文章解读与仿真程序复现思路——电网技术EI\CSCD\北大核心《考虑风电出力不确定性的电网无功-电压控制鲁棒分区方法》

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》

这个标题涉及到考虑风电出力不确定性的电网无功-电压控制鲁棒分区方法。让我们逐步解读这个标题的主要关键词和概念:

  1. 考虑风电出力不确定性:

    • 指明研究的焦点是风电的出力,而且在此情境下,研究者考虑到风电出力的不确定性。这可能是由于风力的波动性和不可预测性。
  2. 电网无功-电压控制:

    • 暗示研究关注电力系统的无功功率和电压的控制。无功功率和电压是电力系统中重要的参数,对于维持系统稳定性和运行效果至关重要。
  3. 鲁棒分区方法:

    • 提到使用了鲁棒分区方法。这可能是一种数学或控制理论中的方法,用于将系统划分为不同的区域,以实现鲁棒性,即在面对不确定性时仍能保持系统的性能。

将这些概念整合在一起,这个研究可能致力于开发一种电力系统控制策略,特别是在考虑到风电出力不确定性的情况下,实现电网的无功功率和电压的控制,并通过鲁棒分区方法来增强系统的鲁棒性。这种研究有望提高电力系统的稳定性和可靠性,尤其是在大规模整合可再生能源,如风能,的电力系统中。

摘要:基于无功就地平衡的原则对电网分区,是电力系统无功电压分层分区控制的关键。目前,随着风电等出力具有较强随机性和波动性的可再生能源发电渗透率大幅增长,系统运行状态发生较大变化的可能性大幅增加。新能源出力的大幅波动可能造成系统潮流的大范围变化。现有无功电压控制分区方法依赖潮流信息,当潮流发生较大变化时,分区结果也会发生较大变化,进而影响无功电压控制效果。提出一种适应频繁多变潮流的无功-电压控制鲁棒分区方法。首先,利用高斯混合模型刻画了风机出力随机特性,进而基于线性潮流推导网络节点电压的概率分布;然后,以Wasserstein距离为基础,从节点电压相关性角度出发,在统计意义上定义了节点间的电气距离;最后,以社团理论中的模块度指标最优为目标实现区域的划分。基于新英格兰39节点系统的仿真算例表明,该方法在保持分区鲁棒性的同时,能够较好地实现区域间电压控制解耦。

这段摘要描述了一种基于无功就地平衡原则的电力系统分区方法,该方法是实现无功电压分层分区控制的关键。以下是对摘要各部分的解读:

  1. 电网分区与无功就地平衡:

    • 摘要指出了电力系统中无功电压分层分区控制的重要性,并将这一控制原则与无功就地平衡联系起来。无功就地平衡是确保系统稳定性的一个关键原则,而电网的分区则是实现这一原则的手段之一。
  2. 可再生能源和系统运行状态的变化:

    • 摘要强调了随着可再生能源,特别是风电等具有较强随机性和波动性的能源在电力系统中的渗透率增加,系统运行状态发生较大变化的可能性显著增加。这主要是由于新能源出力的大幅波动可能引起系统潮流的广泛变化。
  3. 现有无功电压控制分区方法的限制:

    • 提到了现有无功电压控制分区方法存在的问题,即这些方法依赖潮流信息,当潮流发生较大变化时,导致分区结果也发生较大变化,从而影响无功电压控制效果。
  4. 提出的鲁棒分区方法:

    • 引入了一种适应频繁多变潮流的无功-电压控制鲁棒分区方法。该方法的主要步骤包括:
      • 利用高斯混合模型刻画了风机出力的随机特性。
      • 基于线性潮流推导网络节点电压的概率分布。
      • 以Wasserstein距离为基础,从节点电压相关性角度定义了统计意义上的电气距离。
      • 最终以社团理论中的模块度指标最优为目标实现区域的划分。
  5. 仿真算例结果:

    • 摘要提到基于新英格兰39节点系统的仿真算例,表明提出的方法在保持分区鲁棒性的同时,能够较好地实现区域间电压控制解耦。这表示该方法在电力系统中可能具有实际应用的有效性。

