基于网络流的含分布式电源配电网两阶段规划

针对含分布式电源（DG）的配电网规划问题,利用图论的思想,建立以规划年费用最小为目标的含分布式电源配电网规划图模型,提出两阶段的启发式算法,实现优化分布式电源的接入位置、接入容量、实际接入量及变电站和配电线路的新建或者升级改造等综合优化。第一阶段,对所建的图模型应用多重局部搜索算法确定分布式电源的接入位置、接入容量及变电站和配电线路的新建或者升级改造决策;第二阶段,利用第一阶段优化得到的线路、电源参数,建立精确的数学模型,并运用遗传算法确定分布式电源的实际接入量。33节点典型系统算例证明了该算法在含分布式电源配电网规划中应用的可行性和有效性。     

基于改进免疫遗传算法的含分布式电源配电网规划

随着大量的分布式电源的接入,配电网规划变得越来越复杂。在优化分布式电源接入总量和考虑传统电源多种约束的基础上,建立以最佳配电网年费用为目标函数的配网规划数学模型。针对改进免疫遗传算法具有生物免疫系统中抗体多样性的保持机制和基于抗体浓度的调节更新机制,同时又具有一般进化算法的随机搜索能力,采用改进免疫遗传算法对配电网规划问题进行求解,并借鉴支路交换的思想设计杂交算子和变异算子,以避免辐射性检查过程,使得算法的寻优能力增强。通过算例分析,与简单遗传算法和常规免疫遗传算法相比,提出的改进免疫遗传算法更适合于求解含分布式电源的配电网规划问题,结果表明了该算法的可行性;同时表明,含分布式电源规划方案较无分布式电源规划方案具有很大的经济和社会效益。     

基于粗糙集理论的分布式电源与配电网架多目标协调规划

大量的分布式电源接入配电网,对配电网的规划工作产生了不可忽略的影响,使得按传统电网模型规划得到的网架方案难以真正适合分布式电源接入后的配电系统。改进传统的对分布式电源和网架分阶段规划方案,建立协调规划的多目标优化模型,并运用粗糙集理论综合分析各目标函数的约束度,合理分配各目标函数的权值。采用改进精英保留策略遗传算法以分段式染色体编码的方式对IEEE 33节点的含分布式电源接入的配电网进行规划,验证了所述方法的有效性。     

含分布式电源的配电网模糊优化规划

大量分布式电源接入配电网并网运行,会对配电网运行的安全可靠性和经济性产生各种影响,因此,必须对接入配电网的各种分布式电源进行规划。文中根据分布式电源的特点,考虑了负荷预测值和部分类型的分布式电源输出功率的不确定性,并采用模糊变量进行表示。其规划模型基于模糊期望值模型,以年投资运行费用的模糊期望值最小为目标函数,以经济可靠运行的各种限制为约束条件。应用遗传算法求解模型时,采用了混合编码方式,加快了进化速度。算例分析表明,采用该方法求得的规划方案对于存在各种不确定规划参数的规划环境具有更强的适应性。     

基于SNOP的柔性配电网中分布式电源最大准入容量计算

分布式电源高比例接入配电网,将会引起配电网潮流越限等问题,影响配电网安全运行。基于智能软开关的柔性配电网为提高分布式电源消纳能力提供了新的思路。智能软开关的动态双向功率调节能力,有助于改善配电网中电压瓶颈节点和传输容量瓶颈支路的运行状态,实现全网潮流主动协同管理,从而提高柔性配电网中分布式电源准入容量。首先建立了柔性配电网中分布式电源最大准入容量模型,基于配电系统的多节点特性,该模型属于高维非线性优化问题。然后根据实际场景和参数设置的不同,分为传统配电网中分布式电源固定节点位置、柔性配电网中分布式电源固定节点位置、柔性配电网中分布式电源自由接入3种情况进行分析,并采用多种群遗传算法求解得到全局最优解。最后使用IEEE 33节点配电系统进行算例分析,结果验证了柔性配电网中智能软开关的应用对分布式电源接入能力的提升作用。所提方法在获得柔性配电网中分布式电源准入容量的同时,可从规划角度得到分布式电源接入的最优容量和位置。     

考虑分布式电源接入配电网规划优化研究

在配电网的规划研究过程中应将分布式电源的接入问题放在首位。首先,从综合投资最小的角度考虑,构造分布式电源接入后的配电网多目标优化模型。其次,提出了一种改进的混合种群遗传算法,解决了传统遗传算法的单一性问题,增强了算法的收敛能力。最后,应用算例验证所提规划模型和算法的有效性,结果表明所提规划模型和算法可明显降低运维成本,与常规遗传算法对比,迭代速度更快,寻优能力更强。     

