含分布式电源优化调度的配电网络重构

配电网络重构是配电网优化的重要措施。分布式电源（DG）接入配电网将改变网络潮流分布,直接影响网络重构结果,而网络重构引起的DG相对位置变化也将引起DG最优输出功率的变化,进行单个优化不能达到整体最优的效果。针对这一问题提出了一种含分布式电源优化调度的配电网络重构方法。采用改进最小生成树算法和改进粒子群算法将网络重构和DG的优化调度相结合进行交叉迭代。首先,进行DG的优化调度;其次,进行网络重构。只要网络结构发生变化,就需要重新进行DG优化调度,直到重构和DG优化调度均无操作时算法收敛,停止计算。实际算例表明,该方法能有效降低配电网的网络损耗、改善电压质量,可以达到配电网总体最优。     

考虑孤岛划分与网络重构相配合的主动配电网故障恢复策略

在主动配电网发生故障后,通过孤岛划分和网络重构进行故障恢复,可提高供电可靠性。对此,提出一种考虑孤岛划分和网络重构相配合的主动配电网故障恢复策略,构建了包含分布式电源和储能的主动配电网孤岛划分与网络重构统一模型,并考虑故障检修策略;再采用二阶锥松弛技术对模型进行凸松弛,将原模型转化为标准混合整数二阶锥模型,从而降低求解的复杂程度;最后以改进IEEE 33节点主动配电网和福建某主动配电网为算例,来验证所提故障恢复策略的有效性。结果表明,与孤岛、重构无相互配合的故障恢复策略相比,所提故障恢复策略供电恢复率更高。     

基于滑动窗口理论的配电网多目标实时重构

随着分布式电源(DG)在配电网中渗透率增加,配电网重构需要考虑负荷、分布式电源波动性和配电网运行安全等问题。在提高配电网经济效益的基础上,综合考虑网络负载均衡度,建立一种新型多目标重构优化函数。为降低负荷、分布式电源波动性带来的影响,基于滑动窗口理论提出一种新的配电网实时重构策略。最后通过4种重构方式,在改进IEEE 33节点测试系统中进行对比仿真分析,结果表明所提模型和方法准确、有效。     

含DG配电网故障测距技术综述

分布式电源(DG)的接入对配电网的潮流分布、短路特性和保护运行具有重大影响,配电网故障精确测距特别是含DG配电网的故障测距到目前都没有切实有效和适用性强的方法。本文对配电线路尤其是含DG配电网的故障测距方法进行了归纳和总结,在简单介绍传统配电系统测距方法的基础上,重点分析了国内外比较先进的含DG配电系统故障测距技术,并对含DG配电网故障精确测距技术进行了展望。     

基于分层分区的含DG配网故障恢复策略

为实现计及DG随机性出力的主动配电网分层分区故障恢复,建立了基于DG时段出力模型的主动配电网故障孤岛划分策略,并建立了主动配电网故障两阶段恢复模型,第一阶段综合考虑负荷的波动性和DG出力的随机性,建立考虑负荷恢复价值最优的主动配电网区域恢复方案;第二阶段利用可中断负荷建立配电网开关操作次数最优的全局优化模型,实现主动配电网故障后的故障恢复,既保证重要负荷的优化恢复,又延长了开关寿命,提高了经济性。采用改进的IEEE69节点系统进行仿真验证,验证了文中方案的有效性。     

考虑分布式电源孤岛运行的配电网故障恢复研究

为了在配电网故障时最大限度地对重要负荷供电,提出了分布式电源的孤岛划分模型,利用广度优先搜索算法和深度优先搜索算法相结合对分布式电源进行孤岛划分;接着建立了以开关操作次数最少及故障后负荷恢复量最大为目标的多目标故障恢复模型,对目标函数进行了归一化及线性加权处理,采用差分进化算法对故障恢复模型进行求解。最后采用IEEE33节点配电网进行孤岛划分,并对配电网中不同位置发生的故障进行了孤岛运行和网络重构,最大限度地恢复了网络供电,从而验证了孤岛划分模型和故障恢复模型及其算法的有效性。     

分布式发电条件下配电网故障定位的矩阵算法

分布式发电(DG)接入配电网后,配电网变成了多电源复杂网络,传统的故障定位算法不再适用.本文提出了一种能解决多电源复杂配电网多重故障定位(可含有馈线末端故障)的矩阵算法.该算法对于故障信息不完备和故障信息畸变的情况同样适用.算例测试结果验证了该方法的正确性和可行性,在配电网实时故障定位的应用中具有很大的潜力.     

基于粒子群蚁群混合算法的配电网故障后重构研究

针对粒子群算法在配电网故障恢复中容易陷于局部干扰和蚁群算法计算速度慢的缺点,提出了适用于配电网故障后重构的基于粒子群蚁群的混合算法,确定了配电网重构时的潮流计算方法和目标函数,根据配电网的网孔对配电网的支路进行分组、编码,并简化网络;最后采用粒子群算法、蚁群算法、混合算法共三种算法对IEEE33节点系统进行了故障后的重构仿真分析,仿真结果验证了混合算法在配电网故障后重构应用中的有效性。     

基于多群体自学习群搜索算法的分布式发电优化

为减少分布式发电(DG)对配电网电压和网络损耗的影响,在考虑DG的接入位置、接入容量及接入方法等因素对配电网影响的基础上,建立了以潮流方程及DG接入容量为约束、以配电网中电压偏差和网络损耗同时最小、以DG接入容量最大为优化目标的多目标优化模型。在此基础上,提出了一种多群体自学习群搜索算法(MSLGSO),并将其应用于求解DG优化问题。通过对IEEE33节点的标准配电网算例仿真分析,表明DG的合理配置可使配电网电压水平提升和减少有功网损,且所提算法具有良好的实用性和适应性。     

基于纵横交叉算法在含分布式电源的配电网故障定位

摘要： 分布式电源（DG）接入配电网后对网络的故障电流产生影响,从而影响到故障电流的上报信息,使得系统发生误判故障位置。根据DG对故障电流的影响划分不同区域,寻找每个区域的故障临界点,通过设置故障电流上报阀值和判断电流方向,使得DG提供的故障电流不影响正确的故障定位结果。故障定位采用纵横交叉算法（CSO）,该算法由横向交叉和纵向交叉2种搜索机制组成,2种机制与竞争算子的完美配合使得种群收敛精度和速度大大提高。仿真部分采用10 kV配电系统,对系统设置故障电流上报阀值后进行故障定位,同时将遗传算法（GA）和免疫算法（IA）与CSO算法进行对比,结果表明,该算法具有较强的稳定性和搜索能力。