基于馈线偶的配电网快速减小网损重构方法

作为配电网自动化高级应用模块,网络重构应满足快速性的要求而达到在线应用的目的。而许多配电网重构方法因追求全局最优或多次潮流计算而不能满足该要求。文中提出一种基于馈线偶的快速减小网损重构方法。该方法利用馈线偶内网损估算公式推导馈线偶内最佳转移负荷来寻找最优分段开关,可以避免多次潮流计算,完成馈线偶内重构。以馈线偶内重构为基础,并按照全网所有馈线偶的联络开关两侧压差的大小顺序进行全网网络重构。全网重构时对所有馈线进行"优化标定",可以起到避免重构死循环和结束全网重构的作用。最后采用13节点和185节点配电网进行了编程计算,结果表明了该方法的快速性和有效性,可以满足配电网重构在线应用的要求。     

基于改进引力搜索算法的配电网多目标优化重构

在含分布式电源(distributed generation,DG)的配电网重构中,综合考虑网络经济性、电能质量以及供电可靠性等因素,通过基于模糊满意度的多目标处理方法将多目标函数进行归一化处理,将精英策略思想引入到万有引力搜索算法中,并采用此改进引力搜索算法对问题进行求解。以IEEE 33标准节点系统为例进行网络重构,仿真结果表明,多目标重构后系统的网损有较大的降低,同时节点电压质量和供电可靠性也得到提高,从而验证了所提算法的有效性和可行性。对比其他算法,所提算法有效避免了结果陷入局部最优解,提高了算法的稳定性且具有较强的寻优性能。     

含光伏接入的中压配电网集中调控优化策略

随着并网光伏数量和容量的增加,中压配电网电压波动及网损过大等问题日益突出。为此计及中压配电网的通信条件与计算能力等特点,提出了一种面向中压配电网的分布式光伏集中调控优化策略,抑制中压配电网电压波动及网损过大。分析光伏并网对配电网电压及网损影响,构建了以中压配电网潮流平衡方程、节点电压、支路电流及系统运行为约束,以网损最小、电压波动最小和分布式电源消纳最大为目标的多目标优化控制模型;采用商用CPLEX对模型进行求解;最后结合算例仿真对模型进行了有效性验证。结果表明,所提优化控制模型可有效降低配电网电压波动,合理分配分布式电源出力,降低网络损耗,同时保证光伏利用率处于相对合理区间。     

广泛学习量子进化的含分布式电源配电网重构

在分布式发电条件下对配电网重构问题进行研究,可进一步提高系统供电的安全性与可靠性,同时有效地减小线路损耗,这对实现配电自动化,建设智能配电网有着重大作用和意义。通过对量子进化算法基本理论进行介绍并将其与广泛学习的思想相结合,提出基于广泛学习的量子进化算法,并应用于配电网优化重构。以IEEE33节点系统为例,通过仿真实验分析不同数量的DG接入电网中,系统的网损和电压变化情况。MATLAB仿真结果验证了方法的有效性。     

Novel FGbSA: Fuzzy-Galaxy-based search algorithm for multi-objective reconfiguration of distribution systems

Reconfiguration according to different criteria is an important problem in distribution systems. This paper presents a new method for optimal multi-objective reconfiguration of distribution system based on the Galaxy-based Search Algorithm (GbSA). To avoid the convergence problem, the input and output data are normalized in the same range using fuzzy sets. The main objectives of the proposed algorithm have been considered as power loss reduction, voltage profile improvement and increase of the system load balancing. The proposed technique has been investigated using the IEEE 33-bus test system and a real distribution network i.e. Tai-Power 11.4-kV distribution system. The obtained results revealed the superiority of the proposed fuzzy-GbSA method in terms of accuracy compared to the GbSA and other intelligent search algorithms such as Genetic Algorithm (GA) or Particle Swarm Optimization (PSO). Furthermore, the proposed algorithm efficiently converged to the optimum solution compared to the other intelligent counterpart algorithms.     

基于小生境技术的Pareto多目标配网重构

配电网重构可以提高配电网运行的安全性、经济性和供电质量,对于当前国内配电自动化系统建设和应用具有重要意义。该文提出一种基于小生境技术的多目标配电网最优重构遗传算法,将安全约束作为目标之一,得到Pareto最优解集,实现了真正意义上的多目标优化;提出了基于相似个体交叉和( 2 +2 )选择机制的小生境并行进化技术,改善了遗传算法的全局收敛可靠性和收敛速度。最后用算例说明了该方法的应用。     

Optimal Reconfiguration in Radial Distribution System Using Gravitational Search Algorithm

