固态Transformer驱动的混合能源枢纽多目标优化：显著降低损耗与电压偏差

本文主要探讨了固态Transformer (SST) 在数据驱动的配电网 (DN) 中的应用，针对混合能源枢纽的多目标优化问题。该研究关注的是如何通过集成风力涡轮机分布式发电机 (WTDG) 和电池储能系统 (BESS) 来提升能源效率和降低损耗。传统的配电变压器 (DT) 的运行损耗被考虑在内，而SST因其高效性和在DN中的应用潜力，使得优化问题变得更加复杂，成为一个混合整数非线性规划 (MINLP)。 研究焦点在于设计一种最佳规划技术，用于同时考虑WTDG和BESS的容量分配、安置以及它们的充电和放电调度。这些决策不仅受到系统参数如BESS动态变化的影响，还受限于WTDG的间歇性输出和系统的操作约束。解决这一问题需要综合考虑多目标，如改善电压曲线、降低能量损耗和优化整体能源管理计划 (EMP)。 为了验证这种方法的有效性，作者使用了一个33节点的径向配电网模型，并借助MATLAB R2020a平台上的非支配排序遗传算法 (NSGA-II) 来求解MINLP问题。实验结果显示出显著的改进：62%的能量损耗减少 (ELR) 和高达69%的电压分布改善 (VPI)，这表明固态Transformer驱动的配电网优化策略对于提高电力系统的可持续性和效率具有明显的优势。 本研究对推动分布式发电和可再生能源在传统电力系统的整合具有重要意义，展示了固态Transformer在现代电力网络中的潜在价值，以及数据驱动和多目标优化方法在解决实际电力系统挑战中的作用。