一、济南地区电网无功优化的混合搜索方法（论文文献综述）
吕震[1]（2020）在《风电并网对肥城矿区电网的影响及控制措施的研究》文中指出近年来,为了降低化石能源过度消耗带来的能源短缺与环境污染问题,我国出台了一系列政策,以扩大“清洁替代”的范围,并加大对风能等清洁能源的扶持力度。与此同时肥城矿区作为山东省传统的煤炭基地,其中的小型自备电厂因发电效率低下、环境污染严重已遭淘汰,而风电作为一种储备丰富且成本低廉的清洁能源,越来越受到正在转型中的肥矿集团的重视。但是,由于风速的波动性引起的风电机组出力的不确定性,势必会对矿区电网的运行状态产生较大影响。因此,研究风电并网下矿区供电系统的安全性,寻找最佳并网容量并提出可行的控制措施具有重要的现实意义。首先,本文根据肥城矿区的实际资料计算了矿区电网输电线路及变压器参数;搭建了风机出力的数学模型,通过仿真验证了风机出力模型的正确性,并根据工程实际,考虑了风电场内部箱变无功损耗对矿区电力系统的影响,为接下来的工作打下基础。其次,为了评估风机并网下矿区电网的安全性,本文首先建立了电压偏差、系统整体负载率、加权潮流熵三项指标,运用层次分析法,建立了能够评价电网安全的综合性指标,仿真结果验证了该指标的有效性;通过分析传统粒子群算法的不足,引入了局部学习和反向学习机制对粒子群算法进行改进,并对改进型粒子群算法与未改进前得算法进行对比,验证了改进型粒子群算法的优越性;最终以综合安全性指标为目标函数,运用改进型粒子群算法求得其最佳风电并网容量,并分析了最佳并网容量情况下的电网状态。最后,针对风机并网后系统整体电压偏低和部分线路过载的问题,结合矿区电网实际情况,本文采用并联电容器组进行无功优化和改善电网结构两种控制措施,分别对并网后系统电压和过载线路进行优化,仿真结果验证了两种控制措施的有效性。
吴乐川[2]（2020）在《基于场景分析的含分布式电源配电网无功规划优化研究》文中认为为缓解能源短缺和环境日益恶化的现状,高比例的可再生能源大量接入配电网,但这也改变原有配电网系统单电源、辐射状的潮流分布结构,对电网的规划、运行、控制带来了新的挑战。使得原有的无功规划优化措施不再奏效,必须进一步加强在该领域的研究。本文的研究思路是建立计及分布式电源（DG）出力波动和随机特征的静态无功规划和动态无功优化模型,并通过现代智能算法对模型求解。首先,以场景分析法作为解决分布式电源随机出力特性的有效方法,通过拉丁超立方抽样生成出力场景、场景缩减剔除冗余场景等一系列技术手段,建立考虑分布式电源随机出力的并网场景概率模型。以改进的前推回代潮流法作为本文无功优化的基本计算方法。然后,在确定电源随机出力的基础上建立无功规划模型,改进灵敏度分析法和配电网分区寻找最佳的无功补偿点,以无功补偿装置和网损年支付费用、节点电压总偏差为目标函数,运用改进非支配排序遗传（NSGA-II）算法对模型求解。结果表明,候选补偿点布置合理,Pareto解集分布均匀,基于此选择的无功规划方案净收益最大,同时也验证了模型和算法的可行性。最后,以一天作为调度周期,考虑负荷的波动和DG出力变化,充分利用储能装置、柔性负荷和无功补偿设备等可控资源进行协调优化。同时,兼顾无功补偿设备日投切次数约束和有功损耗最少,建立源荷储协调的动态无功优化模型。考虑到优化过程中既要考虑储能的协调运行又存在离散和连续控制变量,制定了多阶段优化策略。采用引入禁忌策略的精英保留遗传算法对该模型进行求解,并以改进的IEEE 33节点系统为例,针对DG无功出力出力调度、无功控制设备约束、储能协调优化多方面进行仿真,验证本文优化策略的有效性。
刘欣雨[3]（2020）在《基于蚁群算法的配电网无功优化研究》文中研究说明电力系统中由于无功的不足和分布的不合理,产生了线路网损过高、电压水平偏低、电能质量差等问题。无功优化是保证系统安全、经济运行的有效手段,是提高电能质量的重要措施之一,因此如何利用和优化无功资源,进一步降低配网损耗,提高电压合格率,具有重要意义。根据是否考虑配电网负荷变化,无功优化问题可分为静态无功优化与动态无功优化两类。本文首先从静态无功优化入手,以获得投资收益最高作为无功优化的目标,同时兼顾系统经济性与安全性建立了静态无功优化目标函数,选取遗传算法与本文算法分别计算在负荷水平不变的情况下,所需安装无功补偿装置的最佳位置及补偿容量,并进行比较分析,验证了蚁群算法的可行性。引入某地区全年负荷实际数据,研究在负荷水平变化情况下的动态优化问题。由于负荷数据量庞大且负荷变化具有随机性和波动性的特点,采用场景分析技术将难以建模的复杂模型转化为易于求解的确定性模型,降低了建模和求解的难度,借助K-均值聚类算法以每日数据为聚类单元,对全年负荷变化数据进行聚类分析实现典型场景的构建,得到六个能够表征全年数据特征的典型时序场景和各个场景的概率,在考虑单一场景时,每个场景可以等效为静态。因此就以静态无功优化目标函数为基础得到动态无功优化的目标函数,运用蚁群算法求得负荷水平变化情况下所需安装的无功补偿装置最佳位置及补偿容量。最终,经IEEE-33节点系统仿真计算,结果表明:对比分别通过蚁群算法与遗传算法进行配电网静态无功优化计算,运用蚁群算法的优化结果综合运行费用减少、网络损耗减小、电压稳定度提高;将基于K-均值聚类和典型场景分析的动态无功优化与静态无功优化结果对比,可知动态优化更贴合负荷变化的实际情况、投资收益更高、需要补偿的节点数减少一倍、总补偿容量减少、总网损更小、电压也更稳定。
