一种考虑DG出力优化分配的配电网重构方法

分布式电源接入(DG)电网将变为常态,提出了一种考虑DG出力优化分配的以降低系统网损为优化目标的重构算法。首先基于DG的发电成本,采用复制动态算法(Replicator Dynamics, RD)离散化求解,经过进化博弈之后获得DG出力的优化分配。然后,分三个优化过程实现配电网的优化重构求解。初始优化利用最小生成树算法寻找一个较优的初始解,二次优化基于改进的启发式规则对候选开关进行评价得到最优开关及二次优化解。经过第三个优化过程的修正,一般可以得到最优重构方案。算法不依赖网络的初始拓扑;改进的启发式规则可以减少待评价候选开关的数量,提高算法的计算效率;而通过修正可克服环路对进化规则的影响,得到(近似)最优解。两个典型算例结果检验了算法的有效性和可行性。     

含间歇性DG的主动配电网动态重构研究

考虑ADN(主动配电网)中间歇性DG(分布式电源)出力的时变性和系统负荷功率的不确定性,建立了含DG的ADN重构模型,提出了DEIWO(差分进化入侵杂草优化)算法,对配电网进行动态重构。利用柯西分布取代高斯分布对IWO(入侵杂草优化)算法进行空间扩散,在计算初始可以产生更多的可行解;引入DE(差分进化)策略,优化竞争生存操作过程,解决了IWO算法收敛速度慢且容易陷入局部最优的问题。利用改进的OFCMC(最优模糊C均值聚类)方法处理ADN动态重构问题,将ADN动态重构问题转化成C个代表负荷数据为聚类中心的静态重构问题。IEEE 33节点系统算例结果表明,利用DEIWO算法对接入DG的配电网重构后,各节点电压波动、电压偏差降低,节点电压整体提高至接近额定电压且无电压越限,配电网电压质量可达到最佳状态。     

考虑DG及负荷时序性的多目标配电网重构与DG调控综合优化规划

为解决分布式电源（distributed generation,DG）出力及负荷的时变性给实际配电网调度所造成的不利影响,使配电网的优化规划方案更加切实可行,提出了一种基于配电网重构和DG选址定容结合的多目标粒子群动态优化模型,该模型以配电网有功损耗、电压偏差及经济成本为优化目标,考虑负荷及DG出力的时变性,对配电网络重构和DG调度进行综合优化求解。通过基于随机森林模型（random forest,RF）及长短期记忆神经网络(long short-term memory,LSTM)模型的混合预测模型对配电网负荷及DG出力进行预测。采用经帕累托最优理论改进的粒子群算法得到配电网重构及DG调控的帕累托最优解集并利用模糊隶属度函数法来确定帕累托最优解集中的最佳配电网调度方案。基于IEEE 33标准测试系统设计多个算例进行仿真分析,结果表明,所提考虑负荷及DG出力时序性的配电网重构和DG调度联合优化模型可显著改善配电网络运行的经济性和稳定性。     

多目标配电网故障定位的Pareto进化算法

提出一种用于配电网故障定位的多目标优化模型,采用带精英策略的快速非支配排序遗传算法(NSGA-II)进行求解。传统多目标优化问题通过加权方式转换为单目标问题,对权值比较敏感,且每次只能得到一种权值下的最优解。NSGA-II则避免了传统加权求解时权值的选择和解的偏好性。该算法采用快速非支配排序机制,计算复杂性低;同时考虑个体拥挤距离,从而保证种群的多样性;最后,提出适用于故障定位的最优解集处理方法,便于从多目标最优解集中筛选出唯一符合故障情况的解。算例测试分别模拟单点、多点故障,以及信息完备和部分信息畸变的情况,测试结果表明,所提方法均能准确地定位故障区段。     

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。     

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。     

基于非支配排序差分进化算法的多目标电网规划

在多目标电网规划问题中,综合考虑经济性、安全可靠性和环境影响等因素后,提出了非支配排序差分进化算法。以电网投资、运行维护费用、网损费用、线路走廊面积最小为目标建立了多目标电网规划模型。非支配排序差分进化算法将Pareto非支配排序法与差分进化算法相结合,采用动态调整策略调整差分进化算法控制参数,改进了个体拥挤比较机制,提高了算法的全局搜索能力和种群多样性,并基于模糊集理论选取最优折衷解。Garver-6节点和Garver-18节点系统算例结果表明,该算法可以有效生成分布均匀的Pareto最优解集,在求解多目标电网规划问题中具有可行性和优越性。     

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α约束支配排序混合进化算法的微电网多目标优化运行

为降低微电网运行成本和污染排放,建立微电网多目标优化运行模型,并提出一种新型的α约束支配排序混合进化算法求解模型,该算法通过采用α约束支配排序机制,将所有约束条件统一处理为α约束水平度,并将其作为进化选择指标以控制所有个体快速转化为可行解,可显著提高约束处理效率。提出一种基于非劣排序的混合多目标进化算法,有效融合微分进化算法与分布估计算法各自的优点,克服单一算法种群多样性不足和易早熟的缺陷。通过分类逼近理想解的排序方法实现多属性决策,以获得最优折中解。某微电网算例结果表明所提算法有效、可行。     

