分布式发电和电动汽车环境下配电网概率调压方法

首先根据电动汽车(electric vehicle,EV)用电特征和分布式发电(distributed generation,DG)的不确定性,建立了DG出力和EV充电的概率模型;然后以大量EV充电和大规模DG接入配电网时各节点电压偏移最小为目标,建立了概率调压模型,并采用改进粒子群算法对模型进行求解;最后在IEEE-69节点配电系统中进行模拟仿真计算,对所提模型与算法进行实用性验证。仿真结果表明,含大规模DG和EV的配电网概率调压优化模型能减小电压偏移和计算时间,具有实用性和有效性。     

计及电动汽车充电模式的主动配电网多目标优化重构

电动汽车的入网会影响到电网的经济性和安全性,而配电网重构是电网优化运行的有效措施。根据主动配电网(ADN)的特点,提出了含分布式电源(DG)和电动汽车充电的优化重构模型。通过有功网损灵敏度确定DG的安装位置和容量,构造出DG出力和EV充电的多时段概率模型。建立有功网损、电压偏移指标(VSI)和开关操作次数的多目标优化数学模型以确定系统的最佳重构方案,并在IEEE33节点标准配电系统中,采用引入小生境技术的改进多目标粒子群算法(IMPSO)进行计算,提高了算法的全局寻优能力。考虑了电动汽车无序充电和智能充电两种模式,对比不同场景下得出的结果,验证了该方法的实用性和有效性。     

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。     

含多种分布式电源的配电网重构优化研究

考虑多种分布式电源（DG）的影响,形成配电网重构优化的新方法。该方法以网损期望最小为优化目标,运用以配电网环路数为抗体长度的十进制编码策略及疫苗接种策略;并将多种DG的功率计算加入改进牛拉法配电网潮流计算模型中,考虑水轮机等DG的功率可调性及风电等DG的功率随机性,得到考虑功率随机DG出力概率的网损期望;将免疫算法与邻域搜索进行融合,形成邻域搜索免疫算法,有效克服了免疫算法在迭代末期局部搜索能力差的弊端。IEEE33节点模型加入DG后计算结果表明,含多种DG的配电网通过重构可以在优化DG出力的同时实现网损期望的最小化。     

基于时空特性以及需求响应的DG和EV充电站多目标优化配置

针对可再生分布式电源(DG)及电动汽车(EV)大规模接入给配电网带来的用电量增长以及电压波动问题,提出一种基于时空特性以及需求响应的DG和EV充电站多目标协调优化配置方法.通过提取城市路网的拓扑结构,监测路网流量,基于交通规划软件TransCAD进行起讫点(OD)矩阵反推,构建出行概率矩阵以描述用户的出行特性;基于蒙特卡洛方法模拟EV的时空分布特性,考虑EV、DG与常规负荷的时序特性,并基于改进K-means算法构建风-光-负荷的典型运行场景;兼顾电网侧与用户侧,以综合效益、系统负荷波动以及充电耗时成本为目标,构建DG和EV充电站的多目标联合配置模型,并采用改进粒子群优化算法进行求解.结合IEEE 33节点配电网与某城区主干道路网模型进行仿真分析,结果验证了所建模型的有效性与可行性.     

多场景下EV充电站与DG多目标规划

一直依赖化石能源不是长久之计,可再生分布式电源(Distributed Generation,DG)及电动汽车(Electric Vehicle,EV)作为两大新能源技术,受到各国的重视。但是大规模的EV与DG接入配电网会造成许多影响,在进行配电网规划时需要加以考虑,文中提出了一种多场景下EV充电站与DG的联合规划模型,利用K-means算法对一年内的DG出力与常规负荷数据进行聚类,然后利用蒙特卡洛方法预测电动汽车的充电负荷,最后构建以网损最小、负荷波动最小为目标函数的多目标规划模型,以改进的人工蜂群-粒子群算法进行求解,结合IEEE-33节点配电网进行仿真分析,验证了模型的有效性与可行性。     

