计及分布式电源的配电网双层优化重构

针对传统的含分布式电源(DG)配电网重构方法中存在DG安装位置、容量与重构无法兼顾的问题,提出一种计及DG的配电网双层优化重构策略;建立配电网重构的双层优化模型,其中上层优化模型以电压稳定性指标和DG并入配电网产生的网损变化量为优化目标,确定DG初始安装位置和容量,并将其作为下层优化模型的初始条件;在上层优化模型的基础上,以网损减小率最大和负荷均衡度变化量最大为目标函数对下层优化模型进行优化,确定重构后的拓扑结构;通过改进和声搜索算法对上、下层模型不断迭代实现双层优化;基于配电网重构与DG安装位置和容量存在相互制约的关系,采用6种优化场景对双层优化策略进行评估,以含DG的IEEE 33节点系统为例进行仿真分析。结果表明,所提方法能使配电网重构和DG容量和位置均达到最优,有效减小配电网的网损,改善节点电压水平,提升DG的并网能力。     

基于改进粒子群算法的配电网综合运行优化

在无功优化、分布式电源(DG)有功优化和网络重构协同的条件下,以有功网损最小为目标函数、多种电气限制和网络拓扑结构为约束条件建立了配电网综合运行优化模型;针对基本粒子群算法容易陷入局部最优、收敛速度慢等缺点,提出一种改进的粒子群(IPSO)算法,并将其用于求解配电网综合运行优化模型.结果表明,所建配电网综合运行优化模型能够同时优化补偿电容器投切容量、有载调压变压器变比、DG出力和网络开关状态,从而获得配电网的最佳运行状态.同时,通过IEEE 33节点配电网算例的仿真结果验证了配电网综合运行优化模型的有效性和IPSO算法的高效性.     

基于Kriging模型优化算法的含分布式电源配电网多目标无功优化研究

分布式电源(DG)在配电网中的渗透率越来越高,使无功优化问题变得复杂。为最大限度保证系统经济安全运行和电能质量,本文构建考虑源荷不确定性及电容器组等动作次数约束的含DG配电网多目标无功优化模型,提出概率场景生成和场景削减的方法描述源荷不确定性,并提出基于Kriging模型的全局优化算法求解无功优化问题,通过MATLAB和OPENDSS搭建求解平台求解含DG配电网无功优化。通过对改造后的IEEE33节点配电系统仿真测试,和粒子群算法比较,验证模型考虑源荷不确定性和本文求解算法的适应性、可行性和有效性,本文建立的无功优化模型反映实际运行情况,基于Kriging模型的全局优化算法求解该问题可行有效。     

计及经济效益的分布式电源多目标优化规划

建立了分布式电源(Distributed Generator,DG)多目标多约束的优化数学模型,以配电网有功损耗费用最小、分布式电源运行费用最小和系统有功网损最小作为目标函数,考虑功率平衡、电压越限等约束条件,采用线性加权的方式将多目标转化为单目标,并采用量子粒子群算法实现了上述目标的优化.通过对IEEE33节点系统仿真结果表明,合理优化DG的位置和容量可有效降低系统的经济费用,提高配电网的优化经济运行.     

考虑供需互动的含分布式电源配电网网架规划

通过分析供应侧电源出力特性和需求侧负荷响应特性,搭建了考虑DG主动管理和需求侧管理的配电网网架双层规划模型。上层以年初始投资成本最小化为目标函数,考虑了网络辐射状连通性约束;下层以综合运行成本最小化为目标函数,考虑了网络潮流、安全运行等约束。上下层模型分别采用Prim最小生成树算法及二阶锥规划法进行求解。最后结合某地区29节点配电网进行仿真验证,结果表明,该模型能有效促进DG消纳,提升含DG配电网规划的经济性。     

基于多目标的主动配电网有功无功协调优化

大量间歇性分布式电源接入配电网会引发电压越限,限制系统消纳分布式能源的能力.基于节点电压对注入功率的灵敏度分析,揭示了配电网注入有功功率和无功功率对节点电压皆具有调控作用.提出通过对分布式发电 (DG)、储能装置(ESS) 等的有功功率和无功补偿装置的无功功率的协调控制,实现主动配电网消纳间歇性分布式能源最大化、网损最小化和电压质量优质的综合优化目标.文中建立了主动配电网的多目标优化数学模型,应用判断矩阵法确定出多目标的权重系数,构建成一个综合优化的目标函数.应用粒子群算法进行寻优求解,可得到主动配电网的优化运行方案和调控策略.在IEEE33 节点测试系统上进行了多场景仿真分析和研究,结果表明： 应用文中所提出的主动多目标优化调控方法,既可满足安全约束条件,又能实现有效地降低 DG 切机量、降低有功网损、保持良好电压质量的综合效应.     

