计及分布式新能源选址的配电网最大供电能力研究

针对大规模可再生能源以分布式电源形式接入配电网的最大供电能力(total supply capability,TSC)计算问题,考虑新能源的典型出力场景及其对应场景出现的概率,以新能源各典型出力场景下负荷放大倍数的期望值最大为目标函数建立模型。该模型考虑分布式电源的选址和网络重构问题,采用二阶锥松弛技术对其中非凸性、非线性的潮流约束条件进行松弛将其转化为一个解空间为凸可行域的混合整数二阶锥规划问题并应用CPLEX进行有效求解。94节点算例验证了模型的正确性,仿真结果表明考虑分布式电源的接入可以提升配电网的最大供电能力,同时分布式电源的接入容量、位置和接入方式等对于最大供电能力有一定的影响。     

含分布式电源接入的配电网故障恢复方法

高渗透率分布式电源(distributed generation, DG)的接入使得配电网故障恢复决策需要考虑更多的安全因素。基于对光伏发电系统及风机发电系统的有功出力进行合理建模,建立以故障失电负荷恢复量最大为目标函数,以满足DG接入下配电网络运行安全为约束条件的故障恢复优化模型。为高效求解所建立的含DG接入的配电网故障恢复模型,基于二阶锥与 -松弛技术,将原问题模型松弛为线性可解形式,从而可直接利用YALMIP商业软件进行快速有效求解。通过组态式配网动模试验平台搭建基于改进的IEEE 33节点网络进行测试,并与基于粒子群算法的传统配电网故障恢复模型进行对比,仿真结果表明本文所提基于线性规划方法的故障恢复模型能够快速且最大限度地恢复失电负荷。     

不平衡主动配电网电压无功两阶段多目标鲁棒优化

高间歇性分布式电源大量接入、线路排布不对称、负荷分布不均匀等因素加剧了配电网的三相不平衡。同时,分布式电源和负荷的显著不确定性导致配电系统电压越限频繁以及网络能量损耗增加。引入电压不平衡度二阶锥约束,以降低主动配电网的三相不平衡程度;采用鲁棒优化方法对分布式电源与负荷的不确定性进行建模;在此基础上,提出一种不平衡主动配电网的两阶段多目标电压无功控制模型,以最小化系统电压偏差和网络能量损耗;结合二阶锥松弛与线性化技术将非凸模型转化为可求解形式,利用法线边界相交算法处理多目标问题,并采用列与约束生成算法将可求解模型分为主问题与子问题进行迭代求解,从而得到鲁棒帕累托最优解。基于澳大利亚某真实配电网验证所提方法的有效性和鲁棒性。     

基于凸差规划的有源配电网电压无功协调控制方法

分布式电源的高渗透率接入加剧了有源配电网的电压波动,以静止无功发生器和分布式电源逆变器为代表的新型电力电子装置作为连续无功源可以对配网电压进行快速的实时调节,给配电网的运行方式带来了巨大变革。本文提出了一种基于凸差规划的有源配电网多时间尺度电压无功协调控制方法。首先,建立了有源配电网电压无功协调控制时序模型;通过线性化和凸松弛处理,将原非凸非线性优化模型转化为可有效求解的二阶锥规划模型,并采用凸差规划方法进行求解,保证凸松弛的准确性满足计算精度要求;最后,基于改进的IEEE33节点系统验证了本文方法的正确性和有效性,通过各种电压无功调节手段的协调配合,在改善配电网电压水平的同时,提高配电网运行的经济性。     

考虑分布式电源不确定性的配电网鲁棒动态重构

间歇性分布式电源并网使得配电网网络重构过程需要考虑更多的不确定因素。在利用仿射数对分布式电源出力的不确定性进行合理分析与建模基础上,建立以重构周期内开关动作耗费与网络有功损耗等综合成本最低为目标函数,以网络安全运行为约束条件的配电网鲁棒动态重构模型。为精确求解该数学模型,引入基于最佳等距思想的分段线性逼近方法将原目标函数松弛为线性可解形式,并根据对偶定理将模型进一步等效转化为双层混合整数线性规划问题;最后采用列约束生成算法对模型进行高效求解。修改的PGE 69节点系统测试分析结果表明,与现有的配电网确定性动态重构方法比较,所提鲁棒动态重构方法在抗系统不确定性扰动方面具有明显的优势。     