李佩[4]（2020）在《改进粒子群算法在电力系统无功优化中的应用》文中研究说明随着我国经济快速发展,电力网的覆盖范围不断扩大、电网结构愈发复杂、主干电网电压等级越来越高,居民用电量也随之增加,同时用户对供电可靠性的要求也越来越高。在电力行业逐渐市场化的前提下,如何在确保电网安全稳定运行的同时,进一步科学优化资源配置、最大程度降低技术网损、提高系统的运行性能和经济效益,成为电力部门亟待解决的课题。电力系统无功优化问题是一个多目标、多约束条件、混合变量的非线性组合优化问题。传统无功优化方法虽然在运算速度以及收敛性能上体现出较好的优势,但需要满足一些前提条件,如要求目标函数可微、控制变量连续等。近些年,人工智能算法的发展和应用为解决无功优化问题上提供了新思路,其中智能优化算法中的粒子群算法以其良好的全局随机搜索能力在优化问题中表现尤为突出。粒子群算法鲁棒性好,易于实现,计算效率高,但也可能陷入局部最优解。本文针对这一问题对粒子群算法进行改进,提高算法的收敛速度以及收敛精度,并将改进的粒子群算法运用到电力系统无功优化问题中,为解决无功优化问题提供新思路。首先介绍无功优化问题的产生背景,由此引出研究无功优化问题的目的和意义,介绍与分析现有处理无功优化问题的典型算法并对其原理进行介绍。其次在介绍粒子群算法概念及原理的基础上,对粒子群算法的主要构成要素进行详细分析,参考相关的文献资料,本文对粒子群算法做出针对性的改进。通过对惯性权重和加速因子两方面进行改进,并选取4组典型函数,对改进算法进行验证以及分析相应的优化结果,结果表明改进粒子群算法克服该算法易陷入局部最优问题,并在提高全局寻优能力的同时算法的收敛速度和精度也有所提升。再次分析改进粒子群算法在无功优化时的求解思路,在选取相应无功优化数学优化模型的同时对优化时如何处理离散变量、适应度函数、收敛准则以及潮流计算方法的选取进行相应的分析。最后,基于MATLAB语言编程相应的改进粒子群算法求解无功优化问题的程序,并将其应用到典型的IEEE 30节点系统和汉中地区电网系统无功优化问题的求解上。仿真结果显示改进后的算法在改善节点电压分布及降低有功网损方面效果明显,验证改进后算法的可行性。
叶辉良[5]（2020）在《水-风-光微电网调压模式与有功无功协同优化方法》文中认为为应对能源日益衰竭危机,新能源发电方式被大规模地应用。而分布式电源大量接入微电网对电网的各指标产生很大的影响,特别是电压质量。保证用户处的电压水平接近额定标幺值是电力系统运行的基本任务,其本质是通过优化约束范围内的变量,使系统安全可靠经济地运行。微电网中电压偏移较大,容易出现电压越限情况,需要合理的有功和无功分布,降低传输线路的网络损耗,保证电网的电压水平。本文围绕水-风-光微电网调压模式与有功无功协同优化方法展开研究,主要工作归纳如下:（1）将小水电机组、风电机组和光伏发电系统出力的随机性纳入考虑范围,提出水-风-光微电网的模糊机会约束规划模型,并将其应用于无功优化场景中,建立基于模糊机会约束规划的水-风-光微电网无功优化模型。基于蒙特卡洛算法训练粒子群优化的神经网络,模拟基于模糊机会约束规划的水-风-光微电网无功优化模型。通过IEEE-33节点系统案例分析,水-风-光微电网无功优化模型具有可行性,优化策略可降低系统的最大电压偏移65%,减少网络损耗55%。（2）微电网潮流计算模型属于复杂、非线性模型,本文提出基于混合整数二阶锥规划的水-风-光微电网,使用二阶锥规划模型代替原潮流模型,将潮流变量间复杂的关系以线性公式替代,新变量则用特殊结构的锥集表示。在分布式能源出力随机的基础上考虑分布式能源的有功调度,建立一种基于混合整数二阶锥规划的水-风-光微电网有功无功协同优化模型。分析97节点微电网系统可得,水-风-光微电网有功无功协同优化策略具有适应性和有效性,可降低电压偏移47.95%,减少网损38.07%,优化综合指标44%。（3）将分布式能源出力的随机性和负荷的不确定性纳入考虑范围,将分布式能源出力情况和负荷情况模糊化,提出模糊水-风-光微电网,并将其应用于有功无功协同优化模型中,建立基于模糊机会约束规划的微电网有功无功协同优化模型。基于蒙特卡洛算法训练深度置信网络,模拟水-风-光微电网有功无功协同优化模型。IEEE-33节点系统仿真分析表明,基于模糊机会约束规划的水-风-光微电网有功无功协同优化模型具有良好的适应性,有功无功协同优化后,最大节点电压偏差改善程度为59%,有功网损改善程度为48%。
殷彦华[6]（2020）在《基于混合优化算法的AVC系统在白银地区电网中的应用研究》文中进行了进一步梳理随着社会的发展,人们对电能质量提出了更高要求,而电压作为衡量电能质量的三大指标之一显得尤为重要,电压的不稳定会影响用电设备使用及寿命,影响产品质量,造成不必要的经济损失。自动电压控制（Automatic Voltage Control—AVC）技术,就是通过对每个零散运行在整个电网中的无功设备进行协调统一控制,使电压和无功跟踪提前设定或按照一定策略生成的目标进行智能化自动调整,从而实现电网的安全经济运行。本文基于白银地区电网的实际运行情况,在分析系统链接、电能配送等基础数据及白银电网在系统中的枢纽地位的基础上,提出将基于“软分区”的三级电压控制系统作为白银地区电网自动电压控制架构的总体思路。首先结合基于DF8003S系统的AVC近几年在白银电网运行的实际情况,及现有AVC系统存在主变压器分接开关频繁调整从而造成无功补偿失败、变压器的并列运行、无功倒送等多方面问题,为本文开展工作提供依据。然后从电压和无功调节的基本原理出发,探讨负载和无功电源、变电站电压与无功功率变换之间存在的关系,以电压优质和网损最小为目标,综合应用投切电容器、调节主变压器分接开关和电厂、用户协调联动等手段改善无功电压质量,从多约束、多变量的混合非线性优化角度出发,提出了结合原对偶内点法和改进遗传算法的混合无功优化算法,同时进行灵敏度分析,采用基于灵敏度分析的模糊专家系统来进行电压校正。最后设计且工程实施了应用于白银电网的基于混合无功优化算法的AVC系统,从整体系统构造出发,梳理省、地、县各级调度之间,电厂、变电站、用户之间的控制关系和电压无功调整策略,设计了涵盖优化、调整、保护等无功电压控制全过程,包括系统运行、参数设定、策略调整、限值输入等丰富人机界面的智能电网AVC系统。通过实际运行情况分析系统稳定性,达到预期控制目标。
