基于改进加权Voronoi图和遗传算法的变电站规划

针对城市电网规划中的变电站规划优化问题,提出一种基于改进加权Voronoi图和遗传算法的规划算法(improved weighted Voronoi diagram-genetic algorithm,IWVD-GA)。通过改进定权重和引入变权重对加权Voronoi图进行改进,并利用元胞自动机(cellular automata,CA)动态生成改进加权Voronoi图,在生成过程中,权重可根据变电站负载率和供电半径约束动态调整,使供电范围的划分过程可控且更为合理。通过交替定位算法(alternate location algorithm,ALA)对新建站的位置和供电范围进行局部深度寻优,通过遗传算法进行全局寻优,实现了变电站规划优化。为解决CA在元胞个数较多的情况下,在每个演化过程都需要对所有元胞进行判定而导致计算速度较慢的问题,根据元胞状态改变发生在扩张边界的特点,确定需要进行判定的元胞,有效减少了元胞判定次数。算例结果验证了所提算法用于变电站规划的有效性。     

基于改进加权Voronoi图算法的有源配电网变电站规划

针对未来规划区域面临大规模分布式电源(DG)接入及多样性负荷的场景,提出了一种基于改进加权Voronoi图算法的有源配电网变电站规划方法。首先,将负荷特性引入DG置信容量评估方法中,分析不同负荷特性与DG出力特性对DG置信容量的影响。其次,建立考虑DG置信容量的有源配电网变电站规划数学模型。继而,提出基于改进加权Voronoi图算法的变电站规划方法,具体改进包括:在Voronoi图一次迭代中,根据供电范围划分情况不断调整原定权值,实现加权Voronoi图算法的层次性改进;根据网供负荷在DG方向大量减少的情况调整Voronoi图在DG方向的权值,实现加权Voronoi图算法的方向性改进。最后,通过实例说明所提方法的科学性和实用性。     

基于粒子群优化的加权伏罗诺伊图变电站规划

针对变电站规划问题,提出一种基于粒子群优化的加权伏罗诺伊图(weighted Voronoi diagram,WVD)变电站规划方法,在变电站数量和容量组合确定的情况下,对变电站的位置和供电范围进行优化。根据变电站及负荷分布的特点,给出全新的权重计算方法,其权重可自适应调整,从而形成基于加权伏罗诺伊图的变电站规划方法。该方法在保证算法收敛的同时,使变电站的位置及供电范围更合理。利用粒子群优化算法的全局搜索特点,实现了基于粒子群优化的加权伏罗诺伊图(particle swarm optimization-weighted voronoi diagram,PSO-WVD)变电站选址及供电范围规划。算例结果表明所提方法无论在变电站站址的确定方面,还是在变电站供电范围的划分方面都比单一方法可靠、合理。     

基于初始站址冗余网格动态减少的变电站规划

针对变电站规划中初始站址对规划结果影响大的问题,提出了一种能自动寻找优良初始站址的简捷有效的新算法.首先,根据可能的变电站个数对规划区域进行冗余网格划分,并以各网格中心作为候选变电站初始站址;然后,基于变电站就近供电原则和舍弃小负载率变电站方法,动态减少变电站个数,找出对应不同变电站个数规划方案的初始站址;最后,引入距离权重因子以便考虑负荷分布不均对变电站负载率的影响,运用交替定位分配法求解各规划方案的站址和站容,并从中选择优化的变电站规划方案.算例表明所述方法可以稳定快速地得到合理的规划结果.     

基于Voronoi图的变电站选址方法

由于Voronoi图在规划选址中具有独特优势,充分利用V图的特性并结合变电站站址的选取原则来指导新建站址的选择。对V图的定义、性质及V图的对偶图Delaunay三角剖分进行了简单的介绍,对生成Delaunay三角剖分及V图的Lawson算法进行了详细的阐述。对于新建站址的选择,以现有变电站为基础,将V图应用于负荷均匀分布和非均匀分布两种情况并对负荷非均匀分布下新建站址选择的交替迭代方法进行了实例仿真。规划结果表明该选址方法能有效地解决新建变电站的位置选择问题。     

基于Voronoi图的变电站选址方法

由于Voronoi图在规划选址中具有独特优势,充分利用V图的特性并结合变电站站址的选取原则来指导新建站址的选择.对V图的定义、性质及V图的对偶图Delaunay三角剖分进行了简单的介绍,对生成Delaunay三角剖分及V图的Lawson算法进行了详细的阐述.对于新建站址的选择,以现有变电站为基础,将V图应用于负荷均匀分布和非均匀分布两种情况并对负荷非均匀分布下新建站址选择的交替迭代方法进行了实例仿真.规划结果表明该选址方法能有效地解决新建变电站的位置选择问题.     

