智能算法在含分布式电源配电网故障恢复的应用综述

分析含分布式电源的配电网故障恢复模型,综述几种目前比较流行的智能算法在含分布式电源配电网故障恢复问题中的应用及优缺点,并对整合不同算法后的组合智能算法在含有分布式电源的配电网故障恢复中的优化效果进行比较;针对当前能源局势与输配电要求日益提高的情况,分析智能算法在考虑多目标含分布式电源配电网故障恢复中的应用;最后,对含分布式电源的配电网故障恢复问题发展趋势进行展望.     

计及新能源接入的主动配电网多目标优化仿真北大核心

针对越来越多出力不确定的新能源及负荷大规模接入配电网,影响了主网运行的安全性与经济性。文章对风光出力进行了建模得到风光出力的概率密度函数,经离散变换得到各时段的出力期望值。建立了双层规划模型,上层规划以系统的网络损耗最小来确定分布式电源的安装位置;下层规划根据分布式电源的节点电压稳定性指数、投资效益指标建立的多目标优化数学模型来确定安装容量。采用改进的差分进化算法和量子粒子群算法对模型求解。最后在加入新能源的IEEE33节点系统上进行仿真,并分两阶段对所提模型进行分析,第一阶段分析所提模型对主网安全性的有效优化,第二阶段分析在考虑分时电价下此规划在经济效益方面的有效性。     

基于Isight的分布式电源优化设计

分布式电源接入配电网是智能电网的关键.分布式电源接入配电网的位置及所注入的容量会对电网的损耗和电压的稳定性产生影响.在综合考虑电压稳定以及电网损耗的基础上建立起分布式电源优化模型,以Isight为优化平台,以MATLAB为数值求解软件,构建并实现分布式电源优化设计计算流程.该方法成功实现降低网损并提高电压稳定性的目标.采用配电网的标准算例对模型和算法进行验证,结果表明该模型具有优异的优化效果,有助于工程的实际应用.     

分布式电源的双目标区域优化

为合理规划分布式电源的容量与位置,减少配电网有功损耗,提高静态电压稳定性,提出了分布式电源的双目标区域优化方法。首先建立双目标优化模型,为符合配电网分布式电源的实际配置要求,定义了区域优化矩阵与容量限制矩阵,进而应用量子粒子群算法统一优化得出优化区域内分布式电源的容量与位置;最后对IEEE 33节点配电网进行仿真优化,结果表明分布式电源区域优化方法能较为准确地优化配电网中分布式电源的容量与位置,且简单可行。     

考虑数据时变性的主动配电网动态网络重构

目前的配电网网架重构主要考虑停电发生时刻单场景下的电网信息,但实际上配电网网架重构贯穿于整个故障修复时期, 仅考虑停电发生时刻的电网信息可能造成后续时段电网过载,因此本文提出计及数据时变性的动态网络重构方案。本文以分布式电源大规模接入下的主动配电网为研究对象,首先基于贪婪法思想提出单一场景下的网络重构方法, 然后利用负荷及各类分布式电源的预测信息,以故障排除周期内能量损失最少为目标建立基于连续场景考虑数据时变性的动态网络重构模型。同时本文引入滚动优化的思想, 对动态网络重构方案进行纠偏,以适应分布式电源的随机波动。最后, 通过仿真分析, 论证了分布式电源对优化系统恢复方案的作用,说明了所提模型和方法的有效性。     

山区分布式电源最优接入容量及位置研究

分布式电源接入位置与容量的不同会对电网产生不同影响,如何确定最优的接入位置及容量是保证分布式电源接入系统经济性运行的关键因素。以系统网损最小为目标,考虑到分布式电源接入对系统潮流分布的影响,建立了福建省山区配电网网损目标函数模型,模型中以系统功率及电压为约束条件,提出利用萤火虫优化算法对分布式电源最优接入位置及容量进行寻优。该算法操作简单,具有很好的全局寻优能力。通过算例分析,验证了该算法在求解中的有效性。     

基于改进遗传算法的分布式电源并网优化配置

随着国家电网对分布式电源并网市场的开放,将分布式电源集成到现有配电系统是今后电力系统的发展趋势。以配电网网损和节点电压偏移最小化为优化目标,考虑支路电流约束、分布式发电单元容量和总接入容量等约束条件,构建大规模分布式电源并网优化配置模型。并提出基于均匀设计的改进遗传算法进行寻优计算,避免了遗传算子的盲目试凑,可以较好地兼顾多目标优化Pareto解集的多样性与快速性,有效提高优化精度。算例对比分析结果表明,通过对分布式电源接入配电网的合理优化配置,可以有效降低系统网损,提高配电网电压的稳定性。     

