基于量子混合蛙跳算法的含分布式电源配电网无功优化

将分布式电源(DG)的无功调节能力与传统的电压调节手段相结合,研究了含DG的配电网无功优化问题。建立以降低系统网损、抑制电压波动为综合目标的配电网模糊无功优化模型。通过蒙特卡罗仿真对配电网系统进行无功补偿选址,采用量子混合蛙跳算法求解含DG的配电网无功优化问题。最后,通过IEEE 33节点系统进行仿真计算,表明在配电网接入DG的基础上进行无功优化能较大程度地改善系统电压水平和降低系统网损,并且证明了所提算法的快速性和有效性。     

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。     

计及电压稳定指标的含DG配电网无功优化

将分布式电源(DG)的无功调节能力与传统的电压调节手段相结合,研究了含DG的配电网无功优化问题。建立以降低系统网损、抑制电压波动和电压稳定指标为综合目标的配电网多目标无功优化模型。通过蒙特卡罗仿真对配电网系统进行无功补偿选址,采用模糊层次分析法确定各指标的权重系数,并基于量子混合蛙跳算法求解含DG的配电网无功优化问题。最后,通过IEEE 33节点系统进行仿真计算,结果表明在配电网接入DG的基础上进行无功优化能较大程度地改善系统电压水平和降低系统网损,并且证明了所提算法的可行性和有效性。     

考虑可再生能源跨区域消纳的主动配电网多目标优化调度

提高对可再生能源的综合利用能力是主动配电网(ADN)运行控制面临的新增重要任务。为此,提出了一种面向促进可再生能源跨区域消纳的ADN多目标运行优化方法。首先,基于并网接口模型,推导了集中控制模式下分布式发电(DG)的有功、无功功率解耦可调范围,并提出考虑可再生能源跨区域消纳的ADN能量管理策略。在此基础上,分别以系统运行成本、可再生能源发电功率削减量以及系统网损三方面最小化作为目标,构建ADN多目标优化调度模型。该模型综合考虑了DG有功、无功出力控制、储能设备充放电以及可中断负荷的调用,并详细分析了网络潮流和分布式资源特性两方面的约束及其多时段耦合特征。鉴于所建模型具有高维、非线性特点,采用基于启发式策略的多目标和声搜索算法实现高效求解。以扩展的33节点配网系统为例,验证了所提模型的有效性以及ADN运行中计及可再生能源DG无功控制潜力的必要性。     

含风力发电的配电网自适应分时段无功优化

针对含风力发电的配电网中风电机组出力的间歇性和系统负荷的波动性,提出了自适应分段优化策略,通过分时段优化实现无功动态调节。该策略根据风机出力和负荷的波动程度确定各时段最佳持续时间。在此基础上,计及运行环境的变化和决策者需求,提出了一种新的含决策偏好因子的分段优化方法。以降低网络损耗和电压偏差为目标,建立了含风力发电的配电网多目标无功优化模型,并采用多目标粒子群优化算法(multi-objective particle swarm optimization,MOPSO)求解。以改进的IEEE30节点系统为例进行仿真计算,仿真结果验证了所提方法和模型的有效性。     

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。     

含大规模屋顶光伏电站接入农村配电网多目标优化配置方法

针对大规模屋顶光伏电站接入农村配电网无序分布带来的分布式发电资源浪费等问题,本文以屋顶光伏电站建设投资成本最小化和系统网络损耗最小化为优化目标,综合考虑农村地区安装面积限制和配电网运行约束,构建了含大规模屋顶光伏电站接入农村配电网多目标优化配置模型,采用针对高维度解改进的带精英策略的非支配排序算法(NSGA-II)对配置模型进行优化,针对算法求解得到的Pareto解集,应用模糊贴近度进行筛选,得出最优方案。通过IEEE-33节点配电系统算例仿真分析,结果表明：所提出的配置方法可以在提高屋顶光伏电站投资经济性的同时,利用屋顶光伏电站的优化配置提高系统的供电可靠性。     

