基于改进黏菌算法的风光电并网双层储能容量优化

为了提高并入大量风光电配电网的供电可靠性和经济性,提出一种配电网双层混合储能容量优化策略。采用自适应小波包分解方法得到风光电目标并网功率以及储能系统容量初次分配;通过考虑配电网网损和储能系统综合成本,分别建立了综合成本模型和配电网储能优化配置模型;给出一种自适应对抗黏菌-粒子群双层优化混合算法（adaptive opposition slime mould algorithm-particle swarm optimization hybrid algorithm ,AOSMA-PSO）,上层优化储能系统成本函数,下层优化配电网网损函数,通过上下层反复迭代得到最优混合储能容量配置方案,并对该方案进行最终储能修正,以达到风电平抑的标准。通过MATLAB并以IEEE33节点算例进行仿真验证,结果表明：所提方法和模型不仅能够有效降低混合储能综合成本,还降低了配电网网络损耗,提高了配电网的供电可靠性;通过对不同算法进行对比,验证了所提算法在收敛速度和寻优方面的优势。     

考虑多时段并网点电压控制的光储容量匹配及优化运行

在主动管理模式下,通过在光伏并网点配置储能系统可平滑光伏出力,并使其主动参与配电网调度。运用扩展QV节点对光储并网点运行特性进行合理描述,提出一种综合考虑源荷峰谷特性多时段设定光储并网点运行电压的方法。考虑系统运行约束、储能系统运行约束和容量配置约束,从全天关口电量以及储能配置容量两方面构建光储联合系统储能容量匹配多目标优化模型,求取Pareto最优解集,从而为储能容量配置及运行策略提供决策依据。IEEE33节点配电网算例表明,所提方法能够灵活实现储能容量的优化配置,相应的运行策略下储能系统的运行状态均在合理有效区间内,对比表明所提运行策略在提高电压质量、减少储能配置容量及降低全天网损电量方面具有显著效果,验证了多时段并网点电压设定方法及优化模型的合理性和有效性。     

提高风电并网价值最优储能容量配置研究

随着风电并网容量在系统中比例不断地提高,其出力随机性使净负荷波动范围、机组运行成本等增加而产生了负面价值。为量化风电并网负面价值,本文建立了含风电机组优化调度模型,根据其仿真结果定量分析了风电在不同渗透率下常规机组运行方式与系统运行成本的关系,指出了风电并网产生负面价值的主要原因;依据储能电量平衡原则,建立含储能装置的优化调度模型,确定了兼顾提高风电并网负面价值与系统总运行成本的最优储能装置容量。结果表明:风电渗透率为3.41%时,并网价值为正面;当渗透率提高到5.36%时,并网价值转为负面,在此过程中,基荷、腰荷火电机组启停次数增加起主导作用;削峰率达到0.75时,系统的总运行成本达到最小,该削峰率对应的储能容量为降低风电并网负面价值的最优容量。     

基于模糊决策算法的主动配电网储能容量最佳配比方法

由于传统主动配电网储能容量配比优化方法忽略了能量的寻优调度,导致储能容量区间之间缺乏协调性,配电网输电稳定性受到严重影响.为提高主动配电网储能容量输出增益,提出基于模糊决策算法的主动配电网储能容量最佳配比方法.采用并联电容器开关切换法构建主动配电网储能容量增益调节模型.以该模型的电源、储能及可控负荷等为约束参数,结合配电网储能开销调节法,分析主动配电网储能开销.采用模糊决策算法实现主动配电网储能容量的寻优调度,据此构建主动配电网储能容量二阶锥规划模型,获取主动配电网储能容量最佳配比.仿真试验结果表明:当迭代次数为400时,所提方法的储能容量估计值为30.17 dB,远远高于传统方法的储能容量.相比其他两种传统算法,采用该方法进行主动配电网储能容量配置的均衡性较高,实现容量最佳配比.     

