基于量子混合蛙跳算法的含分布式电源配电网无功优化

将分布式电源(DG)的无功调节能力与传统的电压调节手段相结合,研究了含DG的配电网无功优化问题。建立以降低系统网损、抑制电压波动为综合目标的配电网模糊无功优化模型。通过蒙特卡罗仿真对配电网系统进行无功补偿选址,采用量子混合蛙跳算法求解含DG的配电网无功优化问题。最后,通过IEEE 33节点系统进行仿真计算,表明在配电网接入DG的基础上进行无功优化能较大程度地改善系统电压水平和降低系统网损,并且证明了所提算法的快速性和有效性。     

计及电压稳定指标的含DG配电网无功优化

将分布式电源(DG)的无功调节能力与传统的电压调节手段相结合,研究了含DG的配电网无功优化问题。建立以降低系统网损、抑制电压波动和电压稳定指标为综合目标的配电网多目标无功优化模型。通过蒙特卡罗仿真对配电网系统进行无功补偿选址,采用模糊层次分析法确定各指标的权重系数,并基于量子混合蛙跳算法求解含DG的配电网无功优化问题。最后,通过IEEE 33节点系统进行仿真计算,结果表明在配电网接入DG的基础上进行无功优化能较大程度地改善系统电压水平和降低系统网损,并且证明了所提算法的可行性和有效性。     

分布式电源接入配电网多目标优化规划

建立分布式电源(DG)选址优化多目标计算模型,从投资费用、网损、电压指标3个主要角度独立分析DG接入配电网的优化计算问题。提出基于熵和距离的多目标粒子群(DEMPSO)算法和模糊多权重(FMW)技术,通过DEMPSO算法找到DG接入配电网的多个可行方案,通过FMW决策确定最优方案,基于此进行DG优化选址与定容。算例验证了所提模型与方法的有效性和合理性。     

配电网中分布式电源的优化配置研究

对于分布式电源在配电网中的选址定容问题,本文以有功网损、配电网节点电压偏移总和、系统建设与运行总费用和环境成本这四个指标作为优化目标。通过加权归一化为单目标函数,建立了分布式电源选址定容的数学模型,并利用改进遗传算法对模型进行优化求解。以IEEE33节点配电网为算例,对分布式电源的安装位置与容量进行优化配置。结果分析表明,配电网的网损减少,电压水平提高,总成本降低,验证了本文的方法具有可行性和有效性。     

基于多种群免疫算法的分布式电源选址与定容

分布式电源接入配电网时,其接入位置和容量会对电网的运行和规划产生很大影响。在分布式电源个数、位置和单个容量等影响因数下,以配电网网损、电压偏移及静态电压稳定裕度为目标,借鉴遗传算法中采用并行机制避免收敛于局部最优解的思想,建立了多种群免疫算法。并对配电网33节点接入2个DG进行选址和定容优化,结果说明了DG并网使各目标都得到优化。与普通免疫算法相比较,多种群免疫算法具有更好的寻优能力。采用该方法对DG选址定容进行研究,对配电网的经济、安全运行具有重要意义。     

计及风光出力相关性的配电网多目标无功优化

风电-光伏机组的大量接入对传统的无功优化模型提出了新的挑战。提出了计及风光出力相关性的配电网多目标无功优化模型,采用粒子群优化神经网络(particle swarm algorithm-BP neural network,PSO-BP)依据过去天气预报和风电出力的历史数据训练得到风电预测出力曲线,利用综合场景概率法生成光伏出力曲线。用斯皮尔曼相关系数将风光之间的出力相关性量化,再考虑风机和光伏机组共同参与无功优化。采用多目标粒子群算法(multi-obj ective particle swarm optimization,MOPSO)求解模型,以改进的IEEE 33节点配电网系统作为仿真样本,求得兼顾网损和电压偏差的Pareto最优解集,从中选择最优方案。算例结果验证了风光出力相关性对无功优化的影响,以及分布式电源接入配电网能有效降低网损和提高节点电压。在实际运行中,各地区的风光出力均满足一定的自然规律,可以以斯皮尔曼相关系数大小为参考依据,实现分布式电源(distributed generation,DG)和静止无功补偿装置(static var compensator,SVC)的协同优化运行,为配电网的安全经济运行保驾护航。     

