基于有功网损最优的分布式电源规划

研究了分布式电源的优化规划问题.在分布式电源单个容量、个数和位置未知的情况下,建立了包含分布式电源的配电网有功网损目标函数,模型中引入了电压水平约束,并将其转化为惩罚因子的形式并入目标函数.运用Matlab软件编写了粒子群算法和配电网潮流计算程序,采用改进的自适应权重粒子群算法进行目标函数寻优,最后得到了有功网损最小的...     

基于改进粒子群算法的分布式电源接入规划

建立了含分布式电源的配电网规划经济性模型,以折算到每年的分布式电源的投资及运行费用和线路有功网损运行费用最小为目标函数,并应用改进粒子群优化算法进行配电网分布式电源(DG)规划,从而有效地提高了改进粒子群优化算法的全局收敛能力和计算精度。对69节点和33节点配电测试系统进行仿真计算,结果表明了论文采用的DG规划模型和改进粒子群优化算法的正确性和适用性。     

含分布式发电的配电网有功-无功综合优化

为克服配电网中风力发电机和光伏电池出力随机波动、负荷变化带来的电压变动,研究了多种分布式电源接入配网后的电压控制问题。以分布式电源出力随机波动和负荷变化时每个时段的电压偏差和网损最小,以及尽量减少大电网向配电网输送有功为目标函数建立电压控制模型,采用粒子群优化算法对微型燃气轮机和燃料电池等出力稳定的分布式电源进行有功和无功综合优化,在保证电压质量的情况下减少对环境的污染。通过对IEEE33节点系统和一个实际算例系统分别进行仿真计算,结果表明该控制方案能在有效提高配电网电压水平的基础上提高环境效益。     

含分布式发电的配电网有功—无功综合优化

为克服配电网中风力发电机和光伏电池出力随机波动、负荷变化带来的电压变动,研究了多种分布式电源接入配网后的电压控制问题。以分布式电源出力随机波动和负荷变化时每个时段的电压偏差和网损最小,以及尽量减少大电网向配电网输送有功为目标函数建立电压控制模型,采用粒子群优化算法对微型燃气轮机和燃料电池等出力稳定的分布式电源进行有功和无功综合优化,在保证电压质量的情况下减少对环境的污染。通过对IEEE33节点系统和一个实际算例系统分别进行仿真计算,结果表明该控制方案能在有效提高配电网电压水平的基础上提高环境效益。     

基于网损灵敏度方差的配电网分布式储能位置与容量优化配置方法

针对典型日负荷曲线,提出基于网损灵敏度方差的配电网分布式储能位置和容量优化配置方法。该方法考虑了分布式储能的充放电运行状态,基于网损灵敏度方差确定配电网中各节点接入分布式储能的优先顺序。以配电网网损和节点电压波动为目标函数,运用改进的粒子群算法对分布式储能的充放电功率进行优化,并确定分布式储能的最优配置容量。仿真结果表明,采用该方法确定分布式储能在配电网中的位置和容量可最大化实现功率就地平衡、降低配电网网损和降低配电网节点电压波动,实现分布式储能在配电网中的优化配置。     

基于分布式光伏的配电网无功优化

本文提出一种含光伏电源的配电网多目标无功优化模型,为解决分布式电源接入配电网引起的电压偏差、有功网损增加等问题,本文建立了无功优化模型,基于传统的粒子群算法,提出一种改进的粒子群算法,最后,在IEEE33节点配电系统中进行算例仿真分析,仿真结果验证所提方法的有效性。     

基于自适应变异粒子群算法的分布式电源规划

针对分布式电源(DG)规划问题,建立配电网网损最小、电压偏差最小、静态电压稳定裕度最大的多目标DG规划模型。采用模糊集理论将多目标优化问题单一化,通过使总体满意度最大化,提升整体性能。同时采用自适应变异粒子群算法(AMPSO)对建立的模型进行求解,在一定程度上克服了基本粒子群算法容易早熟收敛的问题。在IEEE 33节点配电网系统上进行仿真计算,验证了模型和算法的有效性。     

