XiaoMi-AI文件搜索系统
World File Search System配电网
配电网规划中基于事件的储能、电压调节器和基础设施升级分配
摘要 — 本文介绍了一种新颖的数值方法，旨在寻找一种可防止未来拥塞和电压问题的配电网扩建计划。预测的热和电压违规事件的持续时间和强度用于确定基础设施（即线路/电缆）升级、电压调节器和储能系统安装的潜在候选池。该方法还补充了一种算法，用于获得这些候选者的最低成本列表，该算法使用二进制线性规划解决所有约束违规事件。通过大量高分辨率准静态时间序列模拟，使用改进的 IEEE 33 总线网络和爱尔兰西部的真实 1171 总线馈线验证了该方法。考虑了三个候选池和三个成本预测，以探索该方法对不同场景的敏感性。结果表明，所提出的方法是设计师、规划人员和政策制定者的多功能工具。该方法可以确保投资计划解决所有预测的违规事件。尽管如此，我们表明接受边际违规程度是可以接受的，并且可以大大降低投资成本。
配电网扩建规划回顾
配电网络扩展规划 (DNEP) 非常复杂，涉及使用最具成本效益的策略改进系统以满足不断增长的需求。计划中的选择包括扩建变电站、升级配电馈线、安装额外的分布式能源资源 (DER)、安装电容器组 (CB) 和许多其他方法。当代网络中的配电规划人员必须相信投资的可逆性，可再生能源资源 (RER) 为 DNEP 注入清洁且具有成本效益，以满足不断增长的需求和环境要求。本文对 DNEP 进行的全面审查涵盖了所有可能的目标函数和问题约束。随着电动汽车 (EV) 的兴起，越来越需要评估电动汽车充电对配电网络的影响。了解电动汽车负载如何影响网络有助于规划未来的扩展以有效容纳充电基础设施。集成太阳能电池板、风力涡轮机和储能系统等 DER 正在改变电力的产生、分配和消耗方式。评估分布式能源 (DER) 与配电网的整合对于实现最佳网络规划和运营至关重要。此外，断路器对于配电网中的功率因数校正和电压调节至关重要。将断路器纳入扩建规划有助于提高网络效率、可靠性和整体电能质量。
通过极端天气条件下的电动汽车集成和随机建模优化配电网性能
本文提出了一种微电网运营规划的创新方法，重点是提高经济绩效和增强弹性。所提出的方法解决了关键的不确定性，包括天气条件、电动汽车 (EV) 的概率充电/放电行为、可再生能源的整合、能源价格波动和负载条件。此外，它还考虑了电动汽车车主的满意度和需求侧管理。这项研究的一个关键创新是开发了一个综合框架，用于同时管理网络拓扑重构、网络内的电动汽车移动以及减轻恶劣天气条件的影响。采用蒙特卡罗模拟来模拟不确定性，同时使用多目标优化算法来解决问题。该算法旨在最大限度地提高网络运营商和私营部门的利润，同时最大限度地减少未供应能源及其相关处罚。所提出的方法显示出显着的改进，包括未供应能源成本降低 37.1%，网络运营商利润增加 5%，电动汽车充电站利润增加 23.1%。总体而言，该方法比现有方法的性能高出约 8%。所提出的方法为提高微电网在极端天气条件下的弹性和运行效率提供了一种有效且稳健的解决方案，展示了其优于传统方法的优势。
为配电网服务采购分布式能源资源
本报告是作为美国政府机构赞助的工作的说明而编写的。美国政府及其任何机构或其任何雇员均不对所披露的任何信息、设备、产品或流程的准确性、完整性或实用性做任何明示或暗示的保证，也不承担任何法律责任或义务，也不表示其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务并不一定构成或暗示美国政府或其任何机构对其的认可、推荐或支持。本文表达的作者的观点和意见不一定代表或反映美国政府或其任何机构的观点和意见。
通过优化电池存储和电力流建模提高配电网效率和拥塞管理
摘要：电力需求的大幅增长导致配电网拥堵加剧。挑战是双重的：需要扩大和现代化电网以满足这种增长的需求，同时也需要实施智能电网技术来提高电力分配的效率和可靠性。为了缓解这些拥堵，可以使用电池储能等灵活性来源的新方法。这涉及使用电池存储系统在低需求时吸收多余的能量并在高峰时间释放，从而有效平衡负载并减轻电网压力。本文讨论了两种最佳潮流公式：分支潮流模型（非凸）和放松母线注入模型（凸）。这些公式确定了灵活性来源（即电池储能）的最佳运行，目的是最大限度地减少功率损耗同时避免拥堵。此外，还对这两种公式的性能进行了比较，分析了目标函数结果和灵活性操作。为此，我们使用了真实的西班牙配电网络及其相应的七天负载数据。
