基于场景法的有源配电网动态无功优化

随着分布式电源(distributed generation, DG)大量接入,配电网动态无功优化调度难度增加,现有方法存在不足,为此提出一种基于场景法的有源配电网动态无功优化方法。首先运用场景法描述DG出力的不确定性,采用Weibull分布和Beta分布分别构建风速和光照强度模型,通过DG出力公式,将随机问题转换为确定性问题;然后采用蒙特卡洛模拟法抽样和K均值聚类算法将样本聚类成3个典型场景,建立系统日内网损最小、无功补偿设备动作费用与变压器分接头调节代价费用最小为目标函数的多目标动态无功优化模型,并采用改进的多目标粒子群优化(multi-objective particle swarm optimization, MOPSO)算法对该优化模型进行求解;最后用所提方法对改进的IEEE 33节点系统进行仿真,验证其可行性。     

含固态变压器新型配电网动态无功多目标优化

风机和光伏电池等分布式电源(distributed generator, DG)大量接入配电网会导致电压波动和网损增大等问题,需要对动态无功进行优化。但是由于风光存在的不确定性会影响动态无功优化的效果,因此提出了一种含固态变压器新型配电网动态无功多目标优化方法。首先,通过 Weibull 分布和 Beta 分布对风速和光照强度进行曲线拟合,再采用风机和光伏电池出力公式生成 DG 出力模型。其次,通过蒙特卡洛仿真抽样法对上述模型进行抽样,生成上千个DG日出力场景,并采用k-means 聚类算法将上千个场景聚类成k个典型场景,以缩短随机潮流计算时间。再次,以IEEE33 节点系统为基础,建立含固态变压器有源配电网方案和含有载调压变压器有源配电网方案,以日内网损和电压波动最小为目标,采用改进型多目标灰狼算法对两种方案的相关参数进行优化。最后,以优化后的相关参数进行仿真和对比,证明了所提方法在降低配电网网损和维持节点电压稳定方面的优越性。     

基于改进粒子群算法的含DG配电网无功优化

含分布式电源(DG)配电网的无功优化是一个复杂的非线性优化问题,文中采用改进的粒子群算法(PSO)对配电网进行无功优化计算,建立以系统网损和电压平均偏离最小为目标函数,节点电压和电容器投切容量为约束条件的优化模型。在PSO中引入位置方差防止PSO陷入局部最优解,根据种群中粒子的适应度值对粒子进行变异处理,在保证算法收敛速度的基础上,改善算法性能。以含分布式电源的IEEE14节点配电系统为例进行无功优化分析,结果表明DG能增强电网运行的稳定性,所提算法具有较好的优化性能。     

主动配电网的全寿命周期分布式电源规划问题研究

主动配电网(Active Distribution Network,ADN)的源荷强不确定性加剧了其电源规划的难度。文章基于ADN的灵活管控特性提出了考虑主动管理模式的分布式电源多目标双层规划模型。上层模型以最小化系统电源侧的全寿命周期成本为目标,从而确定DG的安装配置方案;而下层则以最小化DG有功出力切除量为目标,通过采用主动管理中的DG出力控制、有载变压器分接头调节以及无功补偿装置调节等方式实现DG运行优化。利用带自适应变异的改进粒子群(IPSO)算法对上下层模型进行求解,提高了算法的求解速度并有效得到全局最优解。同时,通过对IEEE 33节点系统进行仿真分析,验证了所构建模型的合理性。     

基于改进粒子群算法的配电网无功优化的研究

以有功网损最小为目标函数,以负荷节点电能质量和发电机的无功出力为罚函数,建立配电无功优化的模型。首先采用无功灵敏度分析方法确定补偿地点,然后对基本粒子群算法进行改进,最后用matpower中的算例对比分析了两种算法的优化结果,证明了无功优化模型和改进的粒子群算法的有效性与准确性。     

