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。     

考虑相关性的分布式电源多目标规划方法

考虑不确定性因素间的相关性,以年综合费用最小和配电网运行风险最小为优化目标,以相关性限制、分布式电源(DG)投资限制和多种电气限制为约束条件,基于机会约束规划理论建立了DG多目标规划模型。针对模型的特点,提出采用计及相关性的配电网概率潮流嵌入非支配排序遗传算法求解规划模型,得到Pareto最优解集,供决策者进行选择。在IEEE 33节点配电网算例和某实际61节点配电网算例上对提出的规划方法进行了验证,着重研究了相关性对规划结果的影响。     

基于智能优化算法的FACTS设备多目标优化配置

综合考虑可用输电能力和柔性交流输电设备投资费用,建立了用于FACTS设备选址和定容的多目标优化模型。提出了一种基于变焦佳点集和种群熵的改进多目标引力搜索优化算法(improved multi-objective gravitational search algorithm,IMOGSA)。利用该算法对FACTS设备的位置及容量组合进行优化,得到包含对应组合的可用输电能力和投资费用信息的Pareto解集,并采用模糊满意度方法对所得Pareto解集进行分析,选出兼容性最好的解。在IEEE-14节点系统中对所提出的方法进行了验证,并和多目标引力搜索算法、多目标粒子群算法进行对比,结果表明改进多目标引力搜索优化算法优于后2种算法,是FACTS设备选址定容的首选。     

考虑相关性的微电网DG接入优化研究

对微电网中的分布式电源(DG)接入进行优化配置可以大大地提高微电网运行的可靠性和经济性。在考虑DG接入的相关性以及负荷重要性的基础上,建立了以考虑DG接入相关性并以微电网运行经济性最优为目标函数的多目标分层优化模型,并采用改进的粒子群算法(IPSO)进行求解。将优化模型及IPSO算法应用于一28节点微电网网架中,通过不同优化方案的对比证明了微电网中对DG接入进行优化配置的重要性,同时表明IPSO算法对于求解此类问题的可行性和有效性。     

基于场景法的有源配电网动态无功优化

随着分布式电源(distributed generation, DG)大量接入,配电网动态无功优化调度难度增加,现有方法存在不足,为此提出一种基于场景法的有源配电网动态无功优化方法。首先运用场景法描述DG出力的不确定性,采用Weibull分布和Beta分布分别构建风速和光照强度模型,通过DG出力公式,将随机问题转换为确定性问题;然后采用蒙特卡洛模拟法抽样和K均值聚类算法将样本聚类成3个典型场景,建立系统日内网损最小、无功补偿设备动作费用与变压器分接头调节代价费用最小为目标函数的多目标动态无功优化模型,并采用改进的多目标粒子群优化(multi-objective particle swarm optimization, MOPSO)算法对该优化模型进行求解;最后用所提方法对改进的IEEE 33节点系统进行仿真,验证其可行性。     

基于改进多目标蜉蝣算法的配网电池储能系统最优选址定容

电池储能系统(BESSs)在配电网的选址定容是保证BESSs和配电网经济可靠运行的关键。基于此,提出了一种配电网BESSs最优选址定容方法。首先,采用C-均值聚类算法对全年的负荷曲线和风、光出力曲线进行典型日聚类。进而,以BESSs日均综合成本、电压波动和负荷波动最小为目标,建立了配电网BESSs最优选址定容的多目标优化模型。为获得BESSs等决策变量的Pareto最优解集,设计了改进的多目标蜉蝣算法(MMOMA)进行求解。为实现三个目标的最佳权衡,采用改进理想点决策(IIPBD)方法对Pareto最优解集进行折中决策。最后,利用扩展的IEEE33节点配电系统进行仿真测试,以验证所提方法的有效性。仿真结果表明,与另外两种传统多目标优化算法相比：所提MMOMA获得的Pareto前沿分布更广、更均匀;IIPBD方法获得的折中决策方案有效实现了BESSs投资成本的最小化,同时能显著降低配电网的电压波动和负荷波动。     

主动配电网多目标PMU最优配置

随着大规模的分布式电源(distributed generation,DG)接入及电网与用户互动增加,主动配电网状态估计结果与量测配置需要考虑更多不确定性因素。为加强对配电网的实时监测与控制,提高配电网运行态势感知能力,需要发展同步相量测量装置(phasor measurement unit,PMU)。在计及DG与负荷不确定性的基础上,建立了考虑经济性、配电网状态估计精度以及节点电压越限概率的多目标PMU最优配置模型。以拟蒙特卡洛方法模拟DG与负荷的不确定性;基于两步式加权最小二乘方法,构建混合量测配电网状态估计模型,并利用改进的自适应多目标二进制差分进化算法进行求解,从而得到特定状态估计误差精度下的PMU最优配置Pareto非劣解集。通过IEEE 33节点配电网系统进行仿真计算分析,验证了所提模型与算法的可行性与有效性。     

