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。     

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。     

改进粒子群算法在分布式电源优化配置中的应用研究

合理的分布式电源(DG)位置和容量对配电网的安全、经济运行至关重要。建立了以电力公司年综合经济效益最大的优化配置模型,针对传统粒子群算法存在的早熟现象,采用改进粒子群算法进行目标函数寻优,最终得到满足目标函数的分布式电源最优配置方案与实际运行时的最优输出功率。对实际算例的仿真计算结果验证了算法的正确性和有效性,为进一步开展分布式电源规划拓展了思路。     

考虑静态电压稳定性的分布式电源优化布置研究

为了研究在考虑静态电压稳定性情况下,配网中分布式电源的优化布置问题。基于IEEE33节点配电网络和Matlab仿真测试软件平台,以分布式电源(Distributed Generation,DG)接入总容量最大为目标函数,以静态电压稳定指标L(Voltage Stability Index)为约束条件,应用自适应粒子群算法(Adaptive Mutation Particle Swarm Optimization Algorithm,AMPSO)对配电网络中DG的选址和定容进行优化。优化结果得出了配电网络中最优的DG布置方案,同时满足了配电网络电压稳定和分布式电源容量最大的要求,该研究对配网中分布式电源的规划提供了积极的指导意义。     

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。     

基于改进粒子群优化算法的DG准入容量与优化布置

为进一步优化配电网中分布式电源（distributed generation,DG）的准入容量和优化布置问题,以节点电压和线路载流量为约束条件建立了单电源和多电源准入容量的数学模型,以有功网损最小为目标函数建立了DG优化布置模型。为有效求解该模型,采用了基于粒子群优化（particle swarm optimization,PSO）算法和二次插值相结合的改进PSO算法,将该改进方法应用于IEEE 33节点标准算例,分别进行了DG的最优接入位置与最优容量的仿真,并与粒子群算法优化结果进行了对比,同时还分析了优化布置下的潮流分布。算例仿真结果表明该方法可有效减少DG接入后配电网的网损,提高配电网的供电质量。     

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。     

基于量子粒子群算法的微电网优化调度

在微电网运行中,优化调度尤为重要。针对多种分布式电源(DG)的微电网,提出一种分优先等级的发电控制策略,采用量子粒子群算法对微电网经济运行优化求解。在并网条件下对微电网在一天24 h内进行运行仿真,仿真结果表明,采用的方法与策略是有效的。     

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.     

考虑源-荷随机协调特性的配电网概率潮流多目标优化方法

分布式电源(distrubuted generation,DG)和电动汽车(electric vehicle,EV)随机充放电环境下的配电网优化运行是目前一项重要的研究课题,通过建立分布式电源和电动汽车充放电的随机概率模型,进而构建出配电系统在随机因素下的运行状态。在满足电网运行的潮流约束条件下,以系统优化成本、有功损耗期望、电压偏差期望为目标函数,建立配电网概率优化的模型,使用基于概率潮流的混沌粒子群算法对模型求解,得出配电网优化运行的策略。最后以IEEE 33节点系统为算例,验证所提方法的正确性与有效性。     

基于自然选择粒子群算法含DG接入的配电网无功优化

以分布式电源接入配电网运行时产生的有功网损最小并能改善电压质量为目标,提出将自然选择机理与粒子群算法相结合的配电网无功优化方法。将DG向系统注入的无功功率作为配电网无功优化的控制变量,建立了包括目标函数、潮流方程等式约束和不等式约束的配电网无功优化数学模型。基于自然选择的粒子群算法其核心思想为每次迭代过程中将整个粒子群按适应值排序,用群体中最好的一半的粒子的速度和位置替换最差的一半的速度和位置,同时保留原来每个个体所记忆的历史最优值。通过对改进后的IEEE33节点配电系统进行仿真分析,结果表明所提出的算法具有很强的全局收敛性和稳定性,并能以最快的收敛速度搜索到系统最小网损值。     

含放射性约束条件的配电网重构研究

研究网络重构是配电网运行及优化的重要功能之一,在各种重构算法中,网络模型通常采用放射性的拓扑结构。为保证重构结构满足拓扑的放射性约束,把放射约束的数学模型纳入到含分布式电源(DG)的网络重构系统中,使以往复杂的方法转化为一个简单而有效的方法。进而把该放射性约束条件运用于基于粒子群优化算法的配电网重构中,克服了粒子群寻优的盲目性,提高运算速度。最后通过IEEE33和IEEE69节点算例表明,放射性条件的约束和DG的引入能够更进一步实现整个网络重构方案的优化。     

