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。     

基于Pareto最优解的含分布式电源配电网无功优化

随着分布式电源技术的发展,某些分布式电源接能够在一定程度上对配电网进行无功补偿。针对配电网无功优化问题,本文提出了以调节分布式电源出力和传统的投切电容器组为优化手段,以网损最小、电压偏移量最小为目标的优化策略。与以往大多数研究利用权重将多目标问题转化为单目标问题不同,本文直接采用基于Pareto最优解的多目标模型,然后利用自适应参数的多目标和声算法确定分布式电源无功出力和投切电容器组的大小,得到Pareto最优解集,从中选出最优解。利用IEEE-33节点系统进行仿真计算,与单个目标网损最小和采用惩罚因子的方法进行比较,验证了本文所提优化策略的有效性。     

考虑多重不确定参数的配电网概率无功优化

针对同一区域内多个分布式电源及波动负荷的随机性和相关性对配电网模型带来的多重不确定性,构建了考虑多重不确定参数的概率无功优化模型,并将其转化为多场景确定性优化问题求解。模型中,三阶多项式正态变换(TPNT)改进的Nataf变换解耦了分布式发电机组和波动负荷的相关性,Gaussian-Hermite积分法处理了目标函数和约束项涉及的概率潮流计算。所建模型使用多策略融合粒子群优化算法进行优化求解,得到确定的控制变量最优解和状态变量统计矩。将该模型应用于接入多个分布式光伏发电机组和波动负荷的IEEE33节点配电系统进行仿真测试,其结果验证了所提概率无功优化模型和解法的适应性和有效性。     

考虑电动汽车不确定性因素的配电网分布式电源优化布置

分布式电源和电动汽车的规模化接入对配电网经济运行和电能质量产生了较大影响。分布式电源和电动汽车的功率具有不确定性。为实现分布式电源的合理配置,提出了一种考虑电动汽车不确定性因素的分布式电源优化布置方法。首先,以网络损耗最小、电压偏移最小和系统稳定性高为优化目标,利用机会约束规划方法建立分布式电源优化配置模型。然后,采用支持向量机算法和多目标粒子群算法对上述模型进行求解,得到其Pareto解集。以IEEE 37节点配电网为例对所提模型进行验证,结果表明该模型可以有效得到合理的配置方案。     

基于数据驱动的多微电网互联系统分布鲁棒运行优化

针对多微电网互联系统调度中分布式电源出力不确定性以及运行效率低下等问题,提出基于数据驱动的多微电网互联系统分布鲁棒运行优化策略。首先基于多元正态Copula理论,计及风电功率预测误差的时间相关性及其与预测值的条件相关性,运用聚类方法对处理后的分布式电源数据进行聚类分析,通过场景削减方法生成具有代表性的多变量典型场景,得出分布式电源出力的概率分布模糊集。然后,建立多微电网两阶段滚动调度优化模型,考虑微电网内新能源实时出力的不确定性,提出一种基于列约束生成算法（C&CG）与交替方向乘子法（ADMM）的分布式求解算法,以实现两阶段分布式迭代求解。仿真结果表明,该方法可有效降低源荷预测不确定性对多微电网系统安全运行的影响,提高多微电网区域的经济效益。     

分布式电源优化配置的仿电磁学算法

研究了配网中不同分布式电源在不同地点的规划问题,在分布式电源的容量、个数和不同地点负荷需求已知的情况下,将多目标函数归一化建立最小化配电网耗费的优化目标函数,采用仿电磁学算法优化分布式电源的规划配置,得到不同分布式电源在不同地点接入的规划方案。通过与遗传算法相比较,仿电磁学算法在分布式电源优化配置的运行效率和容错性能具有明显的优势。     

基于区间数的改进NSGA-Ⅱ算法在微电网优化调度中的应用

针对分布式电源出力和负荷波动随机性等不确定因素对微电网运行稳定性和经济性的影响,提出在微电网的优化调度中结合有功和无功优化,以满足安全性和可靠性要求。引入区间数来表述含不确定因素的优化调度目标函数及约束条件,并建立以微电网发电费用、电压偏差量和网损为优化目标的动态多目标优化调度模型。同时提出一种基于区间数的多属性决策NSGA-Ⅱ算法来求解上述模型中的线性多目标函数,从而得到整个调度周期内的多目标优化调度Pareto最优解。最后利用17节点微电网仿真系统进行了仿真计算,计算结果表明本文方法可以协调优化调度问题中的经济性、安全性和可靠性,同时相比单一的有功或无功优化调度可以得到更优的微电网运行费用。     

