基于场景聚类的主动配电网分布鲁棒综合优化

为较好地考虑分布式电源（DG）和负荷的不确定性对配电网的影响,基于风电场景预测,通过调整网络拓扑结构和风电、光伏发电、微型燃气轮机、储能、无功补偿等的出力,提出了实现动态重构与无功优化相结合的主动配电网综合优化模型。在考虑DG间相关性的基础上,基于原始数据采用拉丁超立方采样得到初始场景,利用手肘法确定K-means算法的聚类数,从而得到典型场景,场景分布的概率置信区间由1-范数和∞-范数约束。另外,为了消除储能与机组组合的时间相关性约束,重点介绍了基于盒式分解算法的两阶段分解模型。第1阶段以机组启停成本和运行成本为目标函数对机组与储能的各时段运行域进行约束。将第2阶段转化为单时间尺度优化问题,通过求解得到经济性最优的结果。模型采用列与约束生成算法进行求解,通过对IEEE 33节点系统与Taipower 84节点系统的仿真验证了模型的鲁棒性与可行性。     

基于多种主动管理策略的配电网综合无功优化

建立了主动配电网综合无功优化模型,该模型基于主动配电网中各种主动管理措施和优化策略,包括电容器无功补偿、变压器有载调压、分布式电源无功调节、配电网络重构。通过分析无功优化策略对配电网的负面效应,在模型中加入了无功优化策略之间的优先次序,同时还加入了变压器损耗,使优化模型更具实际意义。通过改进的IEEE 33节点系统仿真对模型进行了验证,结果表明:应用考虑各种主动管理策略及其对配电网负面效应的综合无功优化模型可以得到更加合理的无功优化方案,并且网损和电压质量都较传统无功优化方案有大幅改善。     

基于人工蜂群算法的配电网无功优化

针对配电网电压质量较低的问题,建立了完整的无功优化模型。首先提出了一种新的无功补偿候选点的方法,即先基于网损最小选择无功补偿点,在此基础上再用动态优化选择无功补偿点;然后建立以网损最小、并联电容器容量最小、电压水平最好、两类电压稳定裕度最大的无功优化目标函数,用模糊方法将含有量纲的多目标问题转化为没有量纲的单目标问题;接着用人工蜂群(ABC)算法确定无功补偿点和容量。最后对IEEE-33节点配电网系统进行了测试分析,并与其它两种优化算法相比较,结果表明使用该优化算法,配电网无功配置方案较优,线路损耗明显降低,电压质量和电压稳定裕度明显提高。     

基于改进人工蜂群算法的直流配电网典型应用场景拓扑结构研究

为了解决直流配电网规划中场景针对性不强的问题,给出了不同场景下直流配电网的网络拓扑结构规划方案。将直流配电网应用场景分为居民住宅区、工业园区和新能源集结区,考虑不同应用场景的特点,利用层次分析法提出一种新的可靠性指标计算方法。结合变权的思想,综合考虑电网的经济性和可靠性,给出了直流配电网的规划模型。利用由最大最小积改进的人工蜂群算法,以IEEE标准14节点电路为对象,对三种场景下的规划模型进行寻优,并利用griewank函数对比了改进前后算法的性能。仿真结果表明,所得线路规划方案满足各场景要求,改进后的蜂群算法收敛速度和精度均有提升。所提方法可为直流配电网规划提供参考。     

基于人工蜂群算法带智能终端的配电网无功优化研究

针对配电网数据采集困难及无功优化算法不足的问题,介绍了智能终端的结构和采集量,建立了配电网无功优化的数学模型,提出一种基于增强人工蜂群(EnhancedArtificialBeeColony)算法的无功优化方法.试验结果表明,增强人工蜂群算法是可行且有效的,比遗传等传统方法更具优势。     

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(Distributed Generation,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...     

