基于机会约束并考虑时序特性及 DG环保效益的配网联合协调规划

为研究 DG与配网架的联合协调规划,需考虑 DG间歇出力及负荷功率的时序特性,计及 DG 接入所带来的环保效益.基于机会约束规划,以线路投资及运维费用、DG 建设及运维费用、向上级电网购电成本、网损费用及DG环保效益综合经济性最优来建立规划模型.引入多场景技术及机会约束规划处理DG 及负荷的不确定性,利用时序法对两者进行模拟生成多个场景组合,计算所有场景下潮流并统计方案置信度,在其满足概率安全约束时采用粒子群算法求解模型.将其应用于改进IEEE３３节点算例,确定系统新建线路、升级线路及 DG安装位置数量.对比考虑环保效益与否下的结果,发现该方法能大幅提高 DG年总发电量,在配网规划年限较长时的经济效益明显。     

基于CLARA算法的考虑时序特性分布式电源规划

针对配电网分布式电源(DG)的优化选址定容问题,以配电网年损耗电量最小为目标,考虑不同类型DG出力的随机性和时序特性,建立多场景多时段混合整数非线性随机优化模型。利用蒙特卡洛方法生成描述DG出力的序列场景,通过考虑各场景需要满足的约束条件近似对随机过程进行约束,将原随机优化问题转化为确定性优化问题。利用CLARA算法对各场景各时段模拟得到的样本进行聚类,以避免全场景下样本规模大、模型求解难等问题。IEEE 14和IEEE 33节点标准系统的测试表明,所提模型和算法能有效利用不同类型DG的时序互补作用,提高配电网对DG出力的消纳能力。与不采用聚类方法全场景代入及采用PAM聚类方法相比,所提算法在保证优化结果近似误差低于3%的同时,能显著降低模型的求解难度和节省计算时间。     

基于场景聚类的主动配电网分布式风电的优化配置

为了实现主动配电网分布式电源(distributed generation, DG)优化配置,提出了一种多阶段优化配置方法。该方法首先应用多场景聚类方式考虑DG与负荷的时序性与随机性,将场景空间划分为若干个大致均等的子空间,在每个子空间中分别取各维分量坐标的代数平均值对应的点为该场景的簇心;然后将求取目标函数的最优解问题转化为两阶段优化问题,第一阶段对各待选节点风电场的安装容量进行优化并筛选出极端场景,第二阶段在极端场景下优化需求侧控制变量;最后利用改进的进化策略算法对IEEE 33节点算例进行仿真计算。结果表明:与现有的直接法相比,所提出的多阶段优化方法简单有效,可以求出最优解,引起的误差可以忽略不计。     

考虑时序特性的配电网风-光-储随机规划模型

针对分布式电源(Distributed Generation, DG)的不确定性和时序特性,构建了考虑时序特性的配电网风-光-储随机规划模型。首先对风电和光伏的时序特性和不确定性概率分布进行详细建模,并给出储能系统的充放电、容量限制约束模型。为充分融入随机规划,采用ARMA模型对风-光的不确定性运行工况进行场景抽取,并通过Kantorovich方法筛选获得10组典型场景。此外,建立以投资成本和运行成本为综合优化目标,二阶锥松弛支路潮流、储能、DG运行相关约束、安全约束等为约束条件的风-光-储投资随机规划模型。最后,通过修改的IEEE33节点系统进行算例分析,验证了该模型的有效性。     

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。     

主动配电网的全寿命周期分布式电源规划问题研究

主动配电网(Active Distribution Network,ADN)的源荷强不确定性加剧了其电源规划的难度。文章基于ADN的灵活管控特性提出了考虑主动管理模式的分布式电源多目标双层规划模型。上层模型以最小化系统电源侧的全寿命周期成本为目标,从而确定DG的安装配置方案;而下层则以最小化DG有功出力切除量为目标,通过采用主动管理中的DG出力控制、有载变压器分接头调节以及无功补偿装置调节等方式实现DG运行优化。利用带自适应变异的改进粒子群(IPSO)算法对上下层模型进行求解,提高了算法的求解速度并有效得到全局最优解。同时,通过对IEEE 33节点系统进行仿真分析,验证了所构建模型的合理性。     

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。     

考虑主动管理的配电网分布式光伏并行优化配置

主动管理技术的快速发展为分布式光伏发电大规模接入配电网提供了可能。将主动管理与分布式光伏优化配置相结合,以分布式光伏的安装位置、容量和主动管理措施为决策变量,建立以分布式光伏能量渗透率最大和电压偏差最小为目标函数的优化配置模型;利用基于二分K-均值聚类的多场景分析法处理光伏出力和负荷的不确定性及时序特性,克服K-均值聚类场景缩减对初始质心选取敏感的缺陷;提出基于并行计算的多场景分析和多目标分子微分进化算法对优化模型进行求解,得到配电网分布式光伏最优配置方案及主动管理策略。IEEE 33节点配电系统仿真结果表明,所提优化配置方法可有效提高分布式光伏消纳量并保证供电质量。     

基于面板数据有序聚类的主动配电网规划场景降维技术

研究了基于面板数据的含分布式电源(distributed generator,DG)的主动配电网规划场景的降维技术。首先,对主动配电网的中长期规划进行时序模拟,将负荷按不同的类型建立其增长的时序数学模型,在考虑光伏、风电等DG容量自然增长的前提下采用自回归-滑动平均(auto regression-moving average model,ARMA)模型建立时序模型;然后,引入统计学中的变点理论分别建立DG和负荷的时序分区子场景,最后通过综合变点理论对上述时序场景进行融合,分段抽取出典型时序场景。仿真表明,有序聚类可以有效体现不同时间尺度上负荷以及DG的增长运行情况;通过搜寻变点,能将模拟出的近百万个中长期时序场景有序地聚类成14个连续时间场景,大大削减了场景个数,提高了效率。     

考虑时序特性的多目标分布式电源选址定容规划

配电网负荷及分布式电源出力呈现明显的时序特性,文中对负荷和分布式电源的典型时序特性进行了分析,以配电网损耗、停电损失为目标,考虑时序特性和多场景提出了多目标分布式电源选址定容规划模型,给出了场景和场景权重的确定方法。应用遗传算法进行求解,采用多段染色体编码方式,根据节点视在功率二阶精确矩处理不可行解,有效地提高了优化效率。IEEE 69节点系统仿真结果证实了时序特性对分布式电源的选址定容有很大影响,验证了所提出模型和方法的可行性和有效性。