含分布式电源配电网单相接地故障测距研究

为解决含分布式电源(DG)配电网单相接地故障测距问题,对含DG配电网单相接地故障时故障区段上、下游母线电流、电压进行了分析,在对称分量法的基础上,提出了一种含DG的配电网单相接地故障测距算法.该方法首先建立配电网单相接地故障模型,获取故障前后变电站和DG出线电流、电压,对故障点发生在DG下游和上游分别进行分析,然后得到配电网单相接地故障的复合序网,最后利用故障区段电流、电压的各序分量计算得到故障距离.采用配电网IEEE 34节点模型进行仿真验证,仿真结果表明,该方法具有较高的测距精度.     

基于分解式算法含分布式电源的配电网重构

本文提出分解式算法解决含多个DG的复杂网络故障后的重构,当含多个DG的复杂配电网出现故障后,以DG为电源形成孤岛运行,以使停电负荷最少且网损最小的网络重构算法。将原问题分解成孤岛划分主问题量和剩余系统的重构子问题:孤岛划分问题在尽量满足DG容量的情况下构造孤岛系统,同时得到剩余系统;重构子问题则对系统进行重构计算,通过反复求解达到整个问题优化的目的。     

基于改进小生境粒子群算法的主动配电网优化重构

分布式电源(DG)的接入为主动配电网(ADN)的稳定运行带来了挑战,而重构是提高系统稳定性的重要手段.提出了一种改进小生境多目标粒子群算法(INMPSO),建立了考虑网损、电压质量指数(VQI)、开关操作次数的多目标优化函数,对主动配电网的静态重构模型进行求解.全局最优粒子位置通过小生境共享机制来更新,使种群具有多样性和全局平均分布.根据模糊满意度评价决策方法从得到的Pareto解集中选择出最优折衷解,为决策者提供了科学的决策依据.最后以IEEE33节点标准配电系统为例,并与基本多目标粒子群算法(MPSO)的优化结果进行对比,验证所提模型和方法的有效性.     

计及配网有功无功协调运行优化的SST规划方法

固态变压器(solidstatetransformer,SST)作为一种利用电力电子器件实现能量管理和功率控制的新型变电装置,其应用将极大地提高配电系统的柔性调控能力,从而解决由于分布式电源接入给配网带来的诸多问题.针对SST在配网中的选址定容问题,考虑SST协调配电网有功无功资源的运行优化,提出了一种计及配电网提前运行优化结果的SST统筹规划方法.首先,基于SST的稳态数学模型,研究了SST在双交流/交直流系统连接下,计及负荷与分布式电源的参数时序控制方法.其次,建立了融合配电网有功无功时序运行优化的SST双层规划模型,上层考虑SST的投资成本、环境效益和配电网年运行成本,对SST的安装位置和容量进行了规划;下层以配电网日运行成本最低为目标,进行时序多场景下SST协调配网中有功无功资源的日运行优化,并提出改进的主从式差分入侵杂草混合算法进行双层规划模型迭代求解.最后,采用改进的33节点配电系统进行仿真验证,结果表明:相较于考虑SST协调配电网单方面有功/无功运行的规划方法,所提方法的配网年综合成本分别减少91.1 k$和21.8 k$;相较规划前和单层规划方法,所提方法的配网年运行成本分别降低10.6 k$和92.7 k$,电压偏差分别减少25%和18%.所以,计及配网有功无功运行优化的SST双层规划方法,可以充分考虑协调主动配电网有功无功资源运行对SST配置规划的影响,提高系统运行的经济性和规划方案的可行性.     

基于改进入侵杂草算法的有源配电网重构

针对含分布式电源(DG)的有源配电网重构问题,建立考虑DG出力优化的多场景重构模型,提出改进入侵杂草算法(MIWO)求解.该模型从配电系统运行效益和环境效益两个角度,以有功网损、节点电压偏差、负荷均衡度、污染物排放环境成本和弃风弃光成本最小为目标函数.MIWO算法在入侵杂草算法的基础上,设计适用于重构问题的初始种群选择机制,优化了随机产生的初始值;融合Lévy飞行过程和类海明距离判定,保持了种群的多样性,避免陷入局部寻优;提出种子数量调节策略,提高了收敛速度.IEEE 33节点配电系统仿真结果验证了所建模型和所提算法的有效性.与入侵杂草算法、粒子群算法和遗传算法相比,MIWO算法收敛速度更快、寻优能力更强、稳定性更好.     

考虑电网结构脆弱性的配电网网架优化规划

基于复杂网络理论,从网络拓扑结构角度对配电网网架结构的脆弱性进行评估。建立了以配电网投资及运行费用最小、结构脆弱性指标最优为目标的配电网网架多目标优化规划模型。采用改进最小生成树算法,并将经济性指标的减少率和结构脆弱性指标的增长率之和作为迭代过程中的目标函数,将多目标问题转化为单目标进行求解,通过16节点算例验证了该方法在求解多目标配网优化规划问题中的可行性。算例结果表明,所建立的优化规划模型能够有效地评估配电网的结构脆弱性,并能求得结构稳定、经济性好的规划方案。     

含多微网系统的主动配电网分层能量优化管理

为实现含多微网系统的主动配电网的经济效益最优,通过引入自适应权重系数来进行动态优化.构建一种主动配电网层以发电机组运行成本最低,多微网系统层以经济成本和环境成本最低的分层能量优化管理模型.采用变异、杂交和竞争策略以及Lévy飞行策略改善麻雀搜索算法,提高算法的种群多样性和收敛精度.基于所设计的多微网系统混合配置运行策略...     