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。     

微电网黑启动中考虑负荷恢复优化的分布式电源恢复方案

孤立微电网发生大面积停电后,微电网内部分布式电源(DG)恢复方案的制定对微电网黑启动的成功实施有重要作用。研究了DG启动顺序的优化及DG启动过程中负荷恢复的优化。根据DG特性评估了不同类型DG的黑启动能力,建立了以DG发电量最大和DG附近负荷重要度最大为目标的多目标优化模型。将DG恢复过程按时步划分后,采用多目标粒子群优化(MOPSO)算法对模型进行求解;然后选定最优的DG启动顺序,并为其搜索恢复路径。采用相同的时步划分方案,为DG启动过程中的负荷恢复建立了单目标优化模型,并利用改进的二进制粒子群优化(MBPSO)算法求解得到最优负荷恢复方案。算例分析结果验证了所提方案的有效性。     

含大规模电动汽车接入的主动配电网多目标优化调度方法

针对大规模电动汽车接入配电网无序充电带来的负荷峰值增加等问题,提出一种含大规模电动汽车接入的主动配电网多目标优化调度方法。首先基于蒙特卡洛抽样方法分析了大规模电动汽车的充电负荷需求;然后,以含大规模电动汽车接入的主动配电网运行成本最小化和负荷曲线方差最小化为优化目标,综合考虑电动汽车的充电需求和配电网的运行约束,构建含规模化电动汽车接入的主动配电网多目标优化调度模型,采用带精英策略的非支配排序遗传算法(NSGA-II)对多目标优化模型进行求解,针对多目标优化得到的帕累托(Pareto)最优解集规模大,蕴含信息丰富,导致运行人员难以决策的问题,提出一种基于模糊聚类的方法对多目标Pareto最优解集进行筛选。通过改进的IEEE 34节点算例的多场景对比分析,结果表明:所提出的模型和方法可在保证系统经济运行的同时,有效利用电动汽车的优化充电降低系统负荷峰谷差。     

Research on optimal schedule strategy for active distribution network using particle swarm optimization combined with bacterial foraging algorithm

Comparing with the traditional distribution network, a significant feature of the active distribution network (ADN) is that the performance of distributed generation (DG) units, energy storage units and micro-grid (MG) in the network is controllable for the distribution network operator. Considering the characteristics of the distributed power supply and micro-grid, and giving full play to the advantages of distributed generation technology in the economic, environmental and energy aspects, this paper highlights an environmental protection and energy saving optimal schedule model for ADN. The scheduling model focuses on the minimum network loss, minimum voltage deviation and minimum difference between peak and valley load. In addition, the two stage algorithm is presented to solve the proposed multi-objective scheduling model of ADN. First, a set of Pareto solutions are obtained by using the proposed particle swarm optimization combined with bacterial foraging algorithm (PSO-BFO) to solve multi-objective optimization problems, then the optimal schedule strategy of ADN is gained through evaluating the Pareto solutions with entropy weight decision-making method. To avoid the search falling into local optimal solution, the two-value crossover operator is introduced to exchange the information among subpopulations and update the position of related particles. Meanwhile, the adaptive adjusting inertia constant strategy is used to improve the algorithm convergence speed. Finally, the case study results demonstrate the rationality of the proposed optimal schedule model and the validity of its solution algorithm for ADN.     

考虑电压权重的配电网分布式电源优化配置

为更合理配置分布式电源(Distributed Generation,DG),提出考虑电压权重因子的配电网DG优化配置模型。该模型以电压总偏差和包括DG投资运行维护费、网损费、购电费的总费用为目标函数。通过在该模型的电压总偏差目标函数中引入电压权重因子来反映DG配置对各节点电压的影响和反映对用户电压质量需求的评判,从而使优化过程有利于较大电压偏差的节点或具有电压评分较高的节点的电压幅值更容易接近其期望值。基于拉丁超立方抽样得到DG和负荷的状态,采用NSGA-Ⅱ算法和基于信息熵赋权的灰靶决策算法得到最优方案。仿真算例表明文中所提方法的可行性和有效性。     

基于引力搜索算法的含分布式电源配电网重构

分布式电源接入配电网将直接改变潮流分布,而网络重构通过改变开关的开合状态以提高供电的可靠性和经济性。以降低网损和缺供电量为目标,以可调度DG的有功输出和开关状态为优化变量,建立多目标协调优化的配电网络重构的数学模型。将引力搜索算法、Pareto最优解理论和模糊决策理论相结合,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。通过对IEEE33节点测试系统的仿真结果,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,并且在全局寻优能力和收敛速度上表现出色。     

