基于粒子群优化算法的配电网重构和分布式电源注入功率综合优化算法

随着分布式电源(distributed generation,DG)在配电网中安装比例逐年增加,配电自动化应加强对DG的优化调度功能,发挥DG对配电网优化的有利作用。配电网重构是配电网优化的重要措施,DG联网后,DG注入配电网功率直接影响配电网重构结果。为使配电网性能达到整体最优,提出了一种基于粒子群优化算法(particle swarm optimization,PSO)的配电网重构和DG注入功率综合优化算法。该算法根据PSO并行计算的特点,采用PSO和二进制粒子群优化算法(binary particle swarm optimization,BPSO)相结合的方式,对转换开关状态和DG注入功率2种控制变量同时处理,达到配电网网损、电压偏差最小的目的。将DG作为可调度设备,对配电网重构和DG注入功率进行综合优化,提高了含DG配电网的电能质量和供电可靠性。将该算法应用到3馈线配电系统,仿真结果验证了所提算法的有效性。     

含分布式电源的配电网综合优化重构

分布式电源(DG)的接入对配电网重构带来诸多影响,使含DG的配电网重构难以用传统模型来描述。为了充分发挥DG对配电网的有利作用,将DG视为可调度设备,建立了以网络开关组合、DG注入功率、DG位置为控制变量的配电网综合优化重构模型,采用量子进化算法(QEA),以网损最小为目标函数,对模型进行求解,降低了配电网的有功损耗。采用IEEE33节点测试系统进行仿真计算,结果表明了该方法是正确、有效的。     

基于改进和声搜索算法的配电网多目标综合优化

针对含分布式电源(distributed generator,DG)的配电网,DG注入配电网的功率直接影响配电网重构结果。提出了一种基于改进和声搜索算法的配电网综合优化方案,该改进算法在产生和声库时引入混沌序列,利用反向学习策略产生新解,在搜索陷入局部最优时引入整体分布算法,使得算法能够快速收敛。将可调整出力的DG引入配电网重构的过程中,从而获得多目标配电网重构与DG注入功率的综合优化方案,最终达到降低网络损耗与电压偏移率的目的。以IEEE33节点测试系统进行了仿真计算,结果验证了文中方法的有效性。     

一种基于协同进化算法的配电网重构和分布式电源注入功率综合优化方案

指出在配电网优化中必需考虑到分布式电源接入的影响.将DG注入功率作为优化变量,加入配电网重构优化的过程,提出了一种基于协同进化算法的配电网重构和分布式电源注入功率综合优化方案——将综合优化问题分解为各变量优化的子问题,采用协同进化的思想处理各个子问题;针对不同优化变量,设计了不同的编码方式,有助于寻求符合各自特点的进化...     

基于改进量子粒子群算法的配电网络优化重构

为了更好地利用分布式电源(DG),需要调整配电网开关状态优化网络结构。基于此,旨在利用一种智能算法对含DG的配电网进行优化重构。以网损最小为目标函数,建立配电网重构模型,并给出重构需要满足的约束条件;按照DG接入配电网的接口类型将其分为PQ型、PV型、PI型和PQ(V)型四种类型,选择前推回代法对含DG的配电网进行潮流计算;通过分析二进制粒子群算法(BPSO)与量子粒子群算法(QPSO),提出了一种改进的量子粒子群算法—加权的二进制量子粒子群算法(WBQPSO)。以IEEE33节点配电系统为例,采用二进制编码方式,通过仿真结果可以发现WBQPSO通过对粒子的平均最好位置加权处理,改善种群多样性,提高收敛速度,可以得到更好的网络重构的优化结果。     

含多种分布式电源的配电网重构优化研究

考虑多种分布式电源（DG）的影响,形成配电网重构优化的新方法。该方法以网损期望最小为优化目标,运用以配电网环路数为抗体长度的十进制编码策略及疫苗接种策略;并将多种DG的功率计算加入改进牛拉法配电网潮流计算模型中,考虑水轮机等DG的功率可调性及风电等DG的功率随机性,得到考虑功率随机DG出力概率的网损期望;将免疫算法与邻域搜索进行融合,形成邻域搜索免疫算法,有效克服了免疫算法在迭代末期局部搜索能力差的弊端。IEEE33节点模型加入DG后计算结果表明,含多种DG的配电网通过重构可以在优化DG出力的同时实现网损期望的最小化。     