基于改进粒子群算法的含分布式电源配电网规划

在不考虑网络扩展的情况下,建立了以包含分布式电源建设和维护费用、网损费用以及购电费用在内的配电网年费最小为目标的规划模型,并采用改进的粒子群算法对分布式电源的安装位置和容量进行优化计算,避免了粒子群算法早熟和边界聚集的问题。通过对IEEE33节点配电网系统进行仿真计算,验证了规划模型和算法的正确性和适应性。     

基于量子粒子群算法的配电网分布式电源选址和定容

分布式电源优化布置与定容是智能电网发展中的重要课题之一,合理地对分布式电源进行选址和定容对于配电网规划非常重要。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,并首次将量子粒子群优化算法应用到分布式电源选址和定容问题的求解中。对IEEE 33节点配电测试系统进行仿真计算,将仿真结果与标准粒子群算法进行比较,验证了量子粒子群算法具有一定的收敛性和适应性。     

基于改进粒子群算法的配电网分布式电源规划

合理地对分布式电源进行选址和定容对于实现配电网网损最小是至关重要的。应用改进粒子群优化算法进行配电网分布式电源（DG）规划,并结合罚函数法将DG规划问题转化成无约束求极值问题,从而有效地提高了改进粒子群优化算法的全局收敛能力和计算精度。对69节点和33节点配电测试系统进行仿真计算,结果表明了论文采用的DG规划模型和改进粒子群优化算法的正确性和适用性。     

基于改进蝙蝠算法的配电网分布式电源规划

合理规划接入电网的分布式电源能够提高能源利用效率,提高电力系统运行的经济性、灵活性和可靠性。建立了以分布式电源建设和运行总费用最小、系统网损最小、静态电压稳定指标最大为优化子目标的多目标规划模型。采用了一种新的仿生算法--蝙蝠算法,并针对蝙蝠算法的不足之处进行了改进,有效地解决了该算法易陷入局部最优、后期收敛速度慢等问题。通过14节点配电网测试系统进行了分布式电源选址和定容仿真分析。仿真结果表明,与传统的蝙蝠算法、粒子群算法相比,采用改进的蝙蝠算法能够更好、更快地得到分布式电源接入配电网的最优规划方案,验证了算法的正确性和可行性。     

考虑节能效益的企业分布式电源优化配置

针对企业供配电系统分布式电源规划问题,以企业节能效益最大化为目标,建立企业分布式电源优化配置模型。采用改进粒子群算法进行求解,将参数自适应调节、粒子交叉、模拟退火算法融入粒子群算法,有效提高了粒子群算法的寻优效率。采用IEEE33节点配电系统进行了算例仿真分析,仿真结果表明,利用此模型对分布式电源进行优化配置后,配电网损耗降低、电压质量显著提高、企业节能经济效益得到最大化提升。算例有效验证了优化配置模型与改进粒子群算法的可行性。     

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。     

考虑不确定性的含DG与EV配电网无功电压协调优化方法

利用双馈风电机组和光伏发电系统等能够提供无功功率的分布式电源作为一种电压调节手段与传统的电压调节方式结合,在计及电动汽车入网充电作为一种随机负荷的情况下,建立了考虑不确定性的含分布式电源与电动汽车的配电网无功电压协调优化模型。以节点电压期望值平均偏差最小为目标函数,同时加入有功网损期望值和节点电压期望值最大偏差值为罚函数,使用本文提出的一种改进果蝇优化算法对优化模型进行求解。最后利用IEEE 33节点系统进行仿真计算并与粒子群算法进行比较,证明了本文所提出的优化模型和算法的有效性。     

基于BAS-IMOPSO算法的风电系统储能优化配置

风力发电作为清洁的可再生能源,在电力系统中应用广泛。但风电出力的随机波动性对电力系统电能质量产生了不利影响。储能系统具有灵活的双向调节能力,引入储能可有效平抑风电接入系统带来的电压与功率波动问题。本文考虑储能接入节点与容量不同对风电出力波动的平抑效果不同,以系统电压偏差、日有功网损和系统内储能接入总容量为目标函数建立多目标储能优化配置模型,并采用改进多目标粒子群算法（BAS-PSO）求解该模型。模型求解结果为一组pareto最优解,为在其中选取最优储能配置方案,采用基于信息熵的逼近理想解排序法,得到最佳储能接入节点与容量。在IEEE-33节点配电网系统中对所提模型进行仿真验证,结果表明储能系统可有效降低配电网的电压偏差与有功网损,提高了系统的电能质量与运行经济性,并具有削峰填谷的作用,同时验证了BAS-PSO算法的有效性。     

