基于协同进化蚁群算法的含光伏发电的配电网重构

文章提出了一种基于协同进化蚁群算法的含光伏发电的配电网重构方法,该方法将复杂的含光伏配电网重构问题分解为一系列相互联系的子优化问题,建立了以配电网网络损耗最小和负荷均衡化率最小的多目标子区域优化模型,以及以系统总运行费用最小为目标的整体优化模型。各子区域内部采用蚁群算法独立求解,子区域间通过代表个体的交互配合和不断协同进化,最终实现整体最优的目的。由114节点配电网仿真结果表明:文章所提出的方法能有效提高算法的计算速度和求解质量;光伏发电接入配电网后,能够降低运行费用和减少开关动作次数,有助于配电网安全经济运行。     

基于混沌自适应人工鱼群算法的含家庭储能配电网快速重构方法

针对分布式电源接入配电网具有波动性和随机性的特点,提出一种基于混沌自适应人工鱼群算法的含分布式电源配电网快速化重构方法。在风电、光伏和家用储能的数学模型和节点划分基础上,以电网网损、开关次数以及失电负荷成本最小为目标函数,建立基于多目标优化的含分布式电源配电网的优化重构模型。利用混沌自适应人工鱼群算法对模型进行求解,通过对鱼群的混沌初始化和自适应动态调整步长参数,提高了算法的全局搜索能力和收敛速度。根据电化学储能系统出力特性划分配电网网架重构的典型工作场景,通过含分布式电源的IEEE 33节点测试系统仿真实例验证了该文方法的有效性。仿真结果表明,与单独考虑电网网损成本相比,由该文方法得到的配电网优化重构成本降低了50%以上,优化重构时间均小于0.9 s,实现了含分布式电源配电网的快速自愈。     

基于遗传粒子群算法的光伏并网逆变器参数辨识

在并网光伏发电系统模型基础上,通过分析逆变器控制器结构,确定待辨识参数。提出一种基于遗传粒子群(GAPSO)算法的光伏并网逆变器参数辨识方法,同步辨识各控制参数。辨识结果与遗传算法和粒子群算法辨识结果的对比表明,GAPSO参数优化模型在辨识精度和收敛速度方面具有明显的优越性。最后对参数辨识模型的泛化能力进行评价,比较了3种不同扰动情况下的仿真曲线与测试曲线,验证了模型的适用性和准确性。     

面向综合负荷的燃料电池等效模型及参数灵敏度分析

基于Matlab/Simulink建立了固体氧化物燃料电池(Solid Oxide Fuel Cell,SOFC)及其并网系统的动态模型,研究了SOFC发电系统的外特性。从外特性等效拟合的角度出发,忽略SOFC并网系统的无功功率,提出了SOFC发电系统的等效模型。该模型结构简单,参数少,易于辨识,能够有效拟合电网在大扰动和连续小扰动情况下的燃料电池发电系统外特性,与其他模型相比能够模拟燃料电池的出力极限问题;分析了该模型的参数的灵敏度,模型的两个参数的灵敏度虽不高但易于辨识;用本文提出的SOFC等效模型并联传统的综合负荷模型(Synthesis Load Model,SLM)构建广义负荷模型,对含SOFC发电系统的配电网负荷特性进行辨识建模。算例表明,该广义负荷模型能够有效描述含燃料电池发电系统配电网负荷特性,且模型的参数辨识结果具有较好的稳定性。     

基于模型预测控制的分布式光伏集群协调优化控制

分布式光伏发电的高密度接入给配电网原有的经济、稳定运行带来了不小的挑战。为了减少分布式光伏发电接入配电网造成的网络损耗,提高光伏发电的经济性,首先分析和归纳了分布式光伏集群的概念和特点;然后针对配电网内的分布式电源、柔性负荷、无功功率调节设备等装置在时间尺度、控制功能方面的调节特性,提出了一种含分布式光伏集群的协调优化调度方法。该方法以模型预测控制为基础,动态滚动协调光伏集群未来一段时间内的有功出力和无功出力,起到减小网络损耗和优化系统电压的作用。采用PG & E 69节点系统在MATLAB数学软件下进行建模仿真分析,结果证明了所提优化控制方法的可行性和有效性。     