考虑换流站损耗特性的交直流系统多目标无功优化控制

交直流互联系统中各个直流输电通道在输送大量电能的同时,也会产生很大的电能损耗。通过协调优化多回超/特高压直流输电系统的电压无功控制措施,能够有效地降低整个交直流系统运行的损耗电量。提出一种考虑换流站详细损耗特性的交直流系统多目标无功优化控制方法,以包括换流站内部各主要设备损耗的整个交直流输电系统总网损和所有关键节点电压偏差平方和的最小化为目标,建立交直流互联系统的多目标无功优化控制模型。提出一种自适应加权和算法,结合GAMS/CONOPT解法器求解得到多目标优化问题的均匀分布的帕累托最优解集。并根据各个最优解的模糊隶属度和熵权信息从帕累托前沿曲线中确定出折中最优解,作为多目标无功优化控制方案。通过对某个6056节点交直流互联系统的计算表明,所提出的算法求得的帕累托最优解集分布均匀,且所获得的多目标无功优化控制方案能够有效降低换流站运行损耗,提高关键节点的电压质量。     

Optimal sitting and sizing of DGs in distribution system considering time sequence characteristics of loads and DGs

With the consideration of time sequence characteristics of load and distributed generator (DG) output, a novel method is presented for optimal sitting and sizing of DG in distributed system. Multi-objective functions have been formulated with the consideration of minimum investment and operational cost of DG, minimum purchasing electricity cost from main grid and minimum voltage deviation. To solve the multi-objective optimization problem, an improved Non-dominated Sorting Genetic Algorithm II has been proposed. The compromised solution is extracted from the Pareto set using the fuzzy theory method. Several experiments have been made on the modified PG&E 69-bus and multiple actual test cases with the consideration of multiple DGs. The computational result and comparisons indicate the proposed method for optimal placement and sizing of DG is feasible and effective.     

Uncertainty based distributed generation expansion planning in electricity markets

Decision making under uncertainty is a difficult task in most areas. The distributed generation expansion planning is certainly one of the problems where it is difficult to find an optimal solution for, due to the existence of various uncertain parameters that affect the optimal solution. This paper presents a distributed generation planning strategy based on the multi-objective decision making (MODM) approach under uncertainties. The proposed strategy achieves a Pareto set of locations, sizes, and typical types, for new DG installations in a case-study power network (as the result of a multi-objective optimization). The technical constraints of DG units are also considered in the MODM process. The effects of the uncertain parameters on choosing the best plan(s) are considered using robustness, flexibility, and risk exposure attributes. This aim is performed based on a composite index which is weighted sum of the three mentioned attributes. This paper considers four categories of uncertain parameters including the peak loading factor, electricity market price, and investment and operating costs for the DG long-term planning.     

基于相似搜索与多开端重组的配电网两时间尺度无功协调控制

规模化的分布式电源接入配电网后造成了电压高间歇性波动,影响了无功补偿设备的调节效果。提出基于相似搜索与多开端重组的多目标无功优化算法,考虑了非平滑补偿设备的日投切次数限制,加入变化的次数成本约束,调节尺度为1 h;DG和SVG的实时平滑调节设备,调节尺度为5min,进行超短期预测反馈调节,优化目标为电压偏差、网损和调控成本综合最优。求解算法采用改进的多目标粒子群算法,运用相似搜索技术,调用适用性最高的历史无功方案作为方案粒子加快算法的初期收敛速度;引用Pareto熵协调多目标间的适应度,同时依托Pareto解集存优能力,在算法收敛后期设计了多开端重组方法,进一步提高优化效果。经实际算例验证了该方法的有效性。     

火电厂厂级负荷分配的多目标优化和决策研究

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的,其经济分配对应于满足稳态工况下全厂发电成本最低的要求。对于自动发电控制方式下的厂级负荷运行分配还要满足调整时间的要求,以尽可能快的速度满足目标负荷的调整。考虑机组运行的经济性和快速性,将基于进化算法的多目标优化技术与多属性决策方法联合运用,针对火电厂厂级负荷优化分配的问题进行研究。对于多目标优化问题,采用改进的非支配解排序的多目标遗传算法,求出Pareto最优解,由Pareto最优解构成决策矩阵,使用客观赋权的信息熵方法对最优解的属性进行权值计算,然后用逼近理想解的排序方法进行多属性决策研究,对Pareto最优解给出排序。文中给出了10台机组负荷分配的优化设计算例。     

多目标电能质量监测器的优化配置

针对电能质量监测器的优化配置问题,建立了以监测程度和监测器个数为指标的多目标优化配置模型。采用带精英策略的快速非支配排序遗传算法(non-domtnated soring genetic algorithm,NSGA-Ⅱ),获得此多目标优化问题的Pareto最优解集。该方法能保证种群的多样性,避免传统加权求解时权值的选择和解的偏好性。最后,对Pareto最优解集的各个目标函数进行归一化处理,将最大值对应的方案作为合适的最优解。通过对2个算例进行仿真,得到了合理的电能质量监测器的配置方案,验证了该方法的可行性和有效性。