赵柏翔[7]（2020）在《风电接入对电网电能质量影响及治理的研究》文中进行了进一步梳理随着全世界对环境问题重视程度加深,风力发电成为最具前景的新能源发电形式。然而,风电的波动性对电网电能质量影响巨大,成为制约风电发展的主要因素。电网电能质量的优劣不仅关乎用户对电能需求情况,更会影响国民经济的发展水平。因此,为确保电网的安全稳定运行,研究风电场接入对电网电能质量的影响及治理方法具有重要的实际意义。本文从频率、电压、波形方面总结影响电能质量指标的因素以及对这些方面的治理方法。以某风电场为治理对象,从谐波、电压波动与闪变、电压偏差、无功补偿方面进行电能质量分析。针对当前评估体系不完善的问题,提出了基于模糊熵权的多维度综合评估体系;针对风电场电压偏差指标超标的情况,提出了应用多目标混沌粒子群算法,合理分配无功功率的方法;针对风电场电压偏差指标超标的情况,提出了应用多目标粒子群算法确定SAPF的位置与数量。具体如下:首先,针对当前电能质量综合评价结果准确性不高情况,提出一种基于模糊熵权的电能质量综合评价体系,与传统方法对比结果来看,此方法更能反映电网电能质量的真实情况。对未来电网稳定性的把控具有重要价值与意义。其次,针对风电场电压偏差指标超标的情况,提出应用多目标混沌粒子群算法,从无功补偿的角度提出治理建议,合理分配无功功率。通过确立网络损耗最小与电压偏差最小为无功优化目标,利用风电场安装的静止无功发生器进行补偿,应用多目标混沌粒子群算法来实现无功分配的优化,降低电压偏差的影响。与粒子群算法对比分析表明,多目标混沌粒子群算法比传统粒子群法有更强的全局搜索能力。最后,针对风电场电压偏差指标超标的情况,文中提出了应用多目标粒子群算法确定并联型有源电力滤波器的位置与数量的方法,该方法有效避免了算法易陷入局部最优的情况,提升对谐波污染的治理能力。
刘昊[8]（2019）在《基于分散式风电并网特性的多点协调优化控制技术研究》文中指出作为“十三五”期间我国风电开发的重要形式,分散式风电与接入配网参与负荷协调优化已成为国内外研究热点趋势。现有风电并网研究主要以单点接入场景为主,未充分考虑风电场以多点接入形式并网,并参与本地负荷协调与就地消纳控制。同时,针对风电机组无功动态响应潜力挖掘不足。在此场景下,如何有效消纳分散式风电,并与配网峰谷差、负荷波动性等新型并网环境下的关键影响因素有序结合,改善配电网级的能量调节过程品质是实现我国风电行业健康发展的关键问题。本文以配网运行稳定性、经济性和风电消纳能力为目标,分析配网多点接入双层协调控制机制,给出变功率因数和无功动态响应控制方法,提出考虑可调负荷的分散式风电“源”、“网”、“荷”协调优化策略,主要研究内容如下:（1）给出一种结合风电机组定、转子变流器及并联电容的分散式风电机组无功支撑潜力挖掘方法。首先,构建考虑配网适应性和风电机组无功极限的分散式风电模型,分析分散式风电新型并网环境下调控效果。其次,探究双馈风电机组接入配网的适应能力及风电机组无功与配网电压影响关系,给出结合风电机组变流器及并联电容的无功扩容方法,建立风电机组整体无功极限模型。（2）得到一种分散式风电多接入点之间的双层无功协调控制方法。针对目前缺乏研究的多点接入场景,增加不同接入点电气距离的无功分配约束,建立分散式风场级无功整定多目标函数。利用步进法求解最小系统网损,整定层得到优化后的系统总无功需求,通过分配层实现各接入点无功能力和功率因数配置。最后,对比不同接入点个数对应场景仿真结果,验证协调方法能够有效提升风电接入容量和系统稳定性。（3）给出基于分散式风电机组的动态功率因数控制思路。首先,分析分散式风电消纳对应的不同负荷类型无功需求差异。其次,在没有其他无功调度设备,仅考虑到风电机组自身变功率因数的无功能力实现无功快速控制。针对多目标函数参数多、运算维度增加、运算量大幅提升等问题,引入混沌理论改进传统的萤火虫算法求解,提升运算效率和收敛速度。最后,仿真结果验证在不同负荷类型条件下,相比固定功率因数,变功率因数控制方法能够有效减小网损和节点电压偏差。（4）提出一种分散式风电与可调负荷协同控制策略。首先,研究分散式风电场景下,综合考虑电动汽车、可调负荷、无功补偿器以及分时电价等可调控手段。构建以风电功率最大消纳为目的,配网峰谷差以及电压偏差综合最优的多目标优化函数,采用熵权法优化电源侧、电网侧和负荷侧的权重系数。最后,仿真算例对比传统配网、考虑分散式风电消纳,以及可调负荷协同控制不同场景优化效果,结果表明协同控制策略提高分散式风电消纳,进而提升配电网运行经济性、稳定性。
陈守滨[9]（2019）在《AVC协调控制系统在东莞电网的应用研究》文中指出负荷需求的不断增加,促使东莞电网不断加快其电网建设,这也导致现有的自动无功电压控制系统（Automatic Voltage Control,AVC）达不到东莞地区的电压无功优化控制水平,不断出现长时间的电压越限的情况以及无功补偿设备的频繁动作。因此,势必要研究新的自动电压控制系统以提高系统对出现电压越限时的响应速度和合理调节无功补偿设备,实现东莞地区电网电压的无功最优化控制。本文首先简单介绍了东莞地区电网的电压无功控制现状,然后初步解释了国内外AVC系统的核心算法、控制技术和调节策略,最后以此作为AVC协调控制系统的理论基础。针对遗传算法在对大型电网进行优化时耗时长的问题,采用一种改进的遗传算法进行优化搜索。采用灵敏度分析方法,分析网络中控制变量和状态变量的关系,再利用遗传算法进行寻优,降低搜索的时间成本,以IEEE-14节点系统作为算例对本文所采用的改进的遗传算法进行无功优化,结果表明采用该算法能够很快的收敛。其次,通过根据东莞电网无功电压控制现状从母线电压要求及无线关口无功要求进行了分析,以控制系统调节成本为目标,优化电压等级高和重要程度高的对象,对系统进行了设计,并综合考虑在不同运行状态时的调节需求制定了系统调节策略表,降低了电压长时间越限以及设备频繁动作的情况。最后,以AVC协调控制系统在东莞电网应用为实例,验证了所设计AVC协调控制系统的可行性。通过实例可知,当AVC协调控制系统投运之后,东莞电网电能质量与供电稳定性具有较为显着的改进,且降低了运行网损,便于调控一体管理模式安全、高效运转。
