基于数据驱动的高比例新能源配电网无功优化算法

随着大量分布式新能源接入配电网,其电能损耗和节点电压偏差增大等问题愈发严重,仅依赖安装无功补偿设备、改变传统发电机机端电压等手段已无法满足高比例新能源配电网的高调节性能需求.为此,研究深度挖掘不同种类新能源对于配电网的无功调控潜力,详细分析了目标函数以及约束条件的设置,规划了基于数据驱动的无功调控算法流程,实现了合理调节配电网的节点电压与降低配电线路电能损耗的目标.首先,构建了高比例新能源参与配电网无功优化的数学模型,并应用多种智能算法求解.随后,采用多种算法得到的无功调控策略作为深度学习长短期记忆(LSTM)神经网络的训练数据,通过训练的网络在此类模型下可以预测得到优质的、高效率的无功调控策略.最后,利用IEEE 14与IEEE 33节点算例验证了所提算法的有效性和优化性能.