零碳园区电-氢混合储能系统多目标优化配置

随着氢气生产和储存技术的快速发展,开发氢气储能系统(hydrogen energy storage systems, HESSs)将给能源和电力系统结构带来根本性变化。HESSs和电池储能系统(battery energy storage systems, BESSs)相结合进行协调优化可以解决多种能源供需之间的不平衡,并提高能源效率。为确保BESSs和HESSs规划的有效性,以最小全生命周期成本(life cycle cost, LCC)、系统网损、联络线交换功率偏差、负荷波动以及电压波动为目标,采用带精英策略的非支配排序遗传算法(non-dominated sorting genetic algorithm-II, NSGA2)求解储能系统(energy storage systems, ESSs)选址定容规划方案的Pareto非支配解集。并利用基于熵权法(entropy weight method, EWM)的灰靶决策在Pareto非支配解集中选取最佳折中解。另外,通过模糊核C-均值(fuzzy kernel C-means, FKCM)聚类算法获取源荷典型运行场景集,并基于扩展的IEEE-33节点系统进行仿真分析。仿真结果表明:NSGA2算法不仅实现了电-氢混合储能系统LCC最小,且其电压质量、功率稳定性、网损与负荷波动也显著优于对比算法。     

零碳园区电-氢混合储能系统多目标优化配置

随着氢气生产和储存技术的快速发展,开发氢气储能系统(hydrogen energy storage systems, HESSs)将给能源和电力系统结构带来根本性变化。HESSs和电池储能系统(battery energy storage systems, BESSs)相结合进行协调优化可以解决多种能源供需之间的不平衡,并提高能源效率。为确保BESSs和HESSs规划的有效性,以最小全生命周期成本(life cycle cost, LCC)、系统网损、联络线交换功率偏差、负荷波动以及电压波动为目标,采用带精英策略的非支配排序遗传算法(non-dominated sorting genetic algorithm-II, NSGA2)求解储能系统(energy storage systems, ESSs)选址定容规划方案的Pareto非支配解集。并利用基于熵权法(entropy weight method, EWM)的灰靶决策在Pareto非支配解集中选取最佳折中解。另外,通过模糊核C-均值(fuzzy kernel C-means, FKCM)聚类算法获取源荷典型运行场景集,并基于扩展的IEEE-33节点系统进行仿真分析。仿真结果表明:NSGA2算法不仅实现了电-氢混合储能系统LCC最小,且其电压质量、功率稳定性、网损与负荷波动也显著优于对比算法。     

基于改进多目标粒子群算法的配电网储能选址定容

以系统节点电压波动、负荷波动以及储能系统总容量为目标建立了储能选址定容优化模型.求解过程中提出了一种改进多目标粒子群算法(improved multi-objective particle swarm optimizer,IMOPSO).该算法根据粒子与种群最优粒子的距离来指导惯性权重的取值,使得各粒子的惯性权重可以自适应调整,并在二者距离较小时引入交叉变异操作,避免陷入局部最优解,同时采用动态密集距离排序来更新非劣解集并指导种群全局最优解的选取,在保持解集规模的同时使解的分布更均匀.为避免决策者偏好对最终结果的影响,采用基于信息熵的序数偏好法从最优Pareto解集中选取储能的最优接入方案.以IEEE-33节点配电系统为例进行仿真验证,结果表明该方法在储能选址定容问题求解中具有很好的收敛性以及全局搜索能力.     

基于柔性直流互联的多微网集成聚合运行优化及分析

为解决多微网集成聚合控制与运行管理问题,提出一种多微网柔性直流互联方案及多目标优化调度方法。首先介绍了多微网柔性直流互联结构和电压源型变流器(VSC)模型。然后,以微网中电压波动最小和系统网损最小为优化目标,综合考虑交流系统、直流系统和VSC的运行约束,提出了基于柔性直流互联多微网的多目标优化模型。最后,采用改进非劣排序多目标遗传算法(NSGA-Ⅱ)和交直流混合潮流算法对多目标优化模型进行求解,得到帕累托(Pareto)最优解集,针对Pareto最优解集中解的数量大的问题,提出采用模糊聚类法对Pareto最优解集进行筛选,得到最终优化调度方案。对算例进行了仿真分析,结果表明所提模型和算法能够有效抑制微网电压的波动,进而提高可再生能源的渗透率,同时保证系统的经济运行。     

