考虑风光与负荷时序特性的主动配电网分布式电源优化配置

主动配电网中分布式电源优化配置时,风光机组出力与负荷时序波动特性使场景过多,这既会增加模型求解的难度,也会影响优化配置结果。为此,首先引入戴维森堡丁指数(Davies-Bouldin index,DBI)结合K-means算法对全小时场景进行聚类缩减。然后,建立考虑风光与负荷时序特性的主动配电网双层优化配置模型,上层以系统年综合经济成本最优为目标,决策变量为风光机组接入配电网的位置及容量;下层以系统各时段运行电压水平最优为目标,决策变量为配电网主动管理措施下的运行成本;综合考虑风光机组时序出力和负荷侧时序响应,实现主动配电网分布式电源优化规划。最后,采用改进的自适应遗传算法对模型进行求解。IEEE 33节点系统算例表明,所提方法及模型在确保场景选取的多样性和合理性的同时,兼顾了风光机组出力与负荷时序波动特性,提高了系统运行水平,降低了系统运行成本。     

考虑风光与负荷时序特性的主动配电网分布式电源优化配置

主动配电网中分布式电源优化配置时,风光机组出力与负荷时序波动特性使场景过多,这既会增加模型求解的难度,也会影响优化配置结果。为此,首先引入戴维森堡丁指数(Davies-Bouldin index,DBI)结合K-means算法对全小时场景进行聚类缩减。然后,建立考虑风光与负荷时序特性的主动配电网双层优化配置模型,上层以系统年综合经济成本最优为目标,决策变量为风光机组接入配电网的位置及容量;下层以系统各时段运行电压水平最优为目标,决策变量为配电网主动管理措施下的运行成本;综合考虑风光机组时序出力和负荷侧时序响应,实现主动配电网分布式电源优化规划。最后,采用改进的自适应遗传算法对模型进行求解。IEEE 33节点系统算例表明,所提方法及模型在确保场景选取的多样性和合理性的同时,兼顾了风光机组出力与负荷时序波动特性,提高了系统运行水平,降低了系统运行成本。     

考虑DG时序特性及EV时空特性的配电网规划

分布式电源(DG)出力以及电动汽车(EV)充电的不确定性给配电网规划带来巨大挑战。首先,利用季节场景与时段划分法构建DG和常规负荷时序特性模型;其次,利用蒙特卡洛模拟法和交通起讫点分析法构建EV充电负荷时空分布模型;最后,基于2个模型得到的配电网各节点各时刻的DG出力、不同类型常规负荷及EV充电负荷,以配电网运营商年收益最大为目标函数,充分考虑网架新建、网架替换和DG选址定容等因素,构建考虑时序特性含DG和EV的配电网机会约束规划模型,并采用蒙特卡洛模拟嵌入双种群协同进化遗传算法的方法对模型进行求解。以某配电网为算例,验证了所提模型和算法的合理性和有效性。     

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。     

考虑时序特性的分布式电源选址定容规划

针对分布式电源(Distributed Generator,DG)接入配电网的优化选址定容问题,建立以年损耗电量最小为目标,考虑DG出力及负荷时序特性的多时段最优潮流模型。利用代表性场景模拟全年情况,给出场景及其权重的确定方法。以IEEE14和IEEE33系统为算例,在GAMS环境下进行建模仿真,计算全网最优的DG安装位置及安装容量,以验证模型的合理性。仿真结果表明,时序特性对DG规划有显著影响,所建模型能够更好地利用不同类型DG出力在时序上的互补作用,提高电网对DG出力的消纳能力。     

