基于分布式电源的配电网多目标优化策略研究

大量的可再生分布式能源并网是当今电力系统的发展趋势,优化配电网潮流和提升系统消纳分布式电源(DG)的能力成为研究热点。在建立DG数学模型的基础上,从电源侧开展DG选址的研究,并对含协调储能和柔性负荷的主动配电网进行优化调度。其中,DG选址采用使配电网络损耗最小和电压水平最高的多目标规划模型,并利用功率圆法求解DG的最佳接入位置;对主动配电网的优化则构建了使配电网电压偏差最小、网络损耗最小和可再生能源发电比例最高的多目标优化调度模型,并运用智能粒子群算法进行求解。最后以标准IEEE 33节点配电系统为算例进行仿真分析,解决了DG选址问题并验证了该优化策略的有效性。     

考虑分布式电源出力调整的多目标配电网重构

配电网重构可以提高配电网运行的经济性和安全性,而分布式电源(Distributed Generator,DG)加入配电网直接影响潮流分布,对配电网重构将产生较大影响。考虑到DG对配电网重构的影响,以开关状态、DG出力为优化变量,建立了以网络损耗、负荷均衡化率最小为目标函数的多目标优化模型。将生成树、蚁群算法和遗传算法相结合,提出了求解上述模型的多目标混合优化方法,以实现配电网结构和DG出力的协同优化。该方法利用基于生成树原理的蚁群算法对配电网结构进行优化,保证蚂蚁路径满足网络拓扑约束,有效提高了可行解的数量;采用Pareto最优遗传算法对分布式电源出力进行优化,可获得满足多目标需求的若干优化方案。仿真结果表明所提出方法能够实现DG出力和网络重构的综合优化和多目标优化。     

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。     

基于混合算法的含分布式电源配电网重构研究

随着新能源技术在配电网领域的发展,分布式电源（distributed generation,DG）接入配电网的研究成为热门。与传统配电网相比,含DG的配电网会出现弱环网和非PQ节点,而传统潮流计算方法只能解决PQ节点和辐射状网络。为解决配电网接入DG后重构的问题,采用叠加定理解决开关倒换过程中产生的弱环网,同时改进前推回代潮流计算方法,使得接入DG的节点可以正常参与潮流计算。同时结合纵横交叉算法（crisscross optimization,CSO）和粒子群算法（particle swarm optimization,PSO）的优势,提出混合算法（crisscross particle swarm optimization, CPSO）优化含分布式电源的配电网重构问题。仿真部分是以典型的IEEE 33节点配电网为例,在考虑DG接入方式为PI节点、PV节点和PQ（V）节点的情况下进行仿真,结果证明了配电网合理的接入DG后,可以起到降低网损和提高电压质量的作用。     

基于改进量子粒子群算法的配电网络优化重构

为了更好地利用分布式电源(DG),需要调整配电网开关状态优化网络结构。基于此,旨在利用一种智能算法对含DG的配电网进行优化重构。以网损最小为目标函数,建立配电网重构模型,并给出重构需要满足的约束条件;按照DG接入配电网的接口类型将其分为PQ型、PV型、PI型和PQ(V)型四种类型,选择前推回代法对含DG的配电网进行潮流计算;通过分析二进制粒子群算法(BPSO)与量子粒子群算法(QPSO),提出了一种改进的量子粒子群算法—加权的二进制量子粒子群算法(WBQPSO)。以IEEE33节点配电系统为例,采用二进制编码方式,通过仿真结果可以发现WBQPSO通过对粒子的平均最好位置加权处理,改善种群多样性,提高收敛速度,可以得到更好的网络重构的优化结果。     

基于机会约束规划考虑DG与负荷多状态的配电网重构

分布式电源(distributed generation,DG)的大规模接入使配电网成为有源网络,风力、光伏具有出力随机的特点,传统的配电网重构方法不能完全适用含DG的配电网。考虑自然资源和负荷的随机性,依据概率密度函数分别对不可控DG和负荷建立了多状态模型,进而获得了配电系统的多状态模型。以开关状态为优化变量,高于置信水平的网络损耗最小为目标函数,节点电压和支路功率越限概率满足置信水平要求为约束条件,建立了含多种DG的配电网重构机会约束规划模型。基于生成树策略搜索网络结构,应用改进蚁群算法进行求解。算例结果验证了该模型和算法的有效性。     

考虑DG与负荷不确定性的主动配电网重构

分布式电源(Distributed Generation,DG)以其清洁性的特点越来越多的接入配电网中,但是具有明显的不确定性,所以本文主要考虑了DG与负荷的不确定性对主动配电网重构的影响。针对DG与电力负荷的不确定性,通过信息熵与场景划分法相互结合,根据负荷曲线将负荷划分为多个场景,并且以Wasserstein概率距离指标对风力发电与光伏发电的场景进行划分。提出“无重复”的环路编码与初始种群生成策略,提高了优化效率。建立基于有功网络损耗期望值的多场景配电网重构模型,最后使用改进的烟花算法对制定场景的重构目标函数进行优化。     

