考虑电能质量的分布式电源优化配置

针对大量电力电子设备投入电网造成严重电能质量问题的现状,提出考虑谐波畸变和电压暂降损失的分布式电源(Distributed Generator,DG)优化配置方法。该方法以DG配置成本、有功损耗、电压暂降损失最小为目标函数,并在满足配网潮流等式和不等式约束的基础上增加谐波畸变限值的约束条件,建立多目标优化模型,最后采用非劣排序遗传算法(Nondominated Sorting Genetic Algorithm-II,NSGA-II)求得最优配置方案。通过IEEE 33节点配电网络对此配置算法进行仿真验证,结果证明该方法得到的DG配置方案可有效降低谐波畸变率、暂降损失及网络损耗。     

基于NSGAII的分布式电源优化配置

该文提出了一种基于非支配性遗传算法NSGA-Ⅱ的分布式电源(DG)优化配置算法,对DG接入配电网的位置和容量进行优化配置。采用了十进制的编码方式使得DG接入位置和容量的优化可以同时进行,运用前推回代法对接入DG的配电网络进行潮流计算,选择了总电压偏差最小,有功损耗最小和CO2排放量最小三个目标函数进行优化,该算法一次运行可以获得一组Pareto最优解,决策者可以根据系统的实际需要选择最终的满意解,为各目标函数的权衡分析提供了有效的工具。最后应用该算法对IEEE33节点进行DG的优化配置,结果证明了算法的有效性。     

基于有功矩法的分布式电源优化配置方法

分布式电源(distributed generation,DG)的接入使得配电系统从无源网络转变为有源网络,DG接入的位置、容量以及运行方式对配电网的节点电压、线路潮流、网络损耗等都有较大影响,因此对DG进行优化配置的研究有着重要意义。本文研究了DG的优化配置问题,从网损最小的目标函数出发,分别定义了有功二次矩和有功一次矩,建立了分布式电源优化配置的有功矩模型:按有功二次矩来确定分布式电源的安装位置,按有功一次矩来确定分布式电源的优化配置容量,并在IEEE33节点系统和69节点系统分别进行了仿真,验证了所提方法的正确性和有效性。方法的物理概念清楚、计算过程简捷可靠,具有实用价值。     

考虑电压质量的分布式电源选址定容

分布式电源(DG)对配电网的影响与其接入的位置及容量密切相关,为此对DG的选址定容问题进行研究.首先介绍不同类型DG在潮流计算中的模型,详细分析电压稳定性指标,然后提出基于电压稳定性指标的DG选址方法,分析DG接入对配电网网络损耗和电压质量的影响,提出以降低网络损耗和改善电压质量为目标的分布式选址定容目标函数,并采用混合智能算法进行DG定容的优化计算.算例分析表明该方法在DG选址和定容问题中是有效的.     

考虑分布式电源出力调整的多目标配电网重构

配电网重构可以提高配电网运行的经济性和安全性,而分布式电源(Distributed Generator,DG)加入配电网直接影响潮流分布,对配电网重构将产生较大影响。考虑到DG对配电网重构的影响,以开关状态、DG出力为优化变量,建立了以网络损耗、负荷均衡化率最小为目标函数的多目标优化模型。将生成树、蚁群算法和遗传算法相结合,提出了求解上述模型的多目标混合优化方法,以实现配电网结构和DG出力的协同优化。该方法利用基于生成树原理的蚁群算法对配电网结构进行优化,保证蚂蚁路径满足网络拓扑约束,有效提高了可行解的数量;采用Pareto最优遗传算法对分布式电源出力进行优化,可获得满足多目标需求的若干优化方案。仿真结果表明所提出方法能够实现DG出力和网络重构的综合优化和多目标优化。     

基于NSGA-Ⅱ算法的分布式电源优化配置

以合理配置分布式电源(DG)发挥其综合效益为目的,建立了以最小化分布式电源投资运行成本、最小化配电网网损和最大化静态电压稳定性为目标的配电网DG多目标优化配置模型。引入了多目标遗传算法—带精英策略的快速排序遗传算法(NSGA-Ⅱ),该算法能够协调各目标函数之间的关系,找出能使各目标函数尽量达到比较大的Pareto最优解集。在考虑不同类型DG的接入特性的基础上,采用NSGA-Ⅱ优化求解DG配置问题。算例分析表明,DG接入配电网后有利于节省配电网投资、减少配电网网损、提高静态电压稳定性。多目标优化计算结果表明,DG配置方案能够达到经济、技术、安全3个方面最优。     

考虑分布式电源最佳接入位置的最大准入容量研究

分布式电源(DG)接入配电网后对节点电压、潮流分布、网损等方面带来的影响与DG的接入位置及容量密切相关。以网损最小为目标函数,针对网络中不同位置的负荷节点对网损的敏感度分析来确定DG的最佳接入位置,进一步以根节点向配电网输出的有功功率最小为目标函数,将电压不越限、网损最小作为约束条件建立了计算DG最大准入容量的数学模型,并采用改进遗传算法(IGA)进行求解。实际算例的仿真结果表明了该算法可以为快速确定DG的最佳接入位置和最大准入容量提供参考决策。     

基于改进自适应遗传算法的分布式电源优化配置

分布式电源接入配电网对系统电压、网损等有一定的影响,针对配电网中分布式电源的规划问题,建立了以投资成本最小,电网网损费用最低、电压质量最优为目标的多目标优化模型,采用PSAT搭建算例模型进行潮流计算,同时,为了克服传统遗传算法的早熟现象及收敛性问题,采用改进的自适应遗传算法对分布式电源接入的位置和容量进行了优化,通过对IEEE33节点配电网络进行仿真分析,结果表明采用搭建的模型和算法可以有效改善系统的电压质量、降低网络损耗,验证了上述模型和算法的合理性及有效性。     

基于自适应遗传算法的分布式电源优化配置

针对能源互联网背景下大量分布式电源接入配电网的优化配置问题,从经济性出发,建立了以投资成本、运行维护成本、网络损耗成本和购电成本之和最小为目标的分布式电源的选址定容优化模型。利用前推回推法计算配电网络潮流,采用了自适应遗传算法对所提模型进行求解。结合IEEE 33节点构造算例进行分析,结果表明该模型在保证经济性的同时,能有效减少网络损耗并提高电压质量。     

基于分布式电源的配电网多目标优化策略研究

大量的可再生分布式能源并网是当今电力系统的发展趋势,优化配电网潮流和提升系统消纳分布式电源(DG)的能力成为研究热点。在建立DG数学模型的基础上,从电源侧开展DG选址的研究,并对含协调储能和柔性负荷的主动配电网进行优化调度。其中,DG选址采用使配电网络损耗最小和电压水平最高的多目标规划模型,并利用功率圆法求解DG的最佳接入位置;对主动配电网的优化则构建了使配电网电压偏差最小、网络损耗最小和可再生能源发电比例最高的多目标优化调度模型,并运用智能粒子群算法进行求解。最后以标准IEEE 33节点配电系统为算例进行仿真分析,解决了DG选址问题并验证了该优化策略的有效性。