基于风-光联合概率分布的DG配置优化方法

风、光等分布式电源接入配电网大大增加了配电网运行的不确定性,给分布式电源的规划带来了新的挑战。在分布式电源的优化配置过程中考虑到风速和光照强度的相关性,提出一种基于大数定律的联合概率分布方法,用以描述风、光资源分布的时序相关性。在此基础上,考虑光伏电站和风电场出力函数,建立了基于风-光联合概率分布的分布式电源选址定容多目标规划模型。分别以分布式电源投资最少和各个场景下配电网网络损耗最小为目标,在算例分析中利用具有高收敛特性的遗传算法对规划模型进行求解,验证了该模型的可行性。     

基于分布式电源与负荷双重不确定性的配电网综合规划研究

随着分布式电源大量渗入配电网,配电网在规划时要同时面临电源侧和负荷侧的不确定因素。首先,依据分布式电源出力与负荷的概率密度函数建立配电系统多状态模型,通过多状态潮流计算模拟它们的不确定性。其次,建立基于机会约束规划的分布式电源与配电网架综合规划模型,针对配电网规划问题的非线性、大规模等特点提出一种改进的遗传算法用于求解。通过对某地区实际配电网的计算分析,验证了所提算法具有良好的运行效率和收敛性能。算例结果表明,分布式电源的接入与网架结构调整相配合能够提升配电网的经济效益。     

含分布式电源与充电站的配电网协调规划

分布式电源与电动汽车充电站共同接入配电网,对配电网规划和运行具有重要的影响。提出一种综合协调规划方法,该方法能够实现分布式电源选址定容、充电站位置及容量、配电网架建设和改造的综合优化规划。考虑风光资源和负荷的随机波动性,以配电系统投资、运行维护和环境成本的随机期望值最小为目标,建立了含分布式电源与充电站的配电网协调规划模型,采用改进遗传算法进行求解。以一个待扩展的辐射状配电网络为例,仿真计算结果表明,对含分布式电源与充电站的配电网进行综合协调规划,能够提高电网的经济和环境效益,得到的规划方案更为合理。     

分布式电源的选址及定容

分布式电源的接入会对配电网的运行和规划产生重要影响,影响的大小与分布式电源的位置和容量有很大关系。在分布式电源个数、位置和单个容量不确定的情况下,以配电网最小网络损耗为目标函数,应用了遗传算法优化分布式电源的位置和容量。通过算例分析,验证了所提方法能够得到较合理的分布式电源接入位置和容量的方案。     

基于免疫遗传算法的智能配电网分布式电源选址定容

合理地对分布式电源进行选址和定容对于智能配电网规划非常重要。文章在研究分布式电源规划的基础上,建立了以有功网损最小为目标函数的优化模型,用罚函数法将分布式电源规划问题转化为无约束问题,针对该模型特点,首次将免疫遗传算法应用到分布式电源选址和定容问题的求解中。该算法综合了免疫系统和遗传算法的优点,具有良好的全局收敛能力。对33节点配电测试系统进行仿真计算,将仿真结果与标准遗传算法进行比较。验证了免疫遗传算法具有一定的收敛性和适应性。     

基于自适应遗传算法的配电网DG选址与定容

以配电网规划投资为考虑因素,建立了含分布式电源(DG)的配电网规划经济性模型,以折算到每年的DG的投资运行费用、线路运行费用及引入DG后购电费用最小为目标函数,采用自适应遗传算法解决DG布点规划问题。通过对某地35节点低压配电网算例进行仿真计算,验证了本文算法的有效性,并得到了DG较为合理的安装位置和接入容量。     

有源配电网分布式电源与智能软开关三层协调规划模型

当前配电系统调节能力的欠缺严重限制了高比例可再生分布式电源(DG)的广泛并网。在以智能软开关(SOP)为代表的电力电子装置接入系统的趋势下,考虑系统规划与运行优化相结合,协调DG运营商与配电公司的利益需求,提出一种有源配电网DG与SOP三层协调规划模型。上层以DG运营商单位容量收益最大化为目标进行DG规划,中层以配电公司年综合成本最小化为目标进行SOP规划,下层以场景内运行成本最小化为目标优化系统运行状态,决策DG消纳量返回上层与中层模型。采用场景分析法解决DG与负荷的随机性问题,基于并行遗传算法和锥规划的混合算法求解模型。最后以IEEE 33节点系统为例,与仅规划DG,DG和SOP先后规划的情况对比,结果表明兼顾系统运行优化的DG与SOP协调规划有利于满足不同主体的利益需求,提高规划方案可行性。     

