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。     

基于协同进化蚁群算法的含光伏发电的配电网重构

文章提出了一种基于协同进化蚁群算法的含光伏发电的配电网重构方法,该方法将复杂的含光伏配电网重构问题分解为一系列相互联系的子优化问题,建立了以配电网网络损耗最小和负荷均衡化率最小的多目标子区域优化模型,以及以系统总运行费用最小为目标的整体优化模型。各子区域内部采用蚁群算法独立求解,子区域间通过代表个体的交互配合和不断协同进化,最终实现整体最优的目的。由114节点配电网仿真结果表明:文章所提出的方法能有效提高算法的计算速度和求解质量;光伏发电接入配电网后,能够降低运行费用和减少开关动作次数,有助于配电网安全经济运行。     

基于改进布谷鸟算法含光伏电站的无功优化

针对光伏电站并网运行给配电网无功优化带来的问题,根据光伏发电的运行特性,构建了含光伏电站的配电网无功优化数学模型,并提出改进的布谷鸟算法求解无功优化模型的方法,对含光伏出力的IEEE 33节点配电系统进行无功优化。结果表明,所提出的改进算法能有效降低配电网的有功网损,各节点远离电压崩溃点。     

基于混沌海鸥优化算法的含光伏发电系统负荷模型参数辨识

针对分布式光伏发电系统广泛接入配电网,导致电力系统潮流计算速度和精度较低的问题,提出一种基于混沌海鸥优化算法的含光伏发电系统负荷模型参数辨识模型。首先,在综合负荷模型的虚拟母线上接入等效光伏发电系统的负荷模型,从而建立配电网广义负荷模型;之后,提出一种将混沌优化与海鸥优化相结合的优化算法,基于该算法完成配电网的等值,并在此基础上进行含光伏发电的综合负荷模型参数辨识。最后,通过仿真表明该文提出的算法,相比于传统的粒子群算法和单一海鸥优化算法,在计算精度和收敛速度等方面具有优越性,并可应用于负荷模型的参数优化。     

考虑光伏储能和可控负荷的配电网检修计划优化

主动配电网（active distribution network, ADN）是传统配电网的一个发展方向,其特点是能够对接入配电网的分布式电源（distributed energy resources, DER）进行主动控制和主动管理,这会对配电网检修计划的制定产生一定的影响。以含有光伏-储能联合发电系统和可控负荷的配电网为例,研究分布式电源在配电网检修中所能起到的作用,建立了相应的二层优化模型。其中子模型为单设备检修优化模型,考虑天气情况对光伏发电出力的影响,通过对储能电池和可控负荷的优化设置来减小功率损失;主模型为全检修计划优化模型,考虑储能电池容量约束,优化目标为减少检修全过程中的经济损失。针对模型特点,采用混沌粒子群分层优化算法和改进的TSP搜索算法进行求解。IEEE33节点系统的仿真结果显示了模型的正确性和有效性,比较不同条件下的仿真结果可以说明分布式能源的接入有助于降低配电网检修造成的损失。     

基于模型预测控制的分布式光伏集群协调优化控制

分布式光伏发电的高密度接入给配电网原有的经济、稳定运行带来了不小的挑战。为了减少分布式光伏发电接入配电网造成的网络损耗,提高光伏发电的经济性,首先分析和归纳了分布式光伏集群的概念和特点;然后针对配电网内的分布式电源、柔性负荷、无功功率调节设备等装置在时间尺度、控制功能方面的调节特性,提出了一种含分布式光伏集群的协调优化调度方法。该方法以模型预测控制为基础,动态滚动协调光伏集群未来一段时间内的有功出力和无功出力,起到减小网络损耗和优化系统电压的作用。采用PG & E 69节点系统在MATLAB数学软件下进行建模仿真分析,结果证明了所提优化控制方法的可行性和有效性。     

含高渗透率光伏发电的直流配电网协调控制研究

文章针对含高渗透率光伏发电的直流配电网的协调控制策略开展研究。首先,对直流配电网的架构及其三层协调控制体系进行了介绍;然后,针对基于传统模式切换的光伏发电对直流配电网直流母线电压支撑能力的不足,通过研究MPPT和直流电压控制内在的一致性,设计了光伏发电MPPT-直流电压控制统一运行控制策略及直流配电网的无模式切换协调控制策略;最后,在Matlab/Simulink中建立了含高渗透率光伏发电、储能和负荷的直流配电网数学模型,验证了上述控制策略的有效性。     