基于混合算法的含分布式电源配电网重构研究

随着新能源技术在配电网领域的发展,分布式电源（distributed generation,DG）接入配电网的研究成为热门。与传统配电网相比,含DG的配电网会出现弱环网和非PQ节点,而传统潮流计算方法只能解决PQ节点和辐射状网络。为解决配电网接入DG后重构的问题,采用叠加定理解决开关倒换过程中产生的弱环网,同时改进前推回代潮流计算方法,使得接入DG的节点可以正常参与潮流计算。同时结合纵横交叉算法（crisscross optimization,CSO）和粒子群算法（particle swarm optimization,PSO）的优势,提出混合算法（crisscross particle swarm optimization, CPSO）优化含分布式电源的配电网重构问题。仿真部分是以典型的IEEE 33节点配电网为例,在考虑DG接入方式为PI节点、PV节点和PQ（V）节点的情况下进行仿真,结果证明了配电网合理的接入DG后,可以起到降低网损和提高电压质量的作用。     

A combination of genetic algorithm and particle swarm optimization for optimal DG location and sizing in distribution systems

Distributed generation (DG) sources are becoming more prominent in distribution systems due to the incremental demands for electrical energy. Locations and capacities of DG sources have profoundly impacted on the system losses in a distribution network. In this paper, a novel combined genetic algorithm (GA)/particle swarm optimization (PSO) is presented for optimal location and sizing of DG on distribution systems. The objective is to minimize network power losses, better voltage regulation and improve the voltage stability within the frame-work of system operation and security constraints in radial distribution systems. A detailed performance analysis is carried out on 33 and 69 bus systems to demonstrate the effectiveness of the proposed methodology.     

基于二次插值粒子群算法的配电网多目标双阶段故障恢复策略

随着人们对供电质量要求的提高,为了满足配电系统的可靠性、安全性和经济性方面的要求,配电网的故障恢复策略相关研究成为了目前专家学者研究的重要课题。提出了基于二次插值粒子群算法的适用于配电网多目标下故障恢复的双阶段策略。首先建立了配电网故障恢复时基于不同目标函数下的数学模型,制定了适合基于二次插值粒子群算法的配电网多目标双阶段故障恢复策略的编码策略,并利用基于二次插值的粒子群算法对其进行求解。最后以某实际电网为例,在不同故障情况下验证了所提策略的正确性和实用性。     

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。     

基于自适应粒子群算法优化DG的配网静态电压稳定性提高策略

为了改善配电网络的静态电压稳定性,提出一种接入分布式电源优化布置的方案。基于IEEE33节点配电网络和Matlab仿真测试软件平台,以静态电压稳定指标L(Voltage Stability Index)和最大电压偏差最小为目标函数,以最大电压偏差小于7%为约束条件,应用自适应粒子群算法(Adaptive Mutation Particle Swarm Optimization Algorithm, AMPSO)对配电网络中DG的接入进行优化布置,从而提高了整个配电网络的静态电压稳定性。并通过重庆某地区的实际配电网络进行实例验证,证明方案的正确性和可行性。该研究所提出的方案,对配电网络静态电压稳定性的改善有一定的指导意义。     

New optimal placement of capacitors and dispersed generators using bacterial foraging oriented by particle swarm optimization algorithm in distribution systems

The shunt capacitor devices are utilized in distribution systems to possibly reduce reactive component of power losses. Besides, the dispersed generator (DG) units can be used to supply active power of loads and reduce active component of power losses. In this paper, by applying the multi-objective problem, optimal placements of these devices are determined based on bacterial foraging (BF) oriented by particle swarm optimization (PSO) algorithm (BF-PSO). The considered objective function includes the cost reduction of power losses and installation costs of shunt capacitor devices and DG units. Also, the problem solution at different load levels and the utilization of capacitor discrete values are performed for optimization. Finally, the proposed method is compared with genetic algorithm (GA), differential evolution (DE), and PSO methods. They are investigated on the IEEE 69-bus distribution system. The simulation results indicate the advantages of the proposed method for the optimization problem.