考虑季节特性下的储能系统选址定容研究

风光等微电源出力的不确定性对其接入配网的安全稳定运行及电能质量带来了一定的风险隐患，而储能装置能够在一定程度上削减分布式电源并网造成的不利影响，其接入位置和容量的优化配置方案是目前亟需解决的问题。本研究以系统负荷波动、储能系统总成本、储能荷电状态偏差为目标函数，建立了储能系统选址定容优化模型；采用粒子群算法求解帕累托解集，基于信息熵的序数偏好法从帕累托解集中选取储能系统最优接入方案。考虑到不同季节下分布式电源出力特性存在较大差异，以新疆哈密地区不同季节下光伏与风电出力规律为基准，在IEEE-33节点配电系统算例分析的结果表明提议方法在求解储能系统选址定容方案中具有较好的收敛性和全局搜索能力，研究结果为储能系统选址定容方案的后续研究提供一定参考。     

精英非支配排序算法与改进粒子群算法相结合的储能优化配置

储能系统的选址定容在接入新能源的电力系统中具有重要意义,合理选择储能容量可以很好地平抑风电接入后的系统有功功率波动,同时减少能源浪费。提出了一种混合智能优化算法(hybrid intelligent optimization algorithm,HIOA),以电压偏差、负荷波动最小及最少储能配置容量为目标进行优化配置。该算法将多目标粒子群算法改进后(IMOPSO)与精英非支配排序算法(NSGA-II)结合,与常规多目标粒子群算法相比,大幅提高了算法的寻优性能,保证了Pareto解的多样性和分布性。通过非支配排序求解获得Pareto最优解集,采用逼近理想解排序(technique for order preference by similarity to an ideal solution,TOPSIS)选出储能的最优接入方案。通过IEEE-33节点测试系统的仿真实验验证了算法的准确性及有效性,在求解配电网储能选址定容问题中有很好的收敛性和全局寻优能力。     

NSGA-II与改进粒子群算法相结合的储能优化配置

储能系统的选址定容在接入新能源的电力系统中具有重要意义,合理选择储能容量可以很好地平抑风电接入后的系统有功功率波动,同时减少能源浪费。本文提出了一种混合智能优化算法(Hybrid Intelligent Optimization Algorithm,HIOA),以电压偏差、负荷波动最小及最少储能配置容量为目标进行优化配置。该算法将多目标粒子群算法改进后(IMOPSO)与精英非支配排序算法(NSGA-II)结合,与常规多目标粒子群算法相比,大幅提高了算法的寻优性能,保证了Pareto 解的多样性和分布性。通过非支配排序求解获得Pareto 最优解集,采用逼近理想解排序(technique for order preference by similarity to an ideal solution,TOPSIS)选出储能的最优接入方案。通过IEEE-33 节点测试系统的仿真实验验证了本文所提算法的准确性及有效性,在求解配电网储能选址定容问题中有很好的收敛性和全局寻优能力。     

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。     

考虑综合经济性的风光配电网储能优化配置

在配电网中配置储能系统可以有效缓解风光接入对配电网产生的影响,提升对风光的消纳能力、减少电压偏差等,而储能接入的位置和容量不同会对配电网产生不同的影响。首先分析储能建设过程中的主要费用,考虑基于分时电价下的网损成本和峰谷差收益,以年综合成本、配电网的日节点电压偏差和最小为目标,建立配电网储能选址定容模型,采用改进多目标遗传二代算法（Improved Multi-Objective Nondominated Sorting Genetic Ⅱ Algorithm,INSGA-II）对模型进行求解,利用改进理想点决策法（Improved Ideal Point Based Decision,IIPBD）来选取最优配置方案,最后在IEEE-33节点模型中对方案进行验证,仿真结果表明,使用INSGA-II算法进行求解时最终决策出的储能配置方案实现了成本最小,并且显著提升了电压的稳定性,验证了改进后算法的优良性和本文所提出的储能优化配置方案的有效性。     

