基于改进递归有序聚类的有源配电网多时段动态重构

为应对分布式电源(DG)和负荷的时变性、不确定性给配电网重构带来的影响以及提高系统运行效益,综合考虑DG和负荷预测值的动态变化,引用欧氏距离描述段内数据的相似程度,通过递归求解的方式确定最优时段划分方案;为了减小不确定因素对配电网重构的影响,将DG出力以及负荷的预测值转换为区间数的形式,综合考虑环保收益与系统损耗费用,建立以净收益最高为目标的有源配电网重构模型;基于仿射算数的区间潮流方程通过构造噪声元的线性优化模型抑制区间扩张,并结合环路编码和基于Bloch球面的量子粒子群优化算法对模型进行求解.IEEE 33节点系统的测试分析结果验证了所提方法的有效性和优越性.     

含电动汽车和分布式电源的主动配电网动态重构

分布式电源和大量电动汽车充电功率的间歇性和随机性使配电网重构面临新的挑战。在此背景下,提出了一种基于区间数方法的含电动汽车和分布式电源的动态重构策略。文中引入区间数以描述分布式电源出力和电动汽车充电负荷的不确定性,以区间数描述最小化网损为目标函数,提出依据动态降损参数的动态时段划分,建立配电网动态重构的数学模型,在利用KrawczykMoore区间迭代法对潮流方程进行求解的同时引入仿射乘除运算代替区间乘除运算,改善了区间运算过于保守的问题。最后,结合邻域搜索以及克隆选择算法提出了求解上述模型的优化方法,以实现考虑多种不确定因素下主动配电网动态重构。算例分析证明所提方法相较于传统人工智能算法具有优越性。     

基于信息熵时段划分的主动配电网动态重构

针对风力、光伏等分布式发电(DG)和电动汽车(EV)高渗透率下主动配电网的动态重构问题,提出一种基于信息熵时段划分的主动配电网动态重构方法。首先采用蒙特卡洛模拟法,结合日负荷曲线、风/光发电曲线、电动汽车充电曲线,形成电源?负荷等效日负荷曲线,提出基于信息熵时段划分的等效日负荷曲线分段方法;其次建立了以日损失费用最低为目标的动态重构模型,对主动配电网分时段重构;然后在杂草算法的基础上引入遗传算法的交叉和变异操作,提出基于十进制编码的改进杂草混合算法求解该模型。IEEE 33节点算例仿真结果表明,所提方法能够自动划分出符合曲线变化趋势的分段方案,动态重构后日损失费用明显降低。     

考虑负荷与DG随机性特征的配电网多目标动态重构

传统确定性潮流和静态重构方法无法计及电网中不确定性因素的影响,为此文中提出了一种基于概率潮流考虑负荷与DG随机性特征的配电网多目标动态重构方法。首先,建立了分布式电源（DG）出力与负荷的概率模型,并采用半不变量与Gram-Charlier级数进行概率潮流计算。然后,提出了一种模拟退火-中心聚类（SA-PAM）算法,将退火机制引入PAM算中进行负荷聚类实现重构时段划分。随后,建立了以网损期望、电压越限概率、电压偏移为目标的配电网重构模型。为提升模型求解速度和效率,提出了一种多种群并行免疫算法,其中优势子种群采用高斯变异算子进行局部搜索实现快速收敛,普通子种群采取抗体交叉、超变异保证种群多样性实现全局搜索。最后,通过IEEE33节点系统进行仿真验证了所提方法的有效性。     

考虑DG及负荷时序性的多目标配电网重构与DG调控综合优化规划

为解决分布式电源（distributed generation,DG）出力及负荷的时变性给实际配电网调度所造成的不利影响,使配电网的优化规划方案更加切实可行,提出了一种基于配电网重构和DG选址定容结合的多目标粒子群动态优化模型,该模型以配电网有功损耗、电压偏差及经济成本为优化目标,考虑负荷及DG出力的时变性,对配电网络重构和DG调度进行综合优化求解。通过基于随机森林模型（random forest,RF）及长短期记忆神经网络(long short-term memory,LSTM)模型的混合预测模型对配电网负荷及DG出力进行预测。采用经帕累托最优理论改进的粒子群算法得到配电网重构及DG调控的帕累托最优解集并利用模糊隶属度函数法来确定帕累托最优解集中的最佳配电网调度方案。基于IEEE 33标准测试系统设计多个算例进行仿真分析,结果表明,所提考虑负荷及DG出力时序性的配电网重构和DG调度联合优化模型可显著改善配电网络运行的经济性和稳定性。     

