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。     

拟态物理学优化算法在分布式电源选址定容中的应用

分布式电源接入点位置和容量的大小直接影响电网的安全性和经济性。文中建立了1个使配电网有功损耗最小的分布式电源选址定容优化模型。模型中考虑了电源接入容量和接入点对系统潮流、节点电压、线路负载及网络损耗的影响,并进行了相应的约束,以保证电网的安全稳定运行。采用拟态物理学优化(APO)方法对其求解,将接入容量、接入点、节点电压等拟态为物理学中的个体质量,每个个体根据自己的质量、速度及其他个体的引/(斥)力作用不断调整自己的运动和位置,通过全局最好、最差和自身适应值不断更新其质量,最终整个群体所经历的最好位置即为全局最优解,从而得到分布式电源的最佳接入位置和容量。最后采用标准IEEE-33辐射配电系统进行计算分析,并与粒子群(PSO)算法进行比较。APO算法的有功损耗减少更为显著,其平均电压和最低电压均好于粒子群算法的,验证了所提出的模型和方法是可行和有效的。     

基于回路分析的配电网电压及网损灵敏度分析方法研究

针对分布式电源的接入对配电网安全稳定运行的影响,采用回路分析法来获取配电网运行参数的变化量.首先利用回路分析法将配电网转化为电路的形式,结合电压波动理论及分布式电源接入前后效果分析,然后利用叠加定理对支路电流进行叠加,利用回支关联矩阵来构建节点电压、线路损耗的灵敏度矩阵来分析节点电压变化和网络损耗变化,最后在IEEE33节点配电系统上仿真研究,仿真结果验证了所提方法的有效性.     

基于模拟退火粒子群算法的含DG配电网重构研究

含分布式电源的配电网重构是配网优化的重要课题．二进制粒子群算法（BPSO）是解决优化问题的重要算法,首先根据配电网重构的拓扑约束条件,将轮盘赌操作引入到BPSO中,改进了BPSO算法中粒子位置状态更新策略．接着将模拟退火算法中的动态变异机制引入到改进的BP—So中,解决了BPSO容易陷入局部最优的缺点,最终能够快速有效地达到网路损耗最小的目的．选取IEEE69节点系统进行算例仿真,并与现有研究成果进行对比,结果表明该算法在继承了粒子群优化算法简单容易实现的特点同时,使其具有了摆脱局部极值点的能力,能够优化最优解,提高算法的收敛速度,适合解决含分布式电源的配电网重构问题．     

基于SA-CS算法的含分布式电源配电网优化重构

电力行业作为拯救国民经济、社会和人类生活的基础产业,将面临重大改善,而作为电力系统重要组成部分的电网结构调整也应得到优化。本文针对配电网优化重构问题,以系统有功网络损耗最小、节点电压偏移量最小作为优化目标建立配电网重构目标函数;对于含分布式电源配电网系统,系统环形拓扑结构变得更加复杂,布谷鸟搜索算法容易出现收敛速度慢,容易陷入局部最优,后期收敛精度差的缺点,本文提出一种基于混合模拟退火布谷鸟搜索算法的配电网重构算法。通过引入模拟退火操作,提高算法收敛速度与精度。将该算法应该用于配电网重构问题,仿真结果表明相较于传统算法此算法有更快的收敛速度,同时有效的降低了配电网络的有功损耗,极大的提高了节点电压幅值;提高了配电网运行的稳定性与供电质量,对配电网安全经济稳定的运行提供了参考。     

一种基于人工神经网络算法的分布式电源快速配置方法

为减弱分布式电源接入后对配电网的电源质量、电压分布和稳定性造成的影响,提出了一种基于人工神经网络算法的分布式电源快速配置方法.首先,提出了反映配电网节点电压稳定性的量化指标,优先选择电压薄弱处作为分布式电源接入的位置.然后,建立基于人工神经网络的训练数据集,评价期望电压节点的分布式电源的合理容量.最后,在MATLAB中运行前馈人工神经网络算法,并通过52节点配电网测试验证该方法的可行性和有效性.结果表明,通过最优配置分布式电源位置和容量,电压稳定性得到了有效改善,网络损耗明显降低,节点的电压分布值提高至0.90 p.u.以上.     

基于改进哈里斯鹰优化算法的配电网动态重构

针对风光荷不确定性的配电网重构问题,建立分布式电源和负荷出力模型,以系统运行成本和电压偏移构建多目标函数。提出一种改进粒子群算法融合K-means(improved particle swarm optimization and K-means, IPSO-Kmeans)聚类算法来划分典型日负荷曲线,将改进哈里斯鹰优化(improved Harris hawk optimization, IHHO)算法应用于配电网重构,进行寻优计算。为了改善哈里斯鹰优化(Harris hawk optimization, HHO)算法种群分布不均、无法完整搜索到最优解空间范围、易于陷入局部收敛等问题,引入佳点集生成种群初始化,提高种群搜索空间的均匀性。将麻雀搜索算法中的探索者位置更新公式与哈里斯鹰优化算法探索阶段的位置更新公式结合,以提高算法的全局搜索能力。利用柯西-高斯变异扰动策略跳出局部最优解。最后在IEEE33节点配网系统仿真,结果表明所提方法的有效性。     

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。     

含分布式电源的配电网网损组合优化

网络重构与无功补偿是配电网减小网络损耗、提高电压质量的主要手段,但二者皆受负荷时序性的影响,且随着波动性分布式电源的接入,其影响更大。针对含有出力波动分布式电源的配电网,考虑分布式电源出力以及用电负荷的随机性,基于分布式电源出力以及负荷的短期预测数据,以网络损耗最小为目标函数,给出未来24 h的最优网络重构与无功补偿方案,且以两日不同优化方案的目标函数差值作为方案是否执行的判定指标。提出了一种网络重构与无功补偿相统一的编码方法,利用和声算法进行求解。通过IEEE 33节点为算例的仿真,结果表明该优化方法能够明显降低网损并改善电压质量,证明了本模型和算法的有效性。     

