基于改进粒子群算法的分布式电源选址定容优化设计

在分析了分布式电源接入对配电网影响的基础上,针对配电网中的关键问题———分布式电源的选址和定容,进行了优化设计.通过构建包含分布式电源的投资运行费用、环境因素、网损费用的目标函数,并考虑潮流约束、电流约束、电压约束、系统容量约束等条件,搭建了分布式电源的模型,采用一种改进的粒子群算法,设计出了分布式电源所处位置及容量.通过仿真分析计算,验证了该方案的正确性和有效性.     

基于改进粒子群算法的分布式电源定址定容寻优

针对配电网中分布式电源的选址和定容问题,建立了包括分布式电源的运行维护费用、环境因素费用、网损费用的目标函数,并把潮流约束、电压约束、系统容量约束作为约束条件,采用改进的粒子群优化算法,确定分布式电源的位置和容量。对33节点配电系统进行仿真计算,得到了较为合理的安装位置和容量。     

基于多目标粒子群算法的分布式电源优化配置研究

大量分布式电源的接入会造成电网电压提升、 网络损耗增加等影响,因此,对分布式电源进行科学合理的优化配置,对配电网经济、安全和稳定地运行具有深远意义.针对分布式电源优化配置问题,建立了以分布式电源投资运行总成本最小、配电网总有功网损最小和节点电压偏差最小为目标函数的优化配置模型,并将自适应权重更新策略的粒子群算法应用于所...     

遗传狮群算法的分布式电源定容选址

近年来接入配电网的分布式电源容量越来越大,但不合理的分布式电源定容选址方案不利于配电网的优化运行,故针对分布式电源定容选址问题,分析了分布式电源对配电网线路损耗、节点电压和快速电压稳定裕度指数的影响,并建立了相关的目标函数,同时为加强狮群算法跳出局部最优解的能力将遗传算法的交叉、变异环节引入到狮群算法中,最后在标准的IEEE 33节点配电网络的基础上,对所提方法进行验证,结果表明所得的分布式电源定容选址方案能够有效地降低网络线路损耗,提高节点电压和加强配电网的稳定运行,同时表明遗传狮群算法优化算法比原算法有更强的跳出局部最优解的能力,收敛速度也较快。     

基于改进正交优化群智能算法的分布式电源规划

分布式电源(DG)的选址和定容是微电网的重要组成部分,通过建立以有功网损、电压偏移量、DG投资与运行成本为目标的多目标优化模型,提出了一种改进正交优化群智能算法对分布式电源进行规划.将分布式电源规划应用于正交试验中,并且在正交试验的DG容量方差分析中加入方差比例分析,为DG的规划提供搜索方向和搜索范围,寻求最优解.最后通过实际算例仿真计算并与遗传算法相比较,验证了该算法的有效性和优异性,为分布式电源的规划提供了新的思路.     

基于集合覆盖的VTS雷达站选址优化模型

建立了雷达站选址双目标优化模型,第一目标函数为雷达站的建设成本以及雷达站与船舶交通管理（VTS）中心线路的铺设成本最小,第二目标函数为多重覆盖的水域单元权重之和最大;并针对模型设计遗传算法求解. 算例结果显示,最终选址方案能够实现对水域的全面覆盖和重点加强,VTS中心的位置和雷达站盲区的存在都会对雷达站的选址方案造成影响. 将程序运行10次,计算结果具有稳定性,表明模型算法是收敛、稳定及可行的.      

改进蜘蛛群优化算法的分布式电源优化配置

针对分布式电源定容选址问题,提出了一种改进蜘蛛群优化算法,并将遗传算法中的变异环节引入蜘蛛群算法中,加强了算法的全局搜索能力,并对分布式电源定容选址过程中的约束问题提出了一种自适应罚函数,避免了罚函数设置不恰当导致算法前期搜索时罚函数达不到惩罚作用或后期影响算法的边界搜索等问题的出现,最后在考虑电源出力的时序性的条件下用IEEE 33节点配电网络进行验证上述所提方法,其结果表明所得分布式电源定容选址方案有效的改善了配电网的线路损耗、节点电压和快速电压稳定指数,同时表明的搜索算法和罚函数的有效性。     

