考虑电动汽车不确定性因素的配电网分布式电源优化布置

分布式电源和电动汽车的规模化接入对配电网经济运行和电能质量产生了较大影响。分布式电源和电动汽车的功率具有不确定性。为实现分布式电源的合理配置,提出了一种考虑电动汽车不确定性因素的分布式电源优化布置方法。首先,以网络损耗最小、电压偏移最小和系统稳定性高为优化目标,利用机会约束规划方法建立分布式电源优化配置模型。然后,采用支持向量机算法和多目标粒子群算法对上述模型进行求解,得到其Pareto解集。以IEEE 37节点配电网为例对所提模型进行验证,结果表明该模型可以有效得到合理的配置方案。     

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。     

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。     

基于分布式电源和混合智能算法的配电网重构

含有分布式电源的配电网重构是一个非常复杂的非线性组合优化问题,而重构后的网络必须是辐射状且连通的。在这种约束条件的基础上,提出了SA-IPSO混合算法。该算法结合了模拟退火算法的全局寻优和改进粒子群算法计算速度快的优点,避免了陷入局部最优和计算时间长的缺点,可以有效获得全局最优解。计算结果表明,在含有分布式电源情况下,该方法不仅可以提高供电电压质量,还可以降低网损。以IEEE69节点为例,验证了该方法的可行性。     

含分布式电源的配电网双层扩展规划

考虑分布式电源对配电网网架结构的影响,在分布式电源容量和位置均未定的情况下,采用内外层双层规划的方法对配电网线路结构、分布式电源位置和容量进行综合优化。将政府补贴政策引入目标函数,鼓励清洁能源的使用,建立节省综合经济成本最多的目标函数模型。内层在引进分布式电源位置和容量的情况下,在遗传算法中引进组织膜计算中的交流规则来增强全局寻优能力和计算能力,从而实现对网架结构的扩展规划;外层采用新型混合粒子群算法对分布式电源的位置和容量进行确定。算例表明,该算法应用于含分布式电源的配电网扩展规划中,节约了经济成本,提高了用电可靠性,验证了算法的有效性。     

基于LD-SAPSO的分布式电源选址和定容

为了改善环境和资源的现状,以及提高电能的质量,大力发展分布式电源发电将是未来电网系统发展的必然趋势,但是分布式电源的选址和定容,是配电网规划需要考虑的重要问题。分析了分布式电源对配电网的影响,在此基础上建立了包括分布式电源的投资和运行维护成本、环境费用、网损费用的目标函数,针对现有粒子群算法的不足,提出了线性递减的学习因子及自适应权重粒子群算法———LD-SAPSO ,确定分布式电源的位置和容量,为配电网的改造提供了理论基础。     

考虑时序特性和环境成本的并网型分布式电源选址定容规划

基于分布式电源出力和负荷的典型时序特性,建立考虑环境成本的并网型分布式电源选址定容规划模型,以配电网建设费用、损耗费用、购电费用和分布式电源运行费用最小为目标函数,采用可处理PV节点的前推回代潮流计算方法判断规划方案是否满足潮流约束及计算网络损耗。同时,为克服粒子群算法的"早熟"问题,提出了一种将联系数与粒子群算法相结合的改进粒子群算法,并用改进算法对模型进行优化。IEEE13节点系统仿真结果验证了模型的合理性和算法的有效性。     

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。     

考虑多种分布式电源及其随机特性的配电网多目标扩展规划

为了增强新建配电网环网转供能力,提高供电可靠性,同时减小投资和运行维护成本,提出了一种分布式电源(DG)选址定容和多供电途径的网状新建配电网协调规划方法。该方法建立了考虑经济性、可靠性和稳定性的多目标优化模型,优化求解采用两层嵌套的粒子群算法。在规划中考虑了风电、光伏、燃气轮机、储能电池4种DG的选址和定容。针对输出功率不确定的DG,建立了概率模型,利用多状态系统理论,将随机性问题转化为确定性问题。最后以某开发区的实际配电系统为例,验证了所提模型和方法的合理性。     

基于混合智能粒子群算法的广义电源主动配电网优化配置

研究广义电源接入主动配电网的优化配置问题。提出一种电压偏差指标。建立综合考虑投资经济效益、电压偏差及污染气体排放指标的多目标优化配置模型。提出一种混合智能粒子群算法,在优化过程中引入快速非支配排序策略、精英保留策略和拥挤距离计算策略以改善其全局搜索能力。对IEEE-33节点、PG&E-69节点配电系统进行计算,分析在不同负荷水平下各指标的变化情况,研究负荷变化时广义电源的最佳配置。研究表明,广义电源的接入与合理配置能够有效提高投资运行效益和系统电压稳定性,同时说明该方法能够保证配置方案的多样性和多目标优化过程的寻优性。     

