基于无迹变换随机潮流建模的主动配电网优化调度

为了解决风电和电动汽车大量接入主动配电网所引发的随机优化调度问题,利用基于无迹变换的随机潮流计算方法处理风电出力的波动性、电动汽车充电的随机性以及电网负荷的随机波动。进而建立了以电动汽车充电功率和分布式电源出力为优化变量,以配电网运行费用最小、有功网损最小和负荷方差最小为优化目标的主动配电网随机优化模型。同时,采用多目标粒子群算法对模型进行求解,并以改进的IEEE 33节点测试系统为例对该模型进行仿真。仿真结果表明:考虑不确定性和电动汽车有序充电的优化调度模型,可以有效地减少配电网运行的成本、降低网损和缩小峰谷差,验证了所提模型的正确性和有效性。     

含分布式电源及电动汽车充电站的配电网多目标规划研究

电动汽车充电站的定容选址问题对配电网络和交通网络都会产生影响,所以在分布式电源规划时应同时考虑。文章建立了路径选择模型与交通满意度评价模型,并研究了分布式电源的时序特性与互补性。考虑分布式电源同时为配电网负荷和充电站供电,建立了总成本最小、网络损耗最小和交通满意度最高的电动汽车充电站与分布式电源定容选址模型。并采用新的多目标自由搜索算法对上述模型进行求解,得到Pareto解集。最后以IEEE33节点配电网为例进行仿真计算,并采用交互式模糊决策对结果进行分析。结果表明,上述方法能得到合理的分布式电源与电动汽车充电站接入位置及其容量配置方案,所提模型和算法是可行且有效的。     

计及不确定性和环境因素的多类型分布式电源选址定容

分布式风电源和光伏电源因风速和太阳辐照度的随机性存在出力不确定性的特点,且配电网负荷水平也存在不恒定的特性。在进行配电网规划时,该不确定性对配电网具有不可忽视的影响。将这种不确定性计及到分布式电源的优化配置问题当中,运用场景划分的方法将一年中配电网的运行状态划分成8760个小时场景,并采用改进K-means聚类方法对场景进行聚类。以计及环境因素在内的年综合费用最小为目标函数,采用改进粒子群算法对多类型分布式电源进行选址定容规划。最后采用配电网系统算例进行仿真分析,验证了该优化配置模型和方法的有效性。     

基于免疫PSO的新能源配电网无功多目标模糊优化

考虑分布式能源的间歇性和随机性对配电网电压的影响,用模糊数表征分布式电源出力不确定性和负荷功率的波动性,构建配电网多目标模糊无功优化模型,提出分布式电源和无功补偿装置输出无功功率的协同优化方法。以有功网损最小和电压偏差最小为目标函数,并将目标函数和约束条件模糊化,根据其隶属度函数形成模糊适应度函数,再将两目标通过最大满意度法转化为单目标,最后利用免疫粒子群算法进行求解,从而确定在负荷功率模糊波动下具有不同模糊出力水平的分布式电源和具有不同运行方式的无功补偿装置输出无功功率的最优值。以IEEE33配电网系统为算例,验证了所提出的模型和算法的可行性和有效性。     

基于最优引导策略的分布式电源优化配置

针对分布式电源(distributed generation,DG)在配电网中的优化配置问题,考虑投资综合成本衡量方案的经济性、用系统网损衡量方案的环保性、用电压偏差衡量方案的电压稳定性,建立了分布式电源多目标优化配置模型。运用改进的多目标粒子群算法对分布式电源配置模型进行求解,引入最优极值引导策略对多目标粒子群算法的全局最优值选取进行改进,将非支配排序和精英保留策略嵌入算法中,有效地提高了算法的全局寻优性能,使算法能够快速有效地收敛到Pareto最优前沿。并以IEEE33节点配电网标准测试系统为例,对分布式电源的安装位置和容量进行优化,将所得到的结果与NSGA II算法进行比较,结果表明算法具有更好的全局收敛效率和寻优能力。     