考虑新能源不确定性边界的主动配电网优化调度

为促进配电网中新能源的充分消纳同时兼顾调度方案经济性,对新能源发电特性进行了分析,并构建了考虑新能源预测误差分布特性的潜在期望风险评估模型。在满足主动配电网中各个机组单位运行约束的前提下,建立了内嵌新能源不确定性边界优化的主动配电网优化调度模型,并提出了一种改进粒子群优化算法与分支定界算法相融合的双层混合优化算法,以有效地求解所建含变限积分的混合整数非线性规划模型。算例结果表明,与现有主动配电网确定性和鲁棒动态经济调度方法相比,所提基于最优新能源不确定边界方法可以合理权衡调度方案运行的经济性和潜在风险,取得更优的总成本。     

含分布式电源优化调度的配电网络重构

配电网络重构是配电网优化的重要措施。分布式电源（DG）接入配电网将改变网络潮流分布,直接影响网络重构结果,而网络重构引起的DG相对位置变化也将引起DG最优输出功率的变化,进行单个优化不能达到整体最优的效果。针对这一问题提出了一种含分布式电源优化调度的配电网络重构方法。采用改进最小生成树算法和改进粒子群算法将网络重构和DG的优化调度相结合进行交叉迭代。首先,进行DG的优化调度;其次,进行网络重构。只要网络结构发生变化,就需要重新进行DG优化调度,直到重构和DG优化调度均无操作时算法收敛,停止计算。实际算例表明,该方法能有效降低配电网的网络损耗、改善电压质量,可以达到配电网总体最优。     

基于特征筛选与ANFIS-PSO的分布式光伏发电功率预测方法研究

短期分布式光伏发电功率预测对配电网调度计划的安排及优化具有重要意义。人工智能技术的进步为精细化分析光伏发电功率预测结果的影响因素以及提高光伏发电功率的预测精度提供了有效途径。文章提出一种基于特征筛选与ANFIS-PSO的分布式光伏发电功率预测方法。首先,基于随机森林中的增益情况,对影响分布式光伏发电系统的各项特征参数进行筛选;然后,通过自适应神经模糊推理算法对输入数据进行训练,并使用粒子群算法对ANFIS模型进行优化;接着,建立基于离线训练和在线预测的ANFIS-PSO分布式光伏发电功率预测模型;最后,利用北京某地分布式光伏发电系统的实际数据来验证模拟结果的准确性。     

基于LS-FID策略与差分进化算法相结合的含DG的配电网重构

为提高电力系统运行的经济性和可靠性,并考虑分布式电源的接入,建立了以系统网损和电压偏差最小为目标函数的配电网重构模型。考虑到传统算法效率低、不可行解量大的缺陷,提出环路搜索—快速孤岛检测(LS-FID)策略,并将该策略与差分进化算法结合求解网络重构方案。简化网络拓扑,减少了部分不可行解的产生;然后利用环路搜索方法分解搜索空间,针对迭代中出现的不可行解,利用快速孤岛检测方法进行检测以减少计算次数。最后对IEEE33、IEEE69和119节点系统进行仿真分析,并与多种智能算法进行比较,仿真结果表明所提方法在提高搜索速度、减少搜索空间和提高寻优成功率等方面有较大优势,验证了该方法的有效性和优越性。     

基于MIV-PSO-BPNN的光伏出力短期预测

针对高比例光伏接入电网时,光伏出力的波动性会严重影响电力系统稳定运行的问题提出一种基于平均影响值与改进粒子群优化神经网络的组合式光伏出力短期预测模型。首先,采用直接预测法,选取总辐射量、直接辐射量、散射量、相对湿度、气温、风速和降雨量7个影响光伏出力的因素,构建MIV-PSO-BPNN模型,基于Rapid Miner数据挖掘得出降雨量对光伏出力平均影响值为0.0099,影响较小,不作为模型输入变量。然后,用改进PSO优化算法对BPNN的权值与阈值进行优化。最后,利用上海浦东国际机场T2-2光伏电站数据进行验证,结果表明MIV-PSO-BPNN模型对光伏出力预测有效,在实际中有一定应用价值。     

