考虑源荷不确定性及配电网接纳裕度的弹性调度策略

为解决渐进式加剧的小扰动事件对配电网调度的影响,提出一种考虑源荷不确定性及配电网接纳裕度的弹性调度策略,并建立两阶段优化模型求解。首先通过拉丁超立方抽样和后向场景削减技术生成以风光为源、以电动汽车为荷的功率预测典型场景,将不确定性问题转化为典型场景分析问题;在此基础上,第一阶段引入接纳裕度,以配电网对电动汽车接纳能力最大为目标构建电价型需求侧响应模型,对用户负荷削峰填谷;第二阶段引入需求侧响应结果,建立以系统运行成本最低为目标的经济调度模型,提出改进人工蜂群算法进行求解。测试结果表明本文所提策略能增强配电网在渐进式加剧不确定性事件下的适应力,实现配电网弹性高效运行。     

适应多元源荷接入的配电网两阶段灵活性提升优化方法

配电网灵活性提升优化过程中易受不均匀电压、强磁场、电流效应等问题的干扰，灵活性提升效果不明显。为了解决上述问题，提出适应多元源荷接入的配电网两阶段灵活性提升优化方法。该方法首先采用瞬时功率平衡算法保证配电网达到三相平衡状态，其次通过无功出力与有功损耗的输出特点实现配电网的无功规划，有效地提高配电网运行质量，降低网损。最后采用多元源荷接入的两阶段提升优化法提升配电网的灵活性，第一阶段基于灵活性三指标与多源源荷供给特性构建灵活性提升优化模型，第二阶段考虑配电网灵活性指标的概率平衡性，并采用线性转换算法对模型求解，完成配电网灵活性提升优化。试验结果表明，所提方法的网损率小，净负荷波动曲线小，计算时间短，配电网分布式电源接入的灵活适应性强。可见通过灵活性优化调度，可以有效提升含分布式电源配电网的灵活性，提高配电网接纳分布式电源的能力。     

基于改进PSO算法的含分布式电源的配电网优化

为了对含分布式电源的配电网进行规划,提出了考虑配网实际运行约束下以配电网网络损耗、电压偏移及DG投资运行成本为目标函数的多目标优化模型.采用基于Levy Flights的粒子群优化算法对所构造模型进行优化,并对33节点配网系统进行仿真.结果表明所建模型是合理的,改进的PSO算法对求解含DG的配电网多目标优化问题是有效可行的.     

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。     

基于数据驱动的主动配电网分布鲁棒有功无功协调优化

为充分发挥分布式电源与可控设备有功无功出力在配电网优化中的作用,减少分布式电源随机出力与负荷波动对系统的影响,首先,从有功无功协调优化角度出发,以有载调压变压器、光伏机组、储能系统、微型燃气轮机及无功补偿设备为控制手段,建立以网损最小为优化目标的主动配电网有功无功协调优化模型;然后,在协调优化模型的基础上,采用场景分析法处理光伏出力及负荷预测的不确定性,并以l-2范数约束构建场景概率分布的不确定集,建立了基于数据驱动的主动配电网分布鲁棒有功无功协调优化模型,采用列与约束生成算法进行求解.经IEEE33节点系统验证,结果证明了协调优化策略能有效地降低网损与分布鲁棒优化策略能有效应对系统中的不确定性.     

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.     

一种基于二阶锥规划的配网无功优化算法

在深入分析分布式电源并入配电网对电压的影响基础上,考虑逆变器的快速控制和无功特性,建立了配电网电压无功优化模型,提出一种基于二阶锥规划的配电网无功优化算法,对原始非凸、非线性、NP-难的潮流优化模型进行松弛变换,得到易于求解计算、收敛效果好的二阶锥规划模型,通过IEEE 33节点配电系统算例的计算和分析,表明逆变器参与电压无功优化能够有效地进行电压调节和降低网络损耗,证明了所提优化方法的有效性。     