基于混沌多目标粒子群算法的综合能源调度

目的 针对当前综合能源系统中资源协同优化效率不足、微网运行经济性和环保性差的问题,提出了一种计及风电储能及不稳定因素的微网优化调度方法。方法 该方法在微网负荷侧需求响应对新能源消纳影响的基础上,以消纳新能源和削峰填谷为目的,提出了优化负荷曲线的方案;然后,考虑微网调度侧风电出力的不稳定性以及微网内部设备的耦合,进行优化调度以降低微网运行成本、减少环境惩罚费用并提高风电消纳平稳性;最后,采用混沌多目标粒子群算法对优化问题进行求解,并在风电不稳定度占比0%、5%、10%和15%时进行了算例仿真分析。结果 当风电不稳定度为10%和加入风电储能,系统运行成本和环境治理费用最少,比方案1和无风电储能少6 919.4元,风电平稳量也提高38 kWh。在电热冷网中,负荷侧加入需求响应后,系统得到稳定运行和能源合理利用,可以很好地满足负荷侧用能需求。从算法对比中,混沌多目标粒子群算法加入自适应权重和变异率后,具有较强的全局搜索能力和更好的准确性。结论 该方法通过合理设置风电不稳定度能够有效降低运行成本和环境惩罚费用,提高风电稳定性,其次,负荷侧的需求响应可以一定程度地削峰填谷和消纳新能源。     

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.     

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.     

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。     

基于离散粒子群算法的城市物流节点选址模型

在考虑城市物流系统运行费用最小的基础上构建了城市物流节点的选址模型,使用离散粒子群优化算法对该模型进行求解,算例分析表明该算法计算效率较高且易于实现,在求解城市物流节点选址问题时可以快速搜索到问题的最优解,具有较高的达优率．     

含混合储能的风光储系统容量优化配置

由于可再生能源的不断发展,电网对各种能源存储技术的需求日益增长,通过提出一种利用废弃矿区建立含重力储能的混合储能系统解决新能源消纳的问题。以年均系统成本最小化为目标建立微电网容量优化配置模型,通过分析含风力发电机、光伏组件、蓄电池和重力储能装置的微电网各发电单元特性,并采用改进粒子群优化算法对该模型进行优化求解。算例结果表明,该模型提高了系统的经济性,系统负荷缺电率等可靠性指标也得到了明显提升。     

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。     

电力系统多目标无功优化研究

在传统无功优化模型的基础上,引入了静态电压稳定性指标,建立了综合考虑系统有功网损最小、静态电压稳定裕度最大和电压水平最好的多目标无功优化模型.基于Pareto最优概念的改进多目标粒子群算法应用到多目标无功优化的求解中,对IEEE30节点统进行了仿真计算.优化结果表明,该模型在实现系统经济运行的同时也增强了电网的电压稳定同时求得的一组最优解能够为优化方法的决策提供更多的有效参考,具有实际意义.     

改进GA-PSO算法的船舶电力系统故障诊断

为解决船舶电力系统故障识别的准确性以及快速性问题,在BP神经网络预测的基础上,提出一种改进的粒子群(PSO)和遗传算法(GA)混合优化BP神经网络的方法。改进包括两方面：一是对粒子群的惯性权重和学习因子进行改进;二是对遗传算法的变异概率和交叉概率进行改进。对发生故障时的三相电压信号进行小波包分解,提取各频率段的能量熵作为故障特征。经测试,优化后的算法诊断准确率明显提高,神经网络训练次数和误差减小,验证了改进GA-PSO-BP算法的可靠性,以及用于船舶电力系统故障诊断的实用性。     

基于改进多目标粒子群优化算法的配电网削峰填谷优化

电力系统削峰填谷优化作为负荷管理的重要手段,而储能系统在削峰填谷的功能显得尤为突出,以负荷峰谷差为目标的单目标优化已经无法全面评价储能系统在削峰填谷上的优势,为更好地体现储能系统在负荷管理上的优势,考虑以经济效益为调度目标的多目标优化问题(multi-objective optimization problem,MOP)显得尤为重要。基于此以负荷峰谷标准差和分时电价构建了配电网削峰填谷的多目标优化模型进行研究。提出基于拥挤距离排序的改进多目标粒子群优化(multi-objective particle swarm optimization,MOPSO)算法,为改善算法陷入局部最优提出了变异机制的二次寻优,通过设置一定容量的外部档案存储非支配的帕累托(Pareto)最优解,最终获得Pareto最优前沿面。最后通过采用模糊隶属度法求解折中最优解,算例分析验证了本文所提模型的实用性和改进算法的有效性。     

利用储能技术提高电力系统稳定性研究

研究了利用储能系统(ESS)提高电力系统稳定性的控制方法。首先给出一种适用于电力系统稳定控制的储能系统通用简化仿真模型,然后根据问题的需要设计了功率振荡阻尼控制器,并使用粒子群算法(PSO)对其参数进行优化,最后通过在PSASP上进行数字仿真验证了所提方法的有效性。     

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。