考虑光伏储能和可控负荷的配电网检修计划优化

主动配电网（active distribution network, ADN）是传统配电网的一个发展方向,其特点是能够对接入配电网的分布式电源（distributed energy resources, DER）进行主动控制和主动管理,这会对配电网检修计划的制定产生一定的影响。以含有光伏-储能联合发电系统和可控负荷的配电网为例,研究分布式电源在配电网检修中所能起到的作用,建立了相应的二层优化模型。其中子模型为单设备检修优化模型,考虑天气情况对光伏发电出力的影响,通过对储能电池和可控负荷的优化设置来减小功率损失;主模型为全检修计划优化模型,考虑储能电池容量约束,优化目标为减少检修全过程中的经济损失。针对模型特点,采用混沌粒子群分层优化算法和改进的TSP搜索算法进行求解。IEEE33节点系统的仿真结果显示了模型的正确性和有效性,比较不同条件下的仿真结果可以说明分布式能源的接入有助于降低配电网检修造成的损失。     

光伏发电接入配电网对供电可靠性的影响

太阳能的随机性和光伏电池组件的故障,对接入光伏发电的配电网供电可靠性会产生一定影响。为评估接入光伏发电的配电网供电可靠性,分析光伏电源接入配电网的方式,引入了具有降额状态的三状态模型。根据供需平衡原则,采用短期分析方法计算负荷点的孤岛概率,建立了接入光伏发电配电网供电可靠性分析模型,并通过算例分析了所建立模型的有效性。正确考虑光伏电源接入配电网后的孤岛作用,可以提高配电网供电的可靠性。     

计及可靠性的含源配电网储能系统的优化配置北大核心CSCD

本工作研究了计及可靠性的含源配电网储能系统的优化配置问题。首先,提出了适用于含源配电网供电可靠率指标的计算方法,具体考虑了负荷时序、分布式光伏出力及储能系统运行特性。然后,基于上述计算方法,提出了计及可靠性的含源配电网储能系统的优化配置模型,综合考虑了配电网的可靠性和经济性指标,约束条件包括配电网潮流、系统功率平衡、光伏出力以及储能系统运行。最后,以17节点配电网为例,利用遗传算法对本研究模型进行求解,得到了含光伏配电系统中储能系统的最优安装位置和容量。并且,分析讨论了储能和分布式光伏同步配置、储能在系统侧集中配置等不同的安装方案以及子目标权重系数的设置对目标函数的影响。     

基于改进布谷鸟算法含光伏电站的无功优化

针对光伏电站并网运行给配电网无功优化带来的问题,根据光伏发电的运行特性,构建了含光伏电站的配电网无功优化数学模型,并提出改进的布谷鸟算法求解无功优化模型的方法,对含光伏出力的IEEE 33节点配电系统进行无功优化。结果表明,所提出的改进算法能有效降低配电网的有功网损,各节点远离电压崩溃点。     

基于特征筛选与ANFIS-PSO的分布式光伏发电功率预测方法研究

短期分布式光伏发电功率预测对配电网调度计划的安排及优化具有重要意义。人工智能技术的进步为精细化分析光伏发电功率预测结果的影响因素以及提高光伏发电功率的预测精度提供了有效途径。文章提出一种基于特征筛选与ANFIS-PSO的分布式光伏发电功率预测方法。首先,基于随机森林中的增益情况,对影响分布式光伏发电系统的各项特征参数进行筛选;然后,通过自适应神经模糊推理算法对输入数据进行训练,并使用粒子群算法对ANFIS模型进行优化;接着,建立基于离线训练和在线预测的ANFIS-PSO分布式光伏发电功率预测模型;最后,利用北京某地分布式光伏发电系统的实际数据来验证模拟结果的准确性。     

考虑分布式电源接入的电网源荷时序随机波动特性概率潮流计算

鉴于分布式电源的时序随机波动特性和负荷需求侧的电能质量是分布式电源接入系统的重要影响因素,从风光典型分布式电源和负荷需求的时序波动性出发,建立了综合考虑源荷时序特性的概率潮流计算模型。利用基于模糊特征聚类的概率潮流算法对IEEE 14节点系统进行计算,对比分析负荷需求侧对系统电压波动的影响情况。结果表明,所采用方法能够全面合理地模拟分布式电源接入时电网随机波动过程。     

