-
题名基于深度学习的最优线路开断分布鲁棒优化调度方法
被引量：1
- 1
-
-
作者
王齐辉
孙国强
陈胜
卫志农
臧海祥
-
机构
河海大学电气与动力工程学院
-
出处
《电力自动化设备》
北大核心
2025年第5期218-224,共7页
-
基金
国家自然科学基金面上基金资助项目(52077060)。
-
文摘
随着新能源渗透率的提高,源荷时空分布不均匀问题愈发突出,且新能源固有的不确定性影响电网安全稳定运行。提出考虑光伏不确定性的最优线路开断分布鲁棒优化模型。为提高模型求解效率,提出一种基于深度学习的最优线路开断分布鲁棒优化调度方法。采用列与约束生成算法求解得到大量样本;以负荷、光伏出力及不同场景下的光伏初始概率为输入,以最优线路开断方案为输出,构建神经网络;针对离线训练后的神经网络,以新的负荷、光伏出力和不同场景光伏初始概率为输入,得到对应的最优线路开断方案;将得到的最优线路开断方案代入物理模型进行求解以提高物理模型的求解效率。改进的IEEE 118节点算例验证了所提分布鲁棒模型的有效性以及数据驱动方法的高效性。
-
关键词
输电线路开断
分布鲁棒优化调度
列与约束生成算法
神经网络
-
Keywords
transmission line switching
distributionally robust optimal dispatching
column and constraint generation algorithm
neural network
-
分类号
TM73
[电气工程—电力系统及自动化]
-
-
题名基于深度学习的直流配电网分布鲁棒优化调度方法
被引量：14
- 2
-
-
作者
卫志农
徐昊
陈胜
周亦洲
孙国强
-
机构
河海大学能源与电气学院
-
出处
《电力自动化设备》
EI
CSCD
北大核心
2023年第10期87-94,共8页
-
基金
国家自然科学基金资助项目(U1966205)。
-
文摘
随着分布式资源的大规模接入,直流配电网能量损耗小、控制灵活的优点凸显。针对直流配电网传统物理优化模型效率低的问题,提出了一种基于深度学习的直流配电网分布鲁棒优化(DRO)调度方法,其采用深度学习方法替代了基于场景的DRO模型的迭代求解过程,通过直接预测典型场景的最恶劣概率分布来提高模型求解效率。构建直流配电网基于场景的DRO物理模型,采用列与约束生成算法迭代求解生成深度学习的训练数据;以光伏出力、负荷、范数置信度为输入,以最恶劣概率分布为输出,构建深度神经网络模型;基于训练好的神经网络预测实时输入的光伏出力、负荷、范数置信度的最恶劣概率分布,构建最恶劣概率分布下的单层随机规划模型,获取等效的基于场景的DRO调度策略;采用33节点直流配电网系统为算例,验证所提方法在求解效率和计算精度方面的有效性。
-
关键词
直流配电网
深度学习
分布鲁棒优化调度
分布式资源
-
Keywords
DC distribution network
deep learning
distributionally robust optimal dispatching
distributed re⁃sources
-
分类号
TM73
[电气工程—电力系统及自动化]
TM727
[电气工程—电力系统及自动化]
-
-
题名考虑源-荷不确定性的电热联合系统分布鲁棒优化调度
被引量：10
- 3
-
-
作者
刘鸿鹏
李宏伟
马建伟
陈继开
张伟
-
机构
东北电力大学电气工程学院现代电力系统仿真控制与绿色电能新技术教育部重点实验室
国家电网有限公司市场部
-
出处
《电力自动化设备》
EI
CSCD
北大核心
2023年第8期1-8,共8页
-
基金
国家自然科学基金资助项目(52077030)。
-
文摘
可再生能源出力及负荷需求的不确定性严重影响电热联合系统的鲁棒优化运行。基于此,提出了一种改进Wasserstein度量的考虑源-荷不确定性电热联合系统分布鲁棒优化调度模型。建立基于极端场景下改进Wasserstein度量的风电预测功率模糊集,缩减风电预测功率模糊集的规模,进而提出基于梯度归一化改进Wasserstein生成对抗网络方法对负荷需求的不确定性进行建模,提高负荷不确定性建模的精度;构建综合考虑发电成本、调节成本等的分布鲁棒优化调度模型,并基于对偶理论和拉格朗日乘子法将该模型转换成可求解的数学模型;以修改的9节点系统及IEEE 118节点系统为例验证了所提出的模型具有更高的求解效率以及更好的经济性和鲁棒性。
-
关键词
Wasserstein度量
分布鲁棒优化调度
极端场景
模糊集
生成对抗网络
-
Keywords
Wasserstein metric
distributionally robust optimal dispatching
extreme scenarios
ambiguity set
generative adversarial networks
-
分类号
TM732
[电气工程—电力系统及自动化]
-
-
题名基于改进CGAN的主动配电网分布鲁棒日前调度
- 4
-
-
作者
魏炜
王禹东
靳小龙
-
机构
智能电网教育部重点实验室(天津大学)
-
出处
《电力建设》
北大核心
2025年第6期175-191,共17页
-
基金
国家自然科学基金项目(52207133)。
-
文摘
【目的】分布式可再生电源的规模化并网显著增强了配电系统的灵活调控能力,然而其固有的随机性和波动性出力特征,也给配电系统的安全稳定运行带来了严峻挑战。为有效提升日前调度决策对不确定因素的适应能力,提出了一种基于改进条件生成对抗网络(conditional generative adversarial network,CGAN)的主动配电网分布鲁棒日前优化调度方法。【方法】首先,提出了一种基于三维卷积(three-dimensional convolution,Conv3D)设计的改进CGAN模型,解决了计及时空相关特性的风光出力日前场景生成问题,有效降低了生成场景集的保守性。其次,利用生成的风光出力日前场景样本,提出了一种基于核密度估计(kernel density estimation,KDE)和Wasserstein距离的模糊集构造方法,实现了对样本分布信息的充分利用。在此基础上,建立了考虑多种网侧资源协同互动的主动配电网两阶段日前分布鲁棒优化(distributionally robust optimization,DRO)调度模型,并采用仿射策略和强对偶理论将原模型重构为混合整数线性规划问题实现求解。【结果】算例结果表明,尽管所提方法的日前调度成本相比确定性优化方法和随机优化方法分别增加了1.87%和0.21%,但在恶劣场景下的综合运行成本却分别降低了5.38%和0.46%。【结论】所提DRO模型对风、光出力不确定性表现出更强的适应能力,在保证鲁棒性的前提下,有效降低了日前调度计划在恶劣场景下的再调度成本。
-
关键词
条件生成对抗网络
分布鲁棒优化
日前调度
可再生能源发电不确定性
-
Keywords
conditional generative adversarial network
distributionally robust optimization
day-ahead dispatch
renewable energy generation uncertainty
-
分类号
TM73
[电气工程—电力系统及自动化]
-
