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。     

基于CAPSO的含分布式电源的配电网动态重构

对含分布式电源的配电网重构进行了研究,考虑配电网系统中各节点上的不同种类型负荷的不同占比和分布式电源日出力波动引起的日负荷变化,使用KMeans聚类算法对总的变化的日负荷进行时段划分,更具客观性;使用"解环"的重构策略,在满足动态重构的约束条件下以综合运行总费用最低为目标,使用较标准粒子群优化算法寻优性能更强的自适应惯性粒子群优化算法(CAPSO)进行配电网动态重构,得到最优重构策略,并用IEEE33节点系统进行了仿真验证。     

计及分布式电源输出特性的有源配电网重构方法

针对含分布式电源的配电网重构算法将分布式电源等效为恒功率因数输出模型,未考虑节点电压变化对分布式电源无功出力影响的问题,提出一种考虑分布式电源不同输出特性的配网重构方法。首先对分布式电源进行分类并建立等效模型,该模型充分考虑了节点电压对分布式电源无功出力的影响,能够根据节点电压确定不同属性的分布式电源无功出力。再使用自适应烟花算法对配网重构进行寻优求解,对重构后的系统网损和节点电压进行对比分析。含分布式电源的IEEE 33节点典型测试系统的仿真结果对比验证了所提模型的有效性和真实性。     

计及动态响应可靠性的电力负荷调度优化

当前,以卖方市场主导的需求响应方式具有较高的可靠性和可实施性。首先,以电网侧的利益最优为目标进行电力负荷的调度优化,为降低用户行为随机性对调度可靠性的影响,分析了不同类型电力负荷的响应可靠性性模型;其次,为提升用户的响应积极性,分析了不同用户的动态响应可靠性评估模型;最后构建了调度容量可靠性最高和电网侧调度运行成本最低的调度模型,以用户的最低出清利益为约束,在提升用户响应积极性的基础上,得到电网利益最优的需求侧资源调度运行方式。算例分析验证了调度优化模型的有效性。     

计及分布式电源的配电网重构研究

分布式电源因其独有的环保性和经济性,在电力系统中拥有广阔的发展前景,但同时对配电网络的运行控制等方面产生了重大影响。研究了计及分布式电源的配电网络重构,采用了一种适合于含分布式电源的配电网络重构的改进二进制粒子群优化算法,并建立了计及分布式电源的配电网络辐射状运行判定依据。最后对IEEE33节点测试系统进行仿真,表明本文所用的方法是合理有效的。     

基于混合优化算法的配电网动态重构研究

本文提出了一种混合了混沌粒子群与教学优化的算法来解决配电网动态重构问题。建立以网络损耗最小,开关操作次数最少的运行费用模型。将配电网络的损耗和电压偏差这两个指标通过归一化处理形成一个综合指标,并设定最大标准差及系统最大重构次数,确定重构时段。所提出的方法结合了混合粒子群优化算法和教学优化算法的特点成为了一种更有效率的全局优化算法。为了在配电网动态重构中可以动态调整惯性参数,在一般的粒子群算法中引入了混沌理论,同时具有教学优化的混合算法可以保证初始种群的多样性和防止过早收敛,提高了算法寻优的能力。最后使用了IEEE 33节点配电网测试系统证明了所提算法的合理性与有效性。     

基于改进二进制粒子群优化算法的负荷均衡化配电网重构

提出了基于改进的二进制粒子群优化算法、以均衡负荷为目标的配电网重构方法。将配电网重构问题表示为以负荷均衡指标最小为目标函数的非线性优化问题,针对配电网开环运行的结构特点对配电网拓扑结构模型进行了简化,并对二进制粒子群优化算法加以改进,以保证配电网的辐射状结构,同时大大减少迭代次数。算例分析结果表明,该方法能够有效解决负荷均衡化的配电网重构问题,计算速度快,收敛性好。     