计及分布式电源接入的三相不平衡配电网无功优化研究

分布式电源输出功率具有的波动性特征增加了三相不平衡配电网无功优化的复杂程度。针对分布式电源接入后三相不平衡配电网无功优化变的更加困难的问题,在对分布式光伏和分布式风电输出功率特征分析的基础上,建立了计及分布式电源接入的三相不平衡配电网无功优化模型,模型的求解则采用提出的改进退火蚁群法。通过与其它方法在建立的含分布式电源IEEE33节点三相配电网系统的无功优化对比分析,验证了本优化模型及求解方法的具有的优势。本优化模型及方法可为含分布式电源的三相不平衡配电网无功优化提供有效的技术指导。     

基于Zbus矩阵的梯度法配电网分布式电源最优选址定容

为解决分布式电源(Distributed Generation,DG)不恰当地接入配电网导致的电能质量问题,提出一种利用梯度方法进行分布式电源选址定容的方法。首先,将基于单相Zbus矩阵的总网损及其偏导公式推广应用到三相配电网系统中。其次,以IEEE 33节点系统为例,通过分析有功网损函数的单调性与凸性,以有功网损最小化为目标函数,构建梯度算法求解配电网分布式电源最优选址定容问题。仿真结果表明,利用所提方法可以获得更优的结果。     

能源互联网环境下电力系统配电网智能规划模型

针对江苏地区能源互联网环境下因广泛使用小规模分布式电源(DG)而引起的配电网电压波动大、网络损耗严重的问题,通过以网络损耗、DG投资综合费用及电压偏差率为目标函数,采用自适应惯性权重和随机差分变异改进鲸鱼优化算法(WOA)对目标函数进行求解,提出一种面向多元客户侧可调负荷的集群控制策略,并在IEEE33系统上进行了验证。仿真结果表明,所提的改进WOA规划模型,可实现对能源互联网环境下对多元客户侧可调负荷的集群控制,有效减少配电网的网络损耗,维持配电网电压平稳,降低DG投资综合费用。相较于遗传算法(GA)和粒子群优化算法(PSO),具有一定的有效性和优越性。     

A multiobjective approach for optimal placement and sizing of distributed generators and capacitors in distribution network

Both active and reactive power play important roles in power system transmission and distribution networks. While active power does the useful work, reactive power supports the voltage that necessitates control from system reliability aspect as deviation of voltage from nominal range may lead to inadvertent operation and premature failure of system components. Reactive power flow must also be controlled in the system to maximize the amount of real power that can be transferred across the power transmitting media. This paper proposes an approach to simultaneously minimize the real power loss and the net reactive power flow in the system when reinforced with distributed generators (DGs) and shunt capacitors (SCs). With the suggested method, the system performance, reliability and loading capacity can be increased by reduction of losses. A multiobjective evolutionary algorithm based on decomposition (MOEA/D) is adopted to select optimal sizes and locations of DGs and SCs in large scale distribution networks with objectives being minimizing system real and reactive power losses. MOEA/D is the process of decomposition of a multiobjective optimization problem into a number of scalar optimization subproblems and optimizing those concurrently. Case studies with standard IEEE 33-bus, 69-bus, 119-bus distribution networks and a practical 83-bus distribution network are performed. Output results of MOEA/D method are compared with similar past studies and notable improvement is observed.     

A new multi objective optimization approach based on TLBO for location of automatic voltage regulators in distribution systems

This paper proposes a new multi-objective optimization algorithm based on modified teaching–learning-based optimization (MTLBO) algorithm in order to solve the optimal location of automatic voltage regulators (AVRs) in distribution systems at presence of distributed generators (DGs). The objective functions including energy generation costs, electrical energy losses and the voltage deviation are considered in this paper. In the proposed MTLBO algorithm, teacher and learner phases are modified. The considered objective functions are energy generation costs, electrical energy losses and the voltage deviations. The proposed algorithm uses an external repository to save founded Pareto optimal solutions during the search process. Since the objective functions are not the same, a fuzzy clustering method is used to control the size of the repository. The proposed technique allows the decision maker to select one of the Pareto optimal solutions (by compromising) for different applications. The performance of the suggested algorithm on a 70-bus distribution network in comparison with other evolutionary methods such as genetic algorithm (GA), particle swarm optimization (PSO) and TLBO is extraordinary.     