基于改进型蚁狮算法的主动配电网优化重构

主动配电网是含有分布式电源(DG)的配电网络,具备主动管理电源以及负荷需求的能力。基于蚁狮算法,以负荷功率损耗最小为目标,对主动配电网进行优化重构。同时,针对蚁狮算法存在的全局搜索能力不强,易陷入局部最优等缺陷,将混沌搜索机制和粒子群算法的全局寻优策略引入蚁狮算法,提出改进型蚁狮算法。以含三个DG的美国PGE69节点系统为对象进行优化重构,结果表明改进后的蚁狮算法在原始蚁狮算法的基础上有效降低了网损。     

含分布式电源的配电网综合优化重构

分布式电源(DG)的接入对配电网重构带来诸多影响,使含DG的配电网重构难以用传统模型来描述。为了充分发挥DG对配电网的有利作用,将DG视为可调度设备,建立了以网络开关组合、DG注入功率、DG位置为控制变量的配电网综合优化重构模型,采用量子进化算法(QEA),以网损最小为目标函数,对模型进行求解,降低了配电网的有功损耗。采用IEEE33节点测试系统进行仿真计算,结果表明了该方法是正确、有效的。     

计及分布式电源发电不平衡度约束的三相不对称配电网动态重构

该文提出一种计及分布式电源(distributed generation,DG)发电三相平衡需求的三相不对称配电网的动态重构方法。首先以开关成本与网损成本之和最小为目标,构建了同时计及配电网络三相不对称及DG发电不平衡度约束的动态重构模型;其次,在模型中引入三相储能装置(energy storage,ES),实现DG与ES的协调运行,从而在保证DG发电不平衡度约束的同时,能够满足三相不平衡负荷的需求;最后,基于多种线性化手段,将模型转化为混合整数线性规划问题,实现其有效求解。该方法体现了配电网运行安全性与经济性的协调,可在保证DG运行安全性的同时,有效降低网络损耗,提高配电网运行的经济效益。通过对修改的IEEE 34节点及IEEE 123节点配电系统的计算与分析,验证了方法的有效性。     

主动配电网中计及网络重构的分布式电源鲁棒规划

网络重构作为主动配电网(ADN)中优化潮流、减小网损的重要手段,有必要在规划阶段进行考虑。为此,在电源规划中计及网络重构,以年综合费用最小为目标函数,除传统分布式电源(DG)规划约束,还考虑了风电和光伏发电的运行约束、重构次数限制约束,以及DG的渗透率约束,并针对风速、光照和负荷的不确定性,给出了"风—光—负荷"的不确定场景集,建立了主动配电网中计及网络重构的DG鲁棒优化模型。同时,针对模型特点,利用双层优化方法对其进行分解,并采用粒子群优化(PSO)算法和二进制粒子群优化(BPSO)算法分别对上、下两层规划模型进行求解。最后,采用IEEE 33节点系统对模型进行算例仿真,分析了网络重构和鲁棒性对DG规划方案、系统经济性及可靠性的影响,验证了该模型的有效性。     

基于改进和声搜索算法的配电网多目标综合优化

针对含分布式电源(distributed generator,DG)的配电网,DG注入配电网的功率直接影响配电网重构结果。提出了一种基于改进和声搜索算法的配电网综合优化方案,该改进算法在产生和声库时引入混沌序列,利用反向学习策略产生新解,在搜索陷入局部最优时引入整体分布算法,使得算法能够快速收敛。将可调整出力的DG引入配电网重构的过程中,从而获得多目标配电网重构与DG注入功率的综合优化方案,最终达到降低网络损耗与电压偏移率的目的。以IEEE33节点测试系统进行了仿真计算,结果验证了文中方法的有效性。     

基于改进遗传算法的含分布式电源和储能装置配电系统网络重构

通过以有功网损最小为目标建立配电网重构数学模型,应用改进的遗传算法寻求含分布式电源和储能装置配电网的最优重构方案。该算法采用一种十进制编码方式,将配电网中环网个数作为染色体长度,环网中各开关开合状态作为组成染色体基因。在潮流计算中把分布式电源和储能装置等效为“负”的负荷,并基于配电网特有的层次结构特性,采用分层前推回代进行潮流求解。通过对IEEE33节点算例的计算表明,对含分布式电源和储能装置的配电网进行重构,可在很大程度上减少网络损耗和电压降落。     

