调压器，调节挡位αn={0.95 0.96 0.97 0.98 0.99 1.00 1.01 1.02 1.03 1.04 1.05}共11个挡位，单次最 大调节量OLTC K =2。在节点7和15分别接入100kW 容量风机，节点23和30分别接入100kW容量光 伏系统。系统中节点4、12、18、21、25、28和33 存在充电站供EV充电。考虑到EV用户行为的差 异性，假设EV接入充电站和离开充电站的时间服 从泊松分布[24][25]，通过泊松过程建模可得到四类 EV到达和离开充电站的期望时间，各类集群EV 的参数如表1所示。优化时段为24小时，斜率初 始值均设置为0，其更新步长为α=0.3。 假设风光出力和常规负荷的预测误差服从正 态分布，其具体分布均为N(0,0.052)。通过蒙特卡 洛抽样法生成200个训练场景，如附录A图A2所 示。

仿真程序复现思路：

要复现上述描述的仿真，首先需要在Matlab中使用Gurobi求解器解决所述的优化问题。以下是一个简化的示例代码，其中涵盖了系统的基本模型和优化问题的求解。

% Step 1: 定义系统参数和模型
voltage_reference = 12.66;  % kV
base_power = 100;  % MV·A
OLTC_levels = [0.95, 0.96, 0.97, 0.98, 0.99, 1.00, 1.01, 1.02, 1.03, 1.04, 1.05];
OLTC_max_adjustment = 2;
num_nodes = 33;  % 节点数量% 假设的充电站和EV行为参数
EV_arrival_rate = 0.2;  % 到达率
EV_departure_rate = 0.1;  % 离开率
EV_arrival_times = poissrnd(EV_arrival_rate, [1, num_nodes]);
EV_departure_times = poissrnd(EV_departure_rate, [1, num_nodes]);% 风机和光伏系统参数
wind_capacity = 100;  % kW
solar_capacity = 100;  % kW
wind_nodes = [7, 15];
solar_nodes = [23, 30];% 初始化电压调节策略
OLTC_levels_current = ones(1, num_nodes);  % 初始设为1% Step 2: 构建优化问题
% 使用Gurobi求解器构建和求解电力系统优化问题
% 这部分需要根据具体的优化目标、约束条件以及系统动力学方程来构建% Step 3: 运行仿真
num_hours = 24;  % 仿真时长
for hour = 1:num_hours% 生成风光出力和常规负荷的预测误差wind_power_forecast_error = normrnd(0, 0.052);solar_power_forecast_error = normrnd(0, 0.052);% 生成EV到达和离开充电站的时间EV_arrival_times = poissrnd(EV_arrival_rate, [1, num_nodes]);EV_departure_times = poissrnd(EV_departure_rate, [1, num_nodes]);% 根据仿真模型进行电压调节for node = 1:num_nodesif ismember(node, wind_nodes)% 节点连接了风机，考虑风力发电影响% ...endif ismember(node, solar_nodes)% 节点连接了光伏系统，考虑光伏发电影响% ...endif ismember(node, charging_station_nodes)% 节点连接了充电站，考虑EV充电行为% ...end% 考虑其他节点的影响，如负荷变化等% ...end% 解决优化问题，更新电压调节策略% ...% 记录仿真结果或其他后续处理% ...
end

在这个更详细的示例中，我们涵盖了系统参数的定义、优化问题的建模和求解、仿真过程中风光发电、EV充电等因素的考虑，并且使用循环来模拟仿真的时间过程。对于实际情况，需要根据具体的电力系统特性和仿真目的进行进一步的扩展和修改。

 本专栏栏目提供文章与程序复现思路，具体已有的论文与论文源程序可翻阅本博主免费的专栏栏目《论文与完整程序》

论文与完整源程序_电网论文源程序的博客-CSDN博客icon-default.png?t=N7T8https://blog.csdn.net/liang674027206/category_12531414.html

这篇关于文章解读与仿真程序复现思路——电网技术EI\CSCD\北大核心《基于近似动态规划的配电网实时协同调压策略》的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/761920。

相关文章

第10章 中断和动态时钟显示

第10章 中断和动态时钟显示

第10章 中断和动态时钟显示 从本章开始，按照书籍的划分，第10章开始就进入保护模式（Protected Mode）部分了，感觉从这里开始难度突然就增加了。 书中介绍了为什么有中断（Interrupt）的设计，中断的几种方式：外部硬件中断、内部中断和软中断。通过中断做了一个会走的时钟和屏幕上输入字符的程序。 我自己理解中断的一些作用： 为了更好的利用处理器的性能。协同快速和慢速设备一起工作
阅读更多...
深入探索协同过滤：从原理到推荐模块案例