考虑负荷不确定性和时段优化的 动态无功优化

针对负荷的不确定性,并充分结合其时序性特征,提出考虑负荷不确定性和时段优化的动态无功优化模型。该模型充分考虑负荷预测误差的概率模型,采用拉丁超立方抽样技术和场景削减技术获得负荷样本及其概率,且对负荷样本期望值采用统计学指标归一化处理形成综合负荷趋势序列;同时,为克服动态无功优化过程中的"维数灾"问题,设计了基于特征趋势的自适应方法进行时段划分;最后计及场景概率,以网损最小为目标,将电压越限和发电机无功出力越限计入罚函数,建立动态无功优化模型并采用基于精英保存策略的遗传算法进行求解。算例仿真结果验证了所提模型的正确性和有效性。     

含分布式储能的主动配电网鲁棒优化经济调度方法

为克服风电输出的不确定性,基于鲁棒优化中的worst-best理论,提出一种主动配电网的鲁棒优化经济调度模型.该模型采用拉丁超立方采样方法生成风电场景集表征风电预测的不确定性.在建模过程中,引入分布式储能的等效运维成本,同时以微型燃气轮机、分布式储能和主动配电网购电/售电调度成本最低为目标函数,采用基于随机变异的粒子群优化算法对模型进行求解,可得到极端场景下运行成本最小的调度方案.仿真结果验证了该模型及求解算法的有效性,得到的调度方案能在风电预测误差范围内满足系统所有约束条件,并给出经济性最优的调度方案.与确定性经济调度方案进行对比可知,本文所提出的调度方案具有更强的鲁棒性.     

考虑不确定性风险及结构脆弱性的配电网网架规划

高比例分布式新能源不确定性特征增加系统运行风险，易引发电压与支路功率越限问题，增大系统网架结构脆弱性。因此提出双层多目标配电网网架规划模型，以满足多元用户对供电可靠性及电能质量要求。首先，建立源荷概率模型，并基于概率潮流量化计算配电网节点线路越限风险；其次，基于复杂网络理论，对配电网结构进行脆弱性评估；然后，提出综合考虑不确定性风险与脆弱性影响的配电网网架结构双层多目标规划模型，上层优化网络拓扑，下层规划光伏容量，采用非支配排序遗传算法与改进粒子群算法分别对上、下层模型进行优化求解；最后，采用IEEE14节点系统对方法进行验证。结果表明，该方法可以得到满足不同光伏渗透率接入要求的经济稳定的网络结构。     

基于遗传算法和粒子群优化算法的电力系统无功优化

从数学的角度分析,电力系统无功优化是一个多变量、多约束、非连续性的混合非线性规划问题,因此,优化过程十分复杂.以减少有功网损为目标函数建立电力系统无功优化计算的数学模型,基于遗传算法和粒子群优化算法,提出一种新颖的混合策略来求解无功优化问题.IEEE 6和IEEE 14节点系统的仿真计算结果表明:与单一的遗传算法或粒子群优化算法相比,该混合策略在优化效果方面具有明显的优势.     

粒子群算法及其在电力系统无功优化中的应用综述

粒子群优化(Particle Swarm Optimization, PSO)算法是一种基于群体智能的启发式全局优化技术.本文首先介绍了粒子群优化算法的基本原理,给出了算法实现的基本步骤、多种改进形式以及研究现状:其次分析了电力系统无功优化的特点,并对PSO算法在无功优化中的应用做了相应的论述.由于电力系统无功优化是一具多变量、多约束、非线性的组合优化问题,使得PSO算法在电力系统无功优化方面具有广泛的应用前景.     

云模型和混沌粒子群算法的多目标无功优化

为了克服基本粒子群算法易陷入局部最优值和后期收敛速度慢的不足,提出一种基于云模型的自适应粒子群算法。该算法首先采用混沌优化策略对粒子群进行初始化,增加粒子取值的多样性;其次根据粒子的适应度值将种群中的粒子分成靠近最优值、较靠近最优值和远离最优值3个子群,并分别采取不同的惯性权重生成策略进行处理,其中较靠近最优粒子子群的惯性权重由正态云发生器动态自适应调整,摆脱算法陷入局部最优值束缚;最后在迭代后期通过正态云算子实现粒子的变异操作,使算法后期快速收敛到最优解。对标准IEEE30节点系统和IEEE118节点系统进行测试仿真,结果表明了文中算法解决多目标无功优化的有效性。     