基于可开放容量的配电网资产效率提升优化方法

随着配电系统分布式资源的高比例、大规模接入，为保障配电网的承载能力和提升各类型资源的资产利用效率，提出一种考虑多主体利益的配电网规划方法。该方法构建可开放容量计算模型，评估分布式资源并网与线路扩容条件下配电网格内剩余可开放容量大小和配置资源所需的建设成本。并将可开放容量计算模型根据Benders算法嵌入资产效率优化模型中，优化模型的整数变量可规划扩容线路和储能的位置与容量类型，非整数变量可确定光伏接入容量及储能运行情况。以网格剩余可开放容量满足未来5年负荷增长需求为限制，将光伏、储能及线路扩容总成本规定为目标函数，实现总体资源的资产利用效率最大化。同时，该优化模型为储能制定了优化运行策略，可最大程度提升储能运行收益，解决了规划结果的运行策略需求，满足实际要求。最后，利用某城区配电网网格为算例进行仿真，验证了该方法在评估资产利用效率方面的合理性以及优化结果的有效性。     

基于网损灵敏度方差的配电网分布式储能位置与容量优化配置方法

针对典型日负荷曲线,提出基于网损灵敏度方差的配电网分布式储能位置和容量优化配置方法。该方法考虑了分布式储能的充放电运行状态,基于网损灵敏度方差确定配电网中各节点接入分布式储能的优先顺序。以配电网网损和节点电压波动为目标函数,运用改进的粒子群算法对分布式储能的充放电功率进行优化,并确定分布式储能的最优配置容量。仿真结果表明,采用该方法确定分布式储能在配电网中的位置和容量可最大化实现功率就地平衡、降低配电网网损和降低配电网节点电压波动,实现分布式储能在配电网中的优化配置。     

基于配电网分区的分布式混合储能优化方法

为了提高配电网对呈现不同出力特征的分布式电源的消纳能力,实现含多种分布式电源及大负荷并涉及不同出力特征的配电网优化运行,提出一种基于配电网分区的分布式混合储能优化方法。考虑多种分布式电源及大负荷的概率特征,通过K-means算法得到各分布式电源及大负荷的离散化模型,并计算离散化后配电网的电气距离矩阵,得到配电网分区的相似矩阵;采用吸引子传播(AP)聚类算法将配电网按照节点间的相似度大小分为多个分区,进而确定安装混合储能系统的聚类中心节点;考虑储能系统的充放电效率和荷电状态进行混合储能系统的容量配置,采用希尔伯特-黄变换将各分区的不平衡功率分解为高频分量和低频分量,分别作为功率型储能和能量型储能容量配置的参考功率,以确定最优配置方案。算例分析结果表明,所提优化方法可以有效提高储能的利用效率以及配置方案的经济性。     

基于分时电价的光伏-储能系统容量优化配置

针对光伏系统并入配电网和储能装置结合过程中的配置优化问题,根据对光伏日发电预测曲线和配电网分时电价特性的分析,建立经济调度模型;在其基础上通过粒子群算法计算光伏系统的综合运行成本,进而得出加入储能系统成本后的综合费用,根据综合费用确定光伏和储能的最优容量。仿真分析和计算结果表明,合理容量的光伏和储能装置不仅能提高配电网系统运行的经济性,还能缓解系统的功率波动,有一定的削峰填谷效应。     

计及碳收益的风电场混合储能容量优化配置

风电场输出功率波动剧烈,直接并网会影响电力系统的安全稳定运行,需要配置储能平滑风电功率使其满足并网要求。为克服滑动平均法追随性差而导致储能配置容量较大的问题,提出分级滑动平均法用于确定风电功率平滑目标;采用Butterworth低通滤波对风电功率偏移量进行分解,将低频分量和高频分量分别作为锂电池储能和飞轮储能的参考功率;考虑储能初始投资及置换等成本以及售电收益、碳交易收益,建立风电场混合储能容量优化配置模型,并采用自适应混沌粒子群优化算法进行求解;利用某48MW风电场的运行数据进行仿真验证。仿真结果表明：分级滑动平均法更适用于确定风电功率平滑目标,锂电池与飞轮混合储能有利于提高风储系统全生命周期的净收益。     

考虑供电可靠性的主动配电网储能系统优化规划

储能系统具备灵活的功率调节能力与供蓄能力,在配电网中合理接入储能系统,可有效提高系统供电可靠性。本章首先建立了主动配电网规划中的分布式电源DG(Distributed Generation, DG)、用电负荷和储能系统的数学模型,并针对DG出力与负荷需求的变化特性构建时序模型,作为储能系统优化配置与下文中协同规划研究的基础。基于已建立的关键模型,以年综合成本最小为优化目标,进行含DG配电网中储能系统的配置与运行协同优化模型。通过线性化方法将所建立的模型转化为混合整数二阶锥规划模型,在MATLAB平台上经YALMIP工具箱调用CPLEX算法包求解。在含DG的IEEE-33节点配电系统算例上仿真分析,验证所提方法可有效提升规划区域的供电可靠性。     

