主动配电网无功电压全局优化控制策略

针对分布式能源接入对配电网电压水平及控制策略产生的影响,提出适用于主动配电网的无功电压全局优化控制策略。基干建立的无功电压全局优化控制模型,提出目标函数及符合主动配电网特征的约束条件,运用遗传算法求解目标函数,得到能够优化馈线上各个无功源的无功输出和可调变压器分接头档位位置的全局优化控制策略。该策略帮助实现主动配电网无功潮流的合理分布,在提高网络电压质量以及降低线损方面有一定的实用性。     

考虑电压稳定的主动配电网动态无功优化

高比例分布式电源的接入造成电网局部电压越线问题严重,配电网动态无功优化是配网安全、稳定运行的重要保障。提出了一种考虑电压稳定的主动配电网动态无功/电压调控策略,基于分布式电源运行特性和网络日负荷曲线,建立考虑电压稳定、网络损耗为目标的主动配电网动态无功电压模型,同时考虑电容器组、SVC等无功调压设备动作次数约束;提出了基于柯西变异的动态权重粒子群优化算法,在粒子群进化过程中通过动态调整权重因子、学习因子提高算法的寻优速度,利用柯西变异提高算法跳出局部最优解的能力;最后,通过仿真算例验证本文方法的可行性和合理性。通过合理控制无功调压设备的动作时间实现一天内主动配电网无功潮流的最优分布,提高系统运行的安全性和稳定性。     

含大规模屋顶光伏电站接入农村配电网多目标优化配置方法

针对大规模屋顶光伏电站接入农村配电网无序分布带来的分布式发电资源浪费等问题,本文以屋顶光伏电站建设投资成本最小化和系统网络损耗最小化为优化目标,综合考虑农村地区安装面积限制和配电网运行约束,构建了含大规模屋顶光伏电站接入农村配电网多目标优化配置模型,采用针对高维度解改进的带精英策略的非支配排序算法(NSGA-II)对配置模型进行优化,针对算法求解得到的Pareto解集,应用模糊贴近度进行筛选,得出最优方案。通过IEEE-33节点配电系统算例仿真分析,结果表明：所提出的配置方法可以在提高屋顶光伏电站投资经济性的同时,利用屋顶光伏电站的优化配置提高系统的供电可靠性。     

基于多目标模糊优化的配电网柔性互联装置 运行配置

配电网中柔性互联装置优化运行方式能够提高配电网的供电可靠性,合理配置柔性互联装置需综合兼顾设备投资经济性、供电可靠性及运行经济性等。针对柔性互联装置的运行配置展开研究,提出了基于预想故障集下的平均失电负荷减少率,对柔性互联装置的布点进行了优化分析,筛选对供电可靠性影响较大的布点;采用多目标模糊优化对柔性互联装置的容量配置进行优化,建立了配电网最小失电负荷和最小网络损耗目标函数,采用模糊优化的贴近度对不同量纲的多目标函数趋近于优化解的程度进行衡量;同时考虑柔性互联配电网交直流潮流平衡的确定性约束、配电网负荷和分布式电源功率波动引起的支路安全电流和节点电压的不确定性约束。最后,基于改进的IEEE 33节点柔性互联配电网模型对所提运行配置方案进行了验证和分析。     

配电网降压节能装置中电容器组的选址定容问题研究

近年来国内电网在用电峰荷时期时常出现供电容量不足的情况,降压节能技术能够有效解决该问题。对此提出一种针对配电网降压节能装置中并联电容器组的多目标选址定容方法。该方法以系统电压偏差以及有功网络损耗最小为目标,考虑电容器组的安装成本,通过带精英策略的快速非支配排序遗传算法(NEGA-II)与基于满意度的模糊聚类方法的有机结合,寻求并联电容器组配置的最优解。仿真算例证明所提出的方法能够有效实现目标的优化,为降压节能技术的实现提供良好的电压无功条件。     

分布式电源多点接入布局优化研究

以降低系统网络损耗和提高电压质量为出发点,研究了分布式电源的接入布局优化问题。通过实例来验证分布式电源并网的影响,理论分析分布式电源的接入对系统电压的影响。提出基于遗传算法(GA)进行DG的布局优化,建立了配电网络损耗最小、节点电压偏移最小的分布式电源多目标优化函数。对遗传算法每代产生各种DG配置方案进行潮流计算,并利用多目标优化函数进行方案的优劣评估,通过遗传算法中的选择、交叉、变异等操作进行DG配置方案的优化,若不满足终止条件将会继续进行潮流计算,直到满足终止条件后输出最优的DG配置。     