基于DTW-VMD-PSO-BP的光伏发电功率短期预测方法

针对光伏发电系统短期预测影响因素较多、预测精度较低、稳定度不高等问题,提出一种基于动态时间弯曲（DTW）和变分模态分解（VMD）的粒子群（PSO）优化的BP神经网络光伏发电预测方法。首先使用动态时间弯曲算法对光伏发电功率及影响因素的数据进行测算得到DTW值,再根据DTW值选择对光伏发电功率影响较大的辐射度作为主要影响因素,然后利用变分模态分解将影响因素及光伏发电功率进行分解,降低数据的波动性和非平稳性。运用粒子群优化的BP神经网络对各分量进行预测,然后将预测结果进行叠加,叠加所得结果即为最后预测结果。在Matlab中对该方法和其他神经网络进行算例验证和误差分析,结果表明采用该方法预测结果精度高,稳定性好。     

基于改进群搜索算法的含光伏发电的配电网优化重构研究

配电网中光伏发电装机容量迅速上涨,针对其所带来的波动性和间歇性对配电网重构后的可靠性和经济性产生的影响,提出一种含光伏发电的配电网优化重构策略。首先。以网损最小化为目标函数,建立含光伏发电的配电网数学模型;其次,运用模糊理论对群搜索算法进行改进,并将改进群搜索算法应用到配电网重构路径的优化中;最后,通过算例对含光伏发电的配电网进行分析。结果表明,该方法收敛速度快、寻优时间短且动作次数少,有效提高了配电网的运行经济性。     

基于PSO-BP神经网络的短期光伏系统发电预测

对光伏发电影响因素进行了分析,建立了粒子群算法优化的前向神经网络光伏系统发电预测模型。该模型利用了粒子群算法来优化神经网络内部连接权值和阈值,兼具粒子群和BP神经模型的优点,具有较好的收敛速度,泛化性能与预测精度。将光伏电站发电历史数据与天气情况作为样本,运用所建立的模型进行了训练与预测。结果表明,经过粒子群优化的BP网络模型预测精度高于典型BP网络,验证了该方法的有效性。     

基于平抑风光出力波动的主动配电网优化调度

因风电、光伏光出力波动特性,并网运行将对主动配电网运行的稳定性造成影响。结合储能系统,将主动配电网中功率波动幅度大的风电、功率具有间歇特性的光伏搭建为风光储联合发电系统。通过改变柔性负荷边际效益增强其参与调度意愿,提高主动配电网消纳分布式可再生能源的能力及运行的稳定性。为提高粒子群算法的收敛性,利用模糊推理规则对学习因子动态调整。基于IEEE 30节点仿真算例,以系统日运行综合经济性为目标,使用模糊自适应粒子群算法寻优。算例仿真与分析验证了该文模型有效性。     

光伏逆变器无功调节能力分析与控制策略研究

通过建立光伏逆变器接入配电网稳态分析模型,以接入点运行电压、最大运行电流和SPWM调制控制条件为约束,分析了不同工况下逆变器的无功调节能力。构建接入配电网运行时面向电网电压调整的无功功率控制策略,该策略以控制接入点电压为目标,逆变器通过补偿系统需求的无功对电压进行支撑。构建分布式光伏接入配电网应对配电网负荷变化和光伏注入功率变化引起的电压无功调整仿真实验,验证了该策略的有效性。     

基于MIV-PSO-BPNN的光伏出力短期预测

针对高比例光伏接入电网时,光伏出力的波动性会严重影响电力系统稳定运行的问题提出一种基于平均影响值与改进粒子群优化神经网络的组合式光伏出力短期预测模型。首先,采用直接预测法,选取总辐射量、直接辐射量、散射量、相对湿度、气温、风速和降雨量7个影响光伏出力的因素,构建MIV-PSO-BPNN模型,基于Rapid Miner数据挖掘得出降雨量对光伏出力平均影响值为0.0099,影响较小,不作为模型输入变量。然后,用改进PSO优化算法对BPNN的权值与阈值进行优化。最后,利用上海浦东国际机场T2-2光伏电站数据进行验证,结果表明MIV-PSO-BPNN模型对光伏出力预测有效,在实际中有一定应用价值。