基于场景法的有源配电网动态无功优化

随着分布式电源(distributed generation, DG)大量接入,配电网动态无功优化调度难度增加,现有方法存在不足,为此提出一种基于场景法的有源配电网动态无功优化方法。首先运用场景法描述DG出力的不确定性,采用Weibull分布和Beta分布分别构建风速和光照强度模型,通过DG出力公式,将随机问题转换为确定性问题;然后采用蒙特卡洛模拟法抽样和K均值聚类算法将样本聚类成3个典型场景,建立系统日内网损最小、无功补偿设备动作费用与变压器分接头调节代价费用最小为目标函数的多目标动态无功优化模型,并采用改进的多目标粒子群优化(multi-objective particle swarm optimization, MOPSO)算法对该优化模型进行求解;最后用所提方法对改进的IEEE 33节点系统进行仿真,验证其可行性。     

含分布式电源配电网重构的研究

为全面反映含分布式电源的配电网重构问题,建立负荷均衡度、系统网损及电压质量协调最优的含分布式电源配电网重构优化模型,在此基础上,利用模糊理论,将含DG配电网多目标重构问题转换成单目标优化问题。鉴于传统蝙蝠群体易聚集于局部极值,导致早熟,将混沌优化以及自适应调整策略融入到蝙蝠优化算法,提出了一种改进型多目标蝙蝠优化算法,并提出利用其对含分布式电源配电网重构模型进行求解,选取IEEE-33节点配电系统进行仿真,通过算例验证所提算法的良好实用性和适应性,并且验证所提模型的实际意义。     

基于改进NSGA-II算法的含分布式电源配电网无功优化

针对含分布式电源(DG)的配电网无功优化的问题,为更准确地描述DG出力的不确定性,基于加权高斯混合分布(WGMD)和Beta分布分别构建风电DG和光伏DG的出力模型。采用结合切片采样算法的马尔科夫链蒙特卡洛模拟法进行潮流计算。建立以系统有功网损最小、节点电压总偏差最小为目标函数的多目标无功优化模型,并采用改进的非支配排序遗传算法(NSGA-Ⅱ)对该优化模型进行求解。通过改进的IEEE 33节点系统的仿真验证了所提方法的可行性和有效性。     

基于改进遗传算法的风电场多目标无功优化

针对风电场并网运行的多目标无功优化和电压稳定问题,建立了基于异步发电机内部等值电路的含风电场的电力系统无功优化模型,提出了风电场无功优化的目标函数和约束条件。结合非支配排序思想、精英保留策略、改进的小生境技术,得到了一种将向量模适应度函数作为淘汰准则的改进Pareto遗传多目标优化算法。以某风电场接入IEEE 14节点标准测试系统为例,将改进算法用于含风电场的电力系统无功优化。仿真结果表明,应用改进的遗传多目标优化算法可以同时得到多组Pareto最优解,为决策者提供了更多的选择余地,使风电场并网点母线电压在允许范围内。     

电力市场中最优潮流模型及算法研究

对传统最优潮流模型做了改进,提出了基于模糊理论和多目标优化理论的最优潮流模型,综合考虑了网损量最小和有功、无功购电费用最低3个目标;将免疫克隆算法和变尺度混沌搜索方法有机地结合起来,形成了免疫克隆混沌优化算法,并应用于改进最优潮流模型的求解。用IEEE 14节点算例进行了仿真分析,结果表明改进最优潮流模型有效,采用免疫克隆混沌算法对改进最优潮流模型求解是可行和高效的。     

多目标无功优化的向量评价自适应粒子群算法

为了克服粒子群算法在高维复杂问题寻优时有相当可能陷入局部极优的现象,提出了一种自适应粒子群算法。该算法利用种群多样性信息对惯性权重进行非线性的调整,并在算法的后期引入速度变异算子和位置交叉算子,使算法摆脱后期易于陷入局部最优点的束缚。对基于向量评价的粒子群算法进行了扩展,提出了基于向量评价的自适应粒子群算法(vector evaluated particle adaptive swarm optimization,VEAPSO)来解决多目标无功优化问题,求解出问题的Pareto最优解集。为帮助决策者从Pareto最优解集中选取合适的最优解,该文提出一种基于决策者偏好及投影寻踪模型的多属性决策法,使决策结果更加真实可靠。将该算法应用于多目标无功优化问题中,IEEE 30和IEEE 118节点系统算例仿真表明该方法用于解决多目标无功优化问题是有效可行的。     