考虑风电随机性的多场景配电网重构

配电网重构是配电网优化运行的一项重要措施,分布式电源(Distributed Generation,DG)以其清洁性和可再生性越来越多地被引入到配电网重构中。针对出力随机的DG对配电网重构的影响,将基于wasserstein距离指标的场景划分法引入到配电网重构中,将风电划分为多个场景。在兼顾风电随机性以及负荷波动性的条件下,提出了基于二进制粒子群算法的最优方案确定策略,建立了配电网重构模型。提出基于排同存异的环路编码及初始种群生成策略,提高了计算效率。在IEEE33节点配电网系统下对所建立的模型进行求解,验证了所提策略的可行性和有效性,并得到了同时适应风电随机性以及负荷波动性的最优重构方案。     

考虑DG与负荷不确定性的主动配电网重构

分布式电源(Distributed Generation,DG)以其清洁性的特点越来越多的接入配电网中,但是具有明显的不确定性,所以本文主要考虑了DG与负荷的不确定性对主动配电网重构的影响。针对DG与电力负荷的不确定性,通过信息熵与场景划分法相互结合,根据负荷曲线将负荷划分为多个场景,并且以Wasserstein概率距离指标对风力发电与光伏发电的场景进行划分。提出“无重复”的环路编码与初始种群生成策略,提高了优化效率。建立基于有功网络损耗期望值的多场景配电网重构模型,最后使用改进的烟花算法对制定场景的重构目标函数进行优化。     

基于改进启发式算法的配电网随机潮流重构研究

配电网重构(distribution network reconfiguration,DNR)是确定配电网最优拓扑及减少网络损耗的有效措施.由于分布式电源(distributed generation,DG)和电动汽车(electric vehicle,EV)的大量接入导致了配电网潮流具有随机性,传统的重构方法已不能快速准确地得到随机潮流的重构最优解.提出一种考虑分布式电源和电动汽车的随机性和不确定性,以减少网络损耗和提高电压质量为目标的配电网重构模型,并采用启发式算法中的最优模式法(optimal power flow,OPF)和支路交换法(branch exchange method,BEM)加快重构速度.通过IEEE136测试系统验证该算法的有效性和正确性,结果表明:该算法实现了深度优化,能有效地解决随机潮流动态重构问题.     

含分布式电源的配电网综合优化重构

分布式电源(DG)的接入对配电网重构带来诸多影响,使含DG的配电网重构难以用传统模型来描述。为了充分发挥DG对配电网的有利作用,将DG视为可调度设备,建立了以网络开关组合、DG注入功率、DG位置为控制变量的配电网综合优化重构模型,采用量子进化算法(QEA),以网损最小为目标函数,对模型进行求解,降低了配电网的有功损耗。采用IEEE33节点测试系统进行仿真计算,结果表明了该方法是正确、有效的。     

含电动汽车和智能软开关的配电网动态重构

提出含分布式能源、智能软开关(SOP)和电动汽车(EV)有序接入的配电网重构策略。基于上班族的出行习惯模拟EV的无序充电模型,并构建配电网重构下的SOP模型;对于接入的EV无序充电负荷,采用拉格朗日松弛分散式优化算法和虚拟电价进行EV的有序调度;以最小化网损费用,SOP运行费用,弃风、弃光费用与开关动作费用之和为目标函数,通过大M法和二阶锥松弛将配电网重构模型转化为混合整数二阶锥规划模型,采用CPLEX求解器进行求解。IEEE 33节点标准系统的仿真结果表明,在配电网动态重构中采用SOP代替传统开关能够提升配电网运行的经济性,同时采用所提有序调度方法优化EV充电可以改善配电网电压质量。     