This article presents an innovative technique for solving network reconfiguration problems with an objective of minimizing network I²R losses for an explicit set of loads. Amid many performance standards considered for optimal network reconfiguration, voltage constraint is an important one. This problem calls for determining the best combination of feeders to be opened in the radial distribution system so it provides optimal performance in the preferred settings. In solving this problem, the gravitational search algorithm is used to reconfigure the radial distribution system; this algorithm practices an optimal pattern for sustaining the radial nature of the network at every stage of the solution, and it further allows proficient exploration of the solution space. The anticipated scheme minimizes the objective function, which has been given in the problem formulation to reduce I²R losses in addition to balancing loads in the feeders. The solution technique involves determination of the best switching combinations and calculation of power loss and voltage profile. The practicality of the anticipated technique is validated in two distribution networks, where attained results are compared by means of available literature. Correspondingly, it is seen from the results that network losses are reduced when voltage stability is enriched through network reconfiguration.     

基于适应性权重遗传算法的配电网多目标综合优化

针对配电网多目标综合优化问题的复杂性,以及网络重构、电容器投切的离散控制变量优化问题,基于遗传算法从全局角度来求解此优化问题,研究了网络重构、电容器投切的编码方案,以及两者的综合编码方案,并研究给出合理的选择、交叉、变异以及保留操作策略。针对线损、电压质量以及线路负载多目标的各个目标权重难以确定问题,进一步引入适应性权重遗传算法,随着遗传代数的进化,算法自适应地给出各个目标权重。仿真算例验证了所提算法用于配电网多目标综合优化的合理性。     

采用改进免疫算法的多目标配电网重构

建立了网损最小、负荷均衡度最小及静态电压稳定裕度最大的多目标配电网重构优化模型。应用免疫算法进行模型求解,略去了交叉操作,利用可行解排序确定抗体综合亲和度,并根据综合亲和度自适应调整可行解变异率,利用自适应变异及疫苗接种操作保证了抗体的多样性,提高了可行解比例,保证了算法向全局最优解收敛。算例结果验证了该方法的有效性。     

Extended flow algorithm for online reconfiguration of large‐scale distribution system with interconnected distributed generators

The interconnection of distributed generators (DGs) in a power system increases the difficulty of managing the system. The minimization of the voltage deviation by network reconfiguration is an important requirement for dealing with the issue. We had previously developed a reconfiguration technique, named the intelligent flow algorithm (IFA), for determining the optimum or suboptimum network configuration within a short computation time. In the present paper, we propose an extension of IFA, named the extended flow algorithm (EFA), for more effective determination of the optimal network configuration of a distribution system containing massive installations of DGs. EFA is a two‐stage method in which the configuration that produces uniform power supply, referred to as the balanced configuration, is first generated, and then used to seek the optimal configuration using an improved branch exchange approach. Accordingly, EFA is more simplified to improve its computation speed on large‐scale systems. The algorithm was tested by case studies of different test distribution systems in the MATLAB environment, and was confirmed to have high performance to cope with DG installations and large‐scale systems. © 2017 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

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。     

基于量子粒子群算法多目标优化的配电网动态重构

为保证配电网动态重构后系统安全稳定的运行,提出了以网损和节点电压稳定性为目标函数的量子粒子群算法的配电网动态重构。针对配电网动态重构过程中时段划分问题,提出以负荷曲线的单调性和幅值变化大小为依据初步划分时间段落。采用整数型量子粒子群算法进行动态重构,重构过程中以相邻时段的网损变化值的关系获取最佳重构段落,然后综合考虑配电网网损最小和节点电压值最大且波动最小为目标寻找最佳重构结构。以IEEE33配电系统为例验证了所提方法的有效性和实用性。     

基于综合协调优化的两阶段配电网动态重构研究

针对配电网动态重构,常需要考虑长时间尺度下的合理规划综合考虑负荷功率变化以及光伏、风电等分布式电源的出力变化,及时调整网络拓扑结构使得网络损耗和电压偏差尽可能地小,同时还需顾及网络拓扑结构改变时断路器动作次数与断路器组合冲突问题。为此,文中提出了一种基于综合协调优化的两阶段配电网动态重构法,将配电网动态重构分为两个阶段：1)以网损最低为目标,以基于有序环网的启发式规则灰狼静态重构算法对配电网所有时段进行重构寻优;2)对最优解进行综合协调优化,并提出削减规则策略与时段融合策略,按顺序缩减动态重构的断路器动作次数。仿真结果表明,该方法不仅可以有效降低网损,提高配电网各个节点的电压值,且大幅度降低断路器动作次数。     

