基于PSO-ELM的可植入UPQC的"源-网-荷-储"系统最优控制策略

• Published in: 电力系统保护与控制 Vol. 53; no. 2; pp. 62 - 72
• Main Authors: 高波, 刘川, 韩建, 李泽文, 韦宝泉
• Format: Journal Article
• Language: Chinese
• Published: 华东交通大学,江西 南昌 330000 16.01.2025
• Subjects: unified power quality conditioner(UPQC); source-network-load-storage(SNLS); particle swarm optimization-based extreme learning machine(PSO-ELM); "源-网-荷-储"系统; 统一电能质量调节器; PSO-ELM; 光伏; photovoltaic(PV)
• ISSN: 1674-3415
• DOI: 10.19783/j.cnki.pspc.240749

针对传统"源-网-荷-储"(source network load storage,SNLS)系统的可再生能源渗透率低及电能质量差等问题,提出了一种可植入统一电能质量调节器(unified power quality conditioner,UPQC)的SNLS系统最优控制方案.该方案通过基于粒子群优化(particle swarm optimization,PSO)的极限学习机(extreme learning machine,ELM)方法实现.在多目标优化运行方案中:第一个优化目标为最大化光伏阵列发电量;第二、三个优化目标分别为最小化负荷电压偏差和最大化网侧功率因数;第四个优化目标则为最大化变换器的利用率.由于多目标优化问题不易实时求解,提出了一种基于优化目标优先权顺序的分层优化思想,将多目标优化问题简化为若干个单目标优化问题.然后,通过将求解的所有最优解集训练为 PSO-ELM 代理模型,以实现所提策略的快速精确执行.最后,通过仿真验证了所提方法的有效性.算例表明所提策略可提升可再生能源的消纳率与系统变换器的利用率,并优化电能质量.