考虑储能的变电站优化规划

基于储能在电网的巨大应用前景,本文研究了储能对变电站优化规划的影响。在确定了储能控制策略的基础上,建立了考虑储能的变电站规划模型。再根据是否含有已建变电站,分别利用常规Voronoi图和结合专家经验的负荷矩最小方法产生初始站址。最后通过作加权Voronoi图的方法,根据规划地区内是否受到储能的调节,分别对新建变电站进行优化规划。     

基于Voronoi图的变电站优化规划方法

对大电网高压变电站的优化选址及其供电区域的自动划分进行了研究。基于V orono i分区的最小距离选址准则,确定了变电站站址及供电区域与V orono i图的对应关系,在满足相关技术约束的条件下,应用最大空心圆策略和V orono i图的局部动态特性,提出了新增变电站的自动定位、供电区域自动划分的优化规划方法,保证了大区域大电网中高压变电站的合理分布,具有宏观指导意义。通过某市220/110 kV网络中变电站优化规划的结果证实了该方法的有效性。     

考虑初始站址的多阶段变电站规划方法*

针对变电站规划结果对初始站址依赖度高的问题,提出了一种考虑初始站址的多阶段变电站规划方法。第一阶段,对传统渔夫捕鱼算法进行改进以提高搜索能力,并用于寻找优良初始站址集。然后提出一种基于变电站负荷总量的加权距离法,以选择出优良的初始站址方案。第二阶段,根据各负荷区域负荷密度对加权Voronoi图的权值进行动态改进,避免负荷分布不均对规划区域产生不良影响,并基于局部寻优结果对规划区域进行全局寻优求解。最后通过算例的计算结果,证明了算法的实用性。     

基于Voronoi图和改进差分进化算法的变电站规划优化

针对电网中的变电站选址定容规划问题,提出了一种基于Voronoi图和改进差分进化算法的变电站规划优化方法。首先构建了变电站年费用最小的规划模型,然后针对模型求解,通过Voronoi图划分变电站的供电范围,并对差分进化算法中的变异算子和交叉算子的动态调整方式进行优化以提高其寻优性能,采用改进后的差分进化算法进行站址寻优。最后通过具体算例验证了所提规划方法的有效性和优越性。     

基于加权Voronoi图和自适应PSO算法的电动汽车充换电站联合规划

充、换电站是为电动汽车提供电能补给的基础设施,合理规划充、换电站对推动电动汽车普及具有重要意义。首先,预测规划区域电动汽车保有量,根据保有量及各类型电动汽车行驶特性数据,得到电动汽车总换电需求和各路网节点换电需求;其次,以充、换电站建设运维成本、用户损耗成本和电池配送成本之和最小为目标,建立了充、换电站联合规划模型;最后,采用加权Voronoi图与自适应粒子群算法对模型进行求解。算例结果表明,在综合考虑电动汽车用户和充、换电站运营商的利益下,所提方法既能满足用户电能补给需求,又能使充、换电站年均综合成本达到最优。     

基于加权Voronoi 图和GA-PSO的电动汽车充电站最优规划

考虑到电动汽车的普及,对充电站的需求越来越大,合理规划充电站是保证快速发展电动汽车的一项重要举措。根据某地区现有电动汽车的保有量,考察电动汽车的集中充电所需最大负荷,结合市场充电站的固定建设成本、运维成本、用户充电途中的耗时成本以及电池配送成本,综合考虑上述几种主要成本因素,以总成本最小为目标函数,建立充电站的规划模型。将交叉操作引入到PSO算法中,加强了PSO算法后期的寻优能力,通过采用加权Voronoi图和GA-PSO算法对模型进行计算。结果表明,在结合了多种成本并考虑用户需求的情况下,能够使得规划方法达到最优。     

基于变权Voronoi图和混合粒子群算法的电动汽车充电站规划

针对城市电动汽车充电站规划布局及服务范围划分的问题,提出一种基于变权Voronoi图和混合离散粒子群算法的优化算法。为解决离散粒子群算法在达到最优解时容易发生变异的问题,改进了离散粒子群算法中的概率映射函数,提高算法迭代中后期的全局搜索能力;引入加权Voronoi图生成过程中可随充电站的服务能力和最大服务半径约束动态调整的变权重系数,使充电站服务范围的划分可控且更为合理;利用最短路径法求得用户充电行驶过程中的交通路径距离来取代传统的欧式距离,提高算法的准确性。运用改进后的混合离散粒子群-变权Voronoi图算法求解算例模型,通过算例结果验证了所提算法用于电动汽车充电站规划的有效性。     

基于Voronoi图的多站融合变电站选址定容优化

多站融合变电站是支撑泛在电力物联网建设的基础保障,其发展也给传统变电站规划带来新的挑战。考虑多站融合变电站高效连接储能、数据中心负荷、电动汽车充电负荷、新能源微电网等多元主体的服务特性,提出一种多站融合变电站选址定容优化规划方法。考虑变电站服务主体的个性化需求,结合Voronoi图理论,以多维度负荷距成本最小为优化目标,建立优化模型及其求解方法流程。结合某地区电网规划实例,仿真分析多站融合变电站选址定容优化规划方案,并与传统规划方案进行成本比对,验证了模型的有效性。结果表明:所提的多站融合变电站选址定容优化模型有利于促进配网中站、源、荷、储、充多资源的紧密协同。     

基于差分粒子群算法的变电站选址定容规划

针对标准粒子群算法(particle swarm optimization,PSO)易陷入局部最优,差分进化算法(differential evolution,DE)后期收敛速度慢的缺点,提出差分粒子群算法(differential particle swarm optimization,DEPSO)将二者进行混合优化,提高群体的收敛速度和全局寻优能力,并应用于配电网变电站规划。在变电站选址数学模型中结合Voronoi图来确定变电站供电范围和规划容量,继而校验变电站实际负载率,简化计算过程,提高搜索效率。通过某市城区远期规划实例验证得知该算法正确有效,可以满足城区配电网的规划要求。