考虑DG与负荷不确定性的主动配电网重构

分布式电源(Distributed Generation,DG)以其清洁性的特点越来越多的接入配电网中,但是具有明显的不确定性,所以本文主要考虑了DG与负荷的不确定性对主动配电网重构的影响。针对DG与电力负荷的不确定性,通过信息熵与场景划分法相互结合,根据负荷曲线将负荷划分为多个场景,并且以Wasserstein概率距离指标对风力发电与光伏发电的场景进行划分。提出“无重复”的环路编码与初始种群生成策略,提高了优化效率。建立基于有功网络损耗期望值的多场景配电网重构模型,最后使用改进的烟花算法对制定场景的重构目标函数进行优化。     

含间歇性DG的主动配电网动态重构研究

考虑ADN(主动配电网)中间歇性DG(分布式电源)出力的时变性和系统负荷功率的不确定性,建立了含DG的ADN重构模型,提出了DEIWO(差分进化入侵杂草优化)算法,对配电网进行动态重构。利用柯西分布取代高斯分布对IWO(入侵杂草优化)算法进行空间扩散,在计算初始可以产生更多的可行解;引入DE(差分进化)策略,优化竞争生存操作过程,解决了IWO算法收敛速度慢且容易陷入局部最优的问题。利用改进的OFCMC(最优模糊C均值聚类)方法处理ADN动态重构问题,将ADN动态重构问题转化成C个代表负荷数据为聚类中心的静态重构问题。IEEE 33节点系统算例结果表明,利用DEIWO算法对接入DG的配电网重构后,各节点电压波动、电压偏差降低,节点电压整体提高至接近额定电压且无电压越限,配电网电压质量可达到最佳状态。     

含分布式电源优化调度的配电网络重构

配电网络重构是配电网优化的重要措施,分布式电源（DG）接入配电网将改变网络潮流分布,直接影响网络重构结果,而网络重构引起的DG相对位置变化也将引起DG最优输出功率的变化,进行单个优化不能达到整体最优的效果。针对这一问题提出了一种含分布式电源优化调度的配电网络重构方法。采用改进最小生成树算法和改进粒子群算法将网络重构和DG的优化调度相结合进行交叉迭代。首先,进行DG的优化调度;其次,进行网络重构。只要网络结构发生变化,就需要重新进行DG优化调度,直到重构和DG优化调度均无操作时算法收敛,停止计算。实际算例表明,该方法能有效降低配电网的网络损耗、改善电压质量,可以达到配电网总体最优。     

考虑风电随机性的多场景配电网重构

配电网重构是配电网优化运行的一项重要措施,分布式电源(Distributed Generation,DG)以其清洁性和可再生性越来越多地被引入到配电网重构中。针对出力随机的DG对配电网重构的影响,将基于wasserstein距离指标的场景划分法引入到配电网重构中,将风电划分为多个场景。在兼顾风电随机性以及负荷波动性的条件下,提出了基于二进制粒子群算法的最优方案确定策略,建立了配电网重构模型。提出基于排同存异的环路编码及初始种群生成策略,提高了计算效率。在IEEE33节点配电网系统下对所建立的模型进行求解,验证了所提策略的可行性和有效性,并得到了同时适应风电随机性以及负荷波动性的最优重构方案。     

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。     

考虑新能源与电动汽车接入下的主动配电网重构策略

随着分布式风力发电等新能源以及电动汽车(EV)等新型负荷接入配电网的比重逐步提高,传统的配电网重构模型难以反映其随机性和波动性。文中首先构造了风力机和EV的概率场景模型及含分布式电源(DG)和EV的配电网重构模型;其次,在场景分割的基础上对不同场景分别进行线性化随机潮流计算,在保证精确性的前提下简化模型,避免了场景的组合爆炸,体现了对于配电网中不断增加的DG和EV的适应性;最后采用一种适用于配电网重构场景模型的改进生物地理学优化算法,通过引入改进的编码规则、余弦迁移模型及变异操作,提高搜索速度和精度,抑制算法进化过程中因早熟收敛而陷入局部最优。算法在IEEE 69节点算例20次仿真计算中比传统人工智能算法更有优势。     

含电动汽车和智能软开关的配电网动态重构

提出含分布式能源、智能软开关(SOP)和电动汽车(EV)有序接入的配电网重构策略。基于上班族的出行习惯模拟EV的无序充电模型,并构建配电网重构下的SOP模型;对于接入的EV无序充电负荷,采用拉格朗日松弛分散式优化算法和虚拟电价进行EV的有序调度;以最小化网损费用,SOP运行费用,弃风、弃光费用与开关动作费用之和为目标函数,通过大M法和二阶锥松弛将配电网重构模型转化为混合整数二阶锥规划模型,采用CPLEX求解器进行求解。IEEE 33节点标准系统的仿真结果表明,在配电网动态重构中采用SOP代替传统开关能够提升配电网运行的经济性,同时采用所提有序调度方法优化EV充电可以改善配电网电压质量。     