总体而言,这一方法旨在通过考虑可再生能源波动性和电气距离等因素,提高电力系统的鲁棒性和无功电压控制的效果。

关键词:    电压控制分区;高斯混合模型;电气距离;复杂网络理论;模块度指标;

  1. 电压控制分区:

    • 这指的是将电力系统划分为不同的区域,以实现对电压的控制。电压控制对于电力系统的稳定性和运行效果至关重要。
  2. 高斯混合模型:

    • 这是一种统计模型,用于描述多个不同的概率分布如何组合形成观察数据的模型。在这里,它被用来刻画风机出力的随机特性,可能是为了更准确地考虑风电等可再生能源的波动性。
  3. 电气距离:

    • 在这个上下文中,电气距离指的是节点间的电气相关性的度量。通过使用Wasserstein距离,从统计角度定义了节点间的电气距离,可能是为了在分区时考虑节点之间的电气关联。
  4. 复杂网络理论:

    • 这是一种研究网络结构和性质的理论,用于分析复杂系统中节点之间的关系。在这里,可能是采用复杂网络理论来理解电力系统中节点之间的电气关系,以更好地进行分区。
  5. 模块度指标:

    • 模块度是复杂网络理论中的一个指标,用于衡量网络的分割程度。在这个上下文中,模块度指标可能被用作实现区域划分的目标,以最优地划分系统中的区域。

这些关键词共同揭示了这种电压控制分区方法的核心特征,包括统计建模、电气关联度的考虑、复杂网络理论的应用以及使用模块度指标来实现最优的区域划分。整体而言,这些方法旨在提高电力系统的鲁棒性和无功电压控制效果。

仿真算例:

本节首先介绍基于新英格兰 39 节点系统的算 例设置,然后介绍所提方法在测试系统中的分区结 果,并与现有分区方法所得结果进行比较,证明所 提方法的合理性和优势。本小节在改进新英格兰 39 节点标准测试系统 的基础上验证所提的无功-电压分区方法的有效 性。网络拓扑结构、同步发电机和负荷模型、基础 潮流设置与文献[24]设置一致。其中,第 30、31、 37 和 39 号同步机更换为风机,其容量与原位置同 步机一致。 地理位置相近的风机出力具有一定相关性[17], 若采用固定端口出力功率因数的无功补偿方式,则风机并网端口输出无功也具有一定相关性。本文测 试算例中,风机并网端口 30、31、37 和 39 无功出 力均具有随机性,图 2 中以节点 30-31、30-37 和 30-39 无功出力二维联合分布概率密度图的方式, 展示了本文后续仿真算例中风机出力随机性的设 置方式。

仿真程序复现思路:

由于原文未提供具体的无功-电压分区方法和相关的仿真细节,以下提供一个简化的示例,用于说明可能的仿真代码框架。请注意,实际实现需要根据具体方法和模型的要求进行更详细和准确的编写。

import networkx as nx
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns# 读取网络拓扑数据
G = nx.read_edgelist("network_topology.txt", nodetype=int)# 定义无功-电压分区方法
def proposed_partition_method(network_topology):# 实现所提出的无功-电压分区方法# ...def existing_partition_method(network_topology):# 实现现有的分区方法# ...# 应用分区方法并绘制结果
proposed_result = proposed_partition_method(G)
existing_result = existing_partition_method(G)# 绘制分区结果
plt.figure(figsize=(12, 6))plt.subplot(1, 2, 1)
nx.draw(G, with_labels=True, node_color=proposed_result, cmap=plt.cm.Blues)
plt.title("Proposed Method")plt.subplot(1, 2, 2)
nx.draw(G, with_labels=True, node_color=existing_result, cmap=plt.cm.Oranges)
plt.title("Existing Method")plt.show()# 验证方法的有效性
def compare_results(proposed_result, existing_result):# 对比分区结果的指标,证明所提方法的合理性和优势# ...# 进行分区结果的比较
comparison_result = compare_results(proposed_result, existing_result)
print("Comparison Result:", comparison_result)# 模拟风机出力的随机性并绘制二维联合分布概率密度图
wind_power_30_31 = np.random.normal(loc=0, scale=1, size=(1000, 2))
wind_power_30_37 = np.random.normal(loc=0, scale=1, size=(1000, 2))
wind_power_30_39 = np.random.normal(loc=0, scale=1, size=(1000, 2))# 绘制二维联合分布概率密度图
sns.jointplot(x=wind_power_30_31[:, 0], y=wind_power_30_31[:, 1], kind="kde")
plt.title("Wind Power Distribution (Nodes 30-31)")
plt.show()