考虑分布式电源和电动汽车集群调度的配电网络重构

随着分布式电源和电动汽车等灵活性电力资源大量接入配电网,对系统安全可靠性提出了更高要求。提出一种考虑分布式电源和电动汽车集群调度的配电网络重构方法,以提高系统可靠性和经济性。在考虑电压偏差的基础上,以故障停电损失成本作为衡量电网可靠性的经济性指标,对网络拓扑结构进行重新构建。首先以线路的开关状态、电动汽车充、放电状态及功率为决策变量,建立以综合成本最小为目标的配电网络重构模型;然后针对配电网络重构模型,采用共生生物搜索算法进行模型求解;最后,通过仿真算例验证了所提方法的有效性。     

考虑电动汽车有序充电的配电网重构

考虑到电动汽车用户会响应峰谷分时电价的政策,做出改变电动汽车充电方案的决定,使电动汽车无序充电变成可规划、可预测的有序充电。在此基础上,用户对峰谷分时电价不同的响应度对配电网重构会产生怎样的影响是文中重点探讨的问题。文中的数学模型式以配电网重构费用损失最低为目标,提出一种混合的粒子群蚁群算法用于求解论文提出的问题。对IEEE33节点系统进行仿真,首先验证了提出方法在配电网重构求解有效性;其次验证了电动汽车有序转移到电价谷时段充电能够有效减少配电网重构费用损失,且用户响应度越高,配电网重构费用损失越少。     

计及分布式电源动态行为的配电网重构优化策略

解决分布式电源高渗透率地区电压越限的根本方法是实施合理的配电网规划。现有方法存在着人工智能算法初始域搜索半径过大以及动态时段划分与拓扑寻优分离的问题。引入半不变量法计算随机潮流来处理分布式电源动态行为带来的不确定性,并采用改进的NSGA-II算法实现配电网重构,提出了一种计及分布式电源动态行为的配电网重构概率约束优化策略和求解方法。特别提出了在网架寻优的基础上再在时间层面上依据优压参数再次整合优化来构建配电系统动态重构数学模型,最后采用嵌套基因回路搜索策略改进NSGA-Ⅱ算法并求解上述优化模型,以解决传统配电网规划中对强相关性随机变量考虑较少的不足。IEEE-33节点配电系统算例验证了所提方法的有效性。     

考虑电能替代负荷接入的配电网鲁棒重构优化

为治理大气污染、保护环境,涵盖电采暖和电动汽车的电能替代负荷将越来越多地接入配电网中,配电网的供电能力受到显著影响,传统配电网运行优化方法须要改进。基于电采暖、电动汽车负荷的出力模型,采用拉丁超立方抽样、Cholesky分解和同步回代削减相结合的方法实现概率多场景的快速生成。基于生成的概率多场景,将鲁棒优化和随机规划方法相结合,采用场景分析方法,在满足鲁棒约束条件下,以网络损耗和负载均衡度为优化目标,建立考虑电能替代接入的配电网鲁棒重构优化模型,采用蚁群算法对模型进行求解。最后通过算例验证了文中重构方法能够有效提升含大规模电能替代负荷配电网的供电能力。     

基于V2G技术的城市电网供电恢复策略

随着电动汽车的大量推广,城市电网中的电动汽车总容量逐渐增加,基于电动汽车入网(V2G)技术,考虑电动汽车的放电能力,将其作为辅助电源配合应急供电车可快速恢复失电负荷,在有效降低失电损失的同时,具有灵活性好、能降低应急储能和应急供电车等传统应急能源的配置成本等优点。建立了电动汽车的放电模型,以此评估可供调配电动汽车电池的电源水平;将失电负荷的重要度、容量等因素作为有限电源分配的依据,以最小化负荷失电损失为目标,结合遗传算法和改进鲸鱼算法进行求解,提出了基于V2G技术的供电恢复优化策略。算例仿真结果验证了所提方法的可行性和优越性,可为未来电动汽车大规模接入后城市电网的供电恢复策略研究提供新的思路。     