带移动储能系统和离线控制光伏系统的配电网优化调度策略，以最大限度地减少太阳能弃光
摘要：由于离线控制光伏 (PV) 电站不具备在线通信和远程控制系统，因此无法实时调节功率。因此，在离线控制光伏饱和的配电网中，配电系统运营商 (DSO) 应考虑可再生能源的不确定性来调度分布式能源 (DER)，以防止因过压而导致的限电。本文提出了一种使用移动储能系统 (MESS) 和离线控制光伏的日前网络运行策略，以最大限度地减少功率削减。MESS 模型有效地考虑了 MESS 的运输时间和功率损耗，并模拟了各种操作模式，例如充电、放电、空闲和移动模式。优化问题基于混合整数线性规划 (MILP) 制定，考虑到 MESS 的空间和时间操作约束，并使用机会约束最优潮流 (CC-OPF) 执行。离线控制光伏的上限基于概率方法设定，从而减轻由于预测误差导致的过电压。所提出的运行策略在 IEEE 33 节点配电系统和 15 节点运输系统中进行了测试。测试结果证明了所提出方法在离线控制光伏系统中最小化限电的有效性。
考虑电池储能和价格响应需求的主动配电网最优协调能源管理
摘要 当代配电网具有多种可调度和不可调度能源资源。这些可调度资源与不可调度资源的协调调度可以带来多种技术经济和社会效益。由于电池储能系统 (BESS) 和微型燃气轮机机组是资本密集型的。考虑到动态电价和可再生能源发电和负荷需求的不确定性，从纯经济角度彻底研究它们的协调调度将是一项有趣且具有挑战性的任务。本文提出了一种新方法，用于考虑现有可再生能源和动态电价对 BESS 和微型燃气轮机机组进行最优协调调度，以最大化公用事业的每日利润函数。在本研究中，采用了最近探索的改进型非洲水牛优化算法。所提出方法的主要属性包括嵌入决策机制系统中的基于平均价格的自适应调度，以最大化套利收益。决策机制系统会先验地跟踪系统状态，从而指导基于人工智能的顺序优化解决方案技术。这也可以减少复杂的实际工程优化问题的计算负担。此外，提出了一种与 BESS 管理算法相协调的虚拟电荷新概念，以限制 BESS 的反生产性运营管理。在基准 33 总线测试配电系统上调查和比较的应用结果突出了所提出方法的重要性。
用于配电网能源盗窃检测的人工智能
摘要：配电系统的数字化彻底改变了数据收集和分析的方式。本文解决了利用这些信息识别电力消耗中的违规和异常这一关键任务。重点是检测配电网中的非技术性损失 (NTL) 和能源盗窃。本文全面概述了利用电力消耗测量来发现 NTL 和能源盗窃的方法。确定了消费者中最常见的异常和盗窃场景和普遍案例。此外，还提出了针对特定异常的统计指标。在这篇研究论文中，重点介绍了许多人工智能 (AI) 算法的实际实现，包括人工神经网络 (ANN)、ANFIS、自动编码器神经网络和 K 均值聚类。这些算法在我们的研究中起着核心作用，我们的主要目标是展示它们在识别 NTL 方面的有效性。我们使用直接来自配电网的真实数据。此外，我们仔细评估统计方法的效果，并通过使用真实数据进行测试，将其与 AI 技术进行比较。人工神经网络 (ANN) 准确识别了各种消费者类型，频率误差为 7.62%。相比之下，K 均值算法的频率误差略高，为 9.26%，而自适应神经模糊推理系统 (ANFIS) 无法检测到初始异常类型，导致频率误差为 11.11%。我们的研究表明，人工智能可以更有效地发现电力消耗中的异常情况。这种方法，尤其是在使用智能电表数据时，可以帮助我们发现问题并保护配电网络。
分布式能源对配电网服务的价值
分布式能源资源 1 (DER) 有望在实现低碳配电网和整个能源系统方面发挥重要作用。但是，尽管制定了激励措施，例如国家规定的采用 DER 的目标，但事实证明，大型 DER 项目难以选址和互连。这促使大多数 DER 开发项目选址在最容易选址的位置，以快速利用现有的批发市场机会和国家赞助的基于关税的零售计划，但不幸的是，这并没有推动在可以提供最大长期总系统效益的位置的采用。由于没有定义 DER 可以为配电网服务提供的价值（价值方程中缺失的关键部分），大规模 DER 的选址和运营方式可能会增加客户的未来成本。