计及电压稳定性评估的间歇性分布式电源接入配电网定容选址研究

配电网电压稳定受到间歇性分布式电源接入节点位置与并网容量的影响,定容选址的不合理可能造成配电网电压失稳.针对这一问题,本文提出了一种计及电压稳定性评估的间歇性分布式电源接入配电网定容选址决策方法.本文以配电网电压稳定、有功网损以及电流裕度指标建立多目标数学模型,提出一种基于改进TOPSIS法的间歇性分布式电源的最优接入位置与容量选取方案,并在Matlab仿真软件上对所提方案的正确性与合理性进行验证,仿真结果表明,根据本文所提方法选取的最佳接入方案与传统TOPSIS法选取的最佳接入方案相比,本文所提方法更能有效提高配电网电压稳定性,对间歇性分布式电源接入配电网的选址定容工作有一定指导作用.     

基于灰靶决策和多目标布谷鸟算法的微电网分布式电源鲁棒优化

风机、光伏等可再生能源出力和负荷需求的不确定性给微电网稳定运行带来挑战。首先,针对这一特性,构建约束条件的不确定集,综合考虑运行成本和环境成本,建立微电网多目标鲁棒调度模型,并引入鲁棒不确定预算调节不确定集合的保守度。其次,采用基于Pareto支配策略的改进的非线性多目标布谷鸟算法求出Pareto最优解集,并利用多目标灰靶决策从Pareto最优解集中选择出满意方案。最后,针对一个小型微电网系统建立优化模型并求解,对比分析仿真结果,验证了所提方法的可靠性和有效性。     

高比例新能源接入的农村配电网网架多目标协同规划方法

随着新能源发电技术高速发展，高比例新能源逐步接入电网网络基础薄弱的农村配电网。针对农村配电网电网结构建设不够完善、电压偏低、网络损耗过大、难以消纳高比例新能源等问题，考虑最小化投资运行费用、最小化电压偏差、最大化新能源消纳能力的3个目标函数，以农村配电网的规划建设网架线路以及新能源的选址和定容共同作为决策变量，建立高比例新能源接入的农村配电网网架多目标协同规划模型。针对现有多目标优化求解方法存在求解效率较低、可能会遗漏综合程度更优解的问题，提出在多目标全体可行解中直接求解折中最优解的快速求解方法。最后，以某个实际180节点农村配电网作为算例进行分析，验证所提方法的有效性。验证结果表明，相比原最优潮流计算方法，所提方法可实现年等值投资运行费用节省3 360.84万元、系统总电压偏差降低64.6%、农村配电网新能源消纳能力提高31.5 MW这3个目标的同时改善。     

考虑DG及负荷时序性的多目标配电网重构与DG调控综合优化规划

为解决分布式电源（distributed generation,DG）出力及负荷的时变性给实际配电网调度所造成的不利影响,使配电网的优化规划方案更加切实可行,提出了一种基于配电网重构和DG选址定容结合的多目标粒子群动态优化模型,该模型以配电网有功损耗、电压偏差及经济成本为优化目标,考虑负荷及DG出力的时变性,对配电网络重构和DG调度进行综合优化求解。通过基于随机森林模型（random forest,RF）及长短期记忆神经网络(long short-term memory,LSTM)模型的混合预测模型对配电网负荷及DG出力进行预测。采用经帕累托最优理论改进的粒子群算法得到配电网重构及DG调控的帕累托最优解集并利用模糊隶属度函数法来确定帕累托最优解集中的最佳配电网调度方案。基于IEEE 33标准测试系统设计多个算例进行仿真分析,结果表明,所提考虑负荷及DG出力时序性的配电网重构和DG调度联合优化模型可显著改善配电网络运行的经济性和稳定性。     

考虑电压稳定性的含分布式电源配电网多目标无功优化

建立考虑电压稳定性的含分布式电源配电网多目标无功优化模型,该模型兼顾有功网损、电压偏移指标和电压稳定指标3个目标函数。提出一种自适应多目标差分进化算法获取模型的Pareto最优解集,并采用灰色关联决策法提取出最优折中无功优化方案。以IEEE 33节点和IEEE69节点配电系统为算例进行仿真分析,结果验证了所提无功优化方法的有效性。     