基于NSGAII的分布式电源优化配置

该文提出了一种基于非支配性遗传算法NSGA-Ⅱ的分布式电源(DG)优化配置算法,对DG接入配电网的位置和容量进行优化配置。采用了十进制的编码方式使得DG接入位置和容量的优化可以同时进行,运用前推回代法对接入DG的配电网络进行潮流计算,选择了总电压偏差最小,有功损耗最小和CO2排放量最小三个目标函数进行优化,该算法一次运行可以获得一组Pareto最优解,决策者可以根据系统的实际需要选择最终的满意解,为各目标函数的权衡分析提供了有效的工具。最后应用该算法对IEEE33节点进行DG的优化配置,结果证明了算法的有效性。     

基于多场景改进Krawczyk区间潮流算法的分布式新能源多目标优化配置

分布式新能源发电(renewable distributed generation,RDG)的运行不确定性对配电网的规划具有较大影响。首先根据RDG的典型出力场景建立其时序区间出力模型。为改善区间潮流计算时收敛性能差且存在无效迭代的问题,提出一种改进的区间Krawczyk迭代算法求解区间潮流,该算法通过改进迭代算子的区间扩展和降低迭代过程的维数2个举措提高算法收敛性。在此基础上,以RDG年投资与运行费用最小、年节能减排收益最大及年节点电压偏差程度最小为目标,建立配电网中考虑出力不确定性的RDG多目标优化配置模型。以改进的区间潮流算法进行电压安全约束校验,并采用带精英策略的多目标遗传算法求解。最后,针对获得的Pareto最优解定义模糊贴近度,筛选不同应用场合下的最优接入容量和位置。采用IEEE-33节点测试系统对该算法和模型进行仿真,验证了算法与模型的有效性。     

计及分布式发电的配电网多目标电压优化控制

对分布式发电接入后的配电网电压控制问题进行研究,利用变压器分接头、并联补偿电容器等电压/无功控制手段,以提高全网电压质量、降低网络损耗和抑制电压波动为目标,并计及分布式发电启停的影响,建立了多目标电压优化模型.构造模糊评价函数,将各目标函数值转换为对优化结果的满意度,以便于目标间的比较;利用判断矩阵法,根据各目标间的相对重要性确定权重系数,采用主动禁忌搜索算法求解.仿真结果表明,该方法能兼顾各目标并有效提高全网的电压质量.     

多电压等级不平衡主动配电网电压无功自适应多目标协调优化

高间歇性DG持续大量接入给传统配电网电压无功控制带来严峻挑战。利用新兴DG与传统设备(如电容器、OLTC等)进行电压无功协调控制显得尤为重要。然而,现有协调控制研究多采用负荷与出力的日前预测,并基于平衡网络模型和单一电压等级假设,导致其控制结果不合理或不可行。为应对上述技术挑战,基于主动配电网双向信息通信并采用自适应动态权重策略,提出一种含中压(三相三线)和低压(三相四线)的多电压等级不平衡主动配电网电压无功自适应协调优化控制策略。通过中压侧传统三角形开关电容器与低压侧新兴分布式光伏逆变器的协调控制,实现网损、电压幅值、不平衡度、电容器动作成本及光伏逆变器出力成本的综合运行优化。为有效求解上述配网最优潮流问题,采用改进直接法潮流和粒子群算法进行联合求解。最后,基于某澳大利亚真实配电网开展24 h多场景仿真,以验证所提电压无功控制的可行性、有效性及优越性。     

基于柔性互联技术的含高渗透率新能源配电网多目标优化运行

智能软开关（SOP）可控制潮流、提供无功补偿,进而改善配电网电压、降低网损。因此,针对可再生能源大规模接入配电网后电能质量下降问题,采用K-means算法构建风-光典型场景,同时建立了基于SOP、可投切电容器的含高渗透率分布式电源的主动配电网优化运行模型。该模型以电压偏差、系统网损最小以及系统运行成本最低为目标,综合考虑了能源利用率及系统运行稳定性。最后利用基于参考点的非支配排序方法的多目标优化算法（NSGA-III）进行求解,输出Pareto最优解集,并采用改进的IEEE 33节点系统对所建立模型的有效性进行了验证。     

考虑光伏接入不确定性的主动配电网有功?无功可控资源优化配置

为考虑光伏接入的不确定性对主动配电网的影响,并分析建模,首先通过光伏?负荷的连续概率密度函数,将概率性场景进行最优多状态建模以抽取代表性时序场景;然后面向所抽取的场景集合,基于模糊层次分析法量化考量电压质量、经济效益、自治能力3个主动配电网运行规划性能要素。采用双层机会约束规划,构建了针对光伏接入不确定性的有功-无功可控资源优化配置模型。运用嵌入机会约束的混沌粒子群优化算法求解,实现了时序运行与配置方案协同的微型燃气轮机和电容器组的协调部署。某地实际馈线算例验证了所提模型与方法的有效性和实用性,同时该方法提高了计算精度。     