基于量子混合蛙跳算法的含分布式电源配电网无功优化

将分布式电源(DG)的无功调节能力与传统的电压调节手段相结合,研究了含DG的配电网无功优化问题。建立以降低系统网损、抑制电压波动为综合目标的配电网模糊无功优化模型。通过蒙特卡罗仿真对配电网系统进行无功补偿选址,采用量子混合蛙跳算法求解含DG的配电网无功优化问题。最后,通过IEEE 33节点系统进行仿真计算,表明在配电网接入DG的基础上进行无功优化能较大程度地改善系统电压水平和降低系统网损,并且证明了所提算法的快速性和有效性。     

计及风光出力相关性的配电网多目标无功优化EI北大核心CSCD

风电-光伏机组的大量接入对传统的无功优化模型提出了新的挑战。提出了计及风光出力相关性的配电网多目标无功优化模型,采用粒子群优化神经网络(particle swarm algorithm-BP neural network,PSO-BP)依据过去天气预报和风电出力的历史数据训练得到风电预测出力曲线,利用综合场景概率法生成光伏出力曲线。用斯皮尔曼相关系数将风光之间的出力相关性量化,再考虑风机和光伏机组共同参与无功优化。采用多目标粒子群算法(multi-obj ective particle swarm optimization,MOPSO)求解模型,以改进的IEEE 33节点配电网系统作为仿真样本,求得兼顾网损和电压偏差的Pareto最优解集,从中选择最优方案。算例结果验证了风光出力相关性对无功优化的影响,以及分布式电源接入配电网能有效降低网损和提高节点电压。在实际运行中,各地区的风光出力均满足一定的自然规律,可以以斯皮尔曼相关系数大小为参考依据,实现分布式电源(distributed generation,DG)和静止无功补偿装置(static var compensator,SVC)的协同优化运行,为配电网的安全经济运行保驾护航。     

计及风光出力相关性的配电网多目标无功优化

风电-光伏机组的大量接入对传统的无功优化模型提出了新的挑战。提出了计及风光出力相关性的配电网多目标无功优化模型,采用粒子群优化神经网络(particle swarm algorithm-BP neural network,PSO-BP)依据过去天气预报和风电出力的历史数据训练得到风电预测出力曲线,利用综合场景概率法生成光伏出力曲线。用斯皮尔曼相关系数将风光之间的出力相关性量化,再考虑风机和光伏机组共同参与无功优化。采用多目标粒子群算法(multi-obj ective particle swarm optimization,MOPSO)求解模型,以改进的IEEE 33节点配电网系统作为仿真样本,求得兼顾网损和电压偏差的Pareto最优解集,从中选择最优方案。算例结果验证了风光出力相关性对无功优化的影响,以及分布式电源接入配电网能有效降低网损和提高节点电压。在实际运行中,各地区的风光出力均满足一定的自然规律,可以以斯皮尔曼相关系数大小为参考依据,实现分布式电源(distributed generation,DG)和静止无功补偿装置(static var compensator,SVC)的协同优化运行,为配电网的安全经济运行保驾护航。     

考虑光照概率性的含光伏发电系统的配电网无功优化

针对含光伏(photovoltaic,PV)发电系统配电网无功优化的特点,将PV发电系统无功调节能力和传统无功调压手段相结合,研究考虑PV发电系统无功出力的配电网无功优化模型和算法。针对PV发电系统出力受太阳辐照度影响的特点,建立基于太阳辐照度β分布的PV发电系统出力概率模型,分场景计算其出力情况和对应无功功率极限,以网损最小和节点电压越限惩罚作为目标函数;同时提出基于免疫蛙跳算法的无功优化算法,该算法通过在混合蛙跳算法(shuffled frog-leaping algorithm,SFLA)的框架引入克隆选择算法(clonal selection algorithm,CSA),在蛙群混合后选择较优解进行克隆、变异和选择,克服了SFLA局部搜索能力弱的特点;最后利用改进IEEE-33节点系统作为算例仿真分析,验证了模型及算法的正确性和有效性。     

