💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。
⛳️座右铭:行百里者,半于九十。
📋📋📋本文目录如下:🎁🎁🎁
目录
💥1 概述
1.1 最优潮流
由于电力系统本身的复杂性,电力潮流优化具有规模大,约束条件多和非线性的特点。通过对最优潮流的求解,最终达到优化已有资源、降低发电厂耗量成本、减少电网线路损耗、提高电力系统输电能力等目标,其相比较传统的潮流计算具有良好的经济性。因此,最优潮流是电力系统中及受关注的课题,目前也有很多针对其做出的研究。
最优化方法形成的历史较短,它主要采用数学手段提出各种系统的优化途径及方案,为电力系统运行提供科学决策的依据。最优潮流问题要求算法具有收敛速度快的同时还要求算法简介,计算量少,以便其应用计算机求解。其求解常用的方法有:线性规划法、二次规划法、梯度及牛顿类算法、内点法和智能方法等。
1.2 算例描述
以系统燃料最省为最优潮流的目标函数,求图2所示简化系统的系统燃料最省的最优潮流计算。线路传输功率边界、发电机有功无功出力上下界和燃料耗费曲线参数分别见表1、表2。所有数据都是以标幺值形式给出,功率基准值为100 MV·A,母线电压上下界分别为1.1和0.9。
针对上述系统,在该算例中,共有5个节点,相应的状态量为
1.3 数据
📚2 运行结果
2.1 有功无功电源出力
2.2 节点电压相量
2.3 支路有功功率
2.4 电压结果
部分代码:
%% 计算对角矩阵
L_Z = diag(z./l); U_W = diag(w./u);
%% 计算Hessian矩阵
%计算目标函数的Hessian矩阵
d2f_dx = zeros(len_x,len_x);
d2f_dx(1:num_gen,1:num_gen) = 2*A2;
%计算等式约束的Hessian矩阵与Lagrange乘子y乘积
d2h_dx_y = zeros(len_x,len_x);
a = zeros(2*num_node,2*num_node);
for ii = 1:num_node
for jj = 1:num_node
theta = Xtilde(ii*2-1)-Xtilde(jj*2-1);
if(jj ~= ii)
%以下三项需要累加
a(2*ii-1,2*ii-1) = a(2*ii-1,2*ii-1)+Xtilde(2*ii)*Xtilde(2*jj)*(real(Y(ii,jj))*(cos(theta)*y(2*ii-1)+sin(theta)*y(2*ii)+cos(theta)*y(2*jj-1)-sin(theta)*y(2*jj))...
+imag(Y(ii,jj))*(sin(theta)*y(2*ii-1)-cos(theta)*y(2*ii)-sin(theta)*y(2*jj-1)-cos(theta)*y(2*jj)));
a(2*ii-1,2*ii) = a(2*ii-1,2*ii)+Xtilde(2*jj)*(real(Y(ii,jj))*(sin(theta)*y(2*ii-1)-cos(theta)*y(2*ii)+sin(theta)*y(2*jj-1)+cos(theta)*y(2*jj))...
+imag(Y(ii,jj))*(-cos(theta)*y(2*ii-1)-sin(theta)*y(2*ii)+cos(theta)*y(2*jj-1)-sin(theta)*y(2*jj)));
a(2*ii,2*ii-1) = a(2*ii,2*ii-1)+Xtilde(2*jj)*(real(Y(ii,jj))*(sin(theta)*y(2*ii-1)-cos(theta)*y(2*ii)+sin(theta)*y(2*jj-1)+cos(theta)*y(2*jj))...
+imag(Y(ii,jj))*(-cos(theta)*y(2*ii-1)-sin(theta)*y(2*ii)+cos(theta)*y(2*jj-1)-sin(theta)*y(2*jj)));
🎉3 参考文献
部分理论来源于网络,如有侵权请联系删除。
[1]李春晓,何仁君.基于内点法的最优潮流计算及算例分析[J].电气开关,2018,56(01):32-36.