请注意,上述代码示例仅为演示目的,并没有完整实现仿真的细节。在实际应用中,需要根据具体的方法、电力系统模型和数据格式进行详细的编写。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/623252.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

android,app,小程序页面布局的各种栏

手机页面从上到下通常包含以下几个栏: 1.状态栏(Status Bar):位于屏幕的顶部,用于显示手机的系统状态信息,例如时间、电池电量、信号强度等。状态栏也可以包含一些通知图标和快捷设置图标。 2.标题栏&…

根据编码规则使用nodejs脚本来大批量生成星原物联网设备采集点表

在使用星原网关时,需要导入点表,由于设备的点表非常的多,可写的点表有1095个。 所有根据编码规律,编写了一段nodejs代码,来生成点表。 一个编码有四部分组成, 分别是 [‘A’, ‘B’, ‘C’, ‘D’, ‘E’]…

CTF伪随机数爆破

要了解伪随机数的爆破首先你的先知道什么是PHP种子, 借用在rand()函数中,我们可以通过设置随机数种子来影响随机数的生成。例如,在rand()函数中加入了随机数种子编码后,每次运行程序将会生成同样的随机整数序列。这个就是伪随机数…

第28关 k8s监控实战之Prometheus(八)

大家好,我是博哥爱运维。从这节课开始,博哥计划引入golang(简称go)语言开发的一些内容,没有接触过go语言的同学也不用慌,我会尽量以一个新人的角度,去把这些go开发的内容讲得通俗一些。这节课还…

布隆过滤器四种实现(Java,Guava,hutool,Redisson)

1.背景 为预防大量黑客故意发起非法的时间查询请求,造成缓存击穿,建议采用布隆过滤器的方法解决。布隆过滤器通过一个很长的二进制向量和一系列随机映射函数(哈希函数)来记录与识别某个数据是否在一个集合中。如果数据不在集合中…

计算机毕业设计 基于Java的国产动漫网站的设计与实现 Java实战项目 附源码+文档+视频讲解

博主介绍:✌从事软件开发10年之余,专注于Java技术领域、Python人工智能及数据挖掘、小程序项目开发和Android项目开发等。CSDN、掘金、华为云、InfoQ、阿里云等平台优质作者✌ 🍅文末获取源码联系🍅 👇🏻 精…

polar CTF 写shell

一、题目 <?php /*PolarD&N CTF*/highlight_file(__FILE__);file_put_contents($_GET[filename],"<?php exit();".$_POST[content]);?>二、解题 payload ?filenamephp://filter/convert.base64-decode/resourceshell.php #<?eval($_POST[1]);…

Hadoop 实战 | 词频统计WordCount

词频统计 通过分析大量文本数据中的词频&#xff0c;可以识别常见词汇和短语&#xff0c;从而抽取文本的关键信息和概要&#xff0c;有助于识别文本中频繁出现的关键词&#xff0c;这对于理解文本内容和主题非常关键。同时&#xff0c;通过分析词在文本中的相对频率&#xff0…

Echarts折线图中数据根据正负数显示不同区域背景色-配置

示例 Echarts折线图中数据根据正负数显示不同区域背景色 Piecewise 分段类型Continuous 连续类型 Echarts配置 option {backgroundColor: "#030A41",xAxis: {type: category,data: [Mon, Tue, Wed, Thu, Fri, Sat, Sun],axisTick: {show: false,},axisLabel: { /…

x-cmd pkg | jless - 受 Vim 启发的命令行 JSON 查看器

目录 简介首次用户功能特点类似工具与竞品进一步探索 简介 jless 是一个命令行 JSON 查看器&#xff0c;设计用于读取、探索和搜索 JSON 数据。可以使用它来替代 less 、 jq 、 cat 以及您当前用于查看 JSON 文件的编辑器的任何组合。它是用 Rust 编写的&#xff0c;可以作为单…

