创立公司网站镇江企力信息有限公司

创立公司网站,镇江企力信息有限公司,网站推广服务网,小制作小发明小论文基于IEEE33节点的三相不平衡电力系统潮流计算 1、本程序采用前推回代法#xff0c;考虑三相不平衡和互阻抗#xff0c;可通过改变三相负荷和线路参数构建三相不平衡模型#xff0c;程序有注释#xff0c;有参考文档最近在搞三相不平衡电网的潮流计算#xff0c;发现传统方…基于IEEE33节点的三相不平衡电力系统潮流计算 1、本程序采用前推回代法考虑三相不平衡和互阻抗可通过改变三相负荷和线路参数构建三相不平衡模型程序有注释有参考文档最近在搞三相不平衡电网的潮流计算发现传统方法在配电网场景下有点力不从心。特别是光伏并网和电动汽车充电桩普及之后系统的不平衡问题越来越突出。今天咱们来聊聊基于IEEE33节点的改进型前推回代法这个法子能同时处理三相不平衡和线路互阻抗的影响。老规矩先上程序结构。核心代码里有个PowerFlow类初始化时直接吃进节点数据和线路参数class PowerFlow: def __init__(self, nodes, branches): self.phase_map {A:0, B:1, C:2} # 相位索引映射 self.nodes self._process_node_data(nodes) # 节点电压初始化 self.branches self._create_admittance_matrix(branches) # 构建导纳矩阵处理线路参数时有讲究得用3x3矩阵来存每段线路的阻抗。这里用了复数矩阵来保存三相自阻抗和互阻抗def _create_admittance_matrix(self, branch_data): for br in branch_data: impedance_matrix np.array([ [complex(br[Raa], br[Xaa]), complex(br[Rab], br[Xab]), complex(br[Rac], br[Xac])], [complex(br[Rba], br[Xba]), complex(br[Rbb], br[Xbb]), complex(br[Rbc], br[Xbc])], [complex(br[Rca], br[Xca]), complex(br[Rcb], br[Xcb]), complex(br[Rcc], br[Xcc])] ]) br[Y] np.linalg.inv(impedance_matrix) # 转换为导纳矩阵 return branch_data前推回代分两步走。先回代计算电流从末梢节点往变电站倒推。这里注意三相负荷的Δ-Y转换def backward_sweep(self): for node in reversed(self.nodes): # 当前节点负荷电流考虑三相不平衡 load_current np.conj(node[S] / node[V]) # 叠加子节点注入电流 for child in node[children]: load_current child[I_inj] # 考虑线路压降重新分配电流 node[I_inj] np.dot(self.branch[Y], load_current)前推的时候从根节点出发更新电压这里用到了线路压降补偿def forward_sweep(self): for branch in self.branches: from_node branch[from] to_node branch[to] # 计算线路压降 voltage_drop np.dot(branch[Z], from_node[I_inj]) # 更新下游节点电压 to_node[V] from_node[V] - voltage_drop # 电压越界检查 if np.any(np.abs(to_node[V]) 1.1*to_node[V_base]): print(f警告节点{to_node[id]}电压越界)实测在光伏高渗透率场景下三相电压不平衡度可能超过15%。通过修改loads字典里的功率值可以模拟各种不平衡工况# 设置不平衡负荷示例 loads { 18: {A: 500300j, B: 800500j, C: 200100j}, # C相负荷突降 22: {A: 300200j, B: 0, C: 700400j} # B相断电 }这套算法在笔者的老旧笔记本上跑33节点系统三次迭代就能收敛到1e-5的精度。有意思的是当某相线路阻抗增大时比如C相接触不良程序能准确捕捉到相邻相的电流反灌现象——这在传统单相模型里是完全看不出来的。对于想自己魔改的朋友重点关注两个地方一个是nodedata_loader()方法里的数据输入格式另一个是收敛条件设置。实测把雅可比矩阵改成复数域计算能提升收敛速度不过内存占用会翻倍。