考虑需求响应的增量配电网分布式电源优化配置

为促进配电网发展和提高配电运营效率,我国新电改方案允许放开增量配电投资业务,因而会出现公用配网之外的增量配电网。增量配电网作为独立运营商,其运营模式、资源配置和投资决策与公用配电网具有不同特点。基于此,提出一种计及需求响应DR(demand-side response)的增量配电网分布式电源DG(distributed generation)规划-运行双层机会约束优化配置方法。下层运行模型以增量配电网负荷曲线最优为目标,决策增量配电网峰谷平各时段向负荷售电电价;上层规划模型以下层运行优化为基础,考虑增量配电网全寿命周期净收益最大从而决定DG的安装位置与容量。针对DG与负荷出力的概率分布、DR侧负荷的时序性,利用中值拉丁超立方抽样技术对各时段内服从特定概率分布的DG与负荷进行处理,形成24个时段内DG与负荷的初始时序样本和DR侧负荷变化量的时序样本,并采用随机模拟嵌套精英保留策略遗传算法对上述模型进行求解。IEEE 33节点系统的仿真结果验证了该方法的合理性与有效性。     

考虑DG及负荷时序性的多目标配电网重构与DG调控综合优化规划

为解决分布式电源（distributed generation,DG）出力及负荷的时变性给实际配电网调度所造成的不利影响,使配电网的优化规划方案更加切实可行,提出了一种基于配电网重构和DG选址定容结合的多目标粒子群动态优化模型,该模型以配电网有功损耗、电压偏差及经济成本为优化目标,考虑负荷及DG出力的时变性,对配电网络重构和DG调度进行综合优化求解。通过基于随机森林模型（random forest,RF）及长短期记忆神经网络(long short-term memory,LSTM)模型的混合预测模型对配电网负荷及DG出力进行预测。采用经帕累托最优理论改进的粒子群算法得到配电网重构及DG调控的帕累托最优解集并利用模糊隶属度函数法来确定帕累托最优解集中的最佳配电网调度方案。基于IEEE 33标准测试系统设计多个算例进行仿真分析,结果表明,所提考虑负荷及DG出力时序性的配电网重构和DG调度联合优化模型可显著改善配电网络运行的经济性和稳定性。     

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。     

基于GA-PSO算法计及风电时序特性的主动配电网双层规划

合理规划配电网是提高风电消纳能力的重要一环,但风电出力与负荷时序特性场景应用较多,会增加模型求解难度,对优化配置结果有不利影响。引入拉丁超立方抽样结合K-means聚类技术削减样本数量得到典型风电与负荷多场景模型以提高模型计算效率。考虑风电运营商与国网公司利益,建立计及风电时序特性的主动配电网双层规划模型,即上层以风电运营商收益最大为目标确定风电规划方案,下层以配电网络损耗最小优化系统运行状态。基于IEEE 33节点系统进行算例分析,验证规划模型的有效性。研究结果表明：采用GA-PSO联合优化算法规划后配电系统损耗成本为26.04万元,比单一GA算法和PSO算法规划分别降低了5.03%和0.77%,场景成本减少了4.0万元。因此,验证了所提规划模型的有效性。     

基于场景聚类的主动配电网分布鲁棒综合优化

为较好地考虑分布式电源（DG）和负荷的不确定性对配电网的影响,基于风电场景预测,通过调整网络拓扑结构和风电、光伏发电、微型燃气轮机、储能、无功补偿等的出力,提出了实现动态重构与无功优化相结合的主动配电网综合优化模型。在考虑DG间相关性的基础上,基于原始数据采用拉丁超立方采样得到初始场景,利用手肘法确定K-means算法的聚类数,从而得到典型场景,场景分布的概率置信区间由1-范数和∞-范数约束。另外,为了消除储能与机组组合的时间相关性约束,重点介绍了基于盒式分解算法的两阶段分解模型。第1阶段以机组启停成本和运行成本为目标函数对机组与储能的各时段运行域进行约束。将第2阶段转化为单时间尺度优化问题,通过求解得到经济性最优的结果。模型采用列与约束生成算法进行求解,通过对IEEE 33节点系统与Taipower 84节点系统的仿真验证了模型的鲁棒性与可行性。