考虑环境因素和电压稳定性的多目标最优潮流

建立了综合考虑环境因素和电压稳定性的多目标最优潮流模型。模型中将减少发电成本、污染气体排放量和提高静态电压稳定裕度作为子目标函数;由于继电保护误动是引起电压崩溃的重要因素,模型中计及了线路距离Ⅲ段保护动作裕度约束。设计了包含多目标优化和辅助决策的两阶段法对模型进行求解。在优化阶段,提出一种自适应多目标差分进化算法来获取Pareto前沿;在决策阶段,首先利用模糊C均值算法对Pareto最优集进行聚类,进而在每一类中应用超效率数据包络分析法评估各决策方案的相对效率,以帮助运行人员提取出有效折中解。IEEE 118节点系统算例结果验证了模型的合理性和解法的有效性。     

基于NSGA-Ⅲ与模糊聚类的光储式充电站储能系统优化运行方法

针对光储式充电站运行成本高、电网侧负荷波动水平较大的问题,提出一种基于参考点约束的非支配排序遗传算法(nondominated sorting genetic algorithmⅢ,NSGA-Ⅲ)与模糊聚类结合的优化算法用于储能系统优化运行.首先,在分析光储式充电站系统结构的基础上,以电网侧负荷方差最小、储能系统运行维...     

Multi-objective Optimization Approach for Optimal Distributed Generation Sizing and Placement

Abstract—This article describes a multi-objective optimization method to solve the optimal distributed generation sizing and placement. The optimization problem considers two objectives: minimizing the total real power losses of the network and minimizing the overall distributed generation installation cost. The objectives are combined into a scalar objective optimization problem by using weighted sum method. Both objective functions and equality and inequality constraints are formulated as a non-linear program and solved by a sequential quadratic programming deterministic technique. The multi-objective optimization method gives several answers instead of a single (unique) one. These answers are optimal, and the designer (decision maker) can select the proper solution according to subjective preferences. These optimum results are known as the Pareto front. A fuzzy decision-making procedure for order preference is used for finding the best compromise solution from the set of Pareto solutions. The proposed method is tested using a 15-bus radial distribution system to show its applicability. A comparative study is performed to evaluate two cases—a single distributed generation unit installation and a multiple distributed generation installation—ending by a comparative study of the two cases.     

应用场景压缩和计及电压调节策略的光伏接入规划

针对光伏接入规划中光照强度和负荷大小的不确定性,采用场景分析法依据改进的聚类数量评价指标,在考虑负荷之间相关性的同时减少了规划场景数量。围绕配电网公司和光伏运营商利益协同的问题,充分考虑光伏无功和有功功率对电压的调节作用,构建了多目标双层优化规划模型,上层规划模型优化光伏接入容量,下层考虑光伏接入后的配电网调压策略。对采用非支配排序遗传算法获得的帕累托解集,提出了选取最优解的评估指标及评估流程,并在IEEE 33节点配电系统中验证了所提方法的可行性。     

Optimal location and setting of SVC and TCSC devices using non-dominated sorting particle swarm optimization

In this paper, a new method for optimal locating multi-type FACTS devices in order to optimize multi-objective voltage stability problem is presented. The proposed methodology is based on a new variant of particle swarm optimization (PSO) specialized in multi-objective optimization problem known as non-dominated sorting particle swarm optimization (NSPSO). The crowding distance technique is used to maintain the Pareto front size at the chosen limit, without destroying its characteristics. To aid the decision maker choosing the best compromise solution from the Pareto front, the fuzzy-based mechanism is employed for this task. NSPSO is used to find the optimal location and setting of two types of FACTS namely: Thyristor controlled series compensator (TCSC) and static var compensator (SVC) that maximize static voltage stability margin (SVSM), reduce real power losses (RPL), and load voltage deviation (LVD). The optimization is carried out on two and three objective functions for various FACTS combinations considering. For ensure the robustness of the proposed method and gives a practical sense of our study, N − 1 contingency analysis and the stress of power system is considered in the optimization process. The thermal limits of lines and voltage limits of load buses are considered as the security constraints. The proposed method is validated on IEEE 30-bus and realistic Algerian 114-bus power system. The simulation results are compared with those obtained by particle swarm optimization (PSO) and non-dominated sorting genetic algorithms (NSGA-II). The comparisons show the effectiveness of the proposed NSPSO to solve the multi-objective optimization problem and capture Pareto optimal solutions with satisfactory diversity characteristics.     