计及风光出力相关性的配电网多目标无功优化EI北大核心CSCD

风电-光伏机组的大量接入对传统的无功优化模型提出了新的挑战。提出了计及风光出力相关性的配电网多目标无功优化模型,采用粒子群优化神经网络(particle swarm algorithm-BP neural network,PSO-BP)依据过去天气预报和风电出力的历史数据训练得到风电预测出力曲线,利用综合场景概率法生成光伏出力曲线。用斯皮尔曼相关系数将风光之间的出力相关性量化,再考虑风机和光伏机组共同参与无功优化。采用多目标粒子群算法(multi-obj ective particle swarm optimization,MOPSO)求解模型,以改进的IEEE 33节点配电网系统作为仿真样本,求得兼顾网损和电压偏差的Pareto最优解集,从中选择最优方案。算例结果验证了风光出力相关性对无功优化的影响,以及分布式电源接入配电网能有效降低网损和提高节点电压。在实际运行中,各地区的风光出力均满足一定的自然规律,可以以斯皮尔曼相关系数大小为参考依据,实现分布式电源(distributed generation,DG)和静止无功补偿装置(static var compensator,SVC)的协同优化运行,为配电网的安全经济运行保驾护航。     

计及供电可靠性的多目标分布式电源选址定容方法

现有分布式电源选址定容方案优化目标单一,难以兼顾分布式电源接入的经济性和对配电网可靠性性的影响。本文提出了计及供电可靠性的多目标分布式电源选址定容方法,基于含分布式电源配电网孤岛的划分,采用对偶抽样序贯蒙特卡洛模拟法计算配电网可靠性指标。结合分布式电源运行成本和配电网网损等经济性指标,建立了多目标分布式电源选址定容优化模型,采用粒子群优化与非支配遗传排序协同进化算法(CPSO-NSGA)进行模型求解。给出了在IEEE33节点标准系统中的算例,验证了所提方法的正确性和有效性。     

考虑不确定性的三相不平衡配网DG选址定容研究

可再生能源的分布式发电(Distributed Generation,DG)因其良好的环境效益受到关注,但分布式风力发电和光伏发电出力具有波动性和不确定性,这类分布式电源配置在网络中的节点位置和容量对于网络优化运行至关重要。由于配网中三相负荷经常不平衡,并且不同相之间的互阻抗也不平衡,这给分布式电源在配网中的选址定容带来了难度。考虑到三相不平衡潮流的影响,利用速度高、精度好为特点的考虑负荷模型和负荷接入类型的线性三相不平衡潮流法进行潮流计算。针对出力不确定的分布式电源在三相不平衡配网中的选址定容展开研究,建立了以减小网损、降低电压不平衡度、防止电压跌落的分布式电源多目标选址定容模型。针对分布式电源选址定容后的运行维护情况,提出了成本效益分析,来考虑中长期选址定容的合理性。为了求解文中的多目标模型,提出了改进磷虾群搜索算法,保留最优个体,提高收敛速度。利用IEEE37节点系统进行算例验证,分析了网损、电压不平衡度、每相电压在分布式电源接入后的情况。     

10kV配网接入分布式电源后电压及网损的计算与分析

分布式发电是建设坚强智能电网的重要组成部分,大量分布式电源的接入会给配电网的运行、控制带来巨大挑战。针对分布式电源接入东北地区实际配电网后电压及网损的变化情况进行仿真计算,确定分布式电源的容量选择原则。通过分析不同出力、不同位置情况下电压及网损的变化情况,对实际配电网中分布式电源的选址、定容提供参考依据。     

分布式电源选址与定容的渐进最优场景算法

精确模拟分布式电源输出的随机性,对分析分布式电源选址和定容对配电网的影响具有重要意义。本文基于Wasserstein距离指标的最优场景法构建风-光-荷多场景模型。以改进的电压分布指标为目标,结合含多场景模型、功率平衡及运行约束条件,建立分布式电源选址和定容对配电网电压稳定裕度影响最小的优化模型。通过两个配电网算例分析,结果表明合理选择分布式电源接入点的容量有利于提高配电网电压稳定裕度,能有效降低系统网损。     

充电站和风电源的选址和定容

正考虑负荷、风电机组出力、电价和可入网电动汽车(PEV)的充放电等多种不确定性因素对分布式电源选址和定容带来的影响,以分布式电源(DG)的总成本(包含网损、投资和运行成本)最小和反映配电网接纳DG能力的准入功率最大为目标函数,以系统安全运行要求为约束,构造了以DG的安装位置和容量为优化变量的规划模型。采用基     

计及配网停电损失的DG双层规划方法

分布式电源发电商与配电网公司利益共赢是促进能源战略落地的重要保障。文中提出了一种计及配电网停电损失的分布式电源双层规划方法。上层模型以DG发电商收益最大化为目标,基于网损灵敏度方法确定DG候选安装位置,对DG的选址和定容进行优化;下层模型以配电网公司净收益最大化为目标,通过孤岛划分方法动态优化分段开关安装位置,减少配电网停电损失,同时实现无功补偿装置最优配置。采用遗传算法对上述模型进行求解,通过IEEE 33节点算例进行仿真分析,结果表明所述模型和方法可以在促进DG消纳的同时降低配电网停电损失,实现双方的利益共赢。     

