基于量子行为粒子群算法的含分布式电源的配电网故障定位

分布式电源的大量接入,使得传统配电网故障定位方法的适用性变差。针对这一问题,引入量子行为粒子群算法实现含分布式电源的配电网的故障定位。在对量子行为粒子群算法进行改进后,使其更适用于包含0-1离散变量的配电网故障定位。同时算法融入了自然选择的淘汰机理,提高了算法的收敛性和精确性。考虑到在实际应用中故障信息的缺失,对信息采用了相应的补漏措施,提高了算法的容错性。算例的仿真结果验证了该算法定位的准确性、适用性及可行性。     

改进粒子群算法在含分布式电源配电网优化重构中的应用

针对配电网中各种类型分布式电源接入所造成的配电网拓扑结构的复杂性,提出了一种改进粒子群优化算法应用于配电网重构,把粒子群算法和布谷鸟算法有效地结合在一起,采用两层种群框架。为了提高粒子群优化算法的全局搜索能力,采用中值聚类算法对下层粒子群进行重组,粒子群算法用于优化下层的各类小种群,然后将其发送到上层,使用布谷算法进行深度寻优。通过算例对多种情况进行仿真分析,验证改进算法在配电网重构中的优越性。结果表明,该算法能有效地降低配电网的有功网损,提高各节点的电压水平。本研究为我国分布式电源接入配电网的发展提供了参考和借鉴。     

含风电机组的配电网中分布式电源的最优配置

为解决配电网中含风电机组分布式电源的最优配置问题,首先根据风速概率密度分布函数,推导出风电机组的输出功率函数,之后构建了含有分布式电源的固定投资费用、负荷增量与分布式电源出力的相关费用和以最小网损和最小常规发电机有功出力为目标的风电机组的惩罚成本的目标函数,并以配电系统中电压、电流等为约束条件,提出了一种以自适应惯性粒子群算法为全局搜索和以混沌算法为局部搜索的混合粒子群算法来获取目标函数的最优解。最后通过IEEE 69节点系统验证了所提出模型和算法的优异性。     

基于无向生成树的并行遗传算法在配电网重构中的应用

随着以风电、光伏为代表的不可控型分布式电源在配电网中的渗透率日益提高,分布式电源出力的不确定性成为配电网重构中必须考量的重要因素。因此建立了以系统网损最小为目标,计及潮流方程、节点电压、支路潮流和配电网开环运行约束的配电网重构随机优化模型。模型以机会约束描述节点电压和支路潮流约束,采用基于拉丁超立方采样的蒙特卡洛法随机潮流进行检验。提出了基于无向生成树的并行遗传算法以实现配电网重构模型的并行求解。IEEE 33节点系统的测试结果验证了模型的合理性,并将所提出的算法与基于无向生成树的遗传算法、粒子群优化算法、蚁群搜索算法和改进和声搜索算法进行比较,验证了其高效性。     

基于改进粒子群算法的含DG配电网无功优化

含分布式电源(DG)配电网的无功优化是一个复杂的非线性优化问题,文中采用改进的粒子群算法(PSO)对配电网进行无功优化计算,建立以系统网损和电压平均偏离最小为目标函数,节点电压和电容器投切容量为约束条件的优化模型。在PSO中引入位置方差防止PSO陷入局部最优解,根据种群中粒子的适应度值对粒子进行变异处理,在保证算法收敛速度的基础上,改善算法性能。以含分布式电源的IEEE14节点配电系统为例进行无功优化分析,结果表明DG能增强电网运行的稳定性,所提算法具有较好的优化性能。     

Reliability-constrained Based Optimal Placement and Sizing of Multiple Distributed Generators in Power Distribution Network Using Cat Swarm Optimization

This article presents optimal placement and sizing of multiple distributed generators to achieve higher overall system reliability in large-scale primary distribution networks using a novel random search algorithm known as cat swarm optimization. A composite reliability index is used as the objective function in the optimization process. Furthermore, the effect of multiple distributed generator units on power transfer capacity and power loss reduction has been observed. Extensive simulations are carried out based on three practical distribution systems to demonstrate the effectiveness of the proposed method. Further, qualitative comparisons are made with adaptive weight particle swarm optimization, particle swarm optimization with constriction factor, and binary-coded genetic algorithm to show the efficacy of the proposed method for optimal placement and sizing of distributed generators in power distribution networks.     

