含分布式电源的配电网扩展规划研究

建立了分布式电源和线路年综合费用最小、线路损耗最小和分布式电源安装容量最大的多目标函数规划模型,针对多目标优化问题,提出了一种改进的多目标粒子群优化算法。网架规划采用离散二进制粒子群算法,分布式电源规划采用改进的粒子群算法。该算法利用Pareto非支配排序和计算拥挤距离方式更新粒子的个体最优位置和全局最优值。针对粒子群算法容易陷入局部最优的问题,引入Boltzmann学习策略,在算法前期温度较高粒子能够向不同的粒子学习,保持粒子个体多样性,提高算法全局寻优能力。在算法后期温度降低粒子群将向全局最优粒子学习,提高收敛速度。最后将该算法应用于某10KV配电网扩展规划,结果表明文中提出的方法能够得到合理的配电网扩展规划方案,并且提供了多样化的解集,方便用户根据实际情况灵活选择方案。     

考虑节能效益的企业分布式电源优化配置

针对企业供配电系统分布式电源规划问题,以企业节能效益最大化为目标,建立企业分布式电源优化配置模型。采用改进粒子群算法进行求解,将参数自适应调节、粒子交叉、模拟退火算法融入粒子群算法,有效提高了粒子群算法的寻优效率。采用IEEE33节点配电系统进行了算例仿真分析,仿真结果表明,利用此模型对分布式电源进行优化配置后,配电网损耗降低、电压质量显著提高、企业节能经济效益得到最大化提升。算例有效验证了优化配置模型与改进粒子群算法的可行性。     

基于改进蝙蝠算法的配电网分布式电源规划

合理规划接入电网的分布式电源能够提高能源利用效率,提高电力系统运行的经济性、灵活性和可靠性。建立了以分布式电源建设和运行总费用最小、系统网损最小、静态电压稳定指标最大为优化子目标的多目标规划模型。采用了一种新的仿生算法--蝙蝠算法,并针对蝙蝠算法的不足之处进行了改进,有效地解决了该算法易陷入局部最优、后期收敛速度慢等问题。通过14节点配电网测试系统进行了分布式电源选址和定容仿真分析。仿真结果表明,与传统的蝙蝠算法、粒子群算法相比,采用改进的蝙蝠算法能够更好、更快地得到分布式电源接入配电网的最优规划方案,验证了算法的正确性和可行性。     

基于改进粒子群算法的分布式电源接入规划

建立了含分布式电源的配电网规划经济性模型,以折算到每年的分布式电源的投资及运行费用和线路有功网损运行费用最小为目标函数,并应用改进粒子群优化算法进行配电网分布式电源(DG)规划,从而有效地提高了改进粒子群优化算法的全局收敛能力和计算精度。对69节点和33节点配电测试系统进行仿真计算,结果表明了论文采用的DG规划模型和改进粒子群优化算法的正确性和适用性。     

基于改进多目标粒子群算法的有源配电网储能优化配置

储能系统可解决分布式电源加入配电网所产生的不良影响,而储能系统的合理配置是其有效应用的前提。以电网脆弱性衡量指标、有功网损、储能额定容量三个方面,考虑规划与运行之间的耦合性建立储能系统在有源配电网中的多目标选址定容模型。提出改进的多目标粒子群算法用于求解。该算法在种群更新过程中引入准对立学习策略以增强解的覆盖范围和收敛速度,并根据迭代次数采用自适应分裂策略分离过早聚集的粒子,从而增强粒子多样性,保证了算法跳出局部最优的能力。通过在IEEE33节点配电系统上进行分析,验证了所提模型及算法在优化分布式储能选址定容及运行策略中的合理性,并能有效改善电网的运行经济性与脆弱性,具有更强的全局寻优能力。     

基于改进粒子群算法的配电网分布式电源规划

合理地对分布式电源进行选址和定容对于实现配电网网损最小是至关重要的.应用改进粒子群优化算法进行配电网分布式电源(DG)规划,并结合罚函数法将DG规划问题转化成无约束求极值问题,从而有效地提高了改进粒子群优化算法的全局收敛能力和计算精度.对69节点和33节点配电测试系统进行仿真计算,结果表明了论文采用的DG规划模型和改进粒子群优化算法的正确性和适用性.     

