基于改进萤火虫算法的分布式电源优化配置

在分析分布式电源特性的基础上,建立了含分布式电源的购电成本最小、网损费用最小、投资成本最小以及电压稳定裕度最大的多目标优化模型,能够比较实际、科学地反映DG规划布局。在此基础上,应用超效率数据包分析评价方法,明确各目标函数的权重组合方案,将DG多目标规划问题转换成单目标规划问题。鉴于传统萤火虫算法具有容易早熟、过度依赖控制参数的缺陷,将混沌搜索策略和全局思想融入到萤火虫算法,提出了一种改进型萤火虫算法;并将其应用于解决分布式电源的规划问题。通过算例验证所提算法具有良好的实用性和适应性,并且也验证了所提模型的实际意义。     

考虑电压骤降的分布式电源定容和选址

首先对电压骤降和电压凹陷域进行分析,采用故障点法和临界距离法结合的方法分析电压凹陷域,在此基础上,合理评估电压骤降的经济损失。并建立了含分布式电源投资成本最小和电压骤降经济损失最小的多目标优化数学模型,鉴于传统萤火虫算法具有容易早熟、收敛速度慢、过度依赖控制参数的缺陷,将混沌搜索策略融入到萤火虫算法,提出了一种改进型多目标萤火虫算法;为克服算法对控制参数依赖性较强缺陷,利用混沌理论的随机性、遍历性及其规律性特性,对萤火虫算法的参数进行调整。并将其用在解决分布式电源的多目标优化配置中。通过算例验证所提算法具有良好的适应性。     

基于改进猫群算法的分布式电源优化配置

对分布式电源(DG)进行合理的选址和定容能使其经济效益最大化。目前用于解决分布式电源优化配置的大多算法都存在对控制参数依赖性过强的问题,导致算法容易陷入局部最优解。为解决该问题,提出了一种混沌改进的多目标猫群算法。利用混沌理论的随机性、遍历性及其规律性,对猫群算法的参数进行调整,使算法能快速得出全局最优解。在分析DG特性的基础上,建立了考虑含分布式电源的有功网损费用最小和用户购电成本最小模型。最后,以PGE69节点配电网为例,通过将改进算法与粒子群算法及基本猫群算法的效果对比,验证改进算法对分布式电源优化配置问题的有效性。     

基于萤火虫-变邻域搜索算法的含分布式电源配电网重构

为全面的反映含分布式电源配电网重构的问题,本文建立网系统网损、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优化模型,能够比较实际、科学的反映配电网网络结构调整问题。在此基础上,应用自适应权重系数法,明确各目标函数的权重组合方案,将含DG配电网多目标重构问题转换成单目标优化问题。鉴于传统萤火虫算法具有容易早熟、过度依赖控制参数的缺陷,提出了FA算法与变邻域搜索相结合的混合优化算法,并利用其对含分布式电源配电网重构模型进行求解,选取IEEE-33节点配电系统进行仿真,通过算例验证所提算法的良好实用性和适应性,并且验证所提模型的实际意义。     

基于改进粒子群算法的分布式电源优化配置

分布式电源位置和容量的优化配置可确保其发挥更好的技术经济效用。在分析DG特性的基础上,建立了考虑含分布式电源的有功网损费用最小和综合投资成本最小的多目标优化模型;鉴于传统粒子群算法具有容易早熟,易于陷入局部最优值的缺点,将自适应调整和二次项策略融入到粒子群算法,提出了一种改进型粒子群算法;并将其应用在解决含分布式电源的配电网的布局规划问题。通过算例验证所提算法具有良好实用性和适应性,并且也验证所提模型的实际意义。     

基于细菌菌落优化算法分布式电源优化配置

分布式电源位置和容量的优化配置可确保其发挥更好的技术经济效用。在分析DG特性的基础上,建立了考虑含分布式电源的有功网损费用最小和综合投资成本以及购电成本最小模型的多目标优化模型,并且提出了一种新颖的智能优化算法细菌菌落算法。细菌菌落优化算法根据单个细菌的生长方式及其群体菌落繁殖的特性演化而来。该算法建立了细菌菌落的生成和死亡的寻优机制,并提供了一种新的寻优算法的结束方式。最后,通过算例验证所提算法具有良好实用性和适应性,并且也验证所提模型的实际意义。     

低碳背景下考虑时序特性的分布式电源优化规划研究

分布式发电是利用可再生能源,缓解能源危机和环境问题的重要途径.基于不同类型分布式电源出力及负荷时序特性,建立考虑可再生能源利用的分布式电源优化规划模型,模型以向上级电网购电量最小为目标.采用自适应混沌粒子群算法对模型进行全时序计算,得到满足各时段下约束的分布式电源规划方案,确定DG安装位置和容量.最后通过Baran&Wu 33节点配电系统算例,分别在某夏季典型日和全年时段内验证了模型和算法的合理有效性.     