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。     

基于改进灰狼优化算法的配电网动态重构

为了更好地解决含分布式电源(DistributedGeneration, DG)的配电网重构问题,建立了考虑负荷需求与DG出力时变特性的配电网动态重构模型。首先采用K-means++聚类算法对日负荷进行时段划分。然后以系统损耗、电压偏离量为目标函数,并利用改进灰狼优化算法进行寻优计算。针对传统灰狼优化算法中存在的初始种群分布不均、缺少全局交流、容易陷入局部最优等问题,在生成初始种群时引入tent映射,增强初始种群的均匀性。引入合作竞争机制,提高个体间有效信息的利用率。在灰狼种群位置更新时引入自适应惯性权值,以满足不同时期的寻优要求。最后通过算例分析,验证了该算法的可行性与优越性。     

三相不平衡有源配电网鲁棒动态重构

考虑配电网的三相不平衡运行和注入功率不确定性可以提高网络重构方案的优化效果和应用价值。首先,对考虑不确定性的分布式电源和负荷注入功率进行仿射数建模,划分重构时段,以有功网损最优为目标函数,基于三相Distflow潮流方程建立含不确定性预算的配电网两阶段鲁棒动态重构数学模型。为高效求解该模型,引入最佳等距分段线性逼近法对模型进行精度可控的线性松弛,并使用列约束生产算法迭代求解。采用标准化配电测试系统验证所提鲁棒动态重构模型的可行性和有效性,通过控制不确定性预算可进一步调节重构方案的保守性和鲁棒性。     

考虑负荷与分布式电源变化的配电网动态重构

配电网动态重构是实现配电网架优化运行的重要手段,随着电网中分布式电源(Distributed Generator,DG)的大量接入,实际配电网中负荷需求和DG的出力在不断变换,以往静态重构无法满足配电网实际运行要求。本文建立了以网络损耗、电压偏移和弃电率为优化目标的配电网重构模型,针对动态重构时段划分问题,综合考虑负荷变化和电网运行指标,采取了一种双步时段划分策略,并应用"最小回路"编码方式剔除不可行解,对蚁群算法进行改进。最后,以修改后IEEE33节点系统为算例,验证了所提方法的有效性。     

采用最优模糊C均值聚类和改进化学反应算法的配电网络动态重构

针对配电网络动态重构中的开关操作次数约束难以处理的问题,提出采用最优模糊C均值聚类技术对时间区间的配电网络运行状态按其负荷的内在相似性进行聚类,将配电网络动态重构转换为以聚类中心表示负荷状态的多个静态重构问题。从提高寻优效率的角度,对化学反应算法进行了改进,提出了一个更适合求解配电网重构的改进的化学反应算法(improved CRO,ICRO),并将其应用于求解以聚类中心为代表的静态重构问题。每个时间点的优化网络结构由对应的聚类中心的重构结果决定,从而得到配电网络重构操作的时间点和需要操作的开关。以IEEE 33节点配电系统的负荷数据为基础,构建了1周的负荷数据并对IEEE 33节点系统进行了动态重构,验证了方法的有效性。     

计及不确定性的配电网模糊优化重构

实际配电网的负荷变化具有不确定性,使得配电网重构难以用传统的模型来描述。为此,提出根据负荷变化的模糊特性,建立以供电质量最优和网络损耗最小为目标的模糊化多目标配电网重构模型。采用量子进化算法对模型进行求解,以提高配电网络的经济性和供电质量;计算过程中采用支路前推回代法得到通应度函数的模糊区间,并通过区间评价函数进行模糊区间的比较来衡量方案的优劣。采用含分布式电源的IEEE33节点测试系统进行仿真计算,证明该方法的有效性。     

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。     

极端灾害下考虑动态重构的微网形成策略

随着极端自然灾害的日益频繁,为了充分发挥燃气轮机、燃料电池等可控分布式电源(DG)在极端情况下的支撑作用,文中提出了一种极端灾害下考虑动态重构的微网形成策略,提升可控DG对重要负荷供应的电量价值。首先,利用Wasserstein距离求解负荷概率分布的相似性,将各个负荷划分为不同的时间场景。其次,读取线路当前的状态信息,建立满足辐射状微网形成问题的约束条件,以最大化恢复负荷价值为目标函数,利用混合整数线性规划的方法求解微网形成的静态最优方案。最后,结合负荷的状态变化,求解无重构次数限制下的动态最优解,并考虑重构次数限制,以动态过程恢复负荷价值最大为优化目标,确定最优方案。结果表明,以Wasserstein距离负荷状态划分为基础的动态重构,提升了配电网在极端环境下支撑负荷的电量价值。     