基于改进粒子群算法的配电网分布式电源规划

合理地对分布式电源进行选址和定容对于实现配电网网损最小是至关重要的。应用改进粒子群优化算法进行配电网分布式电源（DG）规划,并结合罚函数法将DG规划问题转化成无约束求极值问题,从而有效地提高了改进粒子群优化算法的全局收敛能力和计算精度。对69节点和33节点配电测试系统进行仿真计算,结果表明了论文采用的DG规划模型和改进粒子群优化算法的正确性和适用性。     

基于免疫粒子群算法的分布式电源多目标规划

针对标准粒子群算法在求解过程中容易陷入局部最优解的问题,提出了一种将免疫算法的免疫信息处理机制和自我调节机制引入到标准粒子群优化算法的新型优化算法,即免疫粒子群优化算法。以分布式电源建设运行费用、有功网损和环境成本最小为多目标函数,建立了分布式电源接入配电网的规划模型,采用免疫粒子群算法对模型进行求解,最终得到分布式电源接入配电网的最优配置方案。以风力发电为例,对IEEE 33节点算例进行仿真分析,结果表明,免疫粒子群算法与标准粒子群优化算法和混沌粒子群算法相比,收敛速度快、收敛精度高。     

改进粒子群算法在分布式电源优化配置中的应用研究

合理的分布式电源(DG)位置和容量对配电网的安全、经济运行至关重要。建立了以电力公司年综合经济效益最大的优化配置模型,针对传统粒子群算法存在的早熟现象,采用改进粒子群算法进行目标函数寻优,最终得到满足目标函数的分布式电源最优配置方案与实际运行时的最优输出功率。对实际算例的仿真计算结果验证了算法的正确性和有效性,为进一步开展分布式电源规划拓展了思路。     

基于粒子群算法的分布式电源接入位置及容量寻优

为减少大规模分布式电源接入对低压配电网产生的电压冲击,使配电网保持安全、经济的运行状态,文章提出了基于粒子群算法的分布式电源最优接入位置和容量配置。在满足潮流收敛、网损最小、电压变化指标最小的目标条件下,基于粒子群算法对分布式电源并网进行了建模,对其接入位置和接入容量进行寻优求解,将其最优接入位置和最优接入容量通过建模优化转换为求解网损最小和电压变化指标最小的问题。最后,通过案例分析,验证了本文提出算法的可行性。     

基于量子粒子群算法的分布式电源优化规划

针对配电网中分布式电源(distributed generation,DG)的选址和定容问题,在研究标准粒子群优化算法的基础上建立有功网损和DG运行费用最小的目标函数。考虑运行中的约束条件,利用旋转门更新的量子粒子群算法(quantum particle swarm optimization,QPSO)分析DG接入位置、容量不确定的情况下将目标函数和约束条件转换为综合目标函数,并求得最优解。对IEEE14节点配电测试系统进行算例仿真,比较仿真结果与粒子群算法优化结果,验证了QPSO在分布式电源规划上的收敛性和适应性。     

考虑静态电压稳定性的分布式电源优化布置研究

为了研究在考虑静态电压稳定性情况下,配网中分布式电源的优化布置问题。基于IEEE33节点配电网络和Matlab仿真测试软件平台,以分布式电源(Distributed Generation,DG)接入总容量最大为目标函数,以静态电压稳定指标L(Voltage Stability Index)为约束条件,应用自适应粒子群算法(Adaptive Mutation Particle Swarm Optimization Algorithm,AMPSO)对配电网络中DG的选址和定容进行优化。优化结果得出了配电网络中最优的DG布置方案,同时满足了配电网络电压稳定和分布式电源容量最大的要求,该研究对配网中分布式电源的规划提供了积极的指导意义。     

考虑相关性的微电网DG接入优化研究

对微电网中的分布式电源(DG)接入进行优化配置可以大大地提高微电网运行的可靠性和经济性。在考虑DG接入的相关性以及负荷重要性的基础上,建立了以考虑DG接入相关性并以微电网运行经济性最优为目标函数的多目标分层优化模型,并采用改进的粒子群算法(IPSO)进行求解。将优化模型及IPSO算法应用于一28节点微电网网架中,通过不同优化方案的对比证明了微电网中对DG接入进行优化配置的重要性,同时表明IPSO算法对于求解此类问题的可行性和有效性。     