考虑时序特性含电动汽车配电网分布式电源优化配置

由于电动汽车负荷是一个综合性的影响因素复杂的时空负荷,因此在配电网分布式电源规划的时候需要对电动汽车负荷的时空特性加以考虑。基于电动汽车时空特性与分布式电源的时序特性,建立包含可入网电动汽车、分布式电源以及储能装置的配电网分布式电源优化模型。以配电网年度总成本为优化目标,利用蒙特卡洛模拟得到时空特性的电动汽车负荷,依据协调控制策略,采用引入变异和交叉操作的混合粒子群算法对建立的模型进行优化求解。最后通过某实际地区进行算例分析,验证了所建立模型的正确性以及求解方法的有效性。     

基于改进萤火虫算法的农村配电网分布式电源优化配置

为了借助分布式电源就近供电的优势,进一步改善农村配电网负荷的供电质量,本文针对分布式电源在农村配电网中的优化配置问题,建立了综合考虑分布式电源建设运行总成本与农网网络损耗的多目标优化配置模型,并提出一种基于自适应步长策略的萤火虫优化算法用于农村配电网分布式电源的优化配置,并应用交互式模糊决策技术从前期优化配置pareto解集中选取最优配置方案。通过IEEE-33节点的配电网算例的仿真与分析,验证了模型的可行性与方法的有效性。     

基于改进猫群算法的分布式电源优化配置

对分布式电源(DG)进行合理的选址和定容能使其经济效益最大化。目前用于解决分布式电源优化配置的大多算法都存在对控制参数依赖性过强的问题,导致算法容易陷入局部最优解。为解决该问题,提出了一种混沌改进的多目标猫群算法。利用混沌理论的随机性、遍历性及其规律性,对猫群算法的参数进行调整,使算法能快速得出全局最优解。在分析DG特性的基础上,建立了考虑含分布式电源的有功网损费用最小和用户购电成本最小模型。最后,以PGE69节点配电网为例,通过将改进算法与粒子群算法及基本猫群算法的效果对比,验证改进算法对分布式电源优化配置问题的有效性。     

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。     

配电网分布式电源最优配置研究*

针对配电网中分布式电源的选址与定容问题,以分布式电源的渗透率最高、配电网的网损改善率最大及电压质量改善率最大三个目标构成目标函数,利用判断矩阵确定权重建立多目标优化模型。提出一种改进的果蝇优化算法对配电网中分布式电源的接入位置和接入容量进行优化,IEEE 33节点配电网络的仿真结果表明:与遗传算法和基本果蝇优化算法相比,改进的果蝇优化算法在收敛速度和求解精度两个方面都具有较为明显的优势,验证了上述优化配置模型及改进算法的实用性与有效性。     

含电动汽车和分布式电源的主动配电网动态重构

分布式电源和大量电动汽车充电功率的间歇性和随机性使配电网重构面临新的挑战。在此背景下,提出了一种基于区间数方法的含电动汽车和分布式电源的动态重构策略。文中引入区间数以描述分布式电源出力和电动汽车充电负荷的不确定性,以区间数描述最小化网损为目标函数,提出依据动态降损参数的动态时段划分,建立配电网动态重构的数学模型,在利用KrawczykMoore区间迭代法对潮流方程进行求解的同时引入仿射乘除运算代替区间乘除运算,改善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主动配电网动态重构。算例分析证明所提方法相较于传统人工智能算法具有优越性。     

基于负荷均衡加载的电力系统分布式经济调度策略

在构建以新能源为主题的新型电力系统背景下,电网面临以电动汽车为代表的电气化交通负荷剧增的巨大挑战。针对上述问题提出一种负荷均衡优化模型,将负荷均衡后的集群电动汽车依次并入电网。然后应用多智能体一致性算法,以发电机组的增量成本和集群电动汽车的增量效益作为一致性变量,设计一种集群电动汽车参与电力系统经济调度的算法,通过分布式优化方式解决经济调度问题。建立4种典型的仿真情景,分别验证集群电动汽车分步参与电力系统分布式优化调度的有效性、对不同通信拓扑和功率受约束情况的适用性以及分布式优化算法在集群电动汽车参与经济调度时“即插即用”的能力。在IEEE 39节点系统上进行算例仿真,验证了策略的有效性。     

