IEEE69节点数据(Matlab)

简介: IEEE69节点数据(Matlab)

1 概述

摘要: 随着配电系统的发展和电力需求的增加,电网中DG资源的使用和网络重构的并行增加。从规划、自动化、管理和运营的角度来看,配电网的重构和可再生能源向电网的互联互通对优化电力系统起着重要作用,这两种方法的协调可以对网络效率的提高产生重大影响。比较以下事实的结果:与异步优化相比,使用DG以及配电网结构的重新配置可能会产生更大的影响。另一方面,由于风能和太阳能发电厂一次能源的可变性和随机性,这些资源提供的电力是随机的。为了更加精确并获得现实的结果,应考虑光伏阵列和风力涡轮机生产潜力的不确定性。本文在33和69 IEEE总线测试系统上采用和TLBO的集成,以解决DG分配和网络重构问题,同时考虑到风能和太阳能发电来源的不确定性,并分析了该方法的结果。


关键词: 分布式发电, 重构, 太阳能和风能资源, 蒙特卡罗模拟, 基于教学的优化算法


2 数据

2.1 负荷数据

loads=[
1      0        0       0;
2    0        0       0;
3    0        0       0;
4    0        0       0;
5    0        0       0;
6    2.6    2.2     100;
7     40.4   30       300;
8   75   54       400;
9   30   22       250;
10    28   19       250;
11   145  104       800;
12   145  104       800;
13     8    5.5     100;
14     8    5.5     100;
15     0    0         0;
16    45.5   30       300;
17    60   35       350;
18    60     35       350;
19     0      0         0;
20     1      0.6     100;
21   114     81       600;
22     5.5    3.5     100;
23     0      0         0;
24    28     20       150;
25     0      0         0;
26    14     10       150;
27    14     10       150;
28    26     18.6     150;
29    26     18.6     150;
30     0      0         0;
31     0    0         0;
32     0    0         0;
33    14     10       150;
34    19.5   14       150;
35     6      4       100;
36     0      0         0;
37    79     56.4     400;
38   384.7  274.5    1000;
39   384.7  274.5    1000;
40    40.5   28.3     300;
41     3.6    3.7     100;
42     4.35   3.5     100;
43    26.4   19       250;
44    24     17.2     250;
45     0      0         0;
46     0      0         0;
47     0      0         0;
48   100     72       500;
49     0      0         0;
50  1244    888      1500;
51    32     23       300;
52     0      0         0;
53   227    162       800;
54    59     42       400;
55    18     13       200;
56    18     13       200;
57    28     20       200;
58    28     20       200;
59    26     18.55    200;
60    26     18.55    200;
61     0      0         0;
62    24     17       200;
63    24     17       200;
64     1.2    1       100;
65     0      0         0;
66     6      4.3     100;
67     0      0         0;
68    39.22  26.3     300;
69    39.22  26.3     300];


2.2 支路数据

global branch bus
%% line           from    to     R         X           S_line
branch=[
1 1 2 0.0005  0.0012       0.1;
2 2 3 0.0005  0.0012       0.1;
3 3 4 0.0015  0.0036       0.1003;
4 4 5 0.0251  0.0294       0.1050;
5 5 6 0.366 0.1864       0.1550;
6 6 7 0.3811  0.1941       0.1572;
7 7 8 0.0922  0.047        0.1137;
8 8 9 0.0493  0.0251       0.1037;
9 9 10  0.819 0.2707       0.2156;
10  10  11  0.1872  0.0619       0.1263;
11  11  12  0.7114  0.2351       0.2004;
12  12  13  1.03  0.34         0.2454;
13  13  14  1.044 0.345        0.2474;
14  14  15  1.058 0.3496       0.2494;
15  15  16  0.1966  0.065        0.1276;
16  16  17  0.3744  0.1238       0.1528;
17  17  18  0.0047  0.0016       0.1005;
18  18  19  0.3267  0.1083       0.1460;
19  19  20  0.2106  0.0696       0.1296;
20  20  21  0.3416  0.1129       0.1481;
21  21  22  0.014 0.0046       0.1018;
22  22  23  0.1591  0.0526       0.1223;
23  23  24  0.3463  0.1145       0.1488;
24  24  25  0.7488  0.2475       0.2057;
25  25  26  0.3089  0.1021       0.1435;
26  26  27  0.1732  0.0572       0.1243;
27  3 28  0.0044  0.0108       0.1014;
28  28  29  0.064 0.1565       0.1225;
29  29  30  0.3978  0.1315       0.1561;
30  30  31  0.0702  0.0232       0.1098;
31  31  32  0.351 0.116        0.1495;
32  32  33  0.839 0.2816       0.2186;
33  33  34  1.708   0.5646       0.3413;
34  34  35  1.474   0.4873       0.3082;
35   4  36  0.0034  0.0084       0.1010;
36  36  37  0.0851  0.2083       0.1300;
37  37  38  0.2898  0.7091       0.2027;
38  38  39  0.0822  0.2011       0.1290;
39   8  40  0.0928  0.0473       0.1138;
40  40  41  0.3319  0.1114       0.1468;
41   9  42  0.174   0.0886       0.1260;
42  42  43  0.203   0.1034       0.1304;
43  43  44  0.2842  0.1447       0.1426;
44  44  45  0.2813  0.1433       0.1422;
45  45  46  1.59    0.5337       0.3250;
46  46  47  0.7837  0.263        0.2108;
47  47  48  0.3042  0.1006       0.1428;
48  48  49  0.3861  0.1172       0.1540;
49  49  50  0.5075  0.2585       0.1763;
50  50  51  0.0974  0.0496       0.1145;
51  51  52  0.145   0.0738       0.1217;
52  52  53  0.7105  0.3619       0.2069;
53  53  54  1.041   0.5302       0.2567;
54  11  55  0.2012  0.0611       0.1281;
55  55  56  0.0047  0.0014       0.1005;
56  12  57  0.7394  0.2444       0.2044;
57  57  58  0.0047  0.0016       0.1005;
58   3  59  0.0044  0.0108       0.1014;
59  59  60  0.064   0.1565       0.1225;
60  60  61  0.1053  0.123        0.1216;
61  61  62  0.0304  0.0355       0.1061;
62  62  63  0.0018  0.0021       0.1002;
63  63  64  0.7283  0.8509       0.2502;
64  64  65  0.31    0.3623       0.1638;
65  65  66  0.041   0.0478       0.1083;
66  66  67  0.0092  0.0116       0.1018;
67  67  68  0.1089  0.1373       0.1234;
68  68  69  0.0009  0.0012       0.1000;
69  11  66  0.5     0.5          0.1947;
70  13  21  0.5     0.5          0.1947;
71  15  69  1     0.5          0.2499;
72  39  48  2     1            0.4000;
73  27  54  1     0.5          0.2499];