量子粒子群算法在配电网重构中的改进和应用

针对传统算法容易早熟收敛、计算效率低下等缺点,文章提出一种改进量子粒子群算法,并将其应用于含分布式电源的配电网重构问题.文章综合考虑配电网的经济性和可靠性,以有功网损和电压稳定性指标作为目标函数建立配电网重构模型,并对传统算法在全局收敛性、收敛速度和编码策略等方面进行了改进.引入遗传算法中的锦标赛选择策略,扩大种群多样...     

一种新型的配电网供电恢复重构寻优算法

将蚁群算法应用于非故障失电区域的供电恢复重构问题,在建立新型、可行供电恢复方案搜索策略的基础上,结合图论相关知识引入了可操作开关集的概念,缩小了寻优空间,提出了一种新型配电网供电恢复重构寻优算法。在随后的迭代求解过程中,蚁群算法具有的正反馈、分布式计算和富于贪婪启发式搜索等特点使该算法的计算效率得到了显著提高。某18节点配电网的寻优比较结果表明,该算法具有高收敛性、快实时性和强全局稳定性。     

基于改进量子进化算法的配电网重构

提出了一种新的改进量子进化算法解决配电网重构问题。算法对量子更新策略进行改进以减少量子搜索的盲目性,引导量子更好更快地找到最优解。配电网重构是一个多目标非线性组合优化问题,二进制的编码方式特别适合采用改进量子进化算法求解。IEEE 16节点标准算例计算结果表明,本文所提出的改进量子进化算法在配电网重构应用中正确有效。     

基于网架结构相似性和适应性的主动配电网动态重构

为了提升主动配电网对可再生能源的消纳能力、优化分布式电源(DG)入网环境,提出了一种基于网架结构相似性和适应性的配电网动态重构策略。首先,以各单位时段内DG出力最大为目标进行静态重构。然后,从网络拓扑结构量的角度提出了开关状态相似度和改进节点介数相似度两个指标,根据网架结构相似度确定合并时段。随后,从运行状态量的角度定义了网架结构适应性,再依据该指标来客观指导合并时段内最优网架的选择。针对含DG的配电网静态重构问题,提出了一种基于趋化步长自适应调整的改进型细菌觅食算法(IBFA)进行求解。最后,采用PG&E 69节点系统验证了所提重构策略及算法的正确性与有效性。     

Multi-Objective Approach for Reconfiguration of Distribution Systems with Distributed Generations

This paper presents a fuzzy multi-objective based heuristic algorithm for network reconfiguration of distribution systems considering distributed generations (DGs). The objectives of reduction of real power loss, branch current carrying capacity limit, maximum and minimum voltage constraints, and feeder load balancing are considered for performance enhancement of the distribution system. Since these objectives are non-commensurable and difficult to solve simultaneously using conventional approaches, they are converted into fuzzy domain and a fuzzy multi-objective function is formulated. A sensitivity analysis based on voltage profile improvement and real power loss reduction is used for obtaining optimal locations of DGs and genetic algorithm is used for optimal sizing of DGs. The proposed reconfiguration algorithm is implemented in two stages, initially in the first stage without incorporating DGs and in the second stage incorporating DGs for obtaining an optimal distribution system network reconfiguration. The advantage of the proposed method is demonstrated through a seventy node four feeders and a sixteen node three feeders distribution systems.     

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。     

基于边际成本下垂控制的自治微电网分布式经济运行控制

由于微电网中不同类型分布式电源的运行成本各异,传统下垂控制按照容量比例分配功率,易导致系统成本偏高。提出基于边际成本的改进下垂控制,按各分布式电源边际成本一致分配功率。为进一步解决其功率分配精度易受线路阻抗影响的问题,提出基于一致性算法的分布式经济运行控制策略,通过优化下垂控制的参考电压,实现各分布式电源边际成本一致,从而有效降低系统运行成本。该分布式经济运行控制策略利用稀疏分布式网络,无中心节点,仅需相邻分布式电源间交互信息,可靠性高。MATLAB/Simulink仿真验证了所提方法能较好地实现自治微电网的经济运行。