配电网中分布式储能系统的优化配置

大量分布式电源接入配电网会给配电网的安全和经济运行造成严重影响,而分布式储能系统是解决上述问题的有效方法之一。针对配电网中分布式储能系统的配置问题,提出了一种基于电压偏移量的方法,从改善电压的角度深入研究储能系统的最佳选址及经济性最优配置。首先,分析了分布式储能系统改善节点电压稳定性的机理,并用电压偏移量作为分布式储能装置选址的依据;其次,以配电网的运行成本最小为目标构建了储能容量优化模型,并采用遗传算法求解;最后在IEEE-11节点配电网络模型上进行了仿真分析。研究结果表明:所提方法充分考虑了配电网的电压特性,有效提高了储能装置对配电网电压的支撑水平,同时使主动配电网中储能的总年成本降低,提升了经济效益。     

考虑概率潮流的分布式电源优化配置

为了解决电动汽车和分布式电源并网为电力系统带来的较强的随机性、间歇性和相关性的问题,以分布式电源和电动汽车的概率模型为基础,建立了以分布式电源总费用、供电可靠性和有功网损为目标函数的优化配置模型,将概率潮流计算嵌入基于成功历史的自适应参数差分进化算法求解目标函数。采用无迹变换利用输入随机变量的均值和协方差近似描述系统状态变量统计特性,直接方便地处理具有不确定性的随机变量。然后利用径向基神经网络求解功率方程,避免了计算雅可比矩阵和偏导,减少了算法运行时间。最后采用基于成功历史的自适应参数差分进化法并行计算多目标函数。通过IEEE33节点配电系统进行仿真,验证了该方法的有效性和高效性,节约了规划成本。     

分布式电源接入配电网最佳方式的研究

根据配电网中典型日负荷曲线变化的规律,选取加权最大负荷、加权最小负荷两种运行方式.以反向潮流次数少、配电网网损最低和配电网电压改善最佳为目标函数,结合分布式电源的类型、运行特点,确定了分布式电源接入配网的最佳接入点和最佳容量.仿真计算表明,分布式电源的合理引入改善了配电网系统的稳定性、减少了网损、提高了经济效益.     

待补偿点定位的粒子群优化算法在配电网无功优化中的应用

根据最大降低网损的原则,首先计算出配电网无功补偿点的位置、个数和待补偿容量,并由此筛选出最优无功补偿的待补偿节点集和补偿容量的取值范围,减少粒子群优化算法最优解的搜索空间.建立了以网损最小为目标的粒子群算法无功优化数学模型,进一步提高了无功优化的效率和质量.以福安电网无功优化补偿为例,并与常规粒子群优化算法比较,验证了该方法的有效性.     

含电压逆变型分布式电源配电网的短路电流计算

分布式发电接入改变了配电网潮流和短路电流分布,其提供的短路电流将对电网保护和重合闸动作产生影响。文中通过研究电压控制逆变型分布式电源(IIDG)的故障响应特性,分析配电网不对称故障时IIDG三相平均功率与正负序网功率关系,建立计及电压型IIDG对称控制特征的短路计算序分量模型。根据IIDG与配电网正负序网络的交互作用,推导电压型IIDG的故障电流变化规律,提出计算含电压型IIDG配电网短路电流的对称分量迭代算法。在PSCAD/EMTDC仿真软件中建立电压型IIDG的电磁暂态模型,仿真验证了该方法的正确性。     

配电网中分布式电源最优布置

基于放射状链式配电网连续解析模型和离散模型,研究了多台分布式电源装置接入系统对沿线电压和有功网损的影响.讨论了分布式电源装置安装在配电网中的优化方法以及分布式电源装置对配网电压分布的影响和其安装位置的限制.改进的最优布置算法克服了一般方法不能有效解决分布式电源装置的安装位置,以及因电压分布的要求对分布式电源安装位置产生的限制等缺点.算例表明,本文方法所求出的分布式电源最优接入位置,在满足系统电压分布情况下可有效改善有功网损.     

孤岛运行的微电网三相不平衡潮流计算方法研究

提出了适用于孤岛运行的微电网三相不平衡潮流计算方法:结合实际,对传统潮流计算方法予以改进,计算中考虑了配电系统各分布式电源的有功、无功控制能力,即电压、频率静态调节特性,考虑了变压器移相角对潮流的影响以及线路参数的相间耦合;算法采用相分量分析,能够应对线路参数三相不平衡、负荷三相不平衡等情况;用牛顿-拉夫逊法求解,易于处理环网结构配电网的潮流计算;不仅能进行三相不平衡潮流分析,还能同时计算出系统的频率.     

