在配电网安装了配电网数据采集及监视控制系统(distribution network supervisory control and data acquisition,DSCADA)和部分节点安装少量微型同步相量测量装置(micro-synchronous phasor measurement unit,μPM U)情形下,提出了一...在配电网安装了配电网数据采集及监视控制系统(distribution network supervisory control and data acquisition,DSCADA)和部分节点安装少量微型同步相量测量装置(micro-synchronous phasor measurement unit,μPM U)情形下,提出了一种基于DSCADA和μPMU遥测数据融合的配电网运行拓扑辨识方法。首先,基于μPMU节点电压相位量测构建配电网拓扑变化时刻辨识模型,确定拓扑变化的时刻;然后,基于拓扑变化前后的节点电压变化,借助DSCADA和μPMU的遥测数据构建可能拓扑判据,缩小重构后可能拓扑的范围;最后,使用加权最小二乘法将DSCADA和μPMU遥测数据进行融合,估计出可能拓扑下的节点电压相位,并利用构建的拓扑相似度辨识模型辨识出实际拓扑。算例中考虑μPMU和DSCADA不同量测误差组合,对该算法辨识的准确性进行验证。展开更多
设计了一种新颖的群灰狼优化算法(Gathered Grey Wolf Optimizer,GGWO),用于整定双馈感应电机(Doubly-fed Induction Generator,DFIG)的比例-积分控制器(Proportional-integral,PI)最优参数,从而实现变风速下的最大功率点跟踪(Maximum P...设计了一种新颖的群灰狼优化算法(Gathered Grey Wolf Optimizer,GGWO),用于整定双馈感应电机(Doubly-fed Induction Generator,DFIG)的比例-积分控制器(Proportional-integral,PI)最优参数,从而实现变风速下的最大功率点跟踪(Maximum Power Point Tracking,MPPT)并提高系统的故障穿越能力(Fault Ride-through,FRT)。GGWO在原始灰狼优化算法(Grey Wolf Optimizer,GWO)的基础上引入分组机制,将灰狼分为相互独立的合作狩猎组和随机侦察组。其中,随机侦察组中的灰狼负责进行广泛的全局搜索,而合作狩猎组的灰狼实现深度的局部探索。同时,设计狼群间的角色互换机制,可根据当前适应度函数,在下次迭代中对不同分工的狼进行角色互换,进而平衡全局搜索和局部探索的矛盾。通过阶跃风速、随机风速和电网电压跌落三个算例对GGWO的优化性能进行了研究。仿真结果表明,与遗传算法、粒子群算法、飞蛾扑火算法和GWO相比,所提算法具有更好的全局收敛性、MPPT精确性和FRT能力。展开更多
文摘在配电网安装了配电网数据采集及监视控制系统(distribution network supervisory control and data acquisition,DSCADA)和部分节点安装少量微型同步相量测量装置(micro-synchronous phasor measurement unit,μPM U)情形下,提出了一种基于DSCADA和μPMU遥测数据融合的配电网运行拓扑辨识方法。首先,基于μPMU节点电压相位量测构建配电网拓扑变化时刻辨识模型,确定拓扑变化的时刻;然后,基于拓扑变化前后的节点电压变化,借助DSCADA和μPMU的遥测数据构建可能拓扑判据,缩小重构后可能拓扑的范围;最后,使用加权最小二乘法将DSCADA和μPMU遥测数据进行融合,估计出可能拓扑下的节点电压相位,并利用构建的拓扑相似度辨识模型辨识出实际拓扑。算例中考虑μPMU和DSCADA不同量测误差组合,对该算法辨识的准确性进行验证。
文摘设计了一种新颖的群灰狼优化算法(Gathered Grey Wolf Optimizer,GGWO),用于整定双馈感应电机(Doubly-fed Induction Generator,DFIG)的比例-积分控制器(Proportional-integral,PI)最优参数,从而实现变风速下的最大功率点跟踪(Maximum Power Point Tracking,MPPT)并提高系统的故障穿越能力(Fault Ride-through,FRT)。GGWO在原始灰狼优化算法(Grey Wolf Optimizer,GWO)的基础上引入分组机制,将灰狼分为相互独立的合作狩猎组和随机侦察组。其中,随机侦察组中的灰狼负责进行广泛的全局搜索,而合作狩猎组的灰狼实现深度的局部探索。同时,设计狼群间的角色互换机制,可根据当前适应度函数,在下次迭代中对不同分工的狼进行角色互换,进而平衡全局搜索和局部探索的矛盾。通过阶跃风速、随机风速和电网电压跌落三个算例对GGWO的优化性能进行了研究。仿真结果表明,与遗传算法、粒子群算法、飞蛾扑火算法和GWO相比,所提算法具有更好的全局收敛性、MPPT精确性和FRT能力。
