Key points are not available for this paper at this time.
Heutzutage gibt es einen signifikanten Anstieg der Stromnachfrage, was Herausforderungen für Netzbetreiber mit sich bringt aufgrund ungenauer Prognosen, die zu übermäßigen Leistungs Verlusten und Spannungsinstabilität führen. Dieses Papier behandelt diese Probleme, indem es sich auf die Lösung der optimalen reaktiven Leistungsbereitstellung (ORPD) konzentriert und dabei die Unsicherheit der Lastnachfrage berücksichtigt. Das Hauptziel der Lösung der ORPD besteht darin, die Leistungs verluste zu minimieren, indem die Spannungswerte der Generatoren, das Abgriffverhältnis von Transformatoren und die reaktive Leistung von Parallelkondensatoren angepasst werden. Monte-Carlo-Simulation (MCS) wird verwendet, um Lastszenarien mit der normalen Wahrscheinlichkeitsdichtefunktion zu generieren, während eine reduzierte Technik implementiert wird, um die Anzahl dieser Szenarien zu verringern. Der verbesserte Grauwolf-Optimierungs-Algorithmus (I-GWO) wird erstmals eingeführt, um das stochastische ORPD-Problem zu lösen. Experimente werden an einem IEEE-30-Bus-System durchgeführt, wobei die Ergebnisse mit der konventionellen Grauwolf-Optimierung (GWO) und fünf anderen in der Literatur genannten Algorithmen verglichen werden. Die Leistung des I-GWO-Algorithmus wird mit und ohne Berücksichtigung der Unsicherheit der Lastnachfrage bewertet. Durch Friedmans statistische Tests wird ein signifikanter Rückgang von 20,96 % bei den aktiven Leistungs Verlusten und 63,06 % bei der Summe der erwarteten Leistungs Verluste beobachtet. Die Ergebnisse des I-GWO-Algorithmus zum ORPD-Problem zeigen seine Wirksamkeit und Robustheit.
Agouzoul et al. (Tue,) haben diese Frage untersucht.