Group search optimizer based optimal location and capacity of distributed generations

This paper presents a novel efficient population-based heuristic approach for optimal location and capacity of distributed generations (DGs) in distribution networks, with the objectives of minimization of fuel cost, power loss reduction, and voltage profile improvement. The approach employs an improved group search optimizer (iGSO) proposed in this paper by incorporating particle swarm optimization (PSO) into group search optimizer (GSO) for optimal setting of DGs. The proposed approach is executed on a networked distribution system—the IEEE 14-bus test system for different objectives. The results are also compared to those that executed by basic GSO algorithm and PSO algorithm on the same test system. The results show the effectiveness and promising applications of the proposed approach in optimal location and capacity of DGs.     

基于改进鲸鱼优化算法的WSN覆盖优化

针对无线传感器网络在随机部署移动节点时,存在分布不均匀导致的覆盖率较低的问题,以网络覆盖率最大化为目标建立网络覆盖优化模型,提出一种基于改进鲸鱼优化算法(IWOA)的网络覆盖优化策略;首先,采用量子位Bloch球面坐标编码初始化种群,提升种群多样性,扩展搜索空间的遍历能力;其次,提出一种基于步长改进的位置更新方式,平衡算法的全局探索和局部搜索能力;最后采用莱维飞行,对个体进行扰动更新,提高跳出局部最优的能力。仿真结果表明,将改进后的鲸鱼优化算法应用在WSN覆盖优化中,与标准鲸鱼优化算法和其他文献中的算法相比,有效减少了传感器节点冗余,表现出更快的收敛速度和更高的覆盖率,进而改善网络监测质量,延长网络生存时间。     

变尺度混沌算法的BP网络优化*

采用变尺度混沌优化方法代替梯度下降法融入BP神经网络,在优化搜索过程中不断缩小搜索空间,克服了标准BP算法易陷入局部极小的缺点,能有效地寻找到BP神经网络权值的全局最优值。此外,进一步提出变尺度混沌优化与梯度下降法有机结合的算法,能有效缩短单一的变尺度混沌优化BP算法的训练时间。仿真结果表明,改进的BP神经网络具有实现简单、寻优性强和优化效率高等特点。     

基于量子粒子群优化算法的无线传感器网络节点优化

针对无线传感器网络感知节点的分布优化问题进行了研究,提出了一种基于量子粒子群优化(QPSO)算法的分布优化机制。仿真实验结果表明:QPSO算法在优化性能上优于传统遗传算法(GA)和量子遗传算法(QGA),能够有效提高网络整体的感知能力,该方法用于传感器节点优化部署是可行的。     

计及风力发电的配电网动态无功优化研究

风力发电的随机性增加了配电网无功优化的困难程度,在对风力发电随机特征进行分析的基础上,以配电网总有功损耗最小为目标,建立了计及风力发电影响的配电网动态无功优化数学模型,并将改进后的退火蚁群算法应用于该优化模型的求解。建立IEEE33节点配电网系统仿真计算实例,通过与其它优化模型及方法的对比分析验证了本动态优化模型及蚁群求解方法的有效性和优越性。本研究成果可为风力发电在配电网的接入及其无功优化提供有效的技术指导和参考。     

一种配电网故障区间定位改进算法的研究

当前配电网故障定位的研究主要关注遗传算法等智能算法。本文着眼于常规遗传算法在局部收敛、寻优速度等方面存在的缺陷问题,提出了一种改进方法。该方法以遗传算法全局寻优能力为基础,通过引入自适应调整系数对参数进行优化编码,对种群多样性水平进行综合考量,在保持高收敛性和寻优能力的基础上,增强了全局寻优能力,有效规避了局部最优解,同时在变异操作过程中进行个体优选,提高了算法的寻优速度,减少了迭代次数,显著提升了寻优效率。通过最后通过对一个20节点的配电网络进行了故障定位实验仿真,证明了该方法该算法在信息完整与信息畸变的情形下都能完成准确的故障定位,并且寻优效果显著优于传统算法,具备很好的有效性与优越性。     

机载雷达组网多站测角被动跟踪轨迹优化研究

研究多观测器轨迹优化控制问题,由于多站测角被动跟踪系统运行存在误差,用机载雷达组网的可移动传感器采集信息,可对雷达载体轨迹优化进行研究,利用控制雷达载体的飞行轨迹可有效解决跟踪目标的弱观测性及估计器的稳定性。为了改善传统轨迹优化算法容易陷入早熟收敛和局部最小的问题,提出一种模拟退火(Simulated Annealing,SA)和粒子群优化(Particle Swarm Optimization,PSO)算法的混合优化方法(SA-PSO)。在给出了角度信息的适应度函数表达式基础上,结合模拟退火算法的局部搜索能力和粒子群优化算法的全局搜索能力,提高优化算法的收敛速度、精度以及全局搜索能力。实验证明,改进的混合算法对雷达载体轨迹优化有效,并减小对机动目标的被动跟踪误差。