有源配电网动态无功优化解耦方法研究

为了精准、高效求解动态无功优化这一强时空耦合的混合整数非线性规划问题,提出一种松弛–聚类–校正无功优化解耦策略。该策略首先松弛离散变量与电容器组全天投切次数约束,求得电容器组补偿节点24 h最优无功补偿值;其次,基于K-Means聚类划分时段并确定各时段电容器组实际补偿容量;最后,校正连续变量确定动态无功优化结果。该策略在求解动态无功优化过程中仅需求解非线性规划模型,降低求解规模的同时可获得满意度较高的无功调度结果。优化过程中,设计一种多机制自适应学习粒子群算法进行求解,该算法根据所建模型特点融合3种具有不同优势的粒子进化机制,迭代过程中动态调整3种机制的执行概率以充分发挥各机制的优势,从而克服传统粒子群算法收敛速度慢、易陷入局部最优的缺陷。算例采用IEEE-33节点系统验证所提解耦策略与求解算法的有效性。     

改进粒子群算法在含分布式电源配电网优化重构中的应用

针对配电网中各种类型分布式电源接入所造成的配电网拓扑结构的复杂性,提出了一种改进粒子群优化算法应用于配电网重构,把粒子群算法和布谷鸟算法有效地结合在一起,采用两层种群框架。为了提高粒子群优化算法的全局搜索能力,采用中值聚类算法对下层粒子群进行重组,粒子群算法用于优化下层的各类小种群,然后将其发送到上层,使用布谷算法进行深度寻优。通过算例对多种情况进行仿真分析,验证改进算法在配电网重构中的优越性。结果表明,该算法能有效地降低配电网的有功网损,提高各节点的电压水平。本研究为我国分布式电源接入配电网的发展提供了参考和借鉴。     

柔性互联配电网概率潮流算法研究

随着柔性直流配电技术的快速发展,直流配电网通过电压源换流器连接交流配电网构成的柔性互联配电网已成为当前的研究热点,但到目前为止,对于不确定性分布式电源接入的柔性互联配电网概率潮流计算尚未有文献进行研究。针对缺乏这种柔性互联配电网概率潮流研究的现状,文章开展不确定性研究,在分析了几种常规概率潮流计算方法后,以三点估计法结合改进交直流交替迭代算法作为柔性互联配电网概率潮流实现算法;以Nataf变换方法结合Cholesky分解进行不确定非正态输入变量的相关性处理;以IEEE 33节点配电系统结合国内首个五端直流示范工程-直流配电中心作为算例,验证了所提算法的有效性。     

配电网动态重构的多代理协调优化方法

提出一种配电网动态重构的新方法,并利用多代理系统(multi-agent system,MAS)技术来实现。将一天分为多个时段,每一时段由一个工作代理负责,利用混合粒子群算法进行静态重构,求得一个解集,并通过相邻代理间的相互学习,对解集进行补充和完善。然后对解集进行评估,从中选出种子解和优先替补解,计算出每一工作代理减少一次开关操作将增加的最小损耗。最后经协调代理多次迭代协调,令部分工作代理更换种子解,直到满足开关操作次数约束条件为止,此时,各工作代理的种子解即共同组成了动态重构结果。给出MAS的系统框架和各代理的功能模块。最后对一个IEEE69节点标准算例和一个实际算例分别进行仿真,仿真结果表明该方法不仅可快速获得不同约束条件下的最优解,还能为相关部门制定合理的开关操作次数提供依据。     

基于Tabu-PSO的含分布式发电配电网重构

针对分布式发电对配电网重构的影响,对包含分布式发电的配电网进行数学建模;应用改进的粒子群优化算法提高算法的搜索速度;把分布式发电作为并网节点上的功率值为负的负荷。研究结果表明,对含有分布式发电的配电网优化重构后,系统的网损有较大降低,系统电压有所提高。     