DNS记录类型介绍(A记录、MX记录、NS记录等)

简介&#xff1a; DNS A记录 NS记录 MX记录 CNAME记录 TXT记录 TTL值 PTR值建站名词解释&#xff1a;DNS A记录 NS记录 MX记录 CNAME记录 TXT记录 TTL值 PTR值 泛域名 泛解析 域名绑定 域名转向 1.DNS&#xff1a;Domain Name System 域名管理系统 域名是由圆点分开一串单词或缩…

启动SpringBoot报错:No more pattern data allowed after {*...} or ** pattern element

报错信息 [AbstractApplicationContext.java:592] → [Exception encountered during context initialization - cancelling refresh attempt: org.springframework.beans.factory.BeanCreationException: Error creating bean with name viewControllerHandlerMapping defin…

C#属性(Property)

文章目录 一、C#属性&#xff08;Property&#xff09;&#xff1f;二、属性的用法总结 一、C#属性&#xff08;Property&#xff09;&#xff1f; C#属性&#xff08;Property&#xff09;是一种访问器&#xff08;accessor&#xff09;&#xff0c;用于封装一个类的字段&…

Dijsktra算法理解笔记

Dijsktra算法理解笔记 学习了柳神的笔记 感谢柳神 Dijkstra算法是处理图问题中的最短路径的问题 最短路径问题可以大致分为两个方向 单源最短路径全局最短路径 以此为基准可以将最短路径算法这样划分&#xff1a; 单源最短路径 Dijkstra &#xff1a;不能求负权边Bellman-F…

es6导入导出语法,vue-router简单使用,登录跳转案例,scoped的使用

es6导入导出语法 默认导出和导入 导出语法 只导出变量&#xff1a;export default name 只导出函数&#xff1a;export default add 导出对象&#xff1a;export default {name,add} export default { name:"彭于晏", add: (a,b)>{ return …

力扣83-删除排序链表中的重复元素

删除排序链表中的重复元素 题目链接 解题思路 1.遍历整个链表&#xff0c;遇见重复元素&#xff0c;直接删除即可 /*** Definition for singly-linked list.* struct ListNode {* int val;* ListNode *next;* ListNode() : val(0), next(nullptr) {}* ListNod…

BC19 反向输出一个四位数

描述 将一个四位数&#xff0c;反向输出。 输入描述&#xff1a; 一行&#xff0c;输入一个整数n&#xff08;1000 < n < 9999&#xff09;。 输出描述&#xff1a; 针对每组输入&#xff0c;反向输出对应四位数。 示例1 输入&#xff1a; 1234 复制输出&#xf…

vcs makefile

主要参考&#xff1a; VCS使用Makefile教程_vcs makefile-CSDN博客https://blog.csdn.net/weixin_45243340/article/details/129255218?ops_request_misc%257B%2522request%255Fid%2522%253A%2522170524049516800227431373%2522%252C%2522scm%2522%253A%252220140713.1301023…

计算机组成原理重点简答题

文章目录&#xff08;持续更新&#xff09; 计算机组成原理重点简答题&#x1f4e3;一、谈一谈对指令寄存器IR的认识&#xff1f;&#x1f4e3;二、存储器的特征和功能&#xff1f;&#x1f4e3;三、冯诺依曼计算机体系结构&#xff1f; 计算机组成原理重点简答题 &#x1f4e…

ssm基于Web的数字家庭网站设计与实现论文

目 录 目 录 I 摘 要 III ABSTRACT IV 1 绪论 1 1.1 课题背景 1 1.2 研究现状 1 1.3 研究内容 2 2 系统开发环境 3 2.1 vue技术 3 2.2 JAVA技术 3 2.3 MYSQL数据库 3 2.4 B/S结构 4 2.5 SSM框架技术 4 3 系统分析 5 3.1 可行性分析 5 3.1.1 技术可行性 5 3.1.2 操作可行性 5 3…