含DG的主动配电网供电路径优化的研究

含分布式电源(distributed generation,DG)的主动配电网供电路径优化可以提高配电网运行的经济性和可靠性,并达到平衡负荷的目的。不确定性的DG出力、负荷的描述及求解是研究的难点。文中引入区间数以描述DG出力和随机负荷的不确定性,建立了以区间数表示的网络损耗为目标的主动配网供电路径优化模型;在Ybus高斯迭代潮流方程的基础上结合区间分析建立了区间潮流计算模型,对区间的加减法引入仿射运算有效地克服了区间运算过于保守的问题;最后,结合邻域搜索以及克隆选择算法提出了求解上述模型的优化方法,以实现考虑多种不确定因素下配电网供电路径的优化。算例分析验证文中所提方法快速性和有效性。     

基于改进递归有序聚类的有源配电网多时段动态重构

为应对分布式电源(DG)和负荷的时变性、不确定性给配电网重构带来的影响以及提高系统运行效益,综合考虑DG和负荷预测值的动态变化,引用欧氏距离描述段内数据的相似程度,通过递归求解的方式确定最优时段划分方案;为了减小不确定因素对配电网重构的影响,将DG出力以及负荷的预测值转换为区间数的形式,综合考虑环保收益与系统损耗费用,建立以净收益最高为目标的有源配电网重构模型;基于仿射算数的区间潮流方程通过构造噪声元的线性优化模型抑制区间扩张,并结合环路编码和基于Bloch球面的量子粒子群优化算法对模型进行求解.IEEE 33节点系统的测试分析结果验证了所提方法的有效性和优越性.     

含分布式电源配电网重构的研究

为全面反映含分布式电源的配电网重构问题,建立负荷均衡度、系统网损及电压质量协调最优的含分布式电源配电网重构优化模型,在此基础上,利用模糊理论,将含DG配电网多目标重构问题转换成单目标优化问题。鉴于传统蝙蝠群体易聚集于局部极值,导致早熟,将混沌优化以及自适应调整策略融入到蝙蝠优化算法,提出了一种改进型多目标蝙蝠优化算法,并提出利用其对含分布式电源配电网重构模型进行求解,选取IEEE-33节点配电系统进行仿真,通过算例验证所提算法的良好实用性和适应性,并且验证所提模型的实际意义。     

含间歇性DG的主动配电网动态重构研究

考虑ADN(主动配电网)中间歇性DG(分布式电源)出力的时变性和系统负荷功率的不确定性,建立了含DG的ADN重构模型,提出了DEIWO(差分进化入侵杂草优化)算法,对配电网进行动态重构。利用柯西分布取代高斯分布对IWO(入侵杂草优化)算法进行空间扩散,在计算初始可以产生更多的可行解;引入DE(差分进化)策略,优化竞争生存操作过程,解决了IWO算法收敛速度慢且容易陷入局部最优的问题。利用改进的OFCMC(最优模糊C均值聚类)方法处理ADN动态重构问题,将ADN动态重构问题转化成C个代表负荷数据为聚类中心的静态重构问题。IEEE 33节点系统算例结果表明,利用DEIWO算法对接入DG的配电网重构后,各节点电压波动、电压偏差降低,节点电压整体提高至接近额定电压且无电压越限,配电网电压质量可达到最佳状态。     

考虑负荷与分布式电源变化的配电网动态重构

配电网动态重构是实现配电网架优化运行的重要手段,随着电网中分布式电源(Distributed Generator,DG)的大量接入,实际配电网中负荷需求和DG的出力在不断变换,以往静态重构无法满足配电网实际运行要求。本文建立了以网络损耗、电压偏移和弃电率为优化目标的配电网重构模型,针对动态重构时段划分问题,综合考虑负荷变化和电网运行指标,采取了一种双步时段划分策略,并应用"最小回路"编码方式剔除不可行解,对蚁群算法进行改进。最后,以修改后IEEE33节点系统为算例,验证了所提方法的有效性。     

基于Tabu-PSO的含分布式发电配电网重构

针对分布式发电对配电网重构的影响,对包含分布式发电的配电网进行数学建模;应用改进的粒子群优化算法提高算法的搜索速度;把分布式发电作为并网节点上的功率值为负的负荷。研究结果表明,对含有分布式发电的配电网优化重构后,系统的网损有较大降低,系统电压有所提高。     

基于萤火虫-变邻域搜索算法的含分布式电源配电网重构

为全面的反映含分布式电源配电网重构的问题,本文建立网系统网损、负荷均衡及电压质量协调最优的含分布式电源配电网重构优化模型,能够比较实际、科学的反映配电网网络结构调整问题。在此基础上,应用自适应权重系数法,明确各目标函数的权重组合方案,将含DG配电网多目标重构问题转换成单目标优化问题。鉴于传统萤火虫算法具有容易早熟、过度依赖控制参数的缺陷,提出了FA算法与变邻域搜索相结合的混合优化算法,并利用其对含分布式电源配电网重构模型进行求解,选取IEEE-33节点配电系统进行仿真,通过算例验证所提算法的良好实用性和适应性,并且验证所提模型的实际意义。