杨超[10]（2019）在《异步联网下高压直流参与的系统恢复策略》文中研究说明随着大功率、远距离高压直流输电系统的不断建设和快速发展,大规模交直流互联电网在我国正逐渐形成,异步联网即是其中一种典型的联网方式。异步电网是指送、受端系统仅通过直流通道互联的电网,相较于传统交流电网,其结构形态和运行特性都发生了重大改变。异步电网发生大停电后,高压直流的深度参与将使电力系统的恢复控制产生深刻变化。因此,作为安全防御领域内的新课题,研究异步联网下高压直流参与的电力系统恢复策略符合新一代电网发展的现实要求,具有重要的实际意义。本文基于传统交流系统的恢复理论,围绕异步联网下高压直流参与的系统恢复策略展开研究,以常规高压直流（line commutated converter based high voltage direct current,LCC-HVDC）的参与为研究重点,并对柔性直流（voltage source converter based high voltage direct current,VSC-HVDC）的参与进行初步探索。深入研究常规直流系统恢复与交流系统恢复的交互影响机制、常规直流的电源特性、停电电网的源网协调恢复优化、多直流馈入电网的分区、异步送/受端电网的并行协调恢复和基于柔性直流的黑启动优化等问题。论文的主要内容为:（1）高压直流启动与交流系统恢复的交互影响机制研究。明确常规直流启动时的最佳控制策略和以系统强度表征的交流系统支撑能力。基于电网络理论,分析主要影响系统强度的恢复操作,研究系统强度与交流系统恢复过程的量化关系,进而提出高压直流参与下的交流系统恢复策略。为验证该策略的正确性,以支撑直流启动为目的,研究停电电网局部网络快速重构的优化方法。所提高压直流参与下的交流系统恢复策略可为后文研究提供理论支撑。（2）高压直流支援下的源网协调恢复优化研究。基于常规直流启动和运行两阶段对系统强度的要求,研究交流系统的源网恢复对直流支援能力的影响,得出常规直流的出力特性函数,并提出“非树型恢复网络”的概念。以路径恢复表征源网协调恢复建立优化模型,提出对树型和非树型网络均适用的可行恢复方案生成方法,采用多种群遗传算法求得最优恢复方案。提出的直流出力特性函数和非树型恢复网络概念是高压直流参与系统恢复研究中的两个重要问题,可为后续研究奠定基础。（3）多直流馈入电网的分区恢复方法研究。综合考虑电网的社团结构特性、交直流系统恢复的交互影响机制,基于系统强度和多直流间的交互作用,提出新的分区原则和约束条件,进而建立多直流馈入电网的分区模型。采用改进的GN（Girven-Newman）分裂算法获得合理的分区方案,采用源网协调恢复优化方法分析分区恢复过程。所提方法对调度人员进行多直流馈入电网的分区决策和恢复方案的制定具有一定的指导意义和参考价值。（4）异步电网送、受端并行协调恢复的优化方法研究。该方法采用各端交流电网内串行、网间并行的思想,通过高压直流实现送、受端电网的并行协调恢复。提出各交流子网的送、受端角色定位原则,根据直流出力特性推导送、受端电网中各换流站的电源或负荷特性。在此基础上,建立送、受端电网并行协调恢复的优化模型,提出可确定直流启动时机和协调直流与送、受端电网恢复的优化方法。所提方法对异步电网恢复策略的研究具有一定的参考价值。（5）柔性直流参与电网恢复的黑启动优化初探。以柔性直流为黑启动电源,对停电电网的扩展黑启动优化进行初步研究。分析柔性直流作为黑启动电源的最佳控制策略,研究其黑启动过程中的电源特性,提出基于柔性直流的电网扩展黑启动优化方法。采用PSCAD/EMTDC软件搭建仿真模型,验证最优方案的可行性和有效性。结果表明,柔性直流系统是一种理想的黑启动电源,在黑启动过程中具有良好的吸收过剩无功功率和抑制工频过电压的能力。
二、济南地区电网无功优化的混合搜索方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、济南地区电网无功优化的混合搜索方法（论文提纲范文）
（1）风电并网对肥城矿区电网的影响及控制措施的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要工作 |
| 2 矿区电网参数计算及风机建模 |
| 2.1 矿区电网概况 |
| 2.2 矿区电网输电线路参数计算 |
| 2.3 矿区电网变压器模型参数计算 |
| 2.4 风力发电机组模型 |
| 2.5 本章小结 |
| 3 风电并网对矿区电网的安全性分析 |
| 3.1 风机并网后安全性指标的选取 |
| 3.2 综合安全性指标的建立 |
| 3.3 算例分析 |
| 3.4 改进粒子群算法对并网容量的优化 |
| 3.5 最佳并网容量下矿区电网潮流分析 |
| 3.6 本章小结 |
| 4 风电并网下矿区电网控制措施的研究 |
| 4.1 矿区电网的无功优化及分析 |
| 4.2 矿区电网的结构改善及分析 |
| 4.3 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 附录 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（2）基于场景分析的含分布式电源配电网无功规划优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要工作 |
| 2 分布式电源的场景概率模型与潮流计算方法 |
| 2.1 引言 |
| 2.2 风光场景概率模型的构建 |
| 2.3 分布式电源并网出力的概率模型 |
| 2.4 含分布式电源的配电网潮流计算方法 |
| 2.5 算例分析 |
| 2.6 本章小结 |
| 3 基于场景概率的含分布式电源配电网多目标无功规划 |
| 3.1 引言 |
| 3.2 综合场景灵敏度的构建 |
| 3.3 风光电源接入的配电网分区 |
| 3.4 基于场景概率的含分布式电源配电网无功规划模型 |
| 3.5 NSGA-Ⅱ算法的多目标无功规划模型求解 |
| 3.6 算例分析 |
| 3.7 本章小结 |
| 4 基于场景分析的源荷储协调的配电网动态无功优化 |
| 4.1 引言 |
| 4.2 风光调度下的储能与柔性负荷模型 |
| 4.3 源荷储协调的配电网动态无功优化模型 |
| 4.4 基于改进遗传算法的动态无功优化的多阶段求解策略 |
| 4.5 算例分析 |
| 4.6 本章小结 |
| 5 总结与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 附录 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（3）基于蚁群算法的配电网无功优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 无功优化的目的和意义 |