深入探索协同过滤：从原理到推荐模块案例

文章目录 前言一、协同过滤1. 基于用户的协同过滤（UserCF）2. 基于物品的协同过滤（ItemCF）3. 相似度计算方法 二、相似度计算方法1. 欧氏距离2. 皮尔逊相关系数3. 杰卡德相似系数4. 余弦相似度 三、推荐模块案例1.基于文章的协同过滤推荐功能2.基于用户的协同过滤推荐功能 前言     在信息过载的时代，推荐系统成为连接用户与内容的桥梁。本文聚焦于
阅读更多...
Andrej Karpathy最新采访：认知核心模型10亿参数就够了，AI会打破教育不公的僵局

Andrej Karpathy最新采访：认知核心模型10亿参数就够了，AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人，AI大神Andrej Karpathy，曾是OpenAI联合创始人之一，特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ，宣布将长期致力于AI原生教育。 近日，Andrej Karpathy接受了No Priors（投资博客）的采访，与硅谷知名投资人 Sara Guo 和 Elad G
阅读更多...
JAVA智听未来一站式有声阅读平台听书系统小程序源码

JAVA智听未来一站式有声阅读平台听书系统小程序源码

智听未来，一站式有声阅读平台听书系统 🌟 开篇：遇见未来，从“智听”开始 在这个快节奏的时代，你是否渴望在忙碌的间隙，找到一片属于自己的宁静角落？是否梦想着能随时随地，沉浸在知识的海洋，或是故事的奇幻世界里？今天，就让我带你一起探索“智听未来”——这一站式有声阅读平台听书系统，它正悄悄改变着我们的阅读方式，让未来触手可及！ 📚 第一站：海量资源，应有尽有 走进“智听
阅读更多...
动态规划---打家劫舍

动态规划---打家劫舍

题目： 你是一个专业的小偷，计划偷窃沿街的房屋。每间房内都藏有一定的现金，影响你偷窃的唯一制约因素就是相邻的房屋装有相互连通的防盗系统，如果两间相邻的房屋在同一晚上被小偷闯入，系统会自动报警。 给定一个代表每个房屋存放金额的非负整数数组，计算你 不触动警报装置的情况下 ，一夜之内能够偷窃到的最高金额。 思路： 动态规划五部曲： 1.确定dp数组及含义 dp数组是一维数组，dp[i]代表
阅读更多...
【专题】2024飞行汽车技术全景报告合集PDF分享（附原数据表）

【专题】2024飞行汽车技术全景报告合集PDF分享（附原数据表）

原文链接： https://tecdat.cn/?p=37628 6月16日，小鹏汇天旅航者X2在北京大兴国际机场临空经济区完成首飞，这也是小鹏汇天的产品在京津冀地区进行的首次飞行。小鹏汇天方面还表示，公司准备量产，并计划今年四季度开启预售小鹏汇天分体式飞行汽车，探索分体式飞行汽车城际通勤。阅读原文，获取专题报告合集全文，解锁文末271份飞行汽车相关行业研究报告。 据悉，业内人士对飞行汽车行业
阅读更多...
csu1328（近似回文串）

csu1328（近似回文串）

题意：求近似回文串的最大长度，串长度为1000。 解题思路：以某点为中心，向左右两边扩展，注意奇偶分开讨论，暴力解即可。时间复杂度O(n^2); 代码如下： #include<iostream>#include<algorithm>#include<stdio.h>#include<math.h>#include<cstring>#include<string>#inclu
阅读更多...
在JS中的设计模式的单例模式、策略模式、代理模式、原型模式浅讲

在JS中的设计模式的单例模式、策略模式、代理模式、原型模式浅讲

1. 单例模式（Singleton Pattern） 确保一个类只有一个实例，并提供一个全局访问点。 示例代码： class Singleton {constructor() {if (Singleton.instance) {return Singleton.instance;}Singleton.instance = this;this.data = [];}addData(value)
阅读更多...
C#实战|大乐透选号器[6]：实现实时显示已选择的红蓝球数量

C#实战|大乐透选号器[6]：实现实时显示已选择的红蓝球数量

哈喽，你好啊，我是雷工。 关于大乐透选号器在前面已经记录了5篇笔记，这是第6篇； 接下来实现实时显示当前选中红球数量，蓝球数量； 以下为练习笔记。 01 效果演示 当选择和取消选择红球或蓝球时，在对应的位置显示实时已选择的红球、蓝球的数量； 02 标签名称 分别设置Label标签名称为：lblRedCount、lblBlueCount
阅读更多...
透彻！驯服大型语言模型（LLMs）的五种方法，及具体方法选择思路

透彻！驯服大型语言模型（LLMs）的五种方法，及具体方法选择思路

引言 随着时间的发展，大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用，随着人们期望的不断增加，目标也发生了巨大的变化。在短短的几个月的时间里，人们对大模型的认识已经从对其zero-shot能力感到惊讶，转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构（例如Transformer）对海量的、多种多样的数据分布进行建模得到，它包含了大量的先验
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2