基于改进蝙蝠算法的配电网分布式电源规划

合理规划接入电网的分布式电源能够提高能源利用效率,提高电力系统运行的经济性、灵活性和可靠性。建立了以分布式电源建设和运行总费用最小、系统网损最小、静态电压稳定指标最大为优化子目标的多目标规划模型。采用了一种新的仿生算法--蝙蝠算法,并针对蝙蝠算法的不足之处进行了改进,有效地解决了该算法易陷入局部最优、后期收敛速度慢等问题。通过14节点配电网测试系统进行了分布式电源选址和定容仿真分析。仿真结果表明,与传统的蝙蝠算法、粒子群算法相比,采用改进的蝙蝠算法能够更好、更快地得到分布式电源接入配电网的最优规划方案,验证了算法的正确性和可行性。     

基于集群划分的高渗透率分布式系统无功优化

可再生能源在电力系统的渗透率不断增长,大规模分布式电源的接入对电力系统的优化调度带来新的挑战。在考虑分布式电源大规模接入的基础上,对电力系统进行集群划分和无功优化研究。首先引入改进的电气距离的概念,以此作为聚类算法的距离量度,应用谱聚类方法,将含高渗透率分布式可再生能源系统划分为若干亚群落,并确定各集群内关键节点。再以网损和电压波动最小为优化目标,调节关键节点处光伏逆变器的无功功率,达到减小网损和稳定电压输出的目的。为求解所建立的双目标无功优化问题,提出基于改进粒子群优化算法的智能调压策略,对多个亚群落进行无功优化。将集群划分方法和无功优化策略应用于IEEE 33节点标准系统,提高了节点电压稳定性,降低了网损。针对大规模分布式能源系统,进一步提出快速智能调压策略,应用于安徽省金寨县某台区实际系统,得到良好控制效果,且在调节时间、运行成本、投入成本方面均有大幅削减。     

带分布式电源的配电网电能质量扰动源定位

为实现带分布式电源的智能配电网发生电能质量扰动时的自动精确定位,提出了一种粒子群优化算法和矩阵算法结合的电能质量扰动源自动定位算法。采用矩阵描述配电网拓扑结构和电能质量监测信息,建立了矩阵粒子群优化模型,构建了一种新的评价函数,通过矩阵粒子群迭代进行全局寻最优解。MATLAB仿真表明,该算法能实现在接入分布式电源情况下的扰动源自动精确定位,并具有定位准确、收敛性好、容错率高等优点。     

考虑主动管理的分布式光伏发电消纳能力研究

随着分布式光伏接入配电网逐渐增多,其消纳能力越来越受到人们关注。文章对考虑主动管理的分布式光伏消纳能力进行了研究,提出了主动配电网中分布式光伏发电最大消纳量的计算方法。在分析分布式光伏发电和负荷的时序特性的基础上,提出了综合考虑混沌思想和自适应度调整的改进粒子群算法,研究了削减分布式电源出力、调节有载调压变压器抽头、无功补偿等主动管理措施对分布式光伏最大消纳量的影响。IEEE 33节点配网系统验证了所提模型的合理性和算法的有效性,3种主动管理措施能有效提高分布式光伏的最大消纳量。     

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。     

基于最优引导策略的分布式电源优化配置

针对分布式电源(distributed generation,DG)在配电网中的优化配置问题,考虑投资综合成本衡量方案的经济性、用系统网损衡量方案的环保性、用电压偏差衡量方案的电压稳定性,建立了分布式电源多目标优化配置模型。运用改进的多目标粒子群算法对分布式电源配置模型进行求解,引入最优极值引导策略对多目标粒子群算法的全局最优值选取进行改进,将非支配排序和精英保留策略嵌入算法中,有效地提高了算法的全局寻优性能,使算法能够快速有效地收敛到Pareto最优前沿。并以IEEE33节点配电网标准测试系统为例,对分布式电源的安装位置和容量进行优化,将所得到的结果与NSGA II算法进行比较,结果表明算法具有更好的全局收敛效率和寻优能力。     

考虑运行风险的主动配电网分布式电源多目标优化配置

考虑配电网运行中的不确定性,文章通过改进蒙特卡洛法生成大量预想事故集,利用潮流计算和拓扑分析得到接入分布式电源后系统运的行风险。提出一种考虑主动配电网运行风险的分布式电源多目标优化配置模型,将主动配电网运行带来的运行风险RL与分布式电源运行成本CDG作为目标函数,采用改进的粒子群算法对多目标优化模型进行求解,获得分布式电源安装位置和安装容量以及运行风险与运行成本之间的权衡关系。仿真算例表明,所提出的考虑主动配电网运行风险的分布式电源多目标优化配置方法,与单一只考虑经济性或者可靠性的优化模型相比更加合理,适用于分布式电源的优化选址和定容,验证了该模型的可行性。     

基于改进果蝇优化算法的分布式电源优化配置

研究分布式电源（distributed generation,DG）接入配电网的优化配置问题,基于模糊隶属度技术建立综合考虑投资效益、电压指标和网损的多目标优化配置模型,有效解决了因各子目标数量级不同而导致的过度优化问题。对一种新颖的仿生智能算法--果蝇优化算法（fruit fly optimization algorithm,FOA）进行改进,效仿细菌在觅食过程中的趋化思想,在算法寻优过程中引入吸引和排斥操作,有效提高了种群多样性,降低了算法陷入局部最优的可能。IEEE 33节点系统的仿真结果表明,与传统果蝇优化算法和粒子群优化算法（particle swarm optimization,PSO）相比,改进果蝇优化算法（improved fruit fly optimization algorithm,IFOA）在寻优速度和求解精度上都具有较大优势,能快速、有效地搜索到最优配置方案,从而验证了改进算法的有效性与合理性。     