基于随机潮流的含电动汽车配电网内分布式电源规划

随着分布式电源(DG)和电动汽车的大量发展,对接入配电网的电动汽车与DG进行协同研究具有重要意义。文中以协调配电公司、DG投资商和公共社会三者之间利益为出发点,综合考虑了配电公司的运行费用、DG投资商的投资费用,以及DG的环境效益和电动汽车入网(V2G)所节省的电网投资等社会效益,建立了基于机会约束规划的含V2G配电网中DG优化规划的数学模型,采用基于混合编码的改进自适应遗传算法对该模型进行了求解。在优化计算过程中充分考虑了负荷预测值的不确定性、风电源的输出功率的随机性以及电动汽车充放电功率的不确定性,提出了电动汽车充放电对系统最大功率影响的数学模型,并采用基于半不变量法的随机潮流算法对规划模型中的约束条件进行了检验。最后,以某实际配电网系统为仿真算例,在不同置信水平约束下对该系统内DG分别进行了优化规划,验证了文中所建数学模型及相应求解算法的有效性。     

配电网扩展规划中分布式电源的选址和定容

分布式电源的位置和容量对配电网有重要影响。文中提出一种配电网扩展规划中进行分布式电源选址和定容的方法,应用遗传算法优化分布式电源的位置和容量。对遗传过程中生成的每个分布式电源位置和容量方案个体,考虑了分布式电源对配电网潮流和线路负载能力的影响,运用基于支路交换的模拟退火算法规划扩展网络,对分布式电源和网络的综合规划结果进行经济性评估以衡量个体方案的优劣。实际算例表明,文中方法能得到较合理的分布式电源位置和容量方案。     

IGA优化的神经网络计算配电网理论线损

针对BP神经网络学习速度慢、容易陷入局部极小的缺点,提出了一种基于免疫遗传算法(IGA)的人工神经网络(artificial neural network,ANN)计算配电网的理论线损.该算法在遗传算法(genetic algorithm,GA)的基础上引入生物免疫系统中的多样性保持机制和抗体浓度调节机制,有效地克服了GA算法的搜索效率低、个体多样性差及早熟现象, 扩大了神经网络的权值搜索空间,提高了网络系统的学习效率和精度.实例计算结果表明,同混合遗传算法相比,该算法具有较快的收敛速度和较强的全局收敛性能,比现有其他计算配网线损的方法更为准确.     

基于遗传-蚁群算法的交直流配电网分布式电源优化配置

随着分布式电源（distributed generation，DG）受到广泛的关注与研究，分布式电源接入交直流配电网的规划问题日益突出。该文在分布式电源选址定容阶段充分考虑不同类型DG和负荷的时序特性，以DG运维费用、DG投资年等效费用、系统网络损耗费用、燃料费用、污染赔偿费用、环保补贴综合最小作为目标函数，同时加入电压、功率等约束条件，建立了DG的选址定容模型。根据遗传、蚁群算法各自的优劣势，提出了运用遗传-蚁群复合算法求解该优化模型。最后以改进的IEEE-33节点配电网作为算例，验证了所提模型的合理性及算法的有效性。     

计及配网静态电压稳定约束的分布式发电规划模型与算法

研究了配网中分布式发电(distributed generation,DG)的规划问题,建立了一种考虑静态电压稳定约束的DG规划模型,提出了基于遗传算法的模型求解方法。将该方法应用于69节点系统进行测试,结果表明上述模型与算法是可行的。计及静态电压稳定约束导致该模型的计算量增加了,文章最后对提高该模型计算速度的方法进行了探讨。     

网源协调驱动下考虑网络转供能力的配电系统多目标双层近期规划

提高供电能力和对分布式电源(DG)的接纳是未来环网状配电网扩展规划的新目标。为此,通过引入安全距离这一配电网N-1安全评价指标,提出了一种考虑N-1安全和DG与网架协调的配电网多目标双层优化规划模型。该模型以改造线路、新增负荷接入位置和DG安装位置及容量为决策变量,计及了系统故障负荷的转供和不可控DG出力及负荷波动带来的不确定性。根据模型的特点,利用多场景技术将随机性问题转化为确定性问题,并采用正态边界交点和动态小生境差分进化算法组成的混合策略对模型加以求解。通过算例对比分析了是否考虑N-1安全和网源协调对规划结果的影响,仿真结果表明,所提规划模型能够在提高DG渗透率的同时,挖掘配电网的供电潜力和推迟线路改造;所得规划方案实现了配电网经济效益和安全水平的综合优化,更适用于负荷增长平缓和占地通道资源紧张的城市建成区配电网近期扩展规划。