计及分布式电源与电容器协调的配电网日前无功计划

针对目前含分布式电源(distributed generation,DG)的配电网中未考虑电容器补偿容量和DG无功出力协调调度的问题,研究了考虑DG与电容器组协调的无功优化方法。以网损和电压偏移满意度最高为目标,构建含DG的配电网日前动态无功优化调度模型。根据DG无功出力和电容器补偿的特点,提出DG和电容器协调的日前无功计划方法。分析了各类DG的无功出力极限并作为约束条件,对电容器和DG进行整体静态优化得到电容器的投切容量曲线;其次采用模糊聚类对电容器投切曲线进行时序分段并融合,制定电容器的日前计划;最后,在电容器补偿容量确定后,以DG作为优化变量,制定DG出力的日前计划。仿真结果验证了所提方法的有效性。     

含固态变压器新型配电网动态无功多目标优化

风机和光伏电池等分布式电源(distributed generator, DG)大量接入配电网会导致电压波动和网损增大等问题,需要对动态无功进行优化。但是由于风光存在的不确定性会影响动态无功优化的效果,因此提出了一种含固态变压器新型配电网动态无功多目标优化方法。首先,通过 Weibull 分布和 Beta 分布对风速和光照强度进行曲线拟合,再采用风机和光伏电池出力公式生成 DG 出力模型。其次,通过蒙特卡洛仿真抽样法对上述模型进行抽样,生成上千个DG日出力场景,并采用k-means 聚类算法将上千个场景聚类成k个典型场景,以缩短随机潮流计算时间。再次,以IEEE33 节点系统为基础,建立含固态变压器有源配电网方案和含有载调压变压器有源配电网方案,以日内网损和电压波动最小为目标,采用改进型多目标灰狼算法对两种方案的相关参数进行优化。最后,以优化后的相关参数进行仿真和对比,证明了所提方法在降低配电网网损和维持节点电压稳定方面的优越性。     

分布式电源在配电网络中优化选址与定容的研究

合理地对分布式电源（DG）进行选址和定容对于实现配电网网损最小是至关重要的。通过对网络中不同位置的负荷节点对网损的敏感度分析来进行配电网中DG规划,敏感度较高的负荷节点引起的网损较大,通过在该节点安装DG对该节点的等效负荷予以调整,最后得到网损最小的DG接入方案。对实际算例进行仿真计算并与采用改进粒子群算法的优化结果进行比较,验证了算法的正确性和有效性,为进一步开展分布式电源规划拓展了思路。     

基于光学优化算法的分布式电源选址与定容

分布式电源(DG)接入电网后使配电网的结构更加复杂,潮流大小与方向发生改变后对配电网带来一定影响。为解决此问题,文章以电力系统经济性为目的,首次提出采用光学优化算法(OIO),在符合电力系统供电环境下,以有功网损和节点电压为目标函数建立优化模型。该算法是以光学原理为基础而改进的新型算法。通过IEEE-33标准节点实验仿真,将实验结果与标准粒子群算法(PSO)的运算结果比较。算例结果表明,光学优化算法与传统算法相比提高了分布式电源选址与定容寻优效率,提升电压稳定性,降低DG并网时产生的网络损耗。     

基于遗传禁忌混合算法的配电网无功优化

为了有效解决由配电网分布式电源(distribution generation,DG)渗透率逐渐升高带来的电压越限、网损增加问题。建立了配电网无功优化模型,以网损最小和电压不越限为综合目标,通过采用一种遗传禁忌混合算法(genetic/tabu hybrid algorithm,GATS)研究了接入DG的配电网无功优化问题。在MATLAB软件上以IEEE-33节点配电系统为算例对所研究问题进行了分析与验证。结果表明:GATS混合算法的可行性和优越性较强,通过该算法进行无功优化可以有效改善系统电压水平、降低网损;并且适当提高DG渗透率,同样有利于网损降低、电压水平提高;但若DG渗透率过高,会导致网损增加、电压越限问题,通过GATS算法进行无功优化这些问题可得到有效解决。     

考虑电压质量的分布式电源选址定容

分布式电源(DG)对配电网的影响与其接入的位置及容量密切相关,为此对DG的选址定容问题进行研究.首先介绍不同类型DG在潮流计算中的模型,详细分析电压稳定性指标,然后提出基于电压稳定性指标的DG选址方法,分析DG接入对配电网网络损耗和电压质量的影响,提出以降低网络损耗和改善电压质量为目标的分布式选址定容目标函数,并采用混合智能算法进行DG定容的优化计算.算例分析表明该方法在DG选址和定容问题中是有效的.     

计及分布式电源的配电网无功潮流优化研究

随着分布式电源大力发展,为提高电压质量和减小系统网损,对含分布式电源的配电网无功潮流优化意义重大.本文介绍了各种分布式电源在配网中的相关模型,对含DG(distributed generation)的配电网模型进行适当的分析,提出含DG的配网无功补偿方式,并给出了分布式电源并网后配电网无功潮流计算方法,最后应用标准的I...