基于混合蛙跳算法的分布式风电源规划

对分布式风电源(DWG)出力的随机性和负荷的不确定性进行概率建模。在此基础上,以年综合费用最小为目标,利用机会约束规划方法建立了配电网DWG选址定容规划模型。采用基于拉丁超立方采样蒙特卡洛模拟(LHS-MCS)法的概率潮流判断规划方案是否满足节点电压机会约束和支路电流机会约束。设计了混合蛙跳算法(SFLA)求解DWG规划模型的具体实现方法。33节点配电网的DWG规划结果验证了模型的合理性、LHS-MCS检验机会约束条件的有效性以及SFLA的高效性。     

主动管理模式下分布式风电源选址定容规划

节能减排背景下,以分布式风电源(DWG)为代表的可再生能源发电得到了快速发展。考虑风速和负荷间的时序相关性,采用联合概率分布法对其进行多场景构建。在此基础上,考虑调节有载调压变压器抽头、削减DWG有功出力、调节DWG功率因数和需求侧管理4种主动管理措施,建立了主动管理模式下DWG选址定容双层规划模型,上层规划以年综合费用最小为目标,下层规划则以每个场景的配电网运行费最小为目标。提出改进差分进化算法和原对偶内点法相结合的混合策略对规划模型进行求解。IEEE 33节点配电网算例的仿真和分析验证了模型的可行性和所提求解方法的有效性。     

分布式电源的选址及定容

分布式电源的接入会对配电网的运行和规划产生重要影响,影响的大小与分布式电源的位置和容量有很大关系。在分布式电源个数、位置和单个容量不确定的情况下,以配电网最小网络损耗为目标函数,应用了遗传算法优化分布式电源的位置和容量。通过算例分析,验证了所提方法能够得到较合理的分布式电源接入位置和容量的方案。     

进化规划算法在分布式电源选址和定容中的应用

在当今电力系统中,越来越多的分布式电源投入使用。分布式电源一般部署在配电系统负荷中心附近,分布式电源并入电网,对降低网损、维持电压稳定、保证供电可靠性、构建坚强智能电网等都具有十分积极的意义。为了达到上述的积极影响,很有必要对分布式电源的选址和定容进行深入研究。本文以降低网损为目标建立了目标函数,为了获取分布式电源的最优位置和容量,采用了进化规划算法,对IEEE69配电测试系统进行了仿真分析,结果表明该方法准确可靠,并将仿真结果和遗传算法进行了比较,验证了进化规划算法在分布式电源选址和定容中的可行性。     

考虑相关性的间歇性分布式电源选址定容规划

节能减排背景下,以分布式风电和光伏为代表的间歇性分布式电源得到了快速发展。考虑风速、光照强度和负荷间的相关性,以年综合费最小为目标,利用机会约束规划方法建立了间歇性分布式电源选址定容规划模型。采用秩相关系数矩阵表征风速、光照强度和负荷间的相关性,利用拉丁超立方采样和Cholesky分解生成相关性样本矩阵。应用动态小生境差分进化算法对规划模型进行求解。IEEE 33节点配电网算例的仿真结果验证了模型的合理性。     

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。     

分布式电源选址定容问题研究现状与分析

分布式电源的大量接入显著增强了配电系统规划与运行的复杂性,介绍了分布式电源接入电网带来的影响,从接入电网的形式着手,在优化目标与优化算法两个方面上对该领域国内外相关研究成果进行全面分析,指出了各类方法的基本内容与优缺点,并阐述了分布式电源选址定容问题的发展趋势和亟待解决的方面。     

考虑时序特性的多目标分布式电源选址定容规划

配电网负荷及分布式电源出力呈现明显的时序特性,文中对负荷和分布式电源的典型时序特性进行了分析,以配电网损耗、停电损失为目标,考虑时序特性和多场景提出了多目标分布式电源选址定容规划模型,给出了场景和场景权重的确定方法。应用遗传算法进行求解,采用多段染色体编码方式,根据节点视在功率二阶精确矩处理不可行解,有效地提高了优化效率。IEEE 69节点系统仿真结果证实了时序特性对分布式电源的选址定容有很大影响,验证了所提出模型和方法的可行性和有效性。     

计及可入网电动汽车的分布式电源最优选址和定容

一些不确定性因素如可入网电动汽车（PEV）的随机充放电行为导致的负荷和输出功率不确定性、风电机组和太阳能电源输出功率不确定性,以及未来燃料价格波动和负荷随机变化,都会给分布式电源（DG）的选址和定容问题带来风险。在此背景下,采用机会约束规划方法来解决DG的选址和定容中这些不确定性因素所引起的风险。以DG的总成本（包括投...     