👨‍🎓博主课外兴趣:中西方哲学,送予读者:


👨‍💻做科研,涉及到一个深在的思想系统,需要科研者逻辑缜密,踏实认真,但是不能只是努力,很多时候借力比努力更重要,然后还要有仰望星空的创新点和启发点。当哲学课上老师问你什么是科学,什么是电的时候,不要觉得这些问题搞笑,哲学就是追究终极问题,寻找那些不言自明只有小孩子会问的但是你却回答不出来的问题。建议读者按目录次序逐一浏览,免得骤然跌入幽暗的迷宫找不到来时的路,它不足为你揭示全部问题的答案,但若能让人胸中升起一朵朵疑云,也未尝不会酿成晚霞斑斓的别一番景致,万一它居然给你带来了一场精神世界的苦雨,那就借机洗刷一下原来存放在那儿的“真理”上的尘埃吧。


    或许,雨过云收,神驰的天地更清朗.......🔎🔎🔎

相关文章
|
6月前
|
传感器 机器学习/深度学习 算法
【使用 DSP 滤波器加速速度和位移】使用信号处理算法过滤加速度数据并将其转换为速度和位移研究(Matlab代码实现)
【使用 DSP 滤波器加速速度和位移】使用信号处理算法过滤加速度数据并将其转换为速度和位移研究(Matlab代码实现)
420 1
|
6月前
|
机器学习/深度学习 算法 调度
14种智能算法优化BP神经网络(14种方法)实现数据预测分类研究(Matlab代码实现)
14种智能算法优化BP神经网络(14种方法)实现数据预测分类研究(Matlab代码实现)
499 0
|
6月前
|
机器学习/深度学习 算法 安全
【图像处理】使用四树分割和直方图移动的可逆图像数据隐藏(Matlab代码实现)
【图像处理】使用四树分割和直方图移动的可逆图像数据隐藏(Matlab代码实现)
242 2
|
6月前
|
传感器 资源调度 算法
【数据融合】【状态估计】基于KF、UKF、EKF、PF、FKF、DKF卡尔曼滤波KF、无迹卡尔曼滤波UKF、拓展卡尔曼滤波数据融合研究(Matlab代码实现)
【数据融合】【状态估计】基于KF、UKF、EKF、PF、FKF、DKF卡尔曼滤波KF、无迹卡尔曼滤波UKF、拓展卡尔曼滤波数据融合研究(Matlab代码实现)
704 0
|
6月前
|
算法 调度
【孤岛划分】分布式能源接入弹性配电网模型研究【IEEE33节点】(Matlab代码实现)
【孤岛划分】分布式能源接入弹性配电网模型研究【IEEE33节点】(Matlab代码实现)
658 10
|
5月前
|
机器学习/深度学习 人工智能 算法
【基于TTNRBO优化DBN回归预测】基于瞬态三角牛顿-拉夫逊优化算法(TTNRBO)优化深度信念网络(DBN)数据回归预测研究(Matlab代码实现)
【基于TTNRBO优化DBN回归预测】基于瞬态三角牛顿-拉夫逊优化算法(TTNRBO)优化深度信念网络(DBN)数据回归预测研究(Matlab代码实现)
249 0
|
6月前
|
算法
【电力系统潮流】5节点系统潮流计算-牛拉法和PQ分解法(Matlab代代码实现)
【电力系统潮流】5节点系统潮流计算-牛拉法和PQ分解法(Matlab代代码实现)
615 3
|
6月前
|
传感器 机器学习/深度学习 算法
【室内导航通过视觉惯性数据融合】将用户携带的智能手机收集的惯性数据与手机相机获取的视觉信息进行融合研究(Matlab代码实现)
【室内导航通过视觉惯性数据融合】将用户携带的智能手机收集的惯性数据与手机相机获取的视觉信息进行融合研究(Matlab代码实现)
236 2
|
5月前
|
存储 监控 并行计算
目标跟踪中常用点迹航迹数据关联算法的MATLAB实现
通过计算测量点与预测点之间的欧氏距离,选择最近邻点进行关联,适用于单目标跟踪场景。
|
6月前
|
并行计算 算法 安全
【ADMM、碳排放】基于分布式ADMM算法的考虑碳排放交易的电力系统优化调度研究【IEEE6节点、IEEE30节点、IEEE118节点】(Matlab代码实现)
【ADMM、碳排放】基于分布式ADMM算法的考虑碳排放交易的电力系统优化调度研究【IEEE6节点、IEEE30节点、IEEE118节点】(Matlab代码实现)
328 0

热门文章

最新文章