计及多个风电机组出力相关性的配电网无功优化EI北大核心CSCD

针对含多个风电机组的配电网无功优化问题,利用场景分析法处理风电机组出力的不确定性和负荷的随机波动。采用拉丁超立方采样产生多个场景,考虑多个风电机组风速间的相关性,利用Cholesky分解对生成的场景进行重新排序。以有功网损期望值最小为目标函数,以节点电压、支路功率以及电容器投切组数为约束条件,建立配电网无功优化模型。采用鸡群优化算法求解模型,并在改进的IEEE 69节点配电网算例中进行仿真,研究了风电机组出力相关性对无功优化结果的影响,结果证明了所提无功优化模型和方法的可行性。通过无功优化,能够有效地提高配电网的电压水平并减少网络损耗,对配电网的安全经济运行具有重要意义。     

计及多个风电机组出力相关性的配电网无功优化

针对含多个风电机组的配电网无功优化问题,利用场景分析法处理风电机组出力的不确定性和负荷的随机波动。采用拉丁超立方采样产生多个场景,考虑多个风电机组风速间的相关性,利用Cholesky分解对生成的场景进行重新排序。以有功网损期望值最小为目标函数,以节点电压、支路功率以及电容器投切组数为约束条件,建立配电网无功优化模型。采用鸡群优化算法求解模型,并在改进的IEEE 69节点配电网算例中进行仿真,研究了风电机组出力相关性对无功优化结果的影响,结果证明了所提无功优化模型和方法的可行性。通过无功优化,能够有效地提高配电网的电压水平并减少网络损耗,对配电网的安全经济运行具有重要意义。     

兼顾抗毁度的含风电配电网多目标重构

为了通过配电网重构提高供电可靠性,从网络保持连通性及抵御破坏能力的角度,引入网络抗毁度指标作为配电网重构的一个新目标函数。通过有权网络的边权值和节点位置重要度求解网络抗毁度,同时考虑风电出力的随机性和间歇性,对该指标进行修正。建立了兼顾抗毁度的含风电配电网多目标重构模型,并采用改进和声搜索算法来求解此模型。给出了多目标重构的帕累托最优解集,供决策者根据实际情况选择。通过对33节点系统的算例分析,验证了所提模型求解方法的有效性与合理性。     

含异步风电机组的配电网故障恢复研究

根据风电具有的随机性、间歇性等特点,建立了以风速为输入的风电场注入功率模型。考虑到风速的统计特性,应用多场景方法模拟了异步风电机组的不确定出力,确定了基于场景发生概率的故障恢复子目标。在此基础上,考虑到配电网故障恢复目标中的其它因素,应用自适应权重和的方法建立了含异步风电机组的配电网故障后恢复重构问题的综合目标函数;然后将随机生成树策略与蚁群优化算法相结合,用以解决配电网故障后恢复重构的网络优化问题,避免了搜索过程中可能出现的大量不可行解,加快了算法的搜索速度。IEEE-33系统算例验证了文中方法的有效性。     

基于博弈论的多目标配电网重构

提出了一种基于博弈论的多目标配电网重构模型,该模型充分考虑了风电和光伏发电的出力不确定性,以降低配电网有功损耗、均衡负荷过载和减少开关操作次数为综合优化目标。将3个目标函数视为不同的博弈者,并考虑各目标之间存在的相互制约关系,加入"后评价"选择机制,构建了合作博弈联盟模型探讨目标间可能存在的联系,并采用改进萤火虫算法对模型进行求解,利用适应度值的大小确定最终重构方案。IEEE 33节点配电网的测试结果表明,所用算法能够快速找到多目标重构博弈模型的均衡解,验证了在加入分布式电源的情况下,网络重构能明显改善配电网的各项指标。     

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。     

主动配电网中计及网络重构的分布式电源鲁棒规划

网络重构作为主动配电网(ADN)中优化潮流、减小网损的重要手段,有必要在规划阶段进行考虑。为此,在电源规划中计及网络重构,以年综合费用最小为目标函数,除传统分布式电源(DG)规划约束,还考虑了风电和光伏发电的运行约束、重构次数限制约束,以及DG的渗透率约束,并针对风速、光照和负荷的不确定性,给出了"风—光—负荷"的不确定场景集,建立了主动配电网中计及网络重构的DG鲁棒优化模型。同时,针对模型特点,利用双层优化方法对其进行分解,并采用粒子群优化(PSO)算法和二进制粒子群优化(BPSO)算法分别对上、下两层规划模型进行求解。最后,采用IEEE 33节点系统对模型进行算例仿真,分析了网络重构和鲁棒性对DG规划方案、系统经济性及可靠性的影响,验证了该模型的有效性。     