| 1.2 无功优化的国内外研究现状 |
| 1.3 本文所作的工作 |
| 第二章 配电网无功优化的数学模型 |
| 2.1 配电网无功优化模型 |
| 2.2 配电网无功优化的静态目标函数构建 |
| 2.2.1 配电网静态无功优化目标函数 |
| 2.2.2 约束条件 |
| 2.3 配电网无功优化的动态目标函数构建 |
| 2.3.1 配电网动态无功优化目标函数 |
| 2.3.2 约束条件 |
| 2.4 本章小结 |
| 第三章 基于场景分析法的配电网动态无功优化 |
| 3.1 场景分析技术 |
| 3.1.1 场景生成法 |
| 3.1.2 场景缩减法 |
| 3.1.3 场景分析方法的应用 |
| 3.2 聚类分析算法 |
| 3.2.1 聚类算法的要求 |
| 3.2.2 数据的相似性度量 |
| 3.2.3 常用的聚类分析方法 |
| 3.2.4 K-均值聚类算法 |
| 3.3 配电网中不确定因素的场景划分 |
| 3.3.1 基于K-均值聚类算法的典型场景分析 |
| 3.3.2 配电网典型场景分析 |
| 3.3.3 负荷场景划分 |
| 3.4 本章小结 |
| 第四章 基于蚁群算法的配电网无功优化 |
| 4.1 蚁群算法的基本原理 |
| 4.1.1 蚂蚁觅食行为与策略 |
| 4.1.2 人工蚁群 |
| 4.2 蚁群算法模型 |
| 4.3 蚁群算法在配电网无功优化中的应用 |
| 4.3.1 蚁群算法的实现 |
| 4.3.2 无功补偿位置及补偿容量的选择 |
| 4.3.3 适应度函数的选取 |
| 4.3.4 应用于蚁群算法的公式 |
| 4.3.5 运用蚁群算法求解无功优化问题的参数选取 |
| 4.4 本章小结 |
| 第五章 算例分析 |
| 5.1 配电网静态无功优化 |
| 5.1.1 静态无功优化算例与参数 |
| 5.1.2 静态无功优化结果 |
| 5.2 配电网动态无功优化 |
| 5.2.1 动态无功优化算例与参数 |
| 5.2.2 动态无功优化结果 |
| 5.3 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读学位期间参加科研情况及获得的学术成果 |
（4）改进粒子群算法在电力系统无功优化中的应用（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 无功优化的特点 |
| 1.2.2 传统优化算法在电力系统无功优化中的应用 |
| 1.2.3 人工智能算法在电力系统无功优化中的应用 |
| 1.3 本文主要研究内容 |
| 1.4 本章小结 |
| 第2章 标准粒子群算法及改进粒子群算法 |
| 2.1 标准粒子群算法的基本原理及流程 |
| 2.2 粒子群算法主要构成要素分析 |
| 2.3 几种典型的改进粒子群优化算法 |
| 2.3.1 引入自适应惯性系数 |
| 2.3.2 引入收缩因子 |
| 2.3.3 引入小生境粒子群 |
| 2.3.4 多策略融合自适应粒子群 |
| 2.4 改进粒子群算法 |
| 2.4.1 惯性权重的改进 |
| 2.4.2 加速因子改进 |
| 2.5 算法测试结果分析 |
| 2.6 本章小结 |
| 第3章 改进粒子群算法应用于电力系统无功优化 |
| 3.1 电力系统无功优化数学模型 |
| 3.1.1 无功优化目标函数分类 |
| 3.1.2 无功优化目标函数的选取 |
| 3.1.3 等式约束条件 |
| 3.1.4 不等式约束条件 |
| 3.2 基于改进粒子群算法的无功优化中关键环节的设计与实现 |
| 3.2.1 离散变量的处理以及适应度函数的选取 |
| 3.2.2 收敛准则 |
| 3.3 无功优化潮流计算方法 |
| 3.4 无功优化中参数的设置 |
| 3.5 改进粒子群算法的无功优化流程 |
| 3.6 本章小结 |
| 第4章 基于MATLAB下的算例仿真结果分析 |
| 4.1 IEEE-30 节点算例分析 |
| 4.1.1 IEEE-30 节点测试系统数据以及系统连接图 |
| 4.1.2 IEEE-30 节点测试系统的仿真结果分析 |
| 4.2 汉中电网无功优化案例分析 |
| 4.2.1 汉中电网概况以及测试数据 |
| 4.2.2 汉中电网116 节点测试系统仿真结果分析 |
| 4.3 本章小结 |
| 总结与展望 |
| 参考文献 |
| 附录 |
| 攻读硕士学位期间取得的学术成果 |
| 致谢 |
（5）水-风-光微电网调压模式与有功无功协同优化方法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究的意义和目的 |
| 1.2 国内外研究现状 |
| 1.2.1 电力系统无功优化的研究现状 |
| 1.2.2 新能源环境下微电网有功无功协同优化的研究现状 |
| 1.2.3 微电网多目标优化问题及其求解方法的研究现状 |
| 1.3 论文的研究内容及结构安排 |
| 1.3.1 论文的研究内容 |
| 1.3.2 论文结构安排 |
| 第二章 水-风-光微电网无功优化方法 |
| 2.1 概述 |
| 2.2 水-风-光微电网电压波动影响 |
| 2.3 水-风-光微电网无功平衡及控制方法 |
| 2.4 水-风-光微电网无功优化模型 |
| 2.4.1 模糊机会约束规划方法 |
| 2.4.2 水-风-光物理模型 |
| 2.4.3 模糊机会约束规划模型 |
| 2.5 求解方法 |
| 2.5.1 求解方法 |
| 2.5.2 求解步骤 |
| 2.6 算例分析 |
| 2.6.1 实例计算 |
| 2.6.2 结果分析 |
| 2.7 本章小结 |
| 第三章 水-风-光微电网有功无功协同优化方法 |
| 3.1 概述 |
| 3.2 水-风-光微电网潮流计算 |
| 3.3 水-风-光微电网有功无功优化模型 |