基于向量序优化算法的多目标多阶段电源扩展规划

提出了一种基于向量序优化算法的多目标多阶段电源扩展规划方法。首先,将可靠性指标和环境指标纳入到常规的经济性电源规划模型,统筹考虑电源扩建中多方面的综合效益,构建多目标多阶段电源扩展规划模型;然后,利用向量序优化算法对模型进行求解,并基于隶属度函数确定最优规划方案;最后,基于仿真算例验证了本文方法的正确性和有效性。     

用于配电网多目标无功优化的改进粒子群优化算法

针对配电网多目标无功优化的应用需求以及优化算法存在的收敛性和多样性问题,基于Pareto熵的多目标粒子群优化算法,提出一种应用于多目标无功优化的改进粒子群优化算法。该算法在全局外部档案更新过程中引入冗余集策略,避免迭代过程中陷入局部最优解。将算法应用于配电网无功优化中时,采用离散变量取整方法,加快算法的收敛速度。建立网损、电压偏差及无功补偿装置投资最小的配电网多目标无功优化模型,并以IEEE 33节点配电网络为算例进行仿真,结果表明改进后的算法兼顾了优化的收敛性和多样性,能够在不同的优化要求下得到有效的无功优化方案。     

计及可用输电能力的风电并网系统中STATCOM的双层优化配置

针对静止同步补偿器最佳安装位置与容量问题,建立了风电并网系统中计及可用输电能力、静态电压稳定性与投资成本的静止同步补偿器双层优化配置模型。基于后向削减法对风电出力进行场景划分,上层为多目标优化配置层,下层为最优潮流计算层;通过对多目标灰狼算法添加混沌初始化,引入粒子群算法中的速度计算方式等提出基于网格法的多目标灰狼粒子群算法以求解多目标优化问题。在IEEE 30节点上对建立模型进行计算,验证了所提模型的可行性和算法改进的有效性。     

基于人工蜂群算法的多目标最优潮流问题的研究

以污染气体排放量、网损最小为目标,建立多目标电力系统最优潮流数学模型,并提出一种基于人工蜂群的多目标算法对其进行求解。该算法利用外部存档技术来保存进化过程中已经找到的Pareto最优解,并在每次迭代后更新。最后根据模糊集理论从Pareto最优解集中选取最优折衷解,为决策者提供科学的决策依据。通过IEEE-30节点系统及IEEE-57节点系统的仿真,验证了该算法在求解大规模电力系统多目标问题上的有效性,相比其他多目标算法能有效避免局部收敛。     

多目标无功优化的向量评价自适应免疫粒子群算法

为了克服粒子群算法在高维复杂问题寻优时容易陷入局部搜索的现象,提出了一种自适应免疫粒子群算法。该算法利用引入免疫系统的免疫信息处理机制和自动调整动量系数的自适应因子,从整体上达到系统的最佳控制方案。并将基于目标向量的个体评价方法与自适应免疫粒子群算法相结合,提出了基于向量评价的自适应免疫粒子群算法(vector evaluated adaptive immune particle swarm optimization,VEAIPSO)来解决多目标无功优化问题。通过引入静态电压稳定指标,建立了以系统有功损耗最小、节点电压偏移量最小及静态电压稳定裕度最大为目标的多目标无功优化模型。IEEE30和IEEE118节点系统算例仿真结果表明,该算法能有效地解决多目标无功优化问题,并具有良好的收敛稳定性和较高的寻优精度。     

基于改进粒子群算法的火电系统节能环保多目标优化调度模型

针对火电系统生产过程中的环境污染问题,提出以火电系统节能环保为重点研究对象的多目标优化调度模型,并以改进的粒子群算法进行求解。结合灰色系统理论中有关灰色关联度的概念对粒子群算法多目标求解机制进行改进,对煤耗量、污染气体和烟尘排放等的多目标火电系统优化求解,引入压缩因子改善粒子群算法的性能,增强其全局收敛能力。通过IEEE 14节点系统算例证明本算法的有效性。     

基于多目标混沌粒子群算法的矿区电网无功优化

为了提高矿区电网电能质量,降低电网线路有功网损,在无功优化基本数学模型的基础上,综合系统电压的静态稳定性,建立了多目标无功优化数学模型。针对粒子群优化算法在进化中易出现早熟收敛等问题,引入混沌粒子群优化算法。以IEEE30节点系统为算例,验证了多目标混沌粒子群算法的可行性。将该算法应用于矿区电网无功优化中,仿真结果进一步验证了该算法的有效性。