基于量子粒子群优化算法HAPF参数的多目标优化

文章用一种量子粒子群优化算法对混合型有源电力滤波器(HAPF)参数进行多目标优化设计,优化目标包括系统的投资成本、无功补偿和滤波效果等,该算法解决了HAPF系统的参数匹配以及无源、有源容量的分配问题。实验中该算法寻优速度较快,THDU、THDI分别降低到1.9%和2.0%,APF容量仅占混合滤波器容量的8.1%,使HAPF在电能质量综合治理中实现了既有效又经济的目的。     

关于农网无功补偿优化研究

电力供电网节能降损是一个重要的研究课题。本文在剖析电网无功补偿问题主要原因基础上,利用等网损微增率准则进行优化计算,形成无功补偿最优化地点和容量方案,并结合农网线路较长、负荷波动大的特点,通过无功补偿容量的优化设计方法,论证了升压降损的优点及适用性。     

基于蜜蜂进化型遗传算法的电力系统无功优化

采用蜜蜂进化机制与遗传算法相结合的蜜蜂进化型遗传算法(bee evolutionary genetic algo-rithm,BEGA)对电力系统进行无功优化计算.该算法以一定概率将蜂王(最优个体)与雄蜂(被选的个体)2部分进行交叉,因此对最优个体包含信息的开采能力得以增强.随机种群的引入,降低了算法出现过早收敛的可能性,保持了种群多样性.应用BEGA对IEEE6节点系统进行无功优化计算的结果表明:较其他算法,BEGA具有更强的全局寻优能力和更快的收敛速度.     

基于遗传算法实现电网的无功优化

在无功优化问题中引入了遗传算法（GA），着重解决了无功优化中离散变量的处理、目标函数及相关参数值的选取等问题。该算法可有效地减少系统的网损，在电网中实现无功优化。     

大功率船用齿轮箱结构优化

综合考虑齿轮啮合力及箱体重力作用,采用有限元法建立大功率船用齿轮箱的有限元静力学模型,分析计算4种工况下齿轮箱的承载能力,并对原齿轮箱的强度和结构刚度进行分析评价.基于等强度原则,将优化设计与可靠性设计理论相结合,建立齿轮箱优化模型.在满足齿轮箱结构安全的条件下,对齿轮箱进行优化设计.优化后的齿轮箱重量减轻1.06 t,并且强度分布趋向均匀,结构变得更加合理,具有一定的理论和工程实用价值.     

基于功率-距离的LTE-R切换算法优化研究

传统的基于长期演进的铁路移动通信系统(long term evolution-railway,LTE-R)切换算法对切换参数的选择不能很好地适应列车的高速移动,由此导致的“切换滞后”现象容易造成更多的失败切换,影响列车运行控制和旅客无线通信体验。当列车高速穿越小区时,对越区切换的要求更加严格,简化信令流程以及实现快速切换是LTE-R急需解决的问题。以减少错误触发和实现快速切换为出发点,提出一种基于功率-距离的切换优化方案,充分考虑速度对切换参数的影响,并加入距离因素,只有当列车到达一定触发位置时才可以进行触发判断,如满足条件则直接进行切换。该算法在避免列车提前错误触发的同时舍弃触发时延(time to trigger, TTT)指标,在一个测量周期内即可实现快速切换。仿真结果表明,所提的方案能够更好地保证高速环境下列车的切换成功率。     

基于改进粒子群算法光伏最大功率跟踪

不断变化的外部环境对光伏列阵的输出有着特殊的影响,为减小能量损失,须对光伏阵列进行最大功率点跟踪（maximum power point tracking,MPPT）。粒子群优化算法（particle swarm optimization,PSO）在多峰值寻优中具有良好的性能,然而粒子在寻优的过程中经常出现过早收敛的现象,导致其寻优精度有所欠缺。为了解决以上的缺陷,本文提出一种改进的自适应粒子群(improved particle swarm optimization,IPSO)与布谷鸟搜索（cuckoo search,CS）混合算法应用于最大功率点跟踪。并在MATLAB/Simulink平台中搭建仿真模型对混合算法进行验证,并与其他方法进行比较,仿真结果证明,本算法有良好的响应速度和较高的优化精度。