| 3.3.1 水-风-光出力多模态模型 |
| 3.3.2 锥规划方法 |
| 3.3.3 混合整数二阶锥规划模型 |
| 3.4 算例分析 |
| 3.4.1 潮流计算 |
| 3.4.2 有功无功协同优化结果分析 |
| 3.5 本章小结 |
| 第四章 微电网有功无功协同控制与优化 |
| 4.1 概述 |
| 4.2 微电网有功无功协同优化模型 |
| 4.2.1 微电网模糊机会约束规划模型 |
| 4.2.2 多目标优化模型 |
| 4.3 基于模糊机会约束规划的微电网有功无功协同优化问题求解方法 |
| 4.3.1 求解方法 |
| 4.3.2 求解步骤 |
| 4.4 算例分析 |
| 4.4.1 水-风-光微电网潮流计算 |
| 4.4.2 水-风-光微电网电压分析 |
| 4.4.3 水-风-光微电网有功无功协同优化分析 |
| 4.5 本章小结 |
| 结论与展望 |
| 1. 结论 |
| 2. 工作展望 |
| 参考文献 |
| 攻读学位期间发表的成果 |
| 攻读学位期间参加的科研项目 |
| 致谢 |
（6）基于混合优化算法的AVC系统在白银地区电网中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 AVC系统在国内外的研究现状 |
| 1.2.1 AVC系统在国外的研究 |
| 1.2.2 AVC系统在国内的研究 |
| 1.3 本论文主要研究内容及结构安排 |
| 第2章 白银地区电网概况分析及无功电压现状 |
| 2.1 发电厂区无功电源统计现状 |
| 2.2 容性无功补偿在地区统计现状 |
| 2.3 功率因数及对应最大负荷统计现状 |
| 2.4 变电站容性无功补偿设备配置现状统计 |
| 2.5 有载调压变压器配置现状统计 |
| 2.6 本章小结 |
| 第3章 白银电网自动电压控制及无功调节模型 |
| 3.1 白银电网的外挂式AVC结构 |
| 3.2 无功电压控制装置的特点 |
| 3.3 白银电网AVC控制的流程分析 |
| 3.4 白银电网电压控制主要存在的问题 |
| 3.4.1 变电站无功电压控制出现的问题 |
| 3.4.2 白银地区电网整体控制存在的不足 |
| 3.5 本章小结 |
| 第4章 电网无功算法与AVC应用原理 |
| 4.1 电网中电压变化和无功平衡的关系 |
| 4.2 变电站电压与无功的调节原理 |
| 4.3 无功优化实用性分析 |
| 4.3.1 无功优化概述 |
| 4.3.2 优化混合算法应用于无功优化 |
| 4.4 优化混合算法 |
| 4.4.1 算法模型 |
| 4.4.2 基于工程实用的改进遗传算法 |
| 4.5 灵敏度分析 |
| 4.5.1 系统网损的灵敏度通过节点无功变化影响 |
| 4.5.2 节点无功/电压的灵敏度 |
| 4.5.3 专家系统 |
| 4.6 本章小结 |
| 第5章 白银地区电网AVC系统设计 |
| 5.1 白银电网变电站层无功优化控制设计 |
| 5.2 白银地区电网电厂层控制设计及无功优化 |
| 5.2.1 电厂发电机控制策略设计 |
| 5.2.2 与电厂子站的信息交互 |
| 5.3 相关限值的设置 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间所发表的学术论文 |
（7）风电接入对电网电能质量影响及治理的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究目的与研究意义 |
| 1.2 国内外风电发展形势与电能质量问题治理现状 |
| 1.2.1 国外风电发展形势与治理情况 |
| 1.2.2 国内风电发展形势与治理情况 |
| 1.3 我国电能质量的评估方法研究现状 |
| 1.4 本文主要研究内容 |
| 2 影响电能质量的因素及治理方法 |
| 2.1 电能质量概念 |
| 2.2 影响电能质量因素 |
| 2.2.1 风电接入对电网频率的影响 |
| 2.2.2 风电接入对电网电压的影响 |
| 2.2.3 风电接入对电网波形的影响 |
| 2.3 电能质量问题治理方法 |
| 2.3.1 电网频率问题治理方法 |
| 2.3.2 电网电压问题治理方法 |
| 2.3.3 电网波形问题治理方法 |
| 2.4 本章小结 |
| 3 风电场电能质量分析与评估 |
| 3.1 .谐波分析 |
| 3.2 闪变与电压波动分析 |
| 3.3 电压偏差分析 |
| 3.4 无功补偿分析 |
| 3.5 多维度模糊熵权电能质量综合评估 |
| 3.6 本章小结 |
| 4 多目标粒子群算法在无功补偿与滤波配置优化中的应用 |
| 4.1 优化算法简介及PSO的应用 |
| 4.1.1 PSO算法 |
| 4.1.2 PSO流程 |
| 4.1.3 模型基本参数分析 |
| 4.2 基于混沌粒子群多目标算法的无功分配优化 |
| 4.2.1 算法流程及步骤 |
| 4.2.2 多目标混沌粒子群优化算法 |
| 4.2.3 验证分析 |
| 4.3 基于粒子群多目标算法对SAPF的优化 |
| 4.3.1 SAPF优化配置算法 |
| 4.3.2 验证分析 |
| 4.4 本章总结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 附录 A 电能质量部分国家标准摘录 |
| 攻读硕士学位期间科研项目及科研成果 |
| 致谢 |
| 作者简介 |
（8）基于分散式风电并网特性的多点协调优化控制技术研究（论文提纲范文）
| 致谢 |
| 中文摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题背景及意义 |
| 1.1.1 分散式风电多点并网研究的意义 |
| 1.1.2 分散式风电多点并网面临的难点 |
| 1.2 国内外分散式风电研究现状 |
| 1.2.1分散式风电机组建模和无功能力分析 |
| 1.2.2 分散式风电并网对配网的影响 |
| 1.2.3 分散式风电多目标优化运行控制策略 |