基于改进人工蜂群算法的配电网重构

为了更好地解决配电网重构问题,采用改进人工蜂群算法,建立了以系统有功损耗为目标的重构模型。在该改进算法中,利用差分进化操作的思想对人工蜂群算法中的邻域搜索方式进行了改进,直接在离散域进行多维搜索代替原来的单维更新策略,提高了算法的探索能力并且加快了收敛速度。此外,为了克服基于比例适应度选择的不足,用基于适应度排序的选择概率替代基于比例适应度的选择概率,使得种群的多样性得到了保护,从而避免了陷入局部最优。该算法应用于配电网重构能够以较快的速度收敛到最优解,文中的算例结果验证了该算法用于网络重构是可行而且有效的。     

基于改进引力搜索算法的配电网多目标优化重构

在含分布式电源(distributed generation,DG)的配电网重构中,综合考虑网络经济性、电能质量以及供电可靠性等因素,通过基于模糊满意度的多目标处理方法将多目标函数进行归一化处理,将精英策略思想引入到万有引力搜索算法中,并采用此改进引力搜索算法对问题进行求解。以IEEE 33标准节点系统为例进行网络重构,仿真结果表明,多目标重构后系统的网损有较大的降低,同时节点电压质量和供电可靠性也得到提高,从而验证了所提算法的有效性和可行性。对比其他算法,所提算法有效避免了结果陷入局部最优解,提高了算法的稳定性且具有较强的寻优性能。     

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。     

基于二阶锥规划的交直流主动配电网日前调度模型

为适应未来配电网可能出现的交直流混合拓扑形态,提出了基于二阶锥规划的交直流主动配电网多时段日前优化调度模型。该模型以购电费用和弃光弃风惩罚费用之和最小作为目标函数,通过分布式电源有功和无功调节、容抗器投切、储能充放电功率调节、电压源换流器无功调节及配电网动态重构等多种主动管理措施实现主动配电网有功功率-无功功率联合优化,消除潮流及电压越限,解决高比例分布式电源接入交直流主动配电网后的日前优化调度问题。50节点算例的分析验证了所提模型的正确性。     

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.     

提升配电网供电性能的风-光-储两阶段规划与配置

针对配电网中分布式电源（DG）不合理规划引起供电性能下降的问题,文中提出了一种在风-光-储接入情况下的配电网两阶段规划与配置方法。第一阶段通过计算节点有功网损灵敏度确定风-光电源的接入位置和容量,第二阶段以储能接入容量最小,系统电压稳定指标最大,负荷缺电率最小建立多目标规划模型,同时结合节点平均等效负荷对储能充/放电进行管理。为提高第二阶段多目标问题的求解精度,提出了一种基于多目标粒子群算法的混合智能求解算法用于求解第二阶段模型,最后利用序数偏好法（TOPSIS）选出储能最优接入方案。为验证本文所提方法的有效性在IEEE-33节点系统上设置四种场景进行仿真测试,结果表明所提方法可以明显改善配电网的运行情况,给相关规划与配置提供借鉴与参考。     

配电网重构的逐级开关状态互换法

配电网重构是一个多目标、多约束、离散的非线性组合优化问题。根据配电网的特点,结合开关交换原理和网络构建算法,提出了开关状态互换的概念,并对其实现优化的原理进行了详细分析,表明可以收敛到最优解。利用启发信息简化寻优途径,在求解过程中运用禁忌思想,避免不必要的重复计算,大大加快收敛速度。将配电网供电恢复和优化重构统一考虑,并考虑了电容器的投切,为运行人员提供满足系统电压、容量和拓扑约束的配电网运行结构和开关操作列表,构建了配电网的优化运行方式。算例表明该算法是有效的。     

基于改进分层前推回代法的含分布发电单元的配电网重构

在简化配电网拓扑的基础上,应用混合粒子群算法对含分布发电单元的配电网重构问题进行求解。采用10进制编码进行简化求解,提出了基于节点–分层关联矩阵进行智能网络拓扑识别及分层前推回代的潮流计算方法。该方法可适应动态计算配电网潮流的需要,为实时动态重构提供新的思路。在网络重构中引入分布式电源,大幅降低了网损,对节点电压有较好的支撑作用。IEEE 33节点算例验证了该方法的有效性和合理性。     

计及低碳效益的分布式发电优化配置

首先对电力系统各个环节进行低碳分析,针对配电网分布式发电DG(distributed generation)优化配置问题,提出了低碳费用、电压安全、有功网损这三个评估配电网效益的重要指标,在此基础上建立分布式发电多目标优化配置模型,应用最大满意度法将多目标规划转化成单目标规划问题,并用模拟植物生长算法PG-SA(plant growth simulation algorithm)对上述模型进行求解。算例表明该模型确定的分布式电源在配电网的位置和容量可有效减少碳排放、提高系统运行电压,降低有功网损。     

Optimal siting and sizing of distributed generation accompanied by reconfiguration of distribution networks for maximum loss reduction by using a new UVDA-based heuristic method

A great number of methods have been proposed for distributed generation (DG) placement in distribution networks to minimize the power loss of Medium Voltage (MV) lines. However, very few researches have been done for network configuration in parallel with the DG siting and sizing for the maximum system loss reduction. In this paper, a heuristic method based on “uniform voltage distribution based constructive reconfiguration algorithm” (UVDA) is proposed for the simultaneous reconfiguration and DG siting and sizing. The results obtained from the application of the proposed method on two well-known distribution networks and a real network clearly verify the robustness of the contributed technique. The simulation results demonstrate that the proposed approach is able to find the best solution of the problem found so far. Also, the presented method is applicable to real large-scale distribution systems to find the optimal solution in a very short period of time.