基于数据驱动与物理模型的主动配电网双时间尺度协调优化
Dual-timescale Active and Reactive Power Coordinated Optimization for Active Distribution Network Based on Data-driven and Physical Model作者机构:合肥工业大学电气与自动化工程学院安徽省合肥市230009 天津大学电气自动化与信息工程学院天津市300072 国网安徽省电力有限公司蚌埠供电公司安徽省埠市233000 武汉大学电气与自动化学院湖北省武汉市430072
出 版 物:《电力系统自动化》 (Automation of Electric Power Systems)
年 卷 期:2023年第47卷第20期
页 面:64-71页
核心收录:
学科分类:0710[理学-生物学] 0808[工学-电气工程] 080802[工学-电力系统及其自动化] 08[工学] 0835[工学-软件工程] 0802[工学-机械工程] 0714[理学-统计学(可授理学、经济学学位)] 0836[工学-生物工程] 0701[理学-数学] 0812[工学-计算机科学与技术(可授工学、理学学位)]
主 题:主动配电网 分布式电源 深度强化学习 二阶锥规划 二次规划
摘 要:高比例间歇性分布式电源与电动汽车接入配电网时,容易导致功率与电压频繁、快速、剧烈波动。文中结合数据驱动与物理建模方法,提出了一种配电网双时间尺度有功无功协调优化策略。针对短时间尺度(分钟级或秒级)的功率波动,以静止无功补偿器、分布式电源无功功率为决策变量,以网损最小为目标函数,计及物理约束,针对平衡与不平衡配电网分别构建了二阶锥与二次规划模型。针对长时间尺度(小时级)的优化,以有载调压变压器分接头变比、可投切电容电抗器挡位、储能系统充放电功率为动作,以网损为代价,计及节点电压越限惩罚,构建了马尔可夫决策过程。为克服连续-离散动作空间维数灾,采用一种基于松弛-预报-校正的深度确定性策略梯度强化学习求解算法。通过IEEE 33节点与IEEE 123节点配电系统验证了所提方法的有效性。