基于柔性多状态开关和动态重构的配电网灵活运行方法

未来电动汽车(electric vehicle, EV)以及光伏(photovoltaic, PV)在配电网中的接入比例逐渐增高,这不仅带来了复杂的不确定性问题,而且导致了配电网净负荷时空分布的不均衡,从而产生了弃光、失负荷以及潮流分布不均匀的问题。基于此,考虑电动汽车充电负荷以及光伏的不确定性,提出了一种基于柔性多状态开关(flexible multi-state switch, FMS)和动态重构的含高比例电动汽车-光伏配电网灵活运行方法。首先,基于FMS灵活功率调控和网络动态重构,构建了支撑高比例电动汽车-光伏接入的配电网灵活运行框架。其次,利用蒙特卡洛随机模拟法对各类电动汽车充电负荷以及光伏出力进行不确定性建模,建立了基于场景集以及场景缩减法的随机规划模型。然后,建立了以弃光、失负荷、FMS损耗、网损成本最小和负荷均衡度最优为目标的配电网灵活运行模型。最后,在158节点系统上通过算例验证了所提方法的有效性。     

Reactive power optimization of a distribution network with high-penetration of wind and solar renewable energy and electric vehicles

As high amounts of new energy and electric vehicle (EV) charging stations are connected to the distribution network, the voltage deviations are likely to occur, which will further affect the power quality. It is challenging to manage high quality voltage control of a distribution network only relying on the traditional reactive power control mode. If the reactive power regulation potentials of new energy and EVs can be tapped, it will greatly reduce the reactive power optimization pressure on the network. Keeping this in mind, our reasearch first adds EVs to the traditional distribution network model with new forms of energy, and then a multi-objective optimization model, with achieving the lowest line loss, voltage deviation, and the highest static voltage stability margin as its objectives, is constructed. Meanwihile, the corresponding model parameters are set under different climate and equipment conditions. Ultimately, the optimization model under specific scenarios is obtained. Furthermore, considering the supply and demand relationship of the network, an improved technique for order preference by similarity to an ideal solution decision method is proposed, which aims to judge the adaptability of different algorithms to the optimized model, so as to select a most suitable algorithm for the problem. Finally, a comparison is made between the constructed model and a model without new energy. The results reveal that the constructed model can provide a high quality reactive power regulation strategy.     

含电动汽车和分布式电源的主动配电网动态重构

分布式电源和大量电动汽车充电功率的间歇性和随机性使配电网重构面临新的挑战。在此背景下,提出了一种基于区间数方法的含电动汽车和分布式电源的动态重构策略。文中引入区间数以描述分布式电源出力和电动汽车充电负荷的不确定性,以区间数描述最小化网损为目标函数,提出依据动态降损参数的动态时段划分,建立配电网动态重构的数学模型,在利用KrawczykMoore区间迭代法对潮流方程进行求解的同时引入仿射乘除运算代替区间乘除运算,改善了区间运算过于保守的问题。最后,结合邻域搜索以及克隆选择算法提出了求解上述模型的优化方法,以实现考虑多种不确定因素下主动配电网动态重构。算例分析证明所提方法相较于传统人工智能算法具有优越性。     

计及风电与电动汽车随机性的两阶段机组组合研究

风电出力的随机性以及电动汽车(electric vehicle,EV)充电需求的不确定性给电力系统调度带来了挑战。在传统确定性机组组合模型的基础上,针对电力系统日前调度面临的不确定问题,提出了充分考虑风电与电动汽车双重不确定性的随机优化调度及备用计算模型。首先,对于风电出力不确定性,采用基于场景分析的两阶段随机优化方法,并使用生成对抗网络(generative adversarial network, GAN)来生成风电场景。其次,对于电动汽车充电需求的不确定性,将其分为可调度与不可调度两类。可调度电动汽车根据其出行规律采用随机模拟的方法,并建立了EV充电聚集商模型;不可调度电动汽车通过K-means聚类分析得到其典型负荷曲线,并将其并入系统常规负荷中。最终建立了基于多场景分析考虑EV充电聚集商的两阶段随机机组组合模型,并通过算例分析证明了所提模型的有效性。