基于信息共享的智能电网低频减载优化研究

《基于信息共享的智能电网低频减载优化研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于信息共享的智能电网低频减载优化研究StudyonUFLSOptimizationbasedontheSharingInformationintheSmartGridEnvironment作者：柏丹丹导师：和敬涵教授北京交通大学2014年3月戈彳田～、，l多人之尔◆，1a学位论文版权使用授权书本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索，提供阅览服务，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅

2、和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。(保密的学位论文在解密后适用本授权说明)学位论文作者签名：相献签字日期：矽Ⅳ年乡月刁日聊躲毋纫易签字日期：细／严年寻月7日中图分类号：TM762UDC：621．3学校代码：10004密级：公开北京交通大学硕士学位论文基于信息共享的智能电网低频减载优化研究StudyOnUFLSOptimizationbasedontheSharingInformationintheSmartGridEnvironment作者姓名：柏丹丹导师姓名：和敬涵学位类别：

3、工学硕士学科专业：电气工程学号：11121572职称：教授学位级别：硕士研究方向：电力系统及其自动化北京交通大学2014年3月致谢谨以此文献给我最敬爱的导师和敬涵教授，是她的悉心指导和耐心指点才让我有机会完成本论文的写作。首先感谢导师为我ff]仓Ll造的舒适而充满学术气氛的实验室环境，为我们配备必要的学习和实验设备；其次感谢导师在科研工作中给予我的点拨，使我学会了发现问题，更学会了如何解决问题；最后感谢导师在工作和生活方面给予我的启发和帮助。在两年半的研究生生活中，我同样要感谢王小君老师，感谢王老师对我

4、两年多科研工作方面提出的宝贵意见，感谢王老师对我论文撰写方面的耐心指导，感谢王老师在工作和生活中的督促和帮助。另外，感谢叶豪东老师、罗国敏老师在学术和生活中的指点和帮助，感谢实验室师兄、师姐以及同级的同学们的帮助，尤其感谢李智诚、李颖超、王惠、姜咪慧、刘琳、孟鑫、董晨阳、肖静、王兴帅、王晓凯、邓超、李长城和胡伟、韩海英、韩佳兵、武春燕、尹航、张浩、喻乐、李珂等在科研工作中对我的指导和帮助。感谢好友李泽荣、洪小雨、田蓓、我要特别感谢冀北电力公司的庄博师兄，韩薇等在研究生阶段给予的帮助。再者，感谢他给我提供

5、宝贵的实验数据。最后，我想借此机会郑重感谢辛苦养育我的父母、一直陪伴我的弟弟柏建凯，是他们的理解、鼓励和支持，才能让我专心完成学业。在此，向他们的辛勤地付出表示衷心的感谢。中文摘要摘要：现有的低频减载方法多基于区域变电站的就地信息进行负荷开断决策，没有充分利用智能电网发展带来的信息化、互动化和网络化优势。本文围绕基于信息共享的智能电网低频减载优化技术，依次从信息基础、技术架构、决策方法三个层面展开研究，提出了一种网络化的低频减载优化控制策略，在架构上可实现用户侧协调和系统侧协调，在功能上可实现减载负荷与

6、减载容量的智能决策。依据低频减载的动作流程梳理归纳其正确动作所应掌握的关键信息，在系统、变电站与负荷不同层面上，深入挖掘智能电网环境下低频减载可利用的各类信息，其中重点研究了负荷的典型特征信息与友好型用户(电动汽车)的互动特性，并对信息的获取途径与传输架构展开分析。分析传统低频减载技术的特点与不足，研究符合智能电网发展趋势的通信网络化低频减载技术。在此基础上结合上述多类可用信息，研究以智能变电站为平台的低频减载优化架构与控制策略，研究以变电站为单元的低频减载广域协调控制策略，从而在技术架构上实现智能电网

7、低频减载的“双重协调”优化。针对用户侧的协调优化，提出了基于灰色关联分析的切负荷排序算法，以量化分析负荷重要性、负荷频率效应系数、负载率等负荷特征信息对低频减载动作的影响。在满足系统切负荷总量需求前提下，给出了基于实时负荷检测的变电站精确切负荷策略，研究了计及电动汽车友好互动的低频减载协调优化策略，并通过仿真算例验证了算法对低频减载动作特性的优化。针对系统侧的协调优化，构建了基于广域实时共享的减载容量智能分配模型。引入单位负荷切除因子来考量系统低频减载控制的综合代价，并给出了基于层次分析法的切除因子计算

8、方法。采用频率稳定直接分析法，以广域测量数据为输入来计算模型的稳态频率约束。进而，利用粒子群算法实现了模型在多约束条件下的最优求解，并通过仿真算例验证了模型有效性。论文研究了智能电网环境下低频减载智能决策减载负荷和分配减载容量的问题，为提高智能电网环境下低频减载的适应性开拓了思路。关键词：智能电网；低频减载；信息共享；双重协调优化；智能决策分类号：TM762ABSTRACTABSTRACT：Exsitingunderfrequencyloa