基于数据挖掘和遗传小波神经网络的光伏电站发电量预测

为了解决光伏发电预测不确定性问题,进一步提高光伏电站发电量的预测精度。提出一种基于数据挖掘和遗传小波神经网络的光伏电站发电混合预测模型,利用K均值聚类算法对历史数据进行分类,并对传统BP神经网络进行改进。以BP神经网络为基础,引入小波分析构建小波神经网络,同时利用遗传算法对网络的初始参数进行全局寻优得到最优参数,利用交叉熵函数对学习规则进行改进。改进后的网络模型既具有小波分析的良好的局部时域和频域特性,又具有全局搜索能力,可增大跳出局部最优的可能性,同时拥有更快的收敛能力和稳定性。实验结果验证了该算法的有效性。     

基于S-V特性分析的晶硅光伏组件阴影遮障诊断

针对广泛使用的晶硅光伏组件,通过Simulink建立太阳电池双二极管精确仿真模型,对实际应用中最常见的光伏组件阴影遮挡故障进行多种工况的仿真验证。根据I-V曲线拐点、台阶、曲线下积分面积（S）下降的特征,提出一种基于S-V曲线特性的光伏组件阴影遮挡故障的在线诊断方法。该方法建立S-V曲线,根据S-V曲线分叉点位置可判断光伏组件遮挡情况,通过整体积分面积进而判断遮挡比例。对温度、辐照度进行折算,使该方法在全工况下适用。结合光伏组件功率优化器验证该诊断方法有较高的准确率,并且可准确地判断阴影遮挡面积,具有很高的实际应用价值。     

基于混沌自适应人工鱼群算法的含家庭储能配电网快速重构方法

针对分布式电源接入配电网具有波动性和随机性的特点,提出一种基于混沌自适应人工鱼群算法的含分布式电源配电网快速化重构方法。在风电、光伏和家用储能的数学模型和节点划分基础上,以电网网损、开关次数以及失电负荷成本最小为目标函数,建立基于多目标优化的含分布式电源配电网的优化重构模型。利用混沌自适应人工鱼群算法对模型进行求解,通过对鱼群的混沌初始化和自适应动态调整步长参数,提高了算法的全局搜索能力和收敛速度。根据电化学储能系统出力特性划分配电网网架重构的典型工作场景,通过含分布式电源的IEEE 33节点测试系统仿真实例验证了该文方法的有效性。仿真结果表明,与单独考虑电网网损成本相比,由该文方法得到的配电网优化重构成本降低了50%以上,优化重构时间均小于0.9 s,实现了含分布式电源配电网的快速自愈。     

基于DTW-VMD-PSO-BP的光伏发电功率短期预测方法

针对光伏发电系统短期预测影响因素较多、预测精度较低、稳定度不高等问题,提出一种基于动态时间弯曲（DTW）和变分模态分解（VMD）的粒子群（PSO）优化的BP神经网络光伏发电预测方法。首先使用动态时间弯曲算法对光伏发电功率及影响因素的数据进行测算得到DTW值,再根据DTW值选择对光伏发电功率影响较大的辐射度作为主要影响因素,然后利用变分模态分解将影响因素及光伏发电功率进行分解,降低数据的波动性和非平稳性。运用粒子群优化的BP神经网络对各分量进行预测,然后将预测结果进行叠加,叠加所得结果即为最后预测结果。在Matlab中对该方法和其他神经网络进行算例验证和误差分析,结果表明采用该方法预测结果精度高,稳定性好。     

基于平抑风光出力波动的主动配电网优化调度

因风电、光伏光出力波动特性,并网运行将对主动配电网运行的稳定性造成影响。结合储能系统,将主动配电网中功率波动幅度大的风电、功率具有间歇特性的光伏搭建为风光储联合发电系统。通过改变柔性负荷边际效益增强其参与调度意愿,提高主动配电网消纳分布式可再生能源的能力及运行的稳定性。为提高粒子群算法的收敛性,利用模糊推理规则对学习因子动态调整。基于IEEE 30节点仿真算例,以系统日运行综合经济性为目标,使用模糊自适应粒子群算法寻优。算例仿真与分析验证了该文模型有效性。