基于Kruskal-遗传混合算法的主动配电网规划策略

随着分布式电源(DG)在配电网中的逐步渗透以及配电网网络规模的逐步增大,传统的数学规划和启发式配电网规划方法在计算效率、寻优特性方面均面临多重约束,规划结果往往不尽如人意。针对上述问题提出一种基于最小有向生成树(Kruskal)与遗传算法的混合算法,对主动配电网中的分布式电源以及网架结构进行协同优化,简化了算法的染色体结构,避免了传统基因算法的"维数灾"问题,同时,该算法规避了传统网架规划中出现的不可行解问题,精简了规划流程。结合多场景分析法对西北某城区10 kV主动配电网进行算例分析,结果表明该算法能够有效地寻找到全局最优解,并且具有良好的收敛特性。     

计及多种分布式能源运行的配电网双层优化规划方法

在配电网分布式可再生能源(Renewable Distributed Generation, RDG)优化规划问题上,考虑可控分布式电源和可中断负荷的调度运行情况,建立RDG双层优化模型。上层模型以配电网系统电压偏移最小、网络损耗最小为目标,求解RDG接入配电网的最优位置和容量。下层模型以配电网发电综合运行成本最小为目标,求解各时段可控分布式电源和可中断负荷最优出力安排。利用场景分析方法处理多种分布式可再生能源优化中的不确定因素。为减少模型计算量,采用K-means聚类算法获取典型场景。最后,采用改进的自适应遗传算法求解,以IEEE-33节点网络系统为例对所提模型与方法的有效性进行验证。仿真结果表明,该方法能够有效提高RDG优化方案在系统实际运行中的适用性。     

基于Godlike算法的海岛型分布式电源规划模型

为实现海岛地区低污染、低成本电力的有效供给,提高可再生能源的利用消纳能力,针对海岛型分布式电源规划特点,建立了综合考虑投资运行费用、系统损耗和系统稳定性这3个方面的多目标分布式电源目标规划模型;在引入Pareto最优解概念的基础上,提出了采用Godlike算法对上述多目标、多约束、非线性优化问题进行求解。将所建立的模型及其求解算法应用于我国南方某岛分布式发电系统电源规划实际问题中,仿真结果表明Godlike算法计算结果要远远优于单体遗传算法、模拟退火算法、差分进化算法和粒子群优化算法,其能够有效避免单个算法在求解分布式电源规划问题时容易陷入局部最优、算法过早成熟等问题,保证了算法可有效得到全局Pareto最优解。     

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。     

基于免疫禁忌混合算法的多目标最优潮流计算

针对电力系统多目标最优潮流计算问题,提出了一种基于免疫禁忌混合算法的多目标模糊优化潮流计算的新方法。该方法运用模糊集理论来构造评价函数,实现了多目标优化问题向单目标优化问题的转化,兼顾了各子目标,保证了较高的整体优化水平;采用求解精度高、使用灵活的免疫禁忌混合算法来进行单目标寻优,准确地获取了符合实际的全局最优解。通过对IEEE 30节点系统进行多次多目标最优潮流仿真计算,并将计算结果分别与单目标最优潮流计算及采用粒子群算法、免疫算法等其它算法的结果进行比较和分析,验证了该方法是解决电力系统多目标最优潮流问题的一种有效方法。     

考虑不确定性的含DG与EV配电网无功电压协调优化方法

利用双馈风电机组和光伏发电系统等能够提供无功功率的分布式电源作为一种电压调节手段与传统的电压调节方式结合,在计及电动汽车入网充电作为一种随机负荷的情况下,建立了考虑不确定性的含分布式电源与电动汽车的配电网无功电压协调优化模型。以节点电压期望值平均偏差最小为目标函数,同时加入有功网损期望值和节点电压期望值最大偏差值为罚函数,使用本文提出的一种改进果蝇优化算法对优化模型进行求解。最后利用IEEE 33节点系统进行仿真计算并与粒子群算法进行比较,证明了本文所提出的优化模型和算法的有效性。     

