有功无功协调优化

传统风电场跟随主站电压指令调节的方式容易导致站内无功源频繁波动、站内无功裕度不足，影响风电场的调压能力。为此提出了一种考虑风电运行轨迹与场景划分的场级主动调压优化控制策略。首先，基于风电场功率预测数据和有功–电压灵敏度曲线，绘制并网点电压波动轨迹，结合AVC子站接收到的电压指令，协调风机和SVG的无功输出，有效降低了无功设备的调节频次。其次，根据电压跌落幅度划分详细运行场景，通过调整SVG的控制模式，有效抑制了电网电压的大幅波动。最后，构建了包含AVC功率控制器的仿真测试平台，验证对比了所提方法相对于传统风电场AVC控制策略在降低无功调节频次、提升无功裕度、主动电压支撑方面的效果，为实现风电场主动调压提供了新的解决思路。

提出一种基于离线策略的安全强化学习方法，通过离线训练大量配电网历史运行数据，摆脱了传统优化方法对完备且准确模型的依赖。首先，结合配电网络参数信息，建立了基于约束马尔可夫决策过程的有功无功优化模型；其次，基于原始对偶优化法设计了新型安全强化学习方法，该方法在最大化未来折扣奖励的同时最小化成本函数；最后，在配电系统上进行仿真。仿真结果表明：所提方法能够根据配电网实时观测信息，在线生成满足复杂约束条件且具有经济效益的调度策略。

针对分布式电源(distributed generation, DG)大规模并网导致的配电网电压越限、网络损耗增加和弃风弃光等问题，提出一种考虑含储能(energy storage system, ESS)的三端智能软开关(soft open point, SOP)与需求侧响应(demand response, DR)的主动配电网(active distribution network, ADN)有功无功协调优化策略。首先，计及可再生能源出力的不确定性，基于条件生成对抗网络(conditional generative adversarial networks, CGAN)生成日前场景。然后，对含ESS的三端SOP与DR进行建模，并将其与DG和传统无功补偿设备进行协调优化。构建以网络损耗最小、电压偏差最小、弃风弃光量最小、用户舒适度与用户经济度最大为优化目标的数学模型。进而转化为混合整数二阶锥规划模型，并利用GUROBI进行求解。最后，在改进的IEEE 33和IEEE 69节点配电系统中进行仿真验证。结果表明，计及风光出力的不确定，所提优化策略在兼顾用户舒适度和用户经济度的同时提高了配电网运行的经济性和可靠性。

大量分布式电源的接入使配电网的结构与控制方式发生改变。针对分布式电源间歇性和波动性引起的电压越限问题，通过调节系统中无功潮流与有功潮流的分布来维持配电网的电压稳定。提出了一种基于反事实多智能体策略梯度(counterfactual multi-agent policy gradients, COMA)算法的配电网电压协同优化方法，通过反事实基线解决了多智能体强化学习中的“信度分配”问题，实现有功出力设备和无功补偿设备的联合优化调度。智能体通过局部观测值选定动作，减轻系统的通信压力，且不依赖精确的潮流模型，以实现配电网的实时优化控制。通过改进的IEEE33节点系统和141节点系统验证了所提算法的可行性与有效性。并与经典算法的控制效果进行比较，进一步证明所提算法在配电网电压优化控制方面的性能优势。