基于CLARA算法的考虑时序特性分布式电源规划

针对配电网分布式电源(DG)的优化选址定容问题,以配电网年损耗电量最小为目标,考虑不同类型DG出力的随机性和时序特性,建立多场景多时段混合整数非线性随机优化模型。利用蒙特卡洛方法生成描述DG出力的序列场景,通过考虑各场景需要满足的约束条件近似对随机过程进行约束,将原随机优化问题转化为确定性优化问题。利用CLARA算法对各场景各时段模拟得到的样本进行聚类,以避免全场景下样本规模大、模型求解难等问题。IEEE 14和IEEE 33节点标准系统的测试表明,所提模型和算法能有效利用不同类型DG的时序互补作用,提高配电网对DG出力的消纳能力。与不采用聚类方法全场景代入及采用PAM聚类方法相比,所提算法在保证优化结果近似误差低于3%的同时,能显著降低模型的求解难度和节省计算时间。     

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。     

基于自调节下垂控制的分布式电源并联运行技术

在孤岛运行模式下,各分布式电源并联运行时输电线路阻抗值存在差异,采用传统的下垂控制难以实现无功功率输出按DG容量比例合理分配。针对该问题,提出一种改进的自调节下垂控制策略,该改进策略在传统无功-电压下垂控制基础上,引入关于输出无功功率的比例积分控制环节后使无功功率输出与线路阻抗无关,从而实现无功功率输出按DG容量比例合理分配,抑制了系统无功环流分量。最后通过Matlab仿真平台搭建DG并联运行仿真模型验证了该改进策略的有效性。     

考虑主动管理措施的配电网无功补偿双层优化配置

为了适应未来大量分布式电源(DG)并网及自动化水平显著提高的主动配电网发展,在规划阶段应该考虑主动管理措施,优化系统运行方式。同时,现有的无功补偿规划研究忽略了DG及负荷的不确定性。为此,计及间歇性DG及负荷的不确定性,提出主动配电网无功补偿双层优化配置模型。上层规划以无功补偿电容器的投资成本、网络损耗费用综合最优为目标函数,下层规划在此基础上考虑调节无功补偿容量及调节有载变压器抽头两种主动管理措施,对每个场景进行优化。采用K-均值聚类法对场景进行缩减,结合和声搜索算法和粒子群算法联合求解模型。通过IEEE33节点算例进行仿真计算,验证所提模型和方法的正确性。     

基于三相不平衡的分布式光伏接入配电网的优化配置研究

为了准确分析分布式光伏接入导致的配电网不平衡,针对配电网三相不平衡,给出了一种基于分布式光伏接入配电网的优化配置。选择三个目标函数(光伏容量比、系统网络损耗、电压稳定裕度),并且建立考虑三相不平衡的分布式光伏多目标优化配置模型。为了解决粒子之间互不占优的问题,使用最小角度的多目标粒子群算法求解,通过算例验证模型和方法的有效性。结果表明,配电系统三相不平衡得到了有效改善。所做研究工作为我国分布式电源接入配电网的发展提供了参考和借鉴。     

含分布式电源的配电网多故障抢修与恢复协调优化策略

针对含分布式电源(DG)的配电网发生多故障时的快速故障抢修和供电恢复问题,根据动态规划原理,建立了含DG的配电网多故障分阶段、分层的抢修与恢复协调优化模型。在紧急抢修与恢复阶段,以负荷恢复价值最大和综合经济损失最小分别作为内、外层优化目标;在抢修与恢复网架阶段,以网损最小和抢修时间最短分别作为内、外层优化目标,得到最优抢修顺序和供电恢复方案。针对内、外层模型的不同特点,分别采用了改进蚁群算法和离散化处理的细菌群体趋药性(DBCC)算法进行模型求解。同时,在抢修与恢复过程中,利用DG孤岛、可控负荷联盟及应急发电车的动态调度优先恢复重要负荷的供电,并采用馈线等效法及故障等效法来简化求解流程。以改进的IEEE 69节点系统为例,验证了所述策略的可行性和有效性。     