Probabilistic and Multi-Objective Placement of D-STATCOM in Distribution Systems Considering Load Uncertainty

Advanced technologies such as distribution static compensator (D-STATCOM) are broadly deployed in distribution systems (DSs) to tackle different issues. Successful deployment of such technologies requires their adaption to stochastic nature of DS. This paper proposes a new method for allocation of D-STATCOM in DSs considering load uncertainty. Monte Carlo simulation (MCS) technique is utilized to cope with uncertain attribute of loads. To do so, output of MCS is considered as a deterministic case which is solved by backward-forward sweep power flow approach. The objective functions of the proposed model include total voltage deviation, total active losses, and voltage stability metrics. These metrics are combined in a multi-objective optimization formulation and solved by non-dominated sorting genetic algorithm-II (NSGA-II). Lastly, the best compromise solution is determined by Pareto front technique taking advantage of fuzzy decision making (FDM) engine. Comprehensive simulation studies are carried out on IEEE 33-bus standard distribution system as well as on Portuguese 94-bus real-world distribution system. Simulation studies confirm the accuracy of the proposed method in determining proper location of D-STATCOM in DSs by fulfilling the objectives.     

含电转气的电-气互联系统多目标优化调度

在“能源互联网”背景下,提出一种计及经济、碳排放和削峰填谷目标的电-气互联系统多目标优化调度模型,通过电转气装置和燃气轮机的相互配合,电-气互联系统可实现风电消纳能力提高,系统碳排放降低以及净电力负荷曲线平滑等目的。采用改进的广义法线边界交叉法求解电-气互联系统多目标优化调度模型的Pareto前沿,为调度人员提供多样化的决策解选择。此外,针对传统多目标决策方法没有计及目标间的相关性,而不能有效协调多维相互冲突的目标,提出一种马氏距离双基点法用于选取折中解,以提高多目标决策的科学性。最后,采用修改的IEEE 39节点电网与比利时20节点气网耦合的电-气互联系统为仿真算例,验证所提模型的优越性以及广义法线边界交叉法和马氏距离双基点法对此多目标优化调度问题的适用性。     

含大规模电动汽车接入的主动配电网多目标优化调度方法

针对大规模电动汽车接入配电网无序充电带来的负荷峰值增加等问题,提出一种含大规模电动汽车接入的主动配电网多目标优化调度方法。首先基于蒙特卡洛抽样方法分析了大规模电动汽车的充电负荷需求;然后,以含大规模电动汽车接入的主动配电网运行成本最小化和负荷曲线方差最小化为优化目标,综合考虑电动汽车的充电需求和配电网的运行约束,构建含规模化电动汽车接入的主动配电网多目标优化调度模型,采用带精英策略的非支配排序遗传算法(NSGA-II)对多目标优化模型进行求解,针对多目标优化得到的帕累托(Pareto)最优解集规模大,蕴含信息丰富,导致运行人员难以决策的问题,提出一种基于模糊聚类的方法对多目标Pareto最优解集进行筛选。通过改进的IEEE 34节点算例的多场景对比分析,结果表明:所提出的模型和方法可在保证系统经济运行的同时,有效利用电动汽车的优化充电降低系统负荷峰谷差。     

机组负荷分配的多目标优化和多属性决策

同时计及机组运行的经济性和污染排放,将基于进化算法的多目标优化技术与多属性决策方法联合运用,针对火电厂负荷优化分配问题进行了研究。对于多目标优化问题,采用改进的非支配解排序的多目标遗传算法(NSGAⅡ),求出Pareto最优解,由这些Pareto最优解构成决策矩阵,使用客观赋权的信息熵方法对最优解的属性进行权值计算,然后用逼近理想解的排序方法(TOPSIS)进行多属性决策(MADM)研究,对Pa-reto最优解给出排序。给出了3台机组负荷分配的优化算例,计算表明所提方法适应性好,结果合理可行。