智能微电网中的电压调节：通过优化调谐器和PRGCNN算法实现电动汽车的无功功率管理

《Renewable Energy Focus》：Voltage regulation in smart microgrids: EV reactive power management via dipper throated optimization and PRGCNN

　　B. Victoria Jancee | Balasubbareddy Mallala | Elangovan Muniyandy | Kurra Venkateswara Rao 电子与通信工程系，圣约瑟夫工程学院，金奈119，泰米尔纳德邦，印度 **摘要** 在电动汽车（EVs）渗透率较高的智能微电网（SMGs）中，电压不稳定问题日益严重，运营成本也有所增加。本文提出了一种基于Dipper Throated Optimization-Physical Rule-Guided Convolutional Neural Network（DOA-PRGCNN）的集成电压调节和能源管理（EM）框架解决方案。该优化模块负责设定电动汽车的无功功率，并确定分布式发电的有功和无功功率输出。PRGCNN能够预测微电网电压的物理一致运行状态以及电动汽车的参与行为，从而在不同运行条件下实现可靠且自适应的电压控制。所提出的框架已在MATLAB中实现，并在一个标准参考的微电网测试系统上进行了测试。通过与现有技术（如深度学习神经网络与人工蜂群算法结合的DLNN-ABC、斑马优化算法与多模态自适应时空图神经网络的ZOA-MASTGNN、海鸥优化算法与树层次深度卷积神经网络的GOA-THDCNN、平均加权双深度Q网络的AWDDQN以及典型差分进化粒子群优化C-DEEPSO）进行比较评估，DOA-PRGCNN取得了最低的运营成本（18,011美元）和最小的电压偏差（VD）（0.6231 p.u.）。统计分析进一步证明了其电压调节性能的优越性，显示出最低的平均偏差（0.5384）和标准偏差（SD）（0.0362）。DOA-PRGCNN为高电动汽车渗透率的微电网提供了一种高效、安全且经济可行的电压调节方案。 **引言** 电动汽车的加速普及彻底改变了当今微电网的运行特性，同时也带来了电压调节、电能质量和系统可靠性方面的新挑战[1]。大量电动汽车的出现增加了对无功功率的需求，并改变了负载模式，使得传统的电压控制方法效果大打折扣[2]。可再生能源的间歇性特性进一步加剧了这一问题，导致微电网的不确定性增加和惯性降低[3]。现有的电压控制技术主要依赖于分布式发电单元，这给系统运行带来了压力，限制了系统的灵活性[4]。由于缺乏协调良好的控制系统，双向电动汽车充电器供应无功功率的潜力常常被忽视[5]。此外，不协调的电动汽车充放电行为还导致了电压波动、能量损失增加以及资源分配不均[6]。从系统可靠性的角度来看，不协调的电动汽车充电会加剧电压偏差（VD）、馈线拥堵和热应力，从而增加配电网不稳定的风险[7][8]。相反，协调的电动汽车控制策略可以在不确定条件下显著提升系统的韧性和运行可靠性[7][8]。涉及需求侧参与和灵活负载控制的策略可以有效缓解这些问题，但需要智能协调才能成功实施[9]。数据驱动的学习方法在反映复杂系统行为方面具有潜力，但如果未经监督使用，也可能违反物理运行约束[10]。相比之下，纯粹基于优化的方法在面对快速变化的运行条件和不确定性时往往难以奏效[11]。因此，一个结合协调控制、预测智能和物理一致性的综合框架，特别是在电压调节和经济性能方面，对于电动汽车密集型微电网而言是最佳选择[12]。 已有许多研究采用优化和智能控制技术来调节微电网中的电压及有功/无功功率。这些研究关注电动汽车作为灵活资源对电网的贡献，以提升电压稳定性和系统性能[13][14][15][16]。Karthikeyan和Manimegalai[13]开发了一种结合DLNN和ABC算法的电压控制框架，用于集成电动汽车的微电网；Prasad等人[14]提出了一个用于三相并网电动汽车的有功和无功功率协调的混合控制框架；Kalaiselvan等人[15]通过整合GOA-THDCNN开发了微电网系统的混合控制框架；Wang等人[16]则基于AWDDQN算法设计了智能电压控制框架。 **结论** 本文提出的DOA-PRGCNN在电压调节方面表现出优异的性能，不仅提供了高效、安全的解决方案，还具有良好的经济效益，特别适用于电动汽车渗透率较高的微电网。