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。     

分布式电源在配电网络中优化选址与定容的研究

合理地对分布式电源（DG）进行选址和定容对于实现配电网网损最小是至关重要的。通过对网络中不同位置的负荷节点对网损的敏感度分析来进行配电网中DG规划,敏感度较高的负荷节点引起的网损较大,通过在该节点安装DG对该节点的等效负荷予以调整,最后得到网损最小的DG接入方案。对实际算例进行仿真计算并与采用改进粒子群算法的优化结果进行比较,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。     

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。     

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。     

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。     

基于自适应变异粒子群算法的分布式电源选址与容量确定

在不考虑负荷新增节点的情况下进行分布式发电的布点规划,建立了以配电网年运行费用最小为目标的经济模型。模型中针对分布式电源运行费用引入固定安装费用权重因子,更准确地刻画了分布式电源接入后配电网费用的变化。同时,为克服粒子群算法存在的早熟问题,采用自适应变异的粒子群算法(adaptive mutation particle swarm optimization algorithm,AMPSO)对配电网中的DG选址和定容进行了优化。通过对IEEE 33节点配电网测试系统进行分析,验证了上述模型的准确性和求解算法的有效性。     

基于改进粒子群算法的含分布式发电配网孤岛划分

分布式电源(DG)在配电网中的比重越来越大,当配电网上级发生故障时,可以将配电网与上级电网断开,利用配电网内部的分布式电源为配电网中重要负荷提供持续稳定供电。为了最大化利用DG资源,同时保障重要负荷优先供电,本文提出了基于改进二进制粒子群的配电网孤岛划分方案。本文以二进制粒子群作为主程序,并对粒子进行组合变异,为了克服粒子群的早熟问题,采用模拟退火算法对粒子群进行优化。本文采用广度优先搜索算法对孤岛进行功率连通性校验。对不满足连通性要求的孤岛进行调整,最后找出最优方案。最后,采用IEEE69节点配电系统进行算例验证,算例结果表明本文算法的优越性。     

基于免疫遗传算法的智能配电网分布式电源选址定容

合理地对分布式电源进行选址和定容对于智能配电网规划非常重要。文章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,针对该模型特点,首次将免疫遗传算法应用到分布式电源选址和定容问题的求解中。该算法综合了免疫系统和遗传算法的优点,具有良好的全局收敛能力。对33节点配电测试系统进行仿真计算,将仿真结果与标准遗传算法进行比较。验证了免疫遗传算法具有一定的收敛性和适应性。     

考虑分布式电源的配电网优化规划

分布式电源（DG）的发展给配电网络规划带来了新的挑战。考虑负荷增长,从供电公司的角度,以DG接入投资、线路投资以及电网有功损耗最小为目标函数,建立了配电网节能减损的规划模型,充分利用配电网正常运行呈辐射状网络的特点,采用启发式方法对含DG的配电网进行规划,通过模糊评估算法分析了DG接入对配电网运行带来的影响,进而引入协调系数,对目标函数进行优化。算例计算结果验证了所提出的模型和算法的有效性。     

Optimal power flow for distribution networks using gravitational search algorithm

This paper presents a gravitational search algorithm (GSA)-based approach to solve the optimal power flow (OPF) problem in a distribution network with distributed generation (DG) units. The OPF problem is formulated as a nonlinear optimization problem with equality and inequality constraints, where optimal control settings in case of fuel cost minimization of DG units, power loss minimization in the distribution network, and finally simultaneous minimization of the fuel cost and power loss are obtained. The proposed approach is tested on an 11-node test system and on a modified IEEE 34-node test system. Simulation results obtained from the proposed GSA approach are compared with that obtained using a genetic algorithm approach. The results show the effectiveness and robustness of the proposed GSA approach.     

计及低碳效益的分布式发电优化配置

首先对电力系统各个环节进行低碳分析,针对配电网分布式发电DG(distributed generation)优化配置问题,提出了低碳费用、电压安全、有功网损这三个评估配电网效益的重要指标,在此基础上建立分布式发电多目标优化配置模型,应用最大满意度法将多目标规划转化成单目标规划问题,并用模拟植物生长算法PG-SA(plant growth simulation algorithm)对上述模型进行求解。算例表明该模型确定的分布式电源在配电网的位置和容量可有效减少碳排放、提高系统运行电压,降低有功网损。     

计及节能调度的分布式电源优化配置及其并行计算

研究了多负荷水平下计及节能调度的配电网分布式电源(DG)优化配置问题,建立了2层规划数学模型,上层优化以DG并网运行价值最大为目标,确定DG与储能电池的位置和容量;下层优化模拟配置储能装置的配电网最优节能调度,确定DG的运行出力。采用蚁群算法结合线性规划的混合算法对该模型进行了求解,并实现了主从模式与对等模式相混合的并行算法。算例表明,该模型可显著提高DG接入容量和实际发电量,使DG并网运行价值最大化;并行算法可有效提高算法的计算速度和搜索效率。     

基于遗传-蚁群算法的交直流配电网分布式电源优化配置

随着分布式电源（distributed generation，DG）受到广泛的关注与研究，分布式电源接入交直流配电网的规划问题日益突出。该文在分布式电源选址定容阶段充分考虑不同类型DG和负荷的时序特性，以DG运维费用、DG投资年等效费用、系统网络损耗费用、燃料费用、污染赔偿费用、环保补贴综合最小作为目标函数，同时加入电压、功率等约束条件，建立了DG的选址定容模型。根据遗传、蚁群算法各自的优劣势，提出了运用遗传-蚁群复合算法求解该优化模型。最后以改进的IEEE-33节点配电网作为算例，验证了所提模型的合理性及算法的有效性。     

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。     

Planning for distributed wind generation under active management mode

In the smart grid (SG), the active management (AM) mode will be applied for the connection and operation of distributed generation (DG), which means real time control and management of DG units and distribution network devices based on real time measurements of primary system parameters. In this paper, a novel bi-level programming model for distributed wind generation (DWG) planning under AM mode is put forward. The model takes the maximum expectation of net benefit of DWG as the upper level program objective, and takes the minimum expectation of generation curtailment as the lower level program objective. The impact of active management algorithm on improvement of branch power flow and node voltage is taken into account. A hybrid algorithm combining the plant growth simulation algorithm (PGSA) with probabilistic optimal power flow (POPF) algorithm is presented to solve the optimal planning of DWG under AM mode. The case studies have been carried out on a 33-node distribution network, and the results verify the rationality of the planning model and the effectiveness of the proposed method.