计及分时电价下用户需求响应的分布式储能多目标优化运行

以配电网网损和电压偏差最小为优化目标,计及分时电价下的用户需求响应,建立了与用户互动的分布式储能多目标优化运行模型,将电价变动引起的用户需求响应与分布式储能动态结合,探究了分布式储能在优化运行方面提升配电网运行水平的作用。采用改进的遗传算法对所建立的模型进行求解,证明了计及分时电价下负荷需求响应的分布式储能多目标优化运行模型能够有效降低配电网网损,减小线路电压偏差,同时也验证了所提出的改进遗传算法具有进化速度快、求解结果优的特点。     

基于集群划分的高渗透率分布式系统无功优化

可再生能源在电力系统的渗透率不断增长,大规模分布式电源的接入对电力系统的优化调度带来新的挑战。在考虑分布式电源大规模接入的基础上,对电力系统进行集群划分和无功优化研究。首先引入改进的电气距离的概念,以此作为聚类算法的距离量度,应用谱聚类方法,将含高渗透率分布式可再生能源系统划分为若干亚群落,并确定各集群内关键节点。再以网损和电压波动最小为优化目标,调节关键节点处光伏逆变器的无功功率,达到减小网损和稳定电压输出的目的。为求解所建立的双目标无功优化问题,提出基于改进粒子群优化算法的智能调压策略,对多个亚群落进行无功优化。将集群划分方法和无功优化策略应用于IEEE 33节点标准系统,提高了节点电压稳定性,降低了网损。针对大规模分布式能源系统,进一步提出快速智能调压策略,应用于安徽省金寨县某台区实际系统,得到良好控制效果,且在调节时间、运行成本、投入成本方面均有大幅削减。     

Optimal Allocation of Distributed Generation and Shunt Capacitors for the Reduction of Total Voltage Deviation and Total Line Loss in Radial Distribution Systems Using Binary Collective Animal Behavior Optimization Algorithm

This article presents a novel binary collective animal behavior algorithm to solve the problem of optimal allotment of distributed generation sets and shunt capacitors in radial distribution systems. Simultaneous sizing and placement of distributed generation units and shunt capacitors in distribution systems is a very complex optimization task, because it is a problem of combinatorial analysis with mixed-integer and binary variables and hard restrictions. With the objective of optimal allotment of shunt capacitor banks and distributed generations, a binary collective animal behavior algorithm optimizes the total line loss, or the total voltage deviation separately in a distribution system, by optimally and simultaneously allocating capacitor banks and distributed generations of optimal ratings, considering the topology of a radial distribution network. The binary collective animal behavior algorithm is applied on various balanced IEEE radial distribution networks. The results are compared to those of a conventional binary particle swarm optimization algorithm to establish the optimization superiority of binary collective animal behavior algorithm.     

带蓄电池储能系统的DSTATCOM有功无功联合优化控制

蓄电池储能系统接入配电网静止同步补偿器(B-DSTATCOM)进行有功无功联合控制可有效缓解高波动性分布式电源大量接入配电网导致的电压越限、网损加重、三相不平衡度增加等系列问题。对此,文中提出一种计及光伏发电的不平衡主动配电网B-DSTATCOM实时有功无功联合优化控制策略。首先,对B-DSTATCOM四象限运行原理进行研究,在此基础上以电压偏移、网损、电压不平衡度及运行成本为子目标函数建立B-DSTATCOM实时有功无功联合多目标优化控制模型,并采用加权求和法、改进粒子群优化及直接潮流法求得最优控制方案。最后,基于澳大利亚某实际含光伏低压不平衡配电网进行MATLAB仿真,验证所提方法及模型的有效性、实用性和鲁棒性。