基于狼群竞争算法的主动配电网无功优化研究

随着分布式电源大规模接入配电网,如何促进可再生能源的消纳越来越受到人们的关注。为此,提出了一种计及可再生能源消纳能力的主动配电网无功优化方法。详细分析了分布式电源出力波动性和间歇性,从促进可再生能源消纳的角度,引入弃风弃光量指标作为主动配电网无功优化的一个新目标函数;结合经济性、可靠性指标建立兼顾可再生能源消纳能力的主动配电网无功优化模型。采用考虑决策者偏好的判断矩阵—功效系数法解决多目标优化问题,并引入狼群算法对模型进行求解;结合主动配电网无功优化的特征,对狼群算法提出2个改进策略,增强了算法的收敛精度及稳定性。在改进后的IEEE33配电系统上进行仿真分析,验证了所提模型的合理性和算法的有效性。     

基于改进的人工鱼群算法的配电网无功优化

研究了基于变异算子与模拟退火算法混合的人工鱼群算法,对算法中的变异算子进行了改进,并提出了1种试探确定变异概率的方法：同时对配电网无功优化的模型进行了改进．将经济性目标和安全性目标相结合。将改进的人工鱼群算法运用到配电网无功优化中．实际系统的仿真计算结果表明,基于改进人工鱼群算法的配电网无功优化方法合理可行。     

基于粒子群算法的主动配电网经济优化调度

针对分布式能源接入配电网的经济调度问题,本文在考虑光伏、风能、燃气轮机及蓄电池等分布式能源接入配电网的基础上,建立以配电网总成本最小为目标函数的主动配电网的经济优化调度模型,并将粒子群算法用于该调度问题的求解,最后通过算例仿真验证调度的优化性,大大提高了电网经济效益。     

基于改进差分灰狼算法的主动配电网优化重构

为提高主动配电网（Active Distribution Network,ADN）重构的经济性和稳定性,以主动配电网有功网络损耗最小和系统电压偏移指数最低作为目标函数,建立了主动配电网优化重构模型,利用目标规划法构建适应度函数,将多目标优化问题转化为单目标进行求解。采用差分进化算法和Tent混沌映射对灰狼优化算法进行改进,以提高算法的优化性能。运用改进差分灰狼优化算法（Improved Differential Grey Wolf Optimization,IDEGWO）对主动配电网优化重构模型进行求解,并与其他算法对比,算例分析结果表明,改进差分灰狼优化算法在迭代次数和收敛精度方面均优于其他算法,按照IDEGWO算法优化方案重构后的有功网络损耗和系统电压偏移指数分别为57.91 kW和0.785 6,主动配电网系统重构后的经济性和稳定性均得到了显著提升,验证了模型的正确性及求解方法的优越性。     

基于改进差分进化算法的配电网无功优化

采用改进差分进化算法(Improved Differential Evolution Algorithm,IDEA)求解配电网无功优化问题。该算法引入基于反学习的种群初始化方法,使算法得到的初始种群具有多样性,能够充分提取搜索空间的信息;引入高斯扰动机制到交叉操作中,提高了在维尺度上的种群多样性;在进化过程中融入人工蜂群搜索思想,引入蜂群加速进化与侦查操作策略,使算法能快速跳出局部最优,避免了早熟问题。建立了配电网无功优化数学模型,并采用IDE算法对IEEE30节点系统求解该模型,并与基本DE算法进行对比,仿真结果证明了所提IDE算法具有更佳的性能,能够有效的求解配电网无功优化的问题。     

基于改进遗传算法的配电网无功优化

针对传统遗传算法在电网无功优化领域应用中存在的不足,结合配电网的特征,建立了综合考虑全年网损、电压品质和补偿设备投资的无功优化数学模型。同时应用自适应遗传算法对传统遗传算法的遗传算子和终止判据等进行了改进,提出了一种配电网无功优化的改进遗传算法,使其计算效率和全局寻优能力均有提高。实例计算表明,其优化效果优于传统遗传算法。     

基于改进和声搜索算法的多目标配电网重构优化

为了减少有源配电网的网络损耗、提高系统运行的稳定性,建立了以网络损耗、开关动作数、负荷和电压平衡度为目标的数学模型。针对传统和声搜索算法全局数据依赖性较差、寻优的后半段速率变慢和易陷于早熟困境等问题,将其自适应参数、取值机制和越界逸出进行了改进。对无功进行随机优化补偿,利用场景分析法确定风机的出力值,采用定时模式的电动汽车模型对日负荷进行削峰填谷。基于欧式距离的K-Means方法对一天内含分布式电源的配电网络进行分段,在IEEE33电力结构中进行了动静态两重测试。在算法收敛上与传统和声、自适应和声搜索算法对比,减少了算法的无效运行次数,提高了算法的运行速度和全局寻优能力。在重构优化结果上与改进蚁群算法对比,减少了网络损耗和开关动作数,提高了系统运行的经济性与可靠性。     