基于无向生成树的并行遗传算法在配电网重构中的应用

随着以风电、光伏为代表的不可控型分布式电源在配电网中的渗透率日益提高,分布式电源出力的不确定性成为配电网重构中必须考量的重要因素。因此建立了以系统网损最小为目标,计及潮流方程、节点电压、支路潮流和配电网开环运行约束的配电网重构随机优化模型。模型以机会约束描述节点电压和支路潮流约束,采用基于拉丁超立方采样的蒙特卡洛法随机潮流进行检验。提出了基于无向生成树的并行遗传算法以实现配电网重构模型的并行求解。IEEE 33节点系统的测试结果验证了模型的合理性,并将所提出的算法与基于无向生成树的遗传算法、粒子群优化算法、蚁群搜索算法和改进和声搜索算法进行比较,验证了其高效性。     

含风电机组的配电网中分布式电源的最优配置

为解决配电网中含风电机组分布式电源的最优配置问题,首先根据风速概率密度分布函数,推导出风电机组的输出功率函数,之后构建了含有分布式电源的固定投资费用、负荷增量与分布式电源出力的相关费用和以最小网损和最小常规发电机有功出力为目标的风电机组的惩罚成本的目标函数,并以配电系统中电压、电流等为约束条件,提出了一种以自适应惯性粒子群算法为全局搜索和以混沌算法为局部搜索的混合粒子群算法来获取目标函数的最优解。最后通过IEEE 69节点系统验证了所提出模型和算法的优异性。     

基于IPSO-SVC 的含风电配电网稳压控制策略*

当配电网含风电接入时,电能质量会受到较大的影响。为解决不同风速下风力机出力不同影响配电网电压稳定性的问题,利用静止无功补偿器提高含风电配电网电压稳定性。在考虑不同风速场景下,引入改进粒子群算法并以配电网系统有功损耗最小为目标函数,优化SVC 控制参数,改善SVC 对电压的控制性能。以含风电IEEE33 节点算例进行仿真计算,验证了该算法的正确性和可行性。     

基于双层动态时段划分的配电网重构

动态网络重构能有效降低配电网的网络损耗以及分布式电源的弃风弃光量,为此提出了基于双层动态时段划分的配电网重构方法。上层优化中以网损成本与弃风弃光惩罚费用之和最小为优化目标,决策变量为主动管理元素的出力;下层优化中则以网损最小为目标函数来确定各时段开关状态量。为了减小模型的规模与复杂度,提出了将割集法作为辐射状约束的表示方法。同时,将该模型转化为混合整数二阶锥规划模型,并结合和声搜索算法对其进行求解。通过改进IEEE 33节点系统进行仿真,验证了所提方法的实用性和有效性。     

多场景下含风电机组的配电网无功优化的研究

研究了多场景下含风电机组的配电网无功优化问题。利用概率统计的思想解决了风电机组有功输出的不确定性问题,根据转子侧最大电流限制条件确立了风电机组无功输出范围。结合传统的电容器无功补偿方法,将风电机组作为连续可调无功源参与到配电网的无功优化。建立了以系统网损最小和节点电压越限惩罚为目标的无功优化模型。算例表明不同场景下的风电机组参与配电网无功优化可有效地降低系统的网损,提高各节点电压,同时,增强配电系统受风速影响的适应性。     

考虑风电不确定性的交直流配电网低碳分布鲁棒优化调度

为增加配电网风电的消纳能力,减少碳排放,建立了一种交直流配电网低碳分布鲁棒优化调度模型。分析风电预测误差和预测出力历史数据之间的正相关性,采用混合Copula函数,建立它们之间的联合概率分布,得到风电预测误差的条件概率分布。将交直流配电网解耦为交流和直流子网,以各自综合运行成本最小为优化目标,在交流子网优化模型中引入碳交易机制,建立交直流配电网分散协调优化模型。以得到的风电预测误差的条件概率分布为参考,构建了基于K-L散度的分布鲁棒模糊集。利用拉格朗日对偶理论,将优化模型转化为单层优化目标模型,并利用交替方向乘子法进行分散协调优化求解。基于修改后33节点交直流配电网模型的仿真结果表明所提模型能有效减少配电网侧碳排放量,显著提高风电消纳能力。     