离散学习优化算法在含分布式电源的配网重构中的应用

灵活的网架重构作为主动配电网的重要特征,利于高效消纳分布式能源。传统的数学规划方法难以求解非凸的含分布式电源的配电网重构问题。为此,提出了一种离散学习优化算法(DLOA),并将其应用于有源配电网重构问题。所提方法主要包括三个模块:学习优化算法、离散策略以及拓扑结构分析技术。其中,学习优化算法作为程序优化的核心,离散策略用于确定配电网线路的开闭状态,拓扑结构分析技术则用于分析配电网的网架结构。通过33节点测试系统验证离散学习优化算法的有效性,算例分析表明,所提方法能够有效求解高度非凸的含分布式电源的配电网重构问题。     

含光储系统的增量配电网时段解耦动态拓展无功优化

从增量配电网安全运行及经济效益出发,针对高渗透率分布式光伏接入配网引起的相关问题,构建以系统有功损耗、电容器及变压器调节代价、储能调节代价综合最小为目标的时段解耦动态拓展无功优化模型。在传统无功优化的基础上增加储能有功调节能力和光伏无功调控能力,将动态无功优化解耦为多时段静态无功优化,采用灾变遗传算法求得含高渗透率光伏及储能的增量配网无功优化方案。仿真结果表明,提出的时段解耦动态拓展无功优化模型能够提高增量配电网的无功优化效果,在减少电网损耗、降低设备调节成本的同时,兼顾电网电压运行的安全性。     

基于最优场景生成算法的主动配电网无功优化

针对间歇性分布式电源输出功率的不确定性和随机性,提出采用Wasserstein距离指标和K-means聚类场景削减技术生成最优场景,将随机优化问题转换为确定性优化问题。建立了风—光—荷多场景树模型,并以有功网损最小、电压偏差最小作为目标函数,考虑储能荷电状态约束影响,建立含间歇性分布式电源的主动配电网无功优化数学模型,并采用人工蜂群算法对模型进行求解。仿真分析得出基于Wasserstein距离指标和K-means聚类场景削减技术生成的最优场景能较精确地体现分布式电源有功出力的随机特性。最后,以IEEE-33节点配电系统为例进行仿真分析,验证了所提方法的有效性和可行性。     

考虑多个分布式电源接入配电网的多目标无功优化调度

坚强智能电网的建设促进了分布式电源(Distributed Generation,DG)并网技术的发展,DG并网对配网进行无功优化不仅能够提高电压质量、降低有功网损,还增加了配网运行的灵活性、经济性与安全性。以系统有功功率损耗最低与电压偏压量最小为双目标函数,建立无功优化模型。针对目前无功优化问题尚缺乏一种能兼顾求解的高效性与全局搜索最优性的方法,文中将一种新的启发式算法-鲸鱼优化算法(WOA)运用到电网无功优化调度中,对多个DG接入的IEEE 33节点系统进行无功优化仿真分析。研究表明DG并网增加了配网的稳定性,并且证明了WOA算法在解决此问题上的鲁棒性和有效性。     

含源配电网的无功电压分段自适应自治控制策略

针对分布式电源(DG)接入配电网产生的电压越限问题,可以利用DG逆变器输出的无功功率为含源配电网提供无功支撑以解决电压越限问题。提出含源配电网的无功电压分段自适应自治控制策略。首先通过采集当前时刻DG并网点电压和并网点处馈线流过的有功功率方向。然后根据采集到的信息动态自适应调整触发电压临界值,触发电压临界值将并网点电压运行值划分为五个区间。其次根据DG并网点电压所处区间使用Q(U)控制策略计算DG无功输出目标值。最后控制DG逆变器输出无功追踪该目标值。将所提方法与不考虑DG无功调控能力方案、基于定参数的Q(U)控制方案进行综合比较,仿真结果表明所提控制策略在解决电压越限问题、抑制电压扰动、提高电压质量等方面均有显著的效果。