基于数据驱动与碳流追踪的三相有源配电网动态最优功率流调度方法

《IEEE Potentials》：Dynamic optimal power flow dispatch method for three-phase active distribution network based on data-driven and carbon flow tracing

　　

摘要：

在碳达峰和碳中和的目标下，整合可再生能源、减少碳排放以及优化电压调控和降低损耗将成为未来配电网发展的主要方向。准确预测可再生能源的输出量、全面分析碳排放的传播规律，以及合理实施动态最优功率流调度具有重要意义。为此，本文提出了一种基于数据驱动和碳流追踪的三相有源配电网动态最优功率流调度方法。首先，利用卷积神经网络从历史风能和光伏数据中提取复杂的动态特征；双向长短期记忆网络用于捕捉双向时间特征；注意力机制则用于重新分配输入特征的权重，从而更有效地提取对可再生能源输出预测至关重要的时空特征。其次，在保持系统节点数量和网络拓扑结构不变的情况下，将线路损耗等效分配到各支路的发送端节点，进而开发出一种改进的基于复功率的碳流追踪方法，以实现系统的精确实时碳计量。接着，考虑到相间耦合和时间耦合的影响，采用了基于提升-投影松弛方法的凸化处理方式。通过引入西尔维斯特准则，形成二阶锥约束，从而实现以电压调控和损耗最小化为目标的三相有源配电网动态最优功率流调度。最后，通过在改进后的IEEE 33节点三相辐射状配电网上开展案例研究，验证了所提方法的有效性和优越性。分析结果表明，该可再生能源输出预测方法的平均绝对误差为0.941，均方根误差为2.122……

显示更多