...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Electric power systems research >AC OPF in radial distribution networks - Part II: An augmented Lagrangian-based OPF algorithm, distributable via primal decomposition
【24h】

AC OPF in radial distribution networks - Part II: An augmented Lagrangian-based OPF algorithm, distributable via primal decomposition

机译：径向配电网中的AC OPF-第二部分：基于拉格朗日增强的OPF算法，可通过原始分解进行分配

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In the first part of this two-part paper we show that the branch-flow convexification of the OPF problem is not exact and that the ADMM-based decomposition of the OPF fails to converge in specific scenarios. Therefore, there is a need to develop algorithms for the solution of the non-approximated OPF problem that remains inherently non-convex. To overcome the limitations of recent approaches for the solution of the OPF problem, we propose in this paper, a specific algorithm for the solution of a non-approximated, non-convex AC OPF problem in radial distribution systems. It is based on the method of multipliers, as well as on a primal decomposition of the OPF problem. We provide a centralized version, as well as a distributed asynchronous version of the algorithm. We show that the centralized OPF algorithm converges to a local minimum of the global OPF problem and that the distributed version of the algorithm converges to the same solution as the centralized one. Here, in this second part of the two-part paper, we provide the formulation of the proposed algorithm and we evaluate its performance by using both small-scale electrical networks, as well as a modified IEEE 13-node test feeder. (C) 2017 Elsevier B.V. All rights reserved.
机译：在这个由两部分组成的论文的第一部分中，我们证明了OPF问题的分支流凸化是不精确的，并且在特定情况下，基于ADMM的OPF分解无法收敛。因此，需要开发用于解决本质上不凸的非近似OPF问题的算法。为了克服当前解决OPF问题的方法的局限性，我们在本文中提出了一种用于求解径向配电系统中非逼近，非凸AC OPF问题的特定算法。它基于乘数方法以及OPF问题的原始分解。我们提供该算法的集中版本和分布式异步版本。我们表明，集中式OPF算法收敛于全局OPF问题的局部最小值，并且该算法的分布式版本收敛于与集中式OPF问题相同的解决方案。在此由两部分组成的文章的第二部分中，我们提供了拟议算法的公式，并通过使用小型电网和改进的IEEE 13节点测试馈线来评估其性能。 （C）2017 Elsevier B.V.保留所有权利。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号