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。     

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。     

配电网固定串联补偿多目标优化

为了更好地利用固定串联补偿电容器改善网架薄弱、供电半径大以及长线路末端有重负荷配电网的电压偏差,研究了确定固定串联补偿电容器选址定容的多目标优化方法。以电压整体偏差、串联补偿容抗和有功网络损耗最小为目标建立配电网固定串联补偿多目标优化模型。基于灵敏度方法和固定串联电容器减小线路电压损耗的原理确定安装固定串联电容器候选线路和补偿容抗取值范围。运用带精英策略的快速非支配排序遗传算法求解建立的模型。算例验证了方法的可行性和有效性。结果表明串联电容器能够有效地提高电压质量和降低有功网络损耗。     

中低压配电网电压优化调整

以提高电压合格率和降低网络有功损耗为目标,通过调整变压器分接头和补偿电容器组,提出一种引对中低压配电网特点的电压优化调整方法。构造隶属度函数对全网电压世行模糊评价,减小数据的不确定性对优化结果的影响;评价结果计入目标函数,将电压约束条件转化为优化目标,即将“必须满足电压约束”转变为“尽量提高节点电压质量”,采用最大和最小2种负荷方式计及较长时间段内负荷的变化。根据灵敏度信息确定电容器补偿位置,通过禁忌搜索求解组合优化问题。实际配电网优化计算结果表明,该方法能以每年几次的调节频率,在负荷的全年变化范围内有效提高电压合格率并降低网络损耗。     

改善不平衡配电网电压质量的分布式储能序次优化配置方法

分布式储能(distributed energy storage,DES)具有灵活的运行特性,通过合理配置DES可使其有效服务于有源配电网的电压管理。现有以电压管理为导向的DES优化配置研究通常基于平衡网络模型来分析储能运行特性对系统电压的影响,但配电网实际上是三相不平衡的。为此提出一种基于电压灵敏度分析的不平衡配电网DES序次优化配置方法,从改善网络电压的角度研究不平衡配电网中DES的最佳配置方法。首先基于综合电压灵敏度分析确定DES接入位置;其次兼顾系统运行的经济性,以DES一次投资和运维成本最小为目标优化DES的接入容量;最后通过改进IEEE 33节点三相配电网进行算例分析,验证了所提DES序次优化配置方法可有效改善不平衡配电网的电压质量。     

多负荷水平下含风电接入的配电网无功优化

由于风电输出功率的随机性,风电机组的大量接入给配电网无功优化带来更多不确定性因素。为了提高配电网无功优化对风力发电并网的适应能力,建立了多负荷水平下基于场景分析的考虑风电接入的多目标无功优化模型。该模型综合考虑了节省电能损失费用和节点电压偏差2个指标,将2个指标进行模糊化,采用最大化模糊满意度指标法将多目标优化问题转换为单目标优化问题,然后采用自适应遗传算法进行求解。并以IEEE 33节点测试系统为例,计算和分析了在不同场景时最大负荷、一般负荷和最小负荷3种负荷水平下,电容器投切、系统有功损耗、节点电压以及节省电能费用情况。计算结果表明,所提出的无功模糊优化方法,在不同负荷水平、不同场景下改善电压质量和降损节能效果显著,适合多负荷水平下含风电机组的配电网无功优化需要。     

基于自适应遗传算法的分布式电源优化配置

针对能源互联网背景下大量分布式电源接入配电网的优化配置问题,从经济性出发,建立了以投资成本、运行维护成本、网络损耗成本和购电成本之和最小为目标的分布式电源的选址定容优化模型。利用前推回推法计算配电网络潮流,采用了自适应遗传算法对所提模型进行求解。结合IEEE 33节点构造算例进行分析,结果表明该模型在保证经济性的同时,能有效减少网络损耗并提高电压质量。     

基于模拟退火遗传算法的分散式风电选址定容

分散式电源的优化配置是智能电网发展的重要课题之一。对分散式电源进行合理的选址和定容对于配电网规划非常重要。以分散式风力发电为平台,考虑分散式风力发电机的接入对配电网网损及电压质量的影响,应用计及风力发电机的配电网潮流计算方法获得配电网的相关电气参数,并在此基础上以提高电压质量和网损最小为目标,将模拟退火遗传算法应用到寻优算法中。最后举一算例进行验证。