基于改进狮群算法的主动配电网综合优化研究

在分布式电源大量并网的主动配电网环境下,实行优化策略是实现配电网经济与安全运行的重要保障,可控分布式电源的调度则是配电网优化的核心措施。结合分布式电源带来的影响,分析了配电网重构与无功优化所组成的综合优化交替迭代方法的不足,提出了综合网络重构、电容器补偿、分布式电源出力的实数编码方法,针对群智能算法中的狮群算法易陷入早熟收敛的特点,加入人工免疫机制中的浓度选择方法,结合形成改进狮群算法,在保证约束条件下实现主动配电网的综合优化目标,算例结果验证了所提方法的可行性与有效性。     

基于电压稳定度的分布式储能选址定容规划

本文针对配网中引入高比例风电、光伏等新能源引起的电压波动问题,提出基于电压稳定度的优先选址和改进粒子群算法的储能系统选址规划。首先以电压稳定度为指标,选出配网中部分相对稳定性较弱的节点,进行优先选址;然后以系统日有功损耗最小为目标,由改进的粒子群算法对储能系统的容量优化配置问题进行求解。最后对改进的33节点配电网系统进行仿真,验证该方法在储能选址定容工作中的有效性和可行性,为含高比例新能源的配网进行储能电站选址定容问题提供参考。     

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。     

低压配电网电力线载波通信路由算法研究

低压配电网电力线载波通信具有不可靠性,制约了载波通信应用范围。本文以分析低压配电网拓扑结构为基础,提出了一种基于蚁群算法和粒子群算法的混合路由算法。算法仿真结果显示,混合路由算法能适应电力线通信信道的变化,快速收敛到全局最优路径,并降低传输时延和数据包丢失率,提高了低压电力线载波通信的有效性。     

小区电网的自组织变压节点优化分布仿真

传统小区电网的自组织变压节点分布方法,没有考虑节点本身的输出电压特征,存在几何选择区域局限,容易收敛于局部最优解。提出一种小区电网自组织变压节点优化分布方法,先建立小区电网自组织变压节点分布模型,评估小区电网的有效覆盖率;并将该有效覆盖率作为目标函数,求出小区电网自组织变压节点的电压,进行反复计算,直至符合约束条件。通过引入蜂群算法对电压输出值进行调整,利用节点输出电压特征完成最优分布,实现对小区电压自组织变压节点分布进行优化。仿真实验结果表明,所提方法具有很高的电网覆盖率。     

基于越限风险评估的分布式光伏电源接入配电网适应性研究

为合理评价现状配电网对规划分布式光伏电源的适应性,针对分布式光伏电源接入配电网引起的电压和潮流越限问题,讨论了典型接入配电网拓扑和接线模式,并在MATLAB/Simulink环境下建立了含分布式光伏电源模型的IEEE34标准节点配电网络系统.考虑到分布式光伏电源的随机出力扰动和负荷波动给配电网运行带来的风险,建立节点电压越限和支路潮流越限风险评估指标模型,分析了相同节点对不同容量电源的接纳能力,重点讨论了分布式光伏电源接入配电网准入容量.以配电网典型实际参数为例进行仿真实验,仿真结果验证了应用风险评估指标模型评估分布式电源接入配电网适应性的合理性.     

考虑配电网安全稳定运行的蓄热式电采暖多目标优化配置

蓄热式电采暖系统的不合理配置会对配电网的安全稳定运行带来不利影响。为此,提出一种蓄热式电采暖多目标双层优化配置模型。首先,根据历史数据计算出供暖季逐时热负荷需求,采用k-means聚类算法选取一定数量典型日场景;其次,以蓄热式电采暖系统投资成本、运行维护成本和线路负荷标准差最优为目标,建立一种基于配电网经济性和潮流均衡性的多目标双层规划模型。采用多目标粒子群算法求出Pareto最优解集,通过熵权-TOPSIS法从中选取最佳接入位置、功率和容量。最后,以改进的IEEE 33节点系统为例进行仿真分析,结果表明：该模型虽然增加了一定的经济费用,但明显改善了线路负荷分布,使配电网潮流更加均衡,保证配电网能够安全稳定运行。     

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.     

基于改进K-means 算法的多场景分布式电源规划

针对恒定调度模型分布式电源选址定容的配置方案实用性差的缺陷,考虑分布式电源( DG: Distributed Generation) 出力和负荷需求的时序性与不确定性,建立以配电网系统总投资成本、总电压偏差和系统网损最小化的多目标调度模型。首先,通过蒙特卡洛算法随机模拟全年风-负荷场景,并采用K-means 聚类法对全年场景进行缩减。其次,引入轮廓系数对其改进以获取最优的聚类数。最后,通过快速非支配排序遗传算法( NSGA-Ⅱ) 与无偏折中策略进行优化处理。以IEEE33 节点配电系统为例与标准遗传算法做对比仿真实验,验证了所提算法的有效性和优越性。     

提高系统电能质量的配电网络重构

以提高电能质量为目标，在保证配电网各节点电压满足电压质量要求的前提下，以最高的供电可靠性来确定网络的连接状态，采用改进的自适应遗传算法进行配电网络重构。通过IEEE典型算例RBTS Bus2系统的验算，结果表明了该算法的有效性和可行性。