基于萤火虫与粒子群混合优化算法的移动储能调度

近年来,受规模化电动汽车无序充电、高比例新能源功率波动等因素影响,配电网存在负荷峰谷差较大、网损较高、配电网运行成本高的问题。提出基于萤火虫与粒子群混合优化算法的移动储能调度方法。分别建立电动汽车、移动储能车、氢燃料发电车的移动储能模型,建立负荷峰谷差、配电网网损和配电网运行成本多目标函数,为了降低排名异常的概率,引入Tent混沌映射、柯西变异算子、萤火虫算法中的模糊自适应惯性权值,求解多类型移动储能共同参与调度的最优方案。算例分析结果表明,所提方法能够有效减少负荷峰谷差、降低配电网网损和降低配电网运行成本。     

含分布式电源及电动汽车的园区微网优化运行方法

随着分布式发电技术的不断成熟和电动汽车的普及,多能互补微网越来越广泛地应用于各类工业区、商业综合区等独立园区。为实现园区微网内的优化运行,本文针对含风、光、气、电动汽车的微网,建立了考虑经济性和环保性的两阶段优化模型,计及了分布式电源发电约束、电动汽车的充放电约束、出行约束等条件,以达到园区微网内经济性最好且可再生能源利用率最高的优化目标。本文采用自适应遗传算法对优化目标进行求解,通过对算例进行仿真计算,验证了上述模型在不同运行方式下均能实现经济环保优化运行。     

基于二阶锥规划的含DG与EV配电网分布式发电有功协调方法

分布式电源出力的不确定性与电动汽车充电的随机性给配电网运行效益带来一定的影响。本文根据分布式发电功率和电动汽车充电功率的不确定性,提出了分布式电源出力状态概率模型和电动汽车充电功率状态概率模型,在此基础上形成系统多状态运行空间,建立了含DG和EV配电网分布式发电有功协调模型。以期望的运行成本与期望的停电损失最小为优化目标。利用二阶锥规划,将目标函数和约束条件函数中的非线性形式通过旋转锥转换为线性形式,而新变量间则用特殊结构的锥集表示,从而简化了优化模型。以IEEE14节点的配电系统为例,对所研究的模型与算法进行了验证与分析,获得了较好的效果。     

基于二进制量子粒子群的含电动汽车主动配电网多目标重构

电动汽车(EV)在配网中的渗透率不断增加,影响到电网的经济性和稳定性。提出了适用于主动配电网(ADN)多目标重构的二进制量子粒子群算法(BQPSO),建立了有功网损、电压偏移指标(VSI)和开关操作次数的多目标优化数学模型,以确定接入分布式电源(DG)和电动汽车(EV)后系统的最佳重构方案,并在修改后的IEEE33节点配电系统中进行计算,通过与不同的算法进行对比,验证了本文方法的实用性和有效性。     

基于V2G技术的电动汽车实时调度策略

随着电动汽车逐渐普及,其对电网的影响也不断扩大。为加强电动汽车与电网间协作,充分利用电动汽车在电网能量调度中的高度灵活性,提出一种基于V2G技术的电动汽车实时调度策略。首先以降低充电成本和网损成本为目标,建立电动汽车调度模型。然后通过构建网损灵敏度指标分析电网节点性能,基于电网负荷制定分时电价,通过潮流计算和凸优化算法实时求解得到电动汽车充放电策略。最后以IEEE 33节点配电网为例验证了所提策略可以有效降低充电成本与网损成本,同时分析了电动汽车渗透率、V2G占比对车网协作效果的影响。     

考虑EV换电站调度和区块链数据存储的电网分布式优化

随着电动汽车规模的迅速增长和主动配电网的发展,对包含电动汽车的电力系统进行调度优化变得越来越重要。文中提出一种包含电动汽车换电站优化调度的三层分布式算法,相比于传统的中心化算法,该算法对于趋于分散布局的现代电力系统更加适用。在此基础上,构建了针对该模型的区块链数据存储与共识体系,保证所有历史数据不被篡改和可追溯。此外,提出了适用于该算法的电动汽车换电站车辆入网(V2G)的电价引导模型,能够准确地引导电动汽车换电站的V2G行为。针对优化运行中可能存在的线路阻塞问题,采用动态约束集法对优化结果进行了校正。最后,通过对15节点测试系统进行仿真,验证了该模型对于分布式电网布局的适用性。