基于浓度的粒子群算法在含分布式电源配电网重构中的应用

针对现有基于粒子群算法的配电网重构易陷入局部最优的问题,本文将一种基于粒子浓度的新型粒子群算法应用于含分布式电源配电网的重构,该方法基于粒子浓度对粒子群的更新进行引导,有效提高了粒子的全局搜索能力,优化了含分布式电源配电网的重构结果。对IEEE33节点标准算例进行了仿真计算分析,结果表明重构后最优解较大的降低了网络损耗,验证了论文中新型算法能有效应用于含分布式电源配电网的重构;对比基于标准粒子群算法的配电网重构结果,验证了论文中的重构方法有效提高了含分布式电源配电网的重构性能。     

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。     

基于免疫遗传算法的含分布式电源配电网重构

为应对仅考虑单一指标的配电网重构的局限性,提出基于网损、负荷均衡及电压质量协调最优的含分布式电源配电网重构模型,并运用免疫遗传算法对其求解,算法中采用基于环的染色体编码方式和交叉变异操作,同时引进免疫算法中的免疫记忆和免疫克隆算子,并提出基于矢量距浓度的选择率、交叉率、变异率和克隆率,选取IEEE33和IEEE69节点配电系统为例进行仿真,分析分布式电源接入对网络的影响,并将文中算法与其他算法进行比较以说明该算法的可行性和有效性。     

基于灵活网架的分布式光伏电源准入容量研究

分析推导了分布式光伏电源接入区域配电网的影响,在此基础上,考虑主动配电网背景下的灵活网架,以一系列静态安全稳定指标作为约束,建立了分布式光伏电源准入容量求解模型。将单个以及多个光伏电源接入的情况分开求解,相应地分别采用基于二分法的枚举法以及混合智能遗传算法求解,保证了模型求解的高效性。利用所提模型、算法,对10 k V中压配电网的几种典型网架接线进行分布式光伏电源准入容量的计算、比较、分析,验证了方法的有效性,总结了相关规律,提出了建议。     

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。     

基于改进二进制粒子群优化算法的负荷均衡化配电网重构

提出了基于改进的二进制粒子群优化算法、以均衡负荷为目标的配电网重构方法。将配电网重构问题表示为以负荷均衡指标最小为目标函数的非线性优化问题,针对配电网开环运行的结构特点对配电网拓扑结构模型进行了简化,并对二进制粒子群优化算法加以改进,以保证配电网的辐射状结构,同时大大减少迭代次数。算例分析结果表明,该方法能够有效解决负荷均衡化的配电网重构问题,计算速度快,收敛性好。     

基于渔夫捕鱼优化算法的配电网络重构

针对正常运行条件下配电网络重构问题,提出一种基于模拟渔夫捕鱼寻优算法(SFOA)的配电网络重构算法。以有功网络损耗最小为目标函数,建立配电网络重构的数学模型,并采用易于编码实现、寻优能力较强的渔夫捕鱼算法对重构模型进行求解。根据配电网络的特点,应用一种基于网孔开关的编码策略,在不背离算法本身搜索方法前提下,简化移动搜索和收缩搜索,以实现对解空间的全局搜寻。最后利用Visual C++对IEEE-33节点算例进行重构,结果表明,提出的方法是有效可行的。     

基于蚁群算法的配电网故障恢复重构

研究了故障后输电线路的重构优化问题,提出了一种求解目标最优的故障恢复重构算法。该算法基于蚁群算法,以电压稳定为前提,建立了以降低网损和操作开关数目最少为目标的数学模型。该算法不依赖初始参数的设置,具有全局搜索的能力,可通过改变权重系数将网损、开关操作数目等多目标优化问题转化为单目标优化,提高算法效率。实例证明该算法可以准确得到配电网故障后电网重构的最佳方案。     

含分布式电源并网特性的配电网重构策略

不同类型的分布式电源(distributed generation,DG)并网到配电系统后,分析在不同种类DG出力的影响下进行配电网合理的网络结构调整成为配电网优化重构技术的关键。本文提出了一种综合考虑不同类型DG并网方式及其特性的配电网重构方法模型。考虑不同类型的并网DG接口,研究相应的等效接入方式。根据配电网辐射状特点,以网损最优为目标,建立基于二阶锥规划的重构数学模型。利用标准配电系统进行算例仿真,与传统重构算法的效果对比,验证了本文所提重构模型的有效性和计算精度,能够高效提升运行的经济性与安全性。     