考虑需求响应影响的含分布式电源的配电网多目标协调规划

分析了考虑需求响应影响的含分布式电源(DG)的配电网多目标协调规划问题,建立了以DG综合投资成本(包括DG安装及运行维护成本、购电综合成本、需求响应运行成本、网络损耗成本和环境效益)最小为目标的模型,综合考虑网络系统安全约束和需求响应运行约束条件,实现DG位置和容量的协调规划。利用自适应粒子群算法对IEEE33节点系统进行求解,算例结果表明,该模型能有效提高可再生能源的利用率,提升含DG的配电网规划的经济性。     

基于配电网节点边际容量成本和时序特性的分布式电源规划

配电网的边际容量成本表述了负荷的增加或分布式电源(DG)接入配电网中引起供电设备所需容量的变化,从而引起的供电投资成本的变化。本文针对开环运行的配电网,通过灵敏度法构建灵敏度系数矩阵,对配电网的节点边际容量成本(LMCC)进行计算,并根据实际情况考虑LMCC的变化,将DG效益评估分为用户自备DG和电力部门DG配置。重点讨论电力部门DG配置情况下多类型DG选址定容的规划,并考虑了多类型DG和负荷的时序特性。最后运用MATLAB仿真软件在IEEE33节点配电网系统中进行了LMCC数值计算,利用粒子群算法进行了考虑时序特性的DG规划,并验证了模型和方法的合理性。     

考虑微电网接入下的配电网优化规划

在能源紧缺、污染严重的时代背景下,分布式电源迅速普及。含分布式电源的配电网规划研究日益增多,而将分布式电源以微电网的形式考虑到配电网规划之中还鲜有研究。将不同类型的分布式电源、储能装置以微电网的形式接入配电网,充分考虑微电网加入对变电站规划和网架规划产生的影响。基于微电网系统模型,分别建立配电网规划中变电站选址定容模型及网架规划模型,利用改进粒子群算法求解上述两个多目标非线性化模型,并计算由微电网带来的变电站容量削减量及配电网故障时的可避免停电损失费用。以IEEE50节点为算例验证此模型,算例验证了所提模型有利于提高系统的可靠性和经济性,优化了网架结构,具有实际工程参考意义。     

基于耐受渗透比的10 kV配电网分布式电源规划

针对目前分布式电源(DG)规划方法建模求解复杂的问题,提出配电网DG耐受渗透比的概念。分析了配电网特征参数对耐受渗透比的影响,并提出了一种基于耐受渗透比的10 kV配电网DG规划方法。首先根据10 kV配电线路的电气特征进行分类。然后建立各类线路的基态线路模型。其次在同类线路的特征参数范围内,取极端情况通过基态线路模型进行计算,得到10 kV配电线路的耐受渗透比。最终形成各类线路耐受渗透比推荐表,指导配电网的分布式电源规划。算例结果验证了该方法的有效性和正确性。     

基于免疫遗传算法的含分布式电源配网规划

大量分布式电源的接入使配电网规划更加复杂.在限制分布式电源接入总量和考虑多种约束的基础上,建立以配网年费用最小为目标函数的规划模型.针对该模型的特点,采用一种新型免疫遗传算法( IGA)对配电网扩展规划进行优化.该算法综合了免疫系统和遗传算法的优点,可实现群体收敛性和个体多样性间的动态平衡,具有良好的全局收敛能力.分别...     

基于改进粒子群优化算法的多目标分布式发电规划

通过归一化处理和权系数选取,将以网络损耗最小、节点电压平均偏差最小、静态电压稳定裕度最大和总投资成本最小为目标的多目标分布式发电（distributedgeneration,DG）规划模型转化为单一目标。采用改进粒子群4~g415（improvedparticleswarmoptimization,IPSO）算法进行DG规划的优化计算,为避免陷入局部最优,对惯性权重进行非线性的自适应调整,并在计算过程中引入速度变异算子和位置交叉算子,较好地克服了计算后期易陷入局部收敛的问题。将IPSO算法应用于69节点配电网测试系统,仿真结果验证了IPSO算法是有效和可行的。     

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。