含DG的主动配电网供电路径优化的研究

含分布式电源(distributed generation,DG)的主动配电网供电路径优化可以提高配电网运行的经济性和可靠性,并达到平衡负荷的目的。不确定性的DG出力、负荷的描述及求解是研究的难点。文中引入区间数以描述DG出力和随机负荷的不确定性,建立了以区间数表示的网络损耗为目标的主动配网供电路径优化模型;在Ybus高斯迭代潮流方程的基础上结合区间分析建立了区间潮流计算模型,对区间的加减法引入仿射运算有效地克服了区间运算过于保守的问题;最后,结合邻域搜索以及克隆选择算法提出了求解上述模型的优化方法,以实现考虑多种不确定因素下配电网供电路径的优化。算例分析验证文中所提方法快速性和有效性。     

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。     

含高渗透可再生能源的动态网络重构与无功电压调整协同优化

具有出力不确定性的可再生能源高渗透并入,导致传统单一的主动管理策略难以实现配网最优运行。在此背景下,提出一种动态网络重构与无功电压调整协同优化方法。首先,采用基于形态和幅值的双尺度相似性度量谱聚类算法对负荷进行聚类,进一步利用反映负荷曲线波动特征的自适应聚合算法对时段做出合理划分。其次,计及风光不确定性,构建考虑配电网动态重构与储能和微型燃气轮机出力调控协同的机会约束双层优化模型,模型上层以配电网综合运行成本最小为目标,下层以系统电压总偏差最小为目标,实现对配电网运行经济性和系统电压质量的综合优化。然后,针对该模型提出了基于十进制编码的改进鲸鱼优化算法和内点法相结合的混合策略对模型进行求解。最后,在改进的IEEE33节点系统中,对所提的运行优化模型进行分析和验证。仿真结果表明：所提双层优化模型能够有效提高电压质量和降低配电网运行费用,所提时段划分方法能够得到符合曲线变化趋势的分段方案,改进后的算法大大提高了求解效率。     

多场景下EV充电站与DG多目标规划

一直依赖化石能源不是长久之计,可再生分布式电源(Distributed Generation,DG)及电动汽车(Electric Vehicle,EV)作为两大新能源技术,受到各国的重视。但是大规模的EV与DG接入配电网会造成许多影响,在进行配电网规划时需要加以考虑,文中提出了一种多场景下EV充电站与DG的联合规划模型,利用K-means算法对一年内的DG出力与常规负荷数据进行聚类,然后利用蒙特卡洛方法预测电动汽车的充电负荷,最后构建以网损最小、负荷波动最小为目标函数的多目标规划模型,以改进的人工蜂群-粒子群算法进行求解,结合IEEE-33节点配电网进行仿真分析,验证了模型的有效性与可行性。     

基于CAPSO的含分布式电源的配电网动态重构

对含分布式电源的配电网重构进行了研究,考虑配电网系统中各节点上的不同种类型负荷的不同占比和分布式电源日出力波动引起的日负荷变化,使用KMeans聚类算法对总的变化的日负荷进行时段划分,更具客观性;使用"解环"的重构策略,在满足动态重构的约束条件下以综合运行总费用最低为目标,使用较标准粒子群优化算法寻优性能更强的自适应惯性粒子群优化算法(CAPSO)进行配电网动态重构,得到最优重构策略,并用IEEE33节点系统进行了仿真验证。     

基于动态规划算法的配电网孤岛划分策略

配电网发生故障后,失电区域内应该形成含分布式电源(DG)的电力孤岛保证负荷供电的连续性。在孤岛形成算法中充分考虑负荷等级及其可控性,建立孤岛划分问题的数学模型,并利用动态规划算法形成含单DG或多DG组合的初级孤岛划分方案;根据一定的规则修正初级孤岛,形成次级孤岛;校验岛内各负荷点的电压和潮流约束,确定最优孤岛。算例验证了所提模型的有效性和优越性。     

主动配电网中计及网络重构的分布式电源鲁棒规划

网络重构作为主动配电网(ADN)中优化潮流、减小网损的重要手段,有必要在规划阶段进行考虑。为此,在电源规划中计及网络重构,以年综合费用最小为目标函数,除传统分布式电源(DG)规划约束,还考虑了风电和光伏发电的运行约束、重构次数限制约束,以及DG的渗透率约束,并针对风速、光照和负荷的不确定性,给出了"风—光—负荷"的不确定场景集,建立了主动配电网中计及网络重构的DG鲁棒优化模型。同时,针对模型特点,利用双层优化方法对其进行分解,并采用粒子群优化(PSO)算法和二进制粒子群优化(BPSO)算法分别对上、下两层规划模型进行求解。最后,采用IEEE 33节点系统对模型进行算例仿真,分析了网络重构和鲁棒性对DG规划方案、系统经济性及可靠性的影响,验证了该模型的有效性。