计及分布式电源动态行为的配电网重构优化策略

解决分布式电源高渗透率地区电压越限的根本方法是实施合理的配电网规划。现有方法存在着人工智能算法初始域搜索半径过大以及动态时段划分与拓扑寻优分离的问题。引入半不变量法计算随机潮流来处理分布式电源动态行为带来的不确定性,并采用改进的NSGA-II算法实现配电网重构,提出了一种计及分布式电源动态行为的配电网重构概率约束优化策略和求解方法。特别提出了在网架寻优的基础上再在时间层面上依据优压参数再次整合优化来构建配电系统动态重构数学模型,最后采用嵌套基因回路搜索策略改进NSGA-Ⅱ算法并求解上述优化模型,以解决传统配电网规划中对强相关性随机变量考虑较少的不足。IEEE-33节点配电系统算例验证了所提方法的有效性。     

基于改进生物地理学算法计及可靠性的配电网重构

配电网重构是一个多目标、多约束条件的非线性优化问题。在重构过程中,文章综合考虑了系统的经济性和可靠性因素。建立了Pareto多目标重构模型,并运用一种改进的生物地理学优化算法来处理配电网重构问题,避免了加权多目标优化算法解决此类问题而过分依赖个人主观经验的情况。另外,Pareto多目标数学模型的引入使算法更具有实际的工程意义。通过IEEE33节点系统的仿真结果验证了算法的可行性。     

基于隶属度时段划分的配电网动态重构

为更好地实现配电网优化运行,提出一种基于隶属度时段划分的配电网动态重构方法。以配电网整个时段内综合运行费用最小为目标函数,建立配电网动态重构数学模型。将系统各时段有功网损与电压偏差之比作为系统运行指标,计算指标峰谷隶属度及变化率对时段进行划分。为增强二进制粒子群算法(BPSO)摆脱局部最优解的能力,将模拟退火算法(SA)中基于Mertropolis准则的新粒子接收机制引入BPSO中,克服二进制粒子群算法易陷入早熟收敛的局限性。算例结果验证了所提方法的有效性。     

基于双层动态时段划分的配电网重构

动态网络重构能有效降低配电网的网络损耗以及分布式电源的弃风弃光量,为此提出了基于双层动态时段划分的配电网重构方法。上层优化中以网损成本与弃风弃光惩罚费用之和最小为优化目标,决策变量为主动管理元素的出力;下层优化中则以网损最小为目标函数来确定各时段开关状态量。为了减小模型的规模与复杂度,提出了将割集法作为辐射状约束的表示方法。同时,将该模型转化为混合整数二阶锥规划模型,并结合和声搜索算法对其进行求解。通过改进IEEE 33节点系统进行仿真,验证了所提方法的实用性和有效性。     

含放射性约束条件的配电网重构研究

研究网络重构是配电网运行及优化的重要功能之一,在各种重构算法中,网络模型通常采用放射性的拓扑结构。为保证重构结构满足拓扑的放射性约束,把放射约束的数学模型纳入到含分布式电源(DG)的网络重构系统中,使以往复杂的方法转化为一个简单而有效的方法。进而把该放射性约束条件运用于基于粒子群优化算法的配电网重构中,克服了粒子群寻优的盲目性,提高运算速度。最后通过IEEE33和IEEE69节点算例表明,放射性条件的约束和DG的引入能够更进一步实现整个网络重构方案的优化。     

基于网络状态评估的配电网络多目标优化重构方法

提出了一种基于网络状态评估的优化重构思想,建立了网络重构的数学优化模型。并利用典型3馈线16节点系统进行了算例分析。算例表明,该方法可以减少一部分不必要的重构分析;并且,当网络需要进行重构计算时,在计算中该方法取得了良好的优化效果。该优化方法能够在经济性、安全性等方面对配电网络进行改善。操作人员能够根据配电网络实际情况进行目标权重值的设置,使重构方案更加灵活、更加具有现实意义。