基于电压稳定指标的分布式电源位置与容量优化配置

 分布式发电(Distributed Generation,DG)的电源位置和注入容量对配电网有重要影响。以配电网网损最小及电压稳定指标为目标,将DG位置和容量优化问题转化为一个多目标的非线性规划问题。构造模糊性的多目标优化算法,将2个优化子目标转化为单一目标,同时将节点电压越限和DG有功出力越限以罚函数的方式进行处理。采用惯性因子自适应的粒子群算法进行求解,为了加快求解速度,先计算节点有功网损微增率并进行排序,选出绝对值较大的节点作为DG安装候选节点。仿真结果表明,此算法收敛效率高,具有较强的搜索能力和自适应能力。     

配电网分布式风电与电池储能的协调优化配置

分布式风电(DWG)与电池储能(BES)在配电网中的位置与容量均会影响配电网的运行状态,为提高风电消纳能力,削弱风电出力不确定性对配电网运行的影响,在规划阶段应对二者进行选址定容协调优化配置.文中以计及风-储系统的随机潮流全面反映含DWG及BES的配电网运行状态及不确定性,以等年值综合收益最大化作为目标函数建立机会约束规划模型;提出改进多种群遗传算法,引入有效的寻优机制以增强算法性能.IEEE 33节点配电网算例的仿真分析验证了优化模型的合理性及算法的有效性.     

含分布式电源的配电网多目标无功优化

针对传统模型和现有算法对配电网无功优化带来的电压波动和网络损耗等问题,提出一种基于改进元胞差分算法的含风、光的配电网无功优化方法。建立了风电、光伏的随机概率出力模型,获取了其出力预测数据,以电压波动、有功损耗和电压越限3个目标为优化函数,通过权重系数将三目标模型转换为双目标模型,建立了含风电、光伏的双目标配电网无功优化模型。通过电压稳定指标（voltage stability index,VSI）对配电网各个时段的电压的稳定性进行评价,用改进元胞差分算法对模型进行求解,并利用测试函数对算法进行验证。结果表明,较传统模型和传统算法而言,所提模型和所用算法均能有效降低配电网的电压波动和减小配电网的有功损耗,从而保证电网的安稳运行。     

一种新型配电网络负荷相平衡策略

为降低配网三相电流不平衡度,综合考虑配网系统中各节点的负荷曲线特征,以配电网主变的三相电流不平衡度和网络节点平均压降为优化目标函数,建立了配电变压器长效三相平衡优化换相模型,采用生物地理学优化算法对模型进行求解,并通过IEEE34节点配电系统对三相平衡优化换相模型进行测试.研究结果表明:该方法改善了配电网主变的三相电流不平衡问题,有效降低了配电网输电线路的压降.     

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.     

配网重构与电容配置的改进模型及优化算法

为降低配电网中无功功率损耗,提高电压质量和保持网络的稳定性,提出了一种配网重构与电容器配置的改进模型和优化算法,即以网损最小为目标函数,运用正倒向随机潮流法进行潮流计算,并对二进制粒子群算法进行改进,克服了先前迭代的粒子信息难以传递至下一次迭代以及粒子位置更新结果不准确的缺陷,从而实现对配网重构和电容配置的同步优化.在IEEE 16节点配电网系统上运行和测试,找到最优重构和配置的方法,并在MATLAB R2010软件环境中编写算法进行仿真计算,比较5种不同优化方案.研究结果表明,该算法每次迭代计算更新了全局最优和个体最优,可获得全局最佳的网络状态,与其对应的电压分布和功率损失也达到最佳.     

基于免疫二进制萤火虫算法的主动配电网低碳目标网架规划

主动配电网(ADS)网架规划是一个非常复杂的大规模组合优化问题.萤火虫算法(FA)是一种新型的智能优化算法,全局搜索能力强、算法结构简单,而且收敛速度快.在此基础上借鉴生物免疫机制,群体更新时考虑抗体浓度,进一步提高种群的多样性和算法全局寻优能力,提出了一种免疫二进制萤火虫算法(IBFA)进行主动配电网网架规划.以线路投资、运行维护、网损和碳排放环境成本最小为目标,考虑分布式电源(DG)与柔性负荷(FL),建立了主动配电网网架规划模型.通过与二进制粒子群优化(BPSO)算法对比求解IEEE-14节点算例,验证了免疫萤火虫算法在全局寻优能力和收敛性方面的优越性,同时证明分布式电源和柔性负荷是抑制碳排放、提高系统整体效益的有效方式.