分布式电源接入地区电网影响研究综述

针对分布式电源的多样性,对在实际电网中应用的分布式电源的特点及其发展动态进行综述.从分布式电源并网运行的角度,重点分析分布式电源的接入对地区电网的频率、电压、电能质量、潮流、电网损耗、电网调度、继电保护、可靠性、电力市场等方面产生的显著影响,充分说明妥善解决好并网运行影响,将是分布式电源健康快速发展的关键,对于我国能源结构调整、实现可持续发展具有重要现实意义.     

适应屋顶光伏接入的低压配电系统故障测距新方法

随着新型电力系统的不断建设,新能源大规模接入低压配网是我国能源转型的重要方向。在电网故障条件下,快速准确确定故障位置对提升新能源利用率和改善低压配网可靠性至关重要。目前,现有故障测距研究主要针对输电网和中高配电网,但对于低压四线制配电系统相关研究较少。在大规模建设屋顶光伏的背景下,低压四线制配电网是消纳新能源的重要场景。针对此,本文面向有源低压三相四线制配电系统提出一种新型故障定位方法,首先建立三相四线制系统接地故障下故障距离计算模型和屋顶光伏故障等效模型;然后,建立了屋顶光伏故障计算模型与故障线路靠近屋顶光伏端的电压关联模型。在此基础上,联合所建立的关联模型、屋顶光伏故障等值模型,以及三相四线制系统故障距离计算模型,通过迭代计算方法求解故障距离。最后,基于仿真算例对所提算法进行了验证,结果表明该算法具有良好性能,研究成果将有效提升屋顶光伏接入后的低压配网三相四线制系统故障定位水平。     

考虑主动管理模式的多目标分布式电源规划

在考虑主动管理模式条件下,建立了多目标双层分布式电源规划模型.其中,上层规划以分布式电源年投资运行成本和网损最小为目标,下层规划以分布式电源出力切除量最小为目标,考虑风电光伏等间歇式能源出力的随机性及负荷的不确定性,利用基于拉丁超立方抽样的蒙特卡洛模拟方法对风速、光照强度和负荷进行抽样,利用非支配排序遗传算法对上层规划模型进行求解,采用原对偶内点法对下层规划模型进行求解,以得到问题的Pareto最优解集,从而避免了传统加权求解方法中权重确定的主观性.同时,通过对33节点配电网算例的仿真和分析,验证了所建模型的合理性和算法的有效性.     

改进拉丁超立方蒙特卡洛模拟

电动汽车、分布式电源的并网给电网带了明显的不确定性,为了使电网分析更能贴近实际电网,通过对负荷、分布式电源出力的概率密度函数模拟其出力,借鉴已有分布式电源和电动汽车概率模型,采用拉丁超立方蒙特卡洛模拟与径向基神经网络相结合的方式计算概率潮流。该方法充分考虑了电动汽车和分布式电源的随机性、间歇性和相关性,利用拉丁超立方蒙特卡洛模拟对比传统蒙特卡洛模拟方法,降低了采样规模,提高了采样覆盖率。径向基神经网络用于求解潮流计算方程,避免了传统方法中计算雅可比矩阵和偏导,大幅度减少了运算时间。通过仿真,该算法在改进的IEEE14 和IEEE118 节点系统的计算结果表明,在保证精度的同时, 极大地加快了算法运行速度,适用于大规模电力系统概率潮流的求解,在改进的IEEE118 节点系统中,运行时间比传统蒙特卡洛模拟降低99．9%。     

基于自适应遗传-粒子群优化算法的风电场微观选址优化

为了减小尾流效应对风电场发电量的影响,提高风能利用率,提出了一种自适应权重的遗传-粒子群优化算法(genetic-particle swarm optimization algorithm, GA-PSO)。首先,以风电场单位发电成本为目标函数,风机坐标为优化变量,通过在优化变量的速度更新中加入惯性权重,以改变算法的寻优速度;其次,在WASP软件选址的基础上,对风电机组进行布局优化;进而,将计算结果与遗传算法(genetic algorithm, GA)、萤火虫算法(firefly algorithm, FA)和粒子群(particle swarm algorithm, PSO)优化算法进行对比。结果表明：运用PGOA算法优化后的风电场单位发电成本为2 016元/GWh,减少了232元/GWh,年发电量为82.633 GWh,比优化前提高了8.538 GWh,同时尾流损失减小了1.12%。可见研究结论对未来的风电场微观选址具有一定指导意义。