含分布式电源优化调度的配电网络重构

配电网络重构是配电网优化的重要措施,分布式电源（DG）接入配电网将改变网络潮流分布,直接影响网络重构结果,而网络重构引起的DG相对位置变化也将引起DG最优输出功率的变化,进行单个优化不能达到整体最优的效果。针对这一问题提出了一种含分布式电源优化调度的配电网络重构方法。采用改进最小生成树算法和改进粒子群算法将网络重构和DG的优化调度相结合进行交叉迭代。首先,进行DG的优化调度;其次,进行网络重构。只要网络结构发生变化,就需要重新进行DG优化调度,直到重构和DG优化调度均无操作时算法收敛,停止计算。实际算例表明,该方法能有效降低配电网的网络损耗、改善电压质量,可以达到配电网总体最优。     

基于改进粒子群算法的含DG配电网无功优化

含分布式电源(DG)配电网的无功优化是一个复杂的非线性优化问题,文中采用改进的粒子群算法(PSO)对配电网进行无功优化计算,建立以系统网损和电压平均偏离最小为目标函数,节点电压和电容器投切容量为约束条件的优化模型。在PSO中引入位置方差防止PSO陷入局部最优解,根据种群中粒子的适应度值对粒子进行变异处理,在保证算法收敛速度的基础上,改善算法性能。以含分布式电源的IEEE14节点配电系统为例进行无功优化分析,结果表明DG能增强电网运行的稳定性,所提算法具有较好的优化性能。     

以低碳为目标的分布式发电选址定容方法研究

针对分布式电源选址定容中新能源发电容量的受限问题,提出了分布式电源的两轮规划方法,即首先对新能源发电进行选址定容,然后在此基础上优化配置其他类型的分布式电源。在考虑系统运行费用最低、电压质量最好的基础上,创新地加入了系统等效碳排放量最小这一节能目标,并将目标函数设为规划前后成本和收益之差,直观反映了配电网的经济效益。采用改进的自适应惯性权重粒子群算法,对IEEE33节点标准算例进行求解,最终给出了该网络的最优DG配置方案,分别以图、表的形式表明各种分布式电源的接入节点和接入容量,其中光伏发电占到了分布式电源总量的60%,结果分析表明网损、电压和碳排放指标均有较大改观。     

基于自适应粒子群算法优化DG的配网静态电压稳定性提高策略

为了改善配电网络的静态电压稳定性,提出一种接入分布式电源优化布置的方案。基于IEEE33节点配电网络和Matlab仿真测试软件平台,以静态电压稳定指标L(Voltage Stability Index)和最大电压偏差最小为目标函数,以最大电压偏差小于7%为约束条件,应用自适应粒子群算法(Adaptive Mutation Particle Swarm Optimization Algorithm, AMPSO)对配电网络中DG的接入进行优化布置,从而提高了整个配电网络的静态电压稳定性。并通过重庆某地区的实际配电网络进行实例验证,证明方案的正确性和可行性。该研究所提出的方案,对配电网络静态电压稳定性的改善有一定的指导意义。     

基于自然选择粒子群算法含DG接入的配电网无功优化

以分布式电源接入配电网运行时产生的有功网损最小并能改善电压质量为目标,提出将自然选择机理与粒子群算法相结合的配电网无功优化方法。将DG向系统注入的无功功率作为配电网无功优化的控制变量,建立了包括目标函数、潮流方程等式约束和不等式约束的配电网无功优化数学模型。基于自然选择的粒子群算法其核心思想为每次迭代过程中将整个粒子群按适应值排序,用群体中最好的一半的粒子的速度和位置替换最差的一半的速度和位置,同时保留原来每个个体所记忆的历史最优值。通过对改进后的IEEE33节点配电系统进行仿真分析,结果表明所提出的算法具有很强的全局收敛性和稳定性,并能以最快的收敛速度搜索到系统最小网损值。     

基于单环寻优策略的有源配网重构方法

配网DG接入导致智能优化算法在重构求解时易陷入局部收敛且寻优率较低.考虑配网拓扑特性与算法的关系,将两者深度结合,提出基于单环寻优策略的有源配网重构方法.首先引入莱维飞行对量子粒子群算法进行改进,建立了莱维系数量子粒子群算法.其次提出自适应环压有序环矩阵作为算法的解空间.最后根据配网拓扑与算法全局最优解之间的对应关系提...