| 1.2.4 分散式风电与配网可调资源协调优化 |
| 1.3 论文研究思路 |
| 1.4 论文的主要工作 |
| 2 分散式风电机组建模和无功控制研究 |
| 2.1 分散式风电机组建模和并网特性分析 |
| 2.1.1 分散式风电并网特性分析 |
| 2.1.2 分散式风电的典型风电机组类型 |
| 2.2 分散式风电机组并网适应能力分析 |
| 2.2.1 分散式风电机组模型 |
| 2.2.2 分散式风电机组功率波动对配电网电压的影响 |
| 2.2.3 分散式风电机组变桨及变流器控制策略分析 |
| 2.2.4 分散式风电机组的无功功率控制策略 |
| 2.3 分散式风电机组无功支撑能力分析 |
| 2.3.1 风电机组定子侧无功功率极限分析 |
| 2.3.2 风电机组网侧变流器无功功率极限分析 |
| 2.3.3 风电机组总无功功率极限分析 |
| 2.4 本章小结 |
| 3 分散式风电多点接入协调控制研究 |
| 3.1 分散式风电多点接入特性分析 |
| 3.2 分散式风电多点接入的电压分布分析 |
| 3.2.1 分散式风电单点接入电压分布计算 |
| 3.2.2 分散式风电多点接入电压分布计算 |
| 3.3 分散式风电多点接入的网损分析 |
| 3.3.1 分散式风电多点接入配网前的网损计算 |
| 3.3.2 分散式风电多点接入配网后的网损计算 |
| 3.4 分散式电多点接入双层协调优化策略研究 |
| 3.4.1 总网损率的定义及特性 |
| 3.4.2 缺电量期望的定义及特性 |
| 3.4.3 电压偏差的定义及特性 |
| 3.4.4 分散式风电多点接入双层协调优化策略 |
| 3.5 仿真结果分析 |
| 3.5.1 分散式风电接入对网损和电压水平的影响 |
| 3.5.2 功率因数、带载能力和电压的关系 |
| 3.5.3 功率因数、网损和风电机组接入容量的关系 |
| 3.5.4 多点接入的协调优化控制结果 |
| 3.6 本章小结 |
| 4 分散式风电动态无功响应优化控制研究 |
| 4.1 分散式风电与负荷相关性分析及通用负荷模型的建立 |
| 4.1.1 负荷模型的分类 |
| 4.1.2 分散式风电接入配网后通用负荷模型的建立 |
| 4.1.3 分散式风电与负荷相关性仿真分析 |
| 4.2 基于网损、电压偏差和可靠性的动态无功响应优化策略 |
| 4.2.1 建立多目标优化函数 |
| 4.2.2 约束条件 |
| 4.3 动态无功响应多目标求解算法 |
| 4.3.1 人工蜂群算法 |
| 4.3.2 粒子群算法 |
| 4.3.3 萤火虫算法 |
| 4.3.4 基于混沌理论的改进萤火虫算法 |
| 4.3.5 多目标优化流程 |
| 4.4 仿真结果分析 |
| 4.4.1 所提IFA算法的优化结果分析 |
| 4.4.2 负荷类型对优化结果的影响 |
| 4.4.3 与现有优化算法的对比 |
| 4.5 本章小结 |
| 5 分散式风电与配网可调负荷协调优化控制研究 |
| 5.1 含分散式风电的配网运行特性分析 |
| 5.1.1 含分散式风电的配网灵活性资源分析 |
| 5.1.2 含分散式风电的“源”、“网”、“荷”协调运行模式 |
| 5.2 配网可调负荷等灵活资源建模 |
| 5.2.1 分散式风电模型 |
| 5.2.2 可控负荷模型 |
| 5.2.3 可调电容器控制模型 |
| 5.2.4 电动汽车的调度模型 |
| 5.3 含分散式风电的配网优化调度模型 |
| 5.3.1 优化调度的目标函数 |
| 5.3.2 优化调度的约束条件 |
| 5.3.3 求解方法 |
| 5.4 仿真结果分析 |
| 5.4.1 模型基础数据 |
| 5.4.2 优化调度模型的求解与验证 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（9）AVC协调控制系统在东莞电网的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景和研究意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要研究内容 |
| 第二章 AVC协调控制基本方法与优化算法 |
| 2.1 AVC控制模式 |
| 2.1.1 基于软分区的电压优化控制模式 |
| 2.1.2 二级电压控制模式 |
| 2.2 无功电压分区算法 |
| 2.2.1 基于电气距离的分区算法 |
| 2.2.2 基于聚类分析的分区算法 |
| 2.2.3 基于映射分区的分区算法 |
| 2.2.4 利用社区挖掘的分区算法 |
| 2.3 无功优化算法 |
| 2.3.1 无功优化模型 |
| 2.3.2 无功优化算法 |
| 2.3.3 算例分析 |
| 2.4 本章小结 |
| 第三章 东莞电网AVC协调控制系统的设计 |
| 3.1 东莞电网的AVC控制现状 |
| 3.2 东莞电网无功电压控制需求分析 |
| 3.2.1 母线电压要求 |
| 3.2.2 220kV母线关口无功要求 |
| 3.3 AVC协调控制系统设计思路 |
| 3.3.1 控制原则 |
| 3.3.2 控制目标 |
| 3.3.3 控制过程 |
| 3.4 AVC协调控制系统设计 |
| 3.4.1 总体架构 |
| 3.4.2 系统建模 |
| 3.4.3 系统设计 |
| 3.5 区域联调策略 |
| 3.5.1 灵敏度参数说明 |
| 3.5.2 主变压器监控点策略 |
| 3.5.3 各监控点设备的调节策略 |
| 3.6 本章小结 |
| 第四章 AVC协调控制系统在东莞电网的应用与分析 |
| 4.1 AVC协调控制系统的实现 |
| 4.1.1 AVC协调控制系统主控界面 |
| 4.1.2 AVC协调控制系统厂站控制 |
| 4.1.3 AVC协调控制系统变压器控制 |
| 4.1.4 AVC协调控制系统电容器控制 |
| 4.1.5 AVC协调控制系统母线控制 |
| 4.2 系统参数设置及调控结果 |
| 4.2.1 AVC协调系统参数设置 |
| 4.2.2 电压、功率因数调节效果分析 |