主动配电网多目标网络重构研究

本文提出了一种适用于主动配电网的多目标网络重构混合进化算法。选择目标函数为网损最小、供电可靠率最高,并在约束条件中考虑了分布式电源(DG)的出力约束,在可靠性计算中考虑了主动配电网中DG的计划孤岛作用;算法首先利用最优流模式算法(OFP)得到接近最优的局部最优解,再利用树形结构编码单亲遗传算法(TSE-PGA)搜索最优解;提出了适用配电网重构的TSE-PGA对应的移位、重分配操作算子;用改进非支配排序遗传算法(NSGA-II)的非支配排序策略对迭代过程的个体进行排序,最终得到Pareto前端解集。选择改进TPC 84节点算例验证所提出的混合进化算法,与其他算法的结果进行比较,证明了该算法的优越性。     

计及分布式电源输出特性的有源配电网重构方法

针对含分布式电源的配电网重构算法将分布式电源等效为恒功率因数输出模型,未考虑节点电压变化对分布式电源无功出力影响的问题,提出一种考虑分布式电源不同输出特性的配网重构方法。首先对分布式电源进行分类并建立等效模型,该模型充分考虑了节点电压对分布式电源无功出力的影响,能够根据节点电压确定不同属性的分布式电源无功出力。再使用自适应烟花算法对配网重构进行寻优求解,对重构后的系统网损和节点电压进行对比分析。含分布式电源的IEEE 33节点典型测试系统的仿真结果对比验证了所提模型的有效性和真实性。     

基于模糊多目标协调优化的配电网络重构研究

配电网络重构通过改变开关的开合状态以提高供电的可靠性和经济性。建立以网损最小、馈线负载均衡指标最小、开关操作次数最少多个目标协调优化的配电网络重构的数学模型。引入模糊隶属度函数对各目标进行模糊化处理,根据模糊集理论的最大最小法则,将多目标优化问题转化为单目标非线性规划问题。应用禁忌算法对该配电网络重构模型进行优化求解。对某个69节点配电网络系统,比较分析了四种不同的优化方案,仿真结果验证了所提出模型和求解方法的正确有效。     

含分布式电源的主动配电网双层规划模型

基于分解协调原理建立分布式电源双层规划模型,研究分布式电源在主动配电网中的合理规划问题。上层规划以节点网损灵敏度为原则,从系统网络损耗的角度确定分布式电源的安装位置与容量;下层规划根据分布式电源的投资效益、电压偏差指标建立多目标优化规划数学模型用于确定分布式电源的最佳出力。提出一种改进的多目标粒子群算法进行模型求解,通过对IEEE-33节点配电系统进行仿真计算验证所建模型和算法的可行性和有效性。     

基于全有效解整数微分进化算法的含分布式发电配网重构

以降低网络损耗为目标函数,采用微分进化（DE）算法求解配网重构问题。根据配电网的特点,采用基于独立环路的整数编码方法以降低变量维数。此外,针对进化中存在的无效解问题,以图论代数连通度结论为基础,提出一个能完全去除无效解的判据,进一步缩小了解空间,该方法适用于复杂的实际配电网络计算。在重构网络中引入分布式电源（DG）,有效降低了网损,改善了电压质量。最后,对IEEE33节点配网测试系统进行了仿真计算,算例结果表明所提方法具有良好的收敛性和全局搜索能力。     

基于引力搜索算法的含分布式电源配电网重构

分布式电源接入配电网将直接改变潮流分布,而网络重构通过改变开关的开合状态以提高供电的可靠性和经济性。以降低网损和缺供电量为目标,以可调度DG的有功输出和开关状态为优化变量,建立多目标协调优化的配电网络重构的数学模型。将引力搜索算法、Pareto最优解理论和模糊决策理论相结合,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。通过对IEEE33节点测试系统的仿真结果,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,并且在全局寻优能力和收敛速度上表现出色。     

Optimal Allocation of DGs and Reconfiguration of Radial Distribution Systems Using an Intelligent Search-based TLBO

This paper addresses an application of Teaching-Learning-Based Optimization method for the optimal allocation of Distributed Generations (DGs) in radial distribution systems. The problem is formulated to maximize annual energy loss reduction while maintaining better node voltage profiles using penalty function approach. A piecewise linear multi-level load pattern is considered, and the distribution network is reconfigured after optimal placement of DGs in the distribution network. A probability-based heuristic intelligent search (IS) is suggested to enhance the accuracy and convergence of the optimization techniques. IS directs optimization techniques to efficiently scan the problem search space in such a way that a fair candidature is available to all decision variables of the problem. It virtually squeezes the search space while maintaining adequate diversity in population. The proposed method is investigated on the benchmark IEEE 33-bus, 69-bus test distribution systems, and 83-bus real distribution system. The application results show that the proposed optimization methodology provides substantial improvement in convergence characteristics and quality of solutions.