基于DPSO算法以负荷恢复为目标的网络重构

研究了大停电事故后输电系统的重构优化问题,提出了一种求解最优目标网的离散粒子群优化（DPSO）算法。将网络重构问题表示为以重要负荷恢复量占已恢复负荷总量的比例最高为目标的非线性优化问题,在求解目标网时考虑了负荷重要性、网络连通性、电网所需满足的各种安全和运行约束等问题。该算法在求解输电网重构问题时,编码容易且能方便地处理网络连通性问题,求解效率高、速度快。在IEEE 57节点系统和IEEE 118节点系统中的应用结果验证了文中方法的有效性。     

基于混合算法的多目标配电网重构

配电网重构是配电管理系统的重要内容,从本质上讲,它是一个非线性组合优化问题,若采用传统的遗传算法处理,由于其易于陷入局部最优解和随着配电网规模的扩大搜索效率低的问题,难以得到理想结果。提出一种混合算法来处理配电网重构问题,根据遗传算法和粒子群算法各自的原理特点,将遗传算法和粒子群算法相结合,充分地利用粒子群算法的快速性、随机性、全局收敛性,较好地解决了遗传算法用于配电网重构时的缺点和不足。理论分析和算例表明,该方法高效可行,适合配电网自动化的实际应用要求。     

基于改进粒子群优化算法的配电网络重构

提出了一种求解配电网络重构的改进粒子群优化（PSO）算法。结合配电网络的特点改进了PSO算法粒子位置的更新规则，提高了迭代过程中有效解的产生概率；并结合禁忌（Tabu）搜索的记忆功能和藐视准则，克服了PSO算法的早熟问题。算，其结果与最优解吻合，证实了算法的有效性，并与较，表明了算法具有更好的搜索效率。最后对3个典型IEEE测试系统进行优化计Tabu搜索算法和遗传算法的计算结果相比     

自动发电控制下的火电厂厂级负荷优化分配

为适应目前我国电网的调度模式,提出在自动发电控制(AGC)指令变动下的厂级负荷优化分配方法。以一个具有5台机组、总装机容量为1 200 MW的火电厂为运行单元,对其运行数据进行经济性计算,实时拟合出各机组煤耗特性曲线,建立在AGC指令下,厂级负荷优化分配的数学模型,并采用微粒群算法来解决动态负荷优化分配问题。最后给出了该电厂在满足不同的AGC指令下,非AGC机组进行负荷优化分配的供电煤耗率结果。计算结果表明,采用这种分配模型,可使全厂供电煤耗率减少0.2~0.4 g/(kW×h)。     

一种新的混合优化算法求解配电网重构

传统粒子群算法(particle swarm optimization,PSO)容易早熟的问题,限制了其在配电网的应用和发展,故把二进制粒子群遗传算法(genetic binary particle swarm optimization,GBPSO)应用到配电网重构中.该算法利用遗传算法(genetic algorithm,GA)的变异能力改善粒子群算法的早熟情况.同时考虑到配电网的特殊性,采用了十进制编码规则,优化了编码方式.算例证明了该方法用于配电网重构的可行性和优越性.     

基于柔性多状态开关的主动配电网双层负荷均衡方法

分布式电源(DG)的大量接入使得配电网源荷不确定性与随机性增大,而柔性多状态开关(FMS)的应用使得供区间互联不再受制于电压等级和相位,主动配电网(ADN)多供区联合优化运行将成为新常态,也为改善负荷不均衡现象、提高供电水平提供了基础.利用FMS灵活互联的特点,以供区层和馈线层负荷均衡指数加权最小为目标函数,建立了ADN双层嵌套负荷均衡模型,并采用改进粒子群和二阶锥规划的混合优化算法求解网络重构拓扑方案与FMS出力.整体算法外部对合环配电网进行简化和等效,减小网络重构的粒子群算法的粒子规模,加快计算速度;内部采用最佳等距分段线性逼近法(OEPLAA)对目标函数进行线性化,将FMS出力优化问题进行二阶锥转化.最后,通过某实际配电网对所提出的负荷均衡方法进行了分析和验证.