基于随机潮流的含电动汽车配电网内分布式电源规划

随着分布式电源(DG)和电动汽车的大量发展,对接入配电网的电动汽车与DG进行协同研究具有重要意义。文中以协调配电公司、DG投资商和公共社会三者之间利益为出发点,综合考虑了配电公司的运行费用、DG投资商的投资费用,以及DG的环境效益和电动汽车入网(V2G)所节省的电网投资等社会效益,建立了基于机会约束规划的含V2G配电网中DG优化规划的数学模型,采用基于混合编码的改进自适应遗传算法对该模型进行了求解。在优化计算过程中充分考虑了负荷预测值的不确定性、风电源的输出功率的随机性以及电动汽车充放电功率的不确定性,提出了电动汽车充放电对系统最大功率影响的数学模型,并采用基于半不变量法的随机潮流算法对规划模型中的约束条件进行了检验。最后,以某实际配电网系统为仿真算例,在不同置信水平约束下对该系统内DG分别进行了优化规划,验证了文中所建数学模型及相应求解算法的有效性。     

考虑灵活性的交直流混合配电网储能双层规划

多类型分布式电源接入配电网对系统灵活性要求越来越高。基于交直流混合配电网的高灵活性和高可控性,提出了一种考虑灵活性的交直流混合配电网储能双层规划方法。首先,分析系统灵活性需求与灵活性资源运行特性,建立系统灵活性评估指标;然后,采用K-means聚类算法建立配电网中分布式电源和负荷的典型运行场景集合;其次,建立考虑灵活性的交直流混合配电网储能双层规划模型,上层以其年综合成本最小为优化目标,下层以其综合运行成本最少和系统运行灵活性最优为目标,采用非线性化主成分分析法,并结合遗传算法求解规划模型。最后,基于改进IEEE 33节点配网系统验证双层规划模型和储能最优配置方案的合理性与有效性。     

含高渗透率可再生能源的配电网广义储能优化配置

广义储能系统包括固定储能系统和具有存储热能、势能和电能等的可控负载。针对含有高渗透率可再生能源的配电网的广义储能优化配置问题,提出了广义储能配置的二层优化模型。根据所提方法,外层采用遗传算法搜索广义储能配置方案,内层根据动态规划算法得到广义储能的最优运行策略,通过内外层交替优化对含有不同渗透率可再生能源以及可控负荷的配电网进行广义储能容量优化配置,并在IEEE 33节点配电网中对提出的方法进行验证。仿真计算结果表明,在高渗透率可再生能源条件下,所提方法能通过可控负载有效增加配电网系统的调控资源,显著减小固定储能配置容量,降低系统的运行成本。     

一种面向智能配电网的分布式并行电压优化方法

针对智能配电网中分布式电源(DG)接入及电网仿真实时响应的需求,提出一种分布式并行环境下求解智能配电网中各DG最优输出功率的方法,实现了快速高效的配电网电压优化。该方法首先基于凝聚层次聚类法(HAC),解决了智能配电网自动分区的问题,在此基础上,采用分布式序列二次规划(DSQP-DG)算法,通过内外层迭代交替并行求解出DG最优出力。以接入DG的IEEE 33节点系统算例对该方法进行测试验证可知,较之辅助问题原理(APP)方法,该方法具备更好的寻优能力和快速性,能够有效解决智能配电网分布式并行电压优化问题。     

考虑源网荷储协调的主动配电网优化调度方法研究

针对源网荷储的一体化运行目标,提出一种考虑源网荷储的主动配电网协调运行调度方法.基于多时间尺度的思想,以最小化可调节量和最大程度地增加新能源消纳为目标,建立一个具有两个互补时间尺度的主动配电网日前-日内优化调度模型,将差分进化算法和帝国竞争算法相结合求解最优调度模型.仿真验证了所提出的多源协同调度方法的优越性.仿真结果...     