基于萤火虫算法的分布式电源优化配置研究

为了充分发挥分布式电源的优势,在研究分布式电网潮流特性的基础上,提出了以网络损耗最小和运行最经济为主要目标的分布式电源运行目标函数。并利用改进后的萤火虫算法对函数进行了求解探索。仿真证明,利用更迭域自适应方法改进后的萤火虫算法可有效地解决多目标复杂模型,寻优速度和算法收敛性明显好于单一算法,能够很好地解决分布式电源的定容和定址等优化配置问题。     

基于细菌菌落优化算法的分布式电源优化配置

分布式电源(Distributed Generation,DG)的合理规划可确保其发挥更好的技术、经济效用,因此对分布式电源优化配置具有重要的意义。建立了以有功网损最小为目标函数的优化模型,提出一种新型智能仿生优化算法,并将其应用在分布式电源优化配置问题的求解中,细菌菌落优化算法(Bacterial Colony Optimization,BCO),通过模仿细菌个体信息交流机制,建立细菌个体的寻优共享机制。另外该算法建立了一种新的循环结束方式,迭代会随着细菌个体的消失,自然结束,并且能够保持一定的精度。通过算例验证所提算法具有良好实用性和适应性,并且也验证所提模型的实际意义。     

基于改进萤火虫算法的含DG配电网重构方法

为了更好地解决含DG的配电网重构问题,建立了以系统损耗、负荷均衡、电压偏差为目标的重构模型,并利用改进萤火虫算法进行寻优计算。针对传统萤火虫算法中存在的早熟收敛、过度依赖控制参数等缺陷,引入了惯性权重,利用混沌理论对算法参数进行调整,使算法兼顾全局搜索与局部搜索能力的均衡。同时将精英保留策略融入到萤火虫算法当中,加快了算法收敛的速度。为了减少网络重构中出现的大量不可行解,对网络拓扑进行了简化操作,缩短了编码维数,提高了寻优效率。最后通过算例分析,验证了该算法的有效性与实用性。     

面向用户需求的DG与配网网架多目标联合规划

考虑电力用户的多样化供电需求和可再生能源DG出力随机性,提出了面向用户需求的DG与配网网架多目标联合规划方法。根据用户对供电电压质量和可靠性等多样化的需求,对负荷需求整理分类;根据可再生能源DG出力的概率模型和机会约束规划方法,处理不确定性问题;以年社会成本、电压偏移率和用户停电缺失量综合最优为目标函数,建立了DG与配网网架多目标联合规划模型。基于pareto优化理论,采用多目标混合粒子群算法和熵权修正的AHP-TOPSIS多属性决策策略相结合的方法,求解模型。最后,利用算例验证所建模型的合理性和有效性。     

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。     

基于多种群萤火虫算法的车载燃料电池直流微电网能量管理优化

绿色高效的新能源系统已广泛应用于汽车、有轨电车和智能建筑等领域。为了降低燃料电池(fuelcell,FC)有轨电车直流微电网系统的运行成本,提出一种基于多种群萤火虫算法的车载燃料电池直流微电网能量管理优化方法。该方法引入以初始投资成本、设备运行成本和更换维护成本为框架的系统运行成本模型。基于成本模型,设计一种融合多种群遗传算法与萤火虫算法的多种群萤火虫算法,对有轨电车状态机控制策略进行优化。在3种运行工况下,将所提方法与状态机控制策略、基于遗传算法的策略、基于多种群遗传算法的策略、基于粒子群算法的策略和基于萤火虫算法的策略进行对比。结果表明,所提方法能合理分配各能量源的输出功率,并获得最低的系统运行成本。     

基于NSGA-Ⅱ算法的分布式电源优化配置

以合理配置分布式电源(DG)发挥其综合效益为目的,建立了以最小化分布式电源投资运行成本、最小化配电网网损和最大化静态电压稳定性为目标的配电网DG多目标优化配置模型。引入了多目标遗传算法—带精英策略的快速排序遗传算法(NSGA-Ⅱ),该算法能够协调各目标函数之间的关系,找出能使各目标函数尽量达到比较大的Pareto最优解集。在考虑不同类型DG的接入特性的基础上,采用NSGA-Ⅱ优化求解DG配置问题。算例分析表明,DG接入配电网后有利于节省配电网投资、减少配电网网损、提高静态电压稳定性。多目标优化计算结果表明,DG配置方案能够达到经济、技术、安全3个方面最优。     

Optimal power flow for distribution networks using gravitational search algorithm

This paper presents a gravitational search algorithm (GSA)-based approach to solve the optimal power flow (OPF) problem in a distribution network with distributed generation (DG) units. The OPF problem is formulated as a nonlinear optimization problem with equality and inequality constraints, where optimal control settings in case of fuel cost minimization of DG units, power loss minimization in the distribution network, and finally simultaneous minimization of the fuel cost and power loss are obtained. The proposed approach is tested on an 11-node test system and on a modified IEEE 34-node test system. Simulation results obtained from the proposed GSA approach are compared with that obtained using a genetic algorithm approach. The results show the effectiveness and robustness of the proposed GSA approach.     

基于遗传-蚁群算法的交直流配电网分布式电源优化配置

随着分布式电源（distributed generation，DG）受到广泛的关注与研究，分布式电源接入交直流配电网的规划问题日益突出。该文在分布式电源选址定容阶段充分考虑不同类型DG和负荷的时序特性，以DG运维费用、DG投资年等效费用、系统网络损耗费用、燃料费用、污染赔偿费用、环保补贴综合最小作为目标函数，同时加入电压、功率等约束条件，建立了DG的选址定容模型。根据遗传、蚁群算法各自的优劣势，提出了运用遗传-蚁群复合算法求解该优化模型。最后以改进的IEEE-33节点配电网作为算例，验证了所提模型的合理性及算法的有效性。     

基于改进粒子群算法的分布式电源接入规划

建立了含分布式电源的配电网规划经济性模型,以折算到每年的分布式电源的投资及运行费用和线路有功网损运行费用最小为目标函数,并应用改进粒子群优化算法进行配电网分布式电源(DG)规划,从而有效地提高了改进粒子群优化算法的全局收敛能力和计算精度。对69节点和33节点配电测试系统进行仿真计算,结果表明了论文采用的DG规划模型和改进粒子群优化算法的正确性和适用性。