配电网供电可靠性的分布式电源选址与定容

在配电网故障恢复过程中常出现因电压越限、线路过载等需进行切负荷操作,降低了配电网的供电可靠性。分布式电源(DG)的接入会影响配电网的供电可靠性,但是其影响性质和程度均取决于其接入位置与容量。分析了DG接入对配电网可靠性、电压及网损的影响,并提出了一种DG选址与定容方法:随机生成事故集,以配电网故障平均停电量最小为目标函数,以线路不过载、电压不越限等配电网稳定运行要求为约束条件,利用和声算法搜索最优方案。算例分析表明本方法能提供合理的DG位置与容量方案。     

配电网扩展规划中分布式电源的选址和定容

分布式电源的位置和容量对配电网有重要影响。文中提出一种配电网扩展规划中进行分布式电源选址和定容的方法,应用遗传算法优化分布式电源的位置和容量。对遗传过程中生成的每个分布式电源位置和容量方案个体,考虑了分布式电源对配电网潮流和线路负载能力的影响,运用基于支路交换的模拟退火算法规划扩展网络,对分布式电源和网络的综合规划结果进行经济性评估以衡量个体方案的优劣。实际算例表明,文中方法能得到较合理的分布式电源位置和容量方案。     

基于萤火虫算法的分布式风电源优化配置

针对分布式风机出力的随机性和负荷的不确定性,建立了以年综合费用期望最小为目标的分布式风电源优化配置模型.模型中以机会约束的形式描述节点电压和支路潮流约束,并采用基于LHS-MCS的随机潮流进行检验.将萤火虫算法(Firefly Algorithm)应用于该优化配置模型的求解,结合IEEE 33节点算例验证了本模型的合理性,与遗传算法计算结果的对比表明了本文所提出算法的高效性.     

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。     

考虑源荷不确定性的分布式电源选址定容

大规模的分布式电源入网给配电网的规划带来诸多不确定性因素。为使配网规划结果更加合理,考虑待规划地区的风速、光照强度和负荷的不确定性,构建了以年综合费用最少为目标函数的分布式电源选址定容规划模型。首先,对风、光和负荷进行了概率建模;其次,采用拉丁超立方采样方法生成初始场景,并采用改进的同步回代缩减法对场景进行削减;最后,鉴于粒子群算法具有收敛速度慢和容易早熟的缺点,将自适应惯性权重和混沌优化算法融入粒子群算法中,进而提出了一种改进型粒子群算法,并且在IEEE 33节点的标准算例系统上进行了仿真,结果表明所建模型和所提算法的合理性与有效性。     

考虑随机特性的微电网电源优化配置

对孤岛运行微电网进行合理地电源配置是保证其可靠经济运行的关键问题之一.以电源类型、接入位置与容量为待求变量,综合经济成本最低为目标函数,微电网节点电压为主要约束条件,建立了数学模型,并采用粒子群算法求解.考虑到常见微电网电源如风能、太阳能的随机特性,根据不同类型电源出力概率模型,采用蒙特卡洛法模拟电源的出力,并结合确定性潮流算法,建立了随机潮流计算方法.使用该随机潮流计算方法得到不同电源配置方案孤岛微电网的节点电压越限率,以此评价配置方案的可靠性.算例表明,使用该方法对孤岛微电网的电源进行配置,可以在控制投资成本的同时,有效地将节点电压越限率控制在较低水平,满足了经济性和可靠性的要求.     

基于自适应遗传算法的配电网DG选址与定容

以配电网规划投资为考虑因素,建立了含分布式电源(DG)的配电网规划经济性模型,以折算到每年的DG的投资运行费用、线路运行费用及引入DG后购电费用最小为目标函数,采用自适应遗传算法解决DG布点规划问题。通过对某地35节点低压配电网算例进行仿真计算,验证了本文算法的有效性,并得到了DG较为合理的安装位置和接入容量。