提升配电网供电性能的风-光-储两阶段规划与配置

针对配电网中分布式电源（DG）不合理规划引起供电性能下降的问题,文中提出了一种在风-光-储接入情况下的配电网两阶段规划与配置方法。第一阶段通过计算节点有功网损灵敏度确定风-光电源的接入位置和容量,第二阶段以储能接入容量最小,系统电压稳定指标最大,负荷缺电率最小建立多目标规划模型,同时结合节点平均等效负荷对储能充/放电进行管理。为提高第二阶段多目标问题的求解精度,提出了一种基于多目标粒子群算法的混合智能求解算法用于求解第二阶段模型,最后利用序数偏好法（TOPSIS）选出储能最优接入方案。为验证本文所提方法的有效性在IEEE-33节点系统上设置四种场景进行仿真测试,结果表明所提方法可以明显改善配电网的运行情况,给相关规划与配置提供借鉴与参考。     

Planning for distributed wind generation under active management mode

In the smart grid (SG), the active management (AM) mode will be applied for the connection and operation of distributed generation (DG), which means real time control and management of DG units and distribution network devices based on real time measurements of primary system parameters. In this paper, a novel bi-level programming model for distributed wind generation (DWG) planning under AM mode is put forward. The model takes the maximum expectation of net benefit of DWG as the upper level program objective, and takes the minimum expectation of generation curtailment as the lower level program objective. The impact of active management algorithm on improvement of branch power flow and node voltage is taken into account. A hybrid algorithm combining the plant growth simulation algorithm (PGSA) with probabilistic optimal power flow (POPF) algorithm is presented to solve the optimal planning of DWG under AM mode. The case studies have been carried out on a 33-node distribution network, and the results verify the rationality of the planning model and the effectiveness of the proposed method.     

基于改进和声搜索算法与二阶锥松弛的储能优化配置

配电网中分布式电源的大量接入加剧了电网功率波动,为稳定电网功率及消纳新能源发电功率,需在电网中合理配置储能。本文基于双层规划模型将储能配置划分为规划层与运行层,并提出了基于趋向移动的全局和声搜索算法和二阶锥松弛理论相结合的储能优化配置混合算法。规划层采用以储能年投资成本与配电网年运行成本之和最小为目标函数,研究了储能配置位置、功率、容量等方面的经济效益;运行层以电网有功网损以及电压偏移之和最小为目标函数,研究了储能各时段最优充放电功率。基于某地实际数据,以33节点配电网为例进行了仿真分析,研究了不同场景下储能的配置方式以及探讨了本文混合算法的优异性。结果表明本文提出的混合算法可以顺利求解该场景下的储能配置问题,证明了本文混合算法有效性。同时,探讨了多场景下的储能配置方式,证明采用双层规划模型对储能进行配置有利于降低配电网综合成本。最后,将本文混合算法与传统智能优化算法求解此类问题进行了比较分析,证明了本文混合算法在求解此类问题上的快速性与准确性。     

基于BFOA算法的配电网DG选址定容方法

发展分布式能源系统对于实现的“碳达峰”和“碳中和”,提升可再生能源的开发利用具有重要意义。提出一种基于细菌觅食优化算法（BFOA）的配电网分布式电源（DG）选址定容方法。建立以配电网的功率损耗指数、电压偏差以及安装分布式电源所降低的净运行成本最小为目标的数学模型及约束条件,提出损耗敏感系数（LSF）来确定DG安装位置,并引用BFOA算法求解DG的最佳容量。仿真表明,相对于传统优化算法,BFOA算法在模型求解时间和收敛速度上具有明显优势,所提规划方法能够最大限度地降低功率损耗和运行成本,并提高系统的电压稳定性。     

Research on optimal schedule strategy for active distribution network using particle swarm optimization combined with bacterial foraging algorithm

Comparing with the traditional distribution network, a significant feature of the active distribution network (ADN) is that the performance of distributed generation (DG) units, energy storage units and micro-grid (MG) in the network is controllable for the distribution network operator. Considering the characteristics of the distributed power supply and micro-grid, and giving full play to the advantages of distributed generation technology in the economic, environmental and energy aspects, this paper highlights an environmental protection and energy saving optimal schedule model for ADN. The scheduling model focuses on the minimum network loss, minimum voltage deviation and minimum difference between peak and valley load. In addition, the two stage algorithm is presented to solve the proposed multi-objective scheduling model of ADN. First, a set of Pareto solutions are obtained by using the proposed particle swarm optimization combined with bacterial foraging algorithm (PSO-BFO) to solve multi-objective optimization problems, then the optimal schedule strategy of ADN is gained through evaluating the Pareto solutions with entropy weight decision-making method. To avoid the search falling into local optimal solution, the two-value crossover operator is introduced to exchange the information among subpopulations and update the position of related particles. Meanwhile, the adaptive adjusting inertia constant strategy is used to improve the algorithm convergence speed. Finally, the case study results demonstrate the rationality of the proposed optimal schedule model and the validity of its solution algorithm for ADN.