考虑输入变量相关性的输电网区间潮流分析

在仿射算法的基础上,考虑电力系统中部分输入变量之间的相关性对区间潮流算法进行改进。构建以平行四边形模型为基础的区间相关性体系,建立考虑区间相关性的电力系统不确定潮流模型。考虑区间包络不够准确对区间潮流计算准确性的影响,提出一种基于凸多边形模型的区间潮流计算方法。利用仿射算法将传统的区间潮流迭代转化成一组非线性优化问题,通过凸多边形模型将区间变量之间的相关关系转换成一组新的约束条件,并利用优化算法对该非线性优化问题进行求解,得到一系列更窄的区间潮流解。2个输电网算例表明,所提方法不仅能够反映不同相关性水平对计算结果的影响,还能定量刻画区间包络准确程度对区间潮流的影响。     

基于辅助问题和遗传算法的电网分区并行无功优化的研究

针对传统集中式无功优化存在的不足之处,建立起基于电网分区的分解协调模型。采用构造辅助问题(AP)的方法进行分布式并行计算,将互联电网无功优化问题分解为多个子网的并行无功优化问题,在每个子网中,采用遗传算法求解子系统的的优化问题。基于地域的系统分解与协调符合电网市场的发展方向。仿真结果表明该方法具有较强的收敛性和快速性。     

不确定性环境下数据驱动的电力系统优化调度方法综述

随着可再生能源大规模并网,电力系统运行的不确定性显著增加,考虑不确定性因素的调度方法逐渐得到重视。另一方面,建立准确的不确定性因素模型是求解优化问题的前提与关键,可再生能源出力具有复杂的不确定性,其发电数据为随机调度提供了科学的数据支撑。文中总结了不确定性环境下数据驱动的电力系统调度的理论方法以及应用场景。首先,总结了传统随机优化调度中数据驱动的随机变量建模方法。其次,介绍了鲁棒优化调度中数据驱动的不确定性集合建模方法。然后,针对随机优化中不确定性因素建模不准确以及鲁棒优化结果较为保守的问题,重点阐述了基于数据驱动分布鲁棒的电力系统优化调度理论与方法,梳理了随机变量的概率分布模糊集构建方法和分布鲁棒优化的模型构建及求解算法。最后,对数据驱动的电力系统调度未来的研究工作进行了展望。     

含光伏电站的配电网无功优化

通过求得光伏电站有功功率的期望值解决了其有功输出不确定的问题,并通过调整光伏并网系统的有关参数来调节其无功输出,使得光伏电站能够参与配电网的无功优化.建立了以网损最优为目标的函数模型,并用改进的细菌群体趋药性算法（bacterial colony chemotax-is,BCC）求得目标函数的最优解.通过实例计算分析,验证了该模型和算法的有效性.     

基于粒子群无功优化的网损降低技术研究

在传统无功优化模型上,建立了以网损最小和电压稳定裕度最大为目标函数的多目标优化模型,通过对目标函数加权建立妥协模型,使多目标函数问题转化为单目标函数问题,并采用粒子群算法求解无功优化问题,通过对IEEE30节点系统的算例分析,表明了采用多目标无功优化模型和粒子群算法能够在保证各节点电压不越限的情况下,有效地降低系统网损...     

基于量子序优化混合算法的输电网规划

序优化理论是一种基于绝对随机抽取可行解的优化算法,最优解具有高概率的可信度.量子算法是一种局部搜索能力强的搜索算法.利用量子算法的强大的局部搜索功能与序优化混合,构造出随机性和方向性比较平衡的量子序优化混合算法.针对输电网规划这样一个复杂的组合优化问题,建立相应的数学模型,采用量子序优化混合算法求解.18节点系统算例的...     

基于自适应权重PSO算法的分布式光伏并网极限容量计算

为了提高配电网接纳光伏的能力,保证配电网的安全运行和良好的电能质量,提出一种基于自适应权重粒子群优化(particle swarm optimization,PSO)算法的分布式光伏并网极限容量计算方法。综合考虑光伏接入容量、电压偏差、线路载流、谐波畸变率、不允许功率倒送的约束条件,建立分布式光伏并网极限容量计算模型;引入自适应惯性权重系数对传统PSO算法进行改进并对模型求解;在满足约束条件的前提下,计算不同规划方式下的分布式光伏并网极限容量,并分析接入后对配电网电能质量的影响。IEEE 69节点配电网模型的仿真结果表明:所提出的方法能够高效求解光伏并网极限容量问题,提高配电网对分布式光伏的接纳能力。