Optimization of distributed generation systems using a new discrete PSO and OPF

Many methods have been applied to achieve optimal site and size of distributed generation systems. This paper introduces a new hybrid method, which employs discrete particle swarm optimization and optimal power flow to overcome this shortcoming. The main technical constraints are imposed for utilities, which could apply this approach to search the best sites to connect distributed generation systems in a distribution network choosing among a large number of potential combinations. A fair comparison between the proposed algorithm and other methods is performed. For such goal, convergence curves of objective function versus number of iterations are computed. The proposed algorithm reaches a better solution than Genetic Algorithms considering similar number of evaluations.     

基于改进粒子群优化算法的DG准入容量与优化布置

为进一步优化配电网中分布式电源（distributed generation,DG）的准入容量和优化布置问题,以节点电压和线路载流量为约束条件建立了单电源和多电源准入容量的数学模型,以有功网损最小为目标函数建立了DG优化布置模型。为有效求解该模型,采用了基于粒子群优化（particle swarm optimization,PSO）算法和二次插值相结合的改进PSO算法,将该改进方法应用于IEEE 33节点标准算例,分别进行了DG的最优接入位置与最优容量的仿真,并与粒子群算法优化结果进行了对比,同时还分析了优化布置下的潮流分布。算例仿真结果表明该方法可有效减少DG接入后配电网的网损,提高配电网的供电质量。     

考虑配电网消纳能力的分布式电源与储能优化配置

计及经济性及电网运行约束对配电网中分布式电源及储能进行合理规划,是提高新能源利用率及消纳能力的重要解决方案。提出一种配电网中分布式电源及储能的选址定容双层优化方法,内层考虑新能源及储能电池的时序特性,基于日内最优潮流与虚拟调度思想确定消纳运行方案;外层基于运行方案,综合考虑电压偏差、运行成本、弃风弃光惩罚,利用粒子群算法确定最优配置方案,提高配电网的消纳能力。采用IEEE 33节点配电网测试系统算例验证了所提方法的有效性。     

考虑运行控制策略的广义储能资源与分布式电源联合规划

针对广义储能资源和分布式电源的联合规划问题,提出了包含实际储能、可平移负荷、可转移负荷和可削减负荷的响应特性模型。进一步通过双层优化架构求解考虑运行控制策略的广义储能资源和分布式电源的联合规划问题,提出不同可调控资源选址定容的实际意义与方法,上层采用改进多目标粒子群算法搜索两部分资源的选址定容方案,下层采用分支定界法求解广义储能的运行优化策略,通过上下层交替优化实现资源的联合优化配置。以IEEE 33节点配电系统进行多场景的仿真分析,结果验证了所提模型的实用性,并说明了联合规划和虚拟储能参与调控的优势与意义。     

基于混合算法的含分布式电源配电网重构研究

随着新能源技术在配电网领域的发展,分布式电源（distributed generation,DG）接入配电网的研究成为热门。与传统配电网相比,含DG的配电网会出现弱环网和非PQ节点,而传统潮流计算方法只能解决PQ节点和辐射状网络。为解决配电网接入DG后重构的问题,采用叠加定理解决开关倒换过程中产生的弱环网,同时改进前推回代潮流计算方法,使得接入DG的节点可以正常参与潮流计算。同时结合纵横交叉算法（crisscross optimization,CSO）和粒子群算法（particle swarm optimization,PSO）的优势,提出混合算法（crisscross particle swarm optimization, CPSO）优化含分布式电源的配电网重构问题。仿真部分是以典型的IEEE 33节点配电网为例,在考虑DG接入方式为PI节点、PV节点和PQ（V）节点的情况下进行仿真,结果证明了配电网合理的接入DG后,可以起到降低网损和提高电压质量的作用。     

考虑配电网级联故障的分布式电源选址方法研究

近年来,大规模停电事故的频繁发生凸显了提高电网鲁棒性的必要性。借助于复杂网络分析方法,充分考虑配电网的潮流特征并建立级联故障模型,在此基础上研究发电节点的选址方法对配电网在级联故障条件下的鲁棒性的影响。首先,提出了基于节点介数和节点度的电源选址方法,并与随机选址进行比较。实验结果表明,基于节点介数和节点度的选址方法得到的网络鲁棒性更高。其次,利用粒子群算法进一步优化电源位置。实验结果显示,与基于节点介数和节点度的方法相比,粒子群算法能够得到更高的电网鲁棒性,但是计算开销也更大。进一步,从节点负荷均衡的角度提出了受限粒子群算法,有效提高了粒子群算法的运算效率。最后,研究了电网拓扑结构性质对电源选址问题的影响。实验结果表明随着网络异质性的减弱,选址方法的效果先增加后减小。