含分布式电源的DEIWO算法配电网无功优化

针对含分布式电源的配电网无功优化的特点,提出一种将入侵杂草算法与差分进化算法相结合的混合求解算法。该算法将一组初始可行解进行繁殖、空间扩散,当达到环境允许的最大值时,通过引入竞争机制,选取适应度较高的部分个体,再通过变异、交叉、选择,最终保留最佳个体。该算法既利用了入侵杂草算法结构简单、参数少和鲁棒性强的优点,又通过结合差分进化算法,克服其易陷入局部最优,精度不高的缺陷。以IEEE33节点系统进行仿真分析,并与传统的入侵杂草优化算法进行比较,结果表明该算法具有较强的全局搜索能力以及较高的收敛精度,能够有效地减少功率损耗。     

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。     

含风光储联合发电系统的主动配电网无功优化

为了提高风、光能的利用率及降低其出力波动性对配电网的冲击,利用风力与太阳能时间与空间上的互补性及储能装置对功率的平抑作用建立含风光储联合发电系统的主动配电网模型,以无功补偿装置作为优化变量对主动配电网进行多时段动态无功优化,以电压偏差及网络损耗最小为多目标建立优化模型,利用凸松弛技术将优化模型转换为具有凸可行域的二阶锥规划(SOCP)模型。在IEEE33节点配电系统上进行仿真,对含不同类型的分布式电源发电方式的配电网进行无功优化,对比分析其对主动配电网调压降损的作用,并且对风光储联合发电系统的优化策略进行分析,最后验证了二阶锥规划松弛技术的精确性及可靠性。     

离散学习优化算法在含分布式电源的配网重构中的应用

灵活的网架重构作为主动配电网的重要特征,利于高效消纳分布式能源。传统的数学规划方法难以求解非凸的含分布式电源的配电网重构问题。为此,提出了一种离散学习优化算法(DLOA),并将其应用于有源配电网重构问题。所提方法主要包括三个模块:学习优化算法、离散策略以及拓扑结构分析技术。其中,学习优化算法作为程序优化的核心,离散策略用于确定配电网线路的开闭状态,拓扑结构分析技术则用于分析配电网的网架结构。通过33节点测试系统验证离散学习优化算法的有效性,算例分析表明,所提方法能够有效求解高度非凸的含分布式电源的配电网重构问题。     

基于混合智能粒子群算法的广义电源主动配电网优化配置

研究广义电源接入主动配电网的优化配置问题。提出一种电压偏差指标。建立综合考虑投资经济效益、电压偏差及污染气体排放指标的多目标优化配置模型。提出一种混合智能粒子群算法,在优化过程中引入快速非支配排序策略、精英保留策略和拥挤距离计算策略以改善其全局搜索能力。对IEEE-33节点、PG&E-69节点配电系统进行计算,分析在不同负荷水平下各指标的变化情况,研究负荷变化时广义电源的最佳配置。研究表明,广义电源的接入与合理配置能够有效提高投资运行效益和系统电压稳定性,同时说明该方法能够保证配置方案的多样性和多目标优化过程的寻优性。     

基于鲁棒优化的主动配电网分布式电源优化配置方法

为优化配置作为分布式发电的有效管理平台的主动配电网,针对含分布式发电并网的主动配电网优化配置问题,给出一种基于鲁棒优化理论的优化配置模型。首先,以综合配置成本最小为目标函数,计及功率平衡约束、可控微源运行约束、旋转备用约束等必要约束条件,建立主动配电网优化配置模型。针对模型中的不确定性,采用鲁棒优化框架将分布式光伏和风电区间模型中的不确定变量进行消除,再采用线性对偶理论和拉格朗日求导法将其转化为确定性的优化配置模型。仿真算例表明,主动配电网相比于传统配电网具有更高的运行经济性和可靠性。同时,所建立的模型能够计及风光出力不确定性对配置结果的影响,从而适用于主动配电网优化配置方案制定。