基于向量序优化的含分布式电源的配电网规划

分布式发电的快速发展以及用户对电能质量的要求愈发严格,为分布式电源接入下的配电网规划带来了新挑战。提出了一种基于向量序优化的配电网分布式电源规划方法。首先构建考虑电压质量和投资成本的配电网分布式电源规划模型;然后引入序优化理论与帕累托博弈方法,在电压质量与投资费用的博弈过程中对规划方案进行排序分层;最终借助线性隶属度函数在帕累托前沿中求得折衷最优解,并以Matpower Case 30节点的配电网系统为算例进行仿真验证。结果表明,文中方法可以实现电压质量和投资成本的统筹协调,能够在提升规划方案经济性的同时保证系统的电压水平。     

基于向量序优化的多目标机组组合

机组组合在数学上可建模为含连续、离散变量的动态优化问题,对于大规模电力系统,其最优解的求取不可避免地存在维数灾的弊端。以发电机组的煤耗量和购电费用为优化目标,引入向量序优化理论对大规模多目标机组组合问题进行求解。采用BP神经网络对表征集合进行快速评估,确定选定集合,在保证足够好解个数的前提下大幅降低计算量,缩短求解时间。以某省级实际电力系统为例,考虑水电、核电、生物质能、气电、火电等多种类型的复杂电源结构,选取典型日96点负荷曲线形成该日发电机组日启停计划和出力安排优化方案,将向量序优化求解结果与基于GAMS-BARON解法器的混合整数非线性规划(MINLP)法的计算结果进行对比分析,结果表明采用所提方法求解到满足工程实际需要的足够好解,其计算速度是传统MINLP法的7.608倍,说明所提方法是可行且有效的。     

基于机会约束规划的广义电源多目标优化配置

针对配电网间歇性电源渗透水平逐渐增大、分布式电源和电容器组分开规划的现状,将能提供有功功率和无功功率的电源统称为广义电源。考虑风电、光伏出力的随机性,以投资效益、污染气体排放和反映系统供电可靠性的支路电压稳定裕度为优化目标,建立基于机会约束规划的配电网广义电源多目标配置模型,采用内嵌蒙特卡洛模拟的改进多目标粒子群算法对模型求解。IEEE-33节点系统的仿真结果表明,协调优化配置配电网有功无功资源,在提高资源利用率的同时也降低了污染气体排放量,并且从概率的角度对电压质量进行评估,辅助规划人员进行科学决策。     

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。     

基于量子微分进化算法的分布式电源多目标优化规划

为了克服再生能源的间歇性、随机性导致的分布式电源优化结果不够准确,提出了一种基于概率特性的电源-负荷综合模型,将分布式电源的随机出力问题转化成确定性问题。考虑分布式电源对配网的影响,建立了包含建设运行费用、网络损耗、可靠性费用和环境因素的多目标优化模型。提出采用量子微分进化算法对分布式电源接入配网进行优化配置,该算法采用量子的概率表达特性和叠加态特性,潜在地提高了算法的寻优效率,同时采用变异和交叉操作,保持了良好的种群多样性。通过对算例的分析,表明所提出的模型和算法合理、可行。     

基于多目标模糊规划的厂级负荷优化分配研究

目前火电厂的负荷优化分配系统通常是以机组煤耗特性为基础,由于机组的煤耗特性是在稳定工况下得到的,所以经济分配能满足稳态工况下全厂发电成本最低的要求,但并没有考虑频繁变负荷给机组带来的影响。同时,在自动发电控制(AGC)方式下的厂级负荷分配还要满足调整时间的要求,以尽可能快的速度完成目标负荷的调整。针对机组运行的经济性、快速性、稳定性,应用多目标模糊规划方法建立负荷优化分配模型,并使用免疫算法进行计算,所得结果既保证了较低煤耗,也使得机组负荷调整速度较快,同时也满足了参与调整机组台数尽可能少的要求,使机组负荷分配更加合理。     

考虑碳交易的电源结构多目标优化模型研究

为优化配置区域电网电源结构,在满足电力电量平衡等约束条件的前提下,研究以经济成本最小、综合能效最大为目标构建碳交易下电源规划多目标优化模型。随后将该优化模型应用于中国某区域电网,对该地区电源结构优化配置进行研究分析。结果显示,碳交易的引入能够促进新能源消纳,降低碳排放,达到低碳高效的目的,实现电源结构的优化配置。     

分布式电源接入配电网多目标优化规划

建立分布式电源(DG)选址优化多目标计算模型,从投资费用、网损、电压指标3个主要角度独立分析DG接入配电网的优化计算问题。提出基于熵和距离的多目标粒子群(DEMPSO)算法和模糊多权重(FMW)技术,通过DEMPSO算法找到DG接入配电网的多个可行方案,通过FMW决策确定最优方案,基于此进行DG优化选址与定容。算例验证了所提模型与方法的有效性和合理性。     

基于改进向量序优化算法的V2G电动汽车充电站规划方法

电动汽车的充电负荷将极大影响配电网的安全稳定运行,提出一种基于改进向量序优化算法的V2G电动汽车充电站规划方法。首先,对电动汽车可调用的动态功率进行建模;然后构建考虑充电站全寿命周期成本和配电网安全经济运行的多目标规划模型;在此基础上,提出一种基于分散优化理论的改进向量序优化算法,求解得到最优规划方案。最后,以IEEE33节点配电系统为算例,验证了本文方法的有效性和科学性。     