| 4.3 效益分析 |
| 4.3.1 社会效益 |
| 4.3.2 经济效益 |
| 4.4 本章小结 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
（10）异步联网下高压直流参与的系统恢复策略（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究目的和意义 |
| 1.2 电力系统恢复问题的国内外研究现状 |
| 1.2.1 电力系统恢复的概念与研究范畴 |
| 1.2.2 传统的交流系统恢复研究 |
| 1.2.3 高压直流参与的电力系统恢复研究 |
| 1.3 论文的主要工作 |
| 第2章 高压直流的启动及其与交流系统恢复的交互影响机制 |
| 2.1 引言 |
| 2.2 高压直流的启动及其对交流系统的影响分析 |
| 2.2.1 高压直流的启动控制 |
| 2.2.2 交流系统的支撑能力及约束条件 |
| 2.3 支撑高压直流启动的交流系统恢复策略 |
| 2.3.1 系统调频能力与交流系统恢复过程 |
| 2.3.2 换流站交流母线短路容量与交流系统恢复过程 |
| 2.4 支撑高压直流启动的局部网络快速重构的优化模型 |
| 2.4.1 目标函数 |
| 2.4.2 约束条件集 |
| 2.5 基于改进多目标差分进化算法的模型求解 |
| 2.5.1 多目标差分进化算法简介 |
| 2.5.2 改进多目标差分进化算法的描述 |
| 2.6 算例分析 |
| 2.6.1 算例1: 修改的IEEE 39节点标准算例 |
| 2.6.2 算例2: 实际电网算例 |
| 2.7 本章小结 |
| 第3章 高压直流支援下的源网协调恢复优化 |
| 3.1 引言 |
| 3.2 高压直流的电源特性与源网协调恢复 |
| 3.2.1 系统强度与源网协调恢复的关系 |
| 3.2.2 直流升功率特性与非树型网络恢复 |
| 3.3 直流支援下的源网协调恢复优化模型 |
| 3.3.2 目标函数 |
| 3.3.3 约束条件集 |
| 3.4 基于多种群遗传算法的优化模型求解 |
| 3.4.1 多种群遗传算法简介 |
| 3.4.2 基于改进拓扑排序的可行染色体生成 |
| 3.4.3 基于路径单元的染色体修正 |
| 3.4.4 自适应片段交叉和变异算子 |
| 3.5 算例分析 |
| 3.5.1 算例1: 修改的IEEE 39节点标准算例 |
| 3.5.2 算例2: 实际电网算例 |
| 3.6 本章小结 |
| 第4章 多直流馈入电网的分区恢复方法 |
| 4.1 引言 |
| 4.2 恢复过程中交直流系统的交互作用 |
| 4.3 多直流馈入电网的分区恢复模型 |
| 4.3.1 电力网络的简化模型 |
| 4.3.2 分区原则及约束条件 |
| 4.3.3 各直流支援功率的确定 |
| 4.4 基于改进GN分裂算法的分区方法和恢复过程分析 |
| 4.4.1 GN分裂算法的改进描述 |
| 4.4.2 算法流程 |
| 4.4.3 基于源网协调优化的分区恢复过程分析 |
| 4.5 算例分析 |
| 4.5.1 算例1: 修改的IEEE 39节点标准算例 |
| 4.5.2 算例2: 实际电网算例 |
| 4.6 本章小结 |
| 第5章 异步电网送、受端并行协调恢复的优化决策 |
| 5.1 引言 |
| 5.2 送、受端电网定位及换流站源、荷特性分析 |
| 5.2.1 送、受端电网的定位分析 |
| 5.2.2 换流站源、荷特性分析 |
| 5.3 送、受端电网并行协调恢复的优化模型 |
| 5.3.1 目标函数 |
| 5.3.2 约束条件集 |
| 5.4 基于多种群遗传算法的优化模型求解 |
| 5.4.1 染色体生成 |
| 5.4.2 种群演化 |
| 5.4.3 算法流程 |
| 5.5 算例分析 |
| 5.6 本章小结 |
| 第6章 柔性直流参与电网恢复的黑启动优化初探 |
| 6.1 引言 |
| 6.2 柔性直流参与黑启动的运行原理 |
| 6.2.1 两电平电压源换流器的基本运行原理 |
| 6.2.2 柔性直流作为黑启动电源的控制策略 |
| 6.2.3 柔性直流的黑启动电源特性 |
| 6.3 基于柔性直流的扩展黑启动方案优化 |
| 6.3.1 多目标优化模型 |
| 6.3.2 模型求解 |
| 6.4 算例分析 |
| 6.4.1 最优恢复方案求解 |
| 6.4.2 最优恢复方案的仿真验证 |
| 6.4.3 与传统黑启动方案的仿真对比分析 |
| 6.5 本章小结 |
| 第7章 结论与展望 |
| 7.1 全文结论 |
| 7.2 工作展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
四、济南地区电网无功优化的混合搜索方法（论文参考文献）
- [1]风电并网对肥城矿区电网的影响及控制措施的研究[D]. 吕震. 山东科技大学, 2020(06)
- [2]基于场景分析的含分布式电源配电网无功规划优化研究[D]. 吴乐川. 山东科技大学, 2020(06)
- [3]基于蚁群算法的配电网无功优化研究[D]. 刘欣雨. 西安石油大学, 2020(10)
- [4]改进粒子群算法在电力系统无功优化中的应用[D]. 李佩. 陕西理工大学, 2020(09)
- [5]水-风-光微电网调压模式与有功无功协同优化方法[D]. 叶辉良. 广东工业大学, 2020(06)
- [6]基于混合优化算法的AVC系统在白银地区电网中的应用研究[D]. 殷彦华. 兰州理工大学, 2020(12)
- [7]风电接入对电网电能质量影响及治理的研究[D]. 赵柏翔. 沈阳工程学院, 2020(02)
- [8]基于分散式风电并网特性的多点协调优化控制技术研究[D]. 刘昊. 北京交通大学, 2019(03)
- [9]AVC协调控制系统在东莞电网的应用研究[D]. 陈守滨. 广东工业大学, 2019(02)
- [10]异步联网下高压直流参与的系统恢复策略[D]. 杨超. 华北电力大学(北京), 2019(01)