基于数据增强的可处理分布鲁棒机会约束 CVR 方法
系统与控制
2022-07-08 v1 系统与控制
摘要
本文在不平衡三相配电系统中提出了一种具有基于数据增强模糊集的可处理分布鲁棒机会约束节能降压（DRCC-CVR）方法。分布式可再生能源渗透率的不断提高不仅带来了清洁电力，也因给配电系统引入高度不确定性而挑战了 CVR 的电压调节与节能性能。在大多数情况下，传统的 CVR 鲁棒优化方法仅提供保守解。为了更好地考虑负荷与光伏出力不确定性对配电系统中 CVR 实施的影响并提供较不保守的解，本文建立了一种基于数据的 DRCC-CVR 模型，具有可处理的重构形式与数据增强方法。尽管负荷与光伏（PV）的不确定性可由数据刻画，但智能电表（SM）与微型相量测量单元（PMU）的可用性受成本预算限制。有限的数据获取可能阻碍所提 DRCC-CVR 的性能。因此，我们进一步提出一种数据增强方法，利用高斯过程回归（GPR）与马尔可夫链（MC）模型从低分辨率数据 statistically 恢复高分辨率负荷与光伏出力数据，用以构建所提 DRCC-CVR 基于数据的矩模糊集。最后，将非线性潮流、电压依赖负荷模型以及基于矩模糊集的 DRCC 重构为计算可处理形式，并在美国中西部一条真实配电馈线上测试，以验证所提方法的有效性与鲁棒性。
引用
@article{arxiv.2207.03286,
title = {Tractable Data Enriched Distributionally Robust Chance-Constrained CVR},
author = {Qianzhi Zhang and Fankun Bu and Yi Guo and Zhaoyu Wang},
journal= {arXiv preprint arXiv:2207.03286},
year = {2022}
}