基于遗传序优化算法的配电网规划

针对传统遗传算法存在收敛过早、终止条件难以确定等缺陷,将序优化理论与遗传算法相结合,用序优化的思想来指导遗传进化操作,通过算法的混合集成了序优化理论和遗传算法的优良特性,从而实现以较高的概率高效地搜索到全局最优解。对于2个IEEE配电网规划算例,以综合变电站和馈线的年投资费用、折旧费用、运行费用之和为目标函数,得到了最优的配电网拓扑结构,验证了该遗传序优化算法的有效性和实用性。     

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。     

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。     

基于混沌粒子群算法的多目标无功优化研究

针对传统无功优化的不足,建立了以电网有功损耗最小、节点电压偏移最小、静态电压稳定性最好和无功成本最小的多目标无功优化模型.为了将这4个目标同时进行优化,提出了基于Pareto解的混沌粒子群算法多目标无功优化方法,求出该多目标优化问题的Pareto最优解集,供决策者根据实际情况进行科学决策选择.为证明提出方法的有效性,对IEEE30节点系统进行了多目标无功优化分析,结果表明本文提出的方法能够得到良好的无功优化结果.     

基于免疫算法的多目标无功优化

在详细分析无功优化约束条件和目标函数以及研究无功优化免疫算法中抗体产生及其编码和解码的基础上,针对目前无功优化目标函数大多是基于权重系数基础多目标函数的组合,提出了基于免疫算法的多目标无功优化算法, 即用整体亲和力和部分亲和力概念来表示抗体对抗原的亲和程度,然后通过分别计算抗体的局部和整体亲和力来对抗体进行排序,依据此顺序选择抗体进行克隆、交叉变异等操作,并反复进行以求取系统无功优化的Pareto解集。对 IEEE14节点系统和IEEE118节点系统进行了多次无功优化计算,结果表明了该算法的有效性。     

基于离散多目标蜻蜓算法和改进FCM的风电协调输电网扩展规划研究

针对风电并网协调输电网扩展规划问题,提出一种基于离散多目标蜻蜓算法和改进FCM的风电协调输电网扩展规划方案。首先以投资建设成本、网损成本和弃风量为指标构建多目标风电协调输电网扩展规划模型。设计加权多核改进FCM算法,有效模拟风电空间分布多维运行时空特性。其次,提出柔性N-1安全校验策略,筛选出隶属度较低、出力和负荷较大的极端场景。设计离散多目标蜻蜓算法,提高算法多目标优化问题求解精度。最后,采用离散多目标蜻蜓算法对风电协调输电网扩展规划模型进行求解,提出最优规划方案确定策略。仿真实验证明了所提方法的有效性。     

基于改进粒子群优化算法的多目标分布式发电规划

通过归一化处理和权系数选取,将以网络损耗最小、节点电压平均偏差最小、静态电压稳定裕度最大和总投资成本最小为目标的多目标分布式发电（distributedgeneration,DG）规划模型转化为单一目标。采用改进粒子群4~g415（improvedparticleswarmoptimization,IPSO）算法进行DG规划的优化计算,为避免陷入局部最优,对惯性权重进行非线性的自适应调整,并在计算过程中引入速度变异算子和位置交叉算子,较好地克服了计算后期易陷入局部收敛的问题。将IPSO算法应用于69节点配电网测试系统,仿真结果验证了IPSO算法是有效和可行的。     

基于和声搜索算法的配电网多目标无功优化

首次将一种新型人工智能算法即多目标和声搜索算法(MOHSA)应用于配电网无功优化中,建立了以系统网损最小、无功补偿费用最低为目标函数的无功优化数学模型,考虑配电网的运行要求,以容性无功补偿的定容定址为控制变量。算法通过和声保留、音调调节和随机选择三种方式来更新和声解向量,同时基于非劣化排序,考虑拥挤距离,对和声记忆库优先筛选,确保求得Pareto前沿的非劣性与分布性,并采用理想点法选择工程最优解。最后采用IEEE-33节点系统,对算法的性能以及工程性进行测试,并与NSGA-II算法对比,结果表明了M OHSA在收敛稳定性、计算精度等方面具有一定优势。     

基于改进遗传算法的电力系统多目标无功优化

针对遗传算法在求解多目标无功优化方面存在的缺陷,本文提出了基于蜜蜂双种群进化型云自适应遗传算法(double bee population evolutionary cloud adaptive genetic algorithm,BEPE-CAGA)。该算法根据蜜蜂双种群进化思想,引入了雄峰通过竞争参与交叉及雄峰与决定双峰群优秀遗传基因的蜂后交叉的策略,并结合正态云模型云滴的随机性和稳定倾向性特点对其进行改进,改善了算法陷入早熟的问题,提高了算法的收敛速度。建立了以有功网损最小、电压偏差最小及电压稳定裕度最大为目标的无功优化数学模型,并以BEPE-CAGA算法求解该模型。最后通过对IEEE14和IEEE30节点系统进行算例仿真,仿真结果验证了本文所提算法的有效性,同时也证明了该算法在收敛速度和优化效果上具有比基本GA算法和CAGA算法更佳的性能。     

SFOA算法在电力系统多目标无功优化的应用

电力系统由于无功分布不合理引起的事故越来越多。以系统网损、电压平均偏离、电压安全稳定裕度3个指标建立无功优化模型,引入了动态罚函数体现状态变量约束在优化过程的影响,并用个人偏好约束下的权值分配方法根据用户的需求对各个指标分配权值,采用SFOA算法求得电力系统多目标无功优化在可行域内的最优解。从SFOA算法和PSO算法运用于IEEE 30和IEEE 57节点系统优化结果比较表明:所提出的算法是可行有效的。