计及风电预测误差不确定性的风电参与网架重构优化

在大停电后的电力系统恢复过程中,充分考虑风电场的功率支援可加快系统的恢复速度,而风电场出力又具有不确定性,这为系统恢复方案的制定带来了新的挑战。为此文中提出了一种考虑风电场出力不确定性的网架重构恢复方法,该方法首先以预测误差不确定性描述风电场出力不确定性,然后采用风电场限出力接入策略消除风功率波动性对网架重构带来的负面影响,同时定义网架恢复成功率指标描述风电场预测出力不确定性可能导致的恢复失败风险。之后,在机组节点恢复成功率不低于一定置信水平的前提下建立随机相关机会目标规划模型,以最大化网架恢复成功率和最小化网架恢复时间为优化目标,采用离散粒子群算法和随机模拟技术组成的混合智能算法求解模型。最后,以IEEE 39节点为算例对该方法与传统恢复方法进行了分析比较,结果表明,提出的恢复方法在有效应对风电场出力不确定性的同时能够有效缩短网架恢复时间,加快系统恢复进程。     

高比例清洁能源接入下计及需求响应的配电网重构

提出了高比例清洁能源接入下计及需求响应的配电网重构方法.首先,以考虑网损成本、弃风弃光成本和开关操作惩罚成本的综合成本最小为目标,建立高比例清洁能源接入下计及需求响应的配电网重构模型.然后,针对配电网重构模型的非凸性,引入中间变量并对其进行二阶锥松弛,构建混合整数凸规划模型,使其能够在获得全局最优解的同时提高求解效率.最后,采用改进的IEEE 33节点配电网进行算例仿真,分析了需求响应措施和清洁能源渗透率对配电网重构结果的影响.算例结果表明,计及需求响应的配电网重构方法,可以有效提升清洁能源消纳能力,平移负荷峰谷差,提升运行经济性.     

基于博弈方法的含分布式电源配电网重构优化

智能配电网的发展要求在配电网重构中充分考虑分布式电源出力的不确定性,减小失电带来的影响,保证配电网供电的可靠性和经济性。在此背景下,把分布式电源出力不确定性虚化为“大自然”的博弈策略,与调度者的拓扑优化策略先后对策,构建了以重构费用最小为目标的配电网重构序贯行动博弈模型。然后通过改进的博弈树方法对重构的博弈模型进行求解,得到考虑了分布式电源出力不确定性的配电网重构方案。最后通过对IEEE 33节点配电系统的仿真分析,验证了所提出方法的有效性,并从经济性和可靠性方面对重构方案进行了鲁棒性分析。     

量子粒子群算法在配电网重构中的改进和应用

针对传统算法容易早熟收敛、计算效率低下等缺点,文章提出一种改进量子粒子群算法,并将其应用于含分布式电源的配电网重构问题。文章综合考虑配电网的经济性和可靠性,以有功网损和电压稳定性指标作为目标函数建立配电网重构模型,并对传统算法在全局收敛性、收敛速度和编码策略等方面进行了改进。引入遗传算法中的锦标赛选择策略,扩大种群多样性,提高全局收敛能力;采用混沌公式改进初始种群和扰动适应度值较差粒子,增加计算精度,加快收敛速度;采用十进制环状编码策略并增加拓扑检测步骤,降低不可行解的产生概率,提高运算效率。算例表明,该方法适用于含多种分布式电源的配网重构,能有效地降低网损、改善节点电压和降低电压稳定性指标,且计算精度高,具有一定的实用性。     

基于线性近似模型的三相不平衡有源配电网重构

针对配电网中分布式电源和负荷具有波动性、时变性,并普遍以三相不平衡方式运行,提出一种有源配电网重构方法。首先,对一天的风力光伏发电和负荷功率进行日前短期预测建模,制定以一天为开关动作周期的日重构决策,降低对配电网运行的冲击。在此基础上,建立以配电网运行日损耗最低和电压偏差最小为总目标的三相不平衡有源配电网多时段重构数学模型,并基于最佳等距分段线性逼近法对原非凸模型进行精度可控的线性近似。最后,通过标准化配电测试系统验证了重构模型的有效性和精确性。     

分位数拟合的点估计法随机潮流在输电网规划中的应用

为了更全面地描述输电网规划中面临的负荷波动、风电出力这些不确定因素,以点估计法随机潮流为基础、年综合费用最小为目标函数,并计及网络损耗,建立输电网优化规划模型。引入多项式正态变换技术对非正态变量相关性进行处理。采用基于最小二乘的分位数拟合法求取多项式正态变换的系数,有效地避免了积分运算。以总体样本均值和样本方差均值为指标,量化相关性对风电出力的影响。采用改进的粒子群优化算法对修改的IEEE-RTS 24节点系统进行算例分析,结果表明,随着相关性的增强,负荷、风速出现极值的概率增加,电网需要投建更多线路以应对系统中的不确定因素。