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。     

基于粒子群算法的分布式电源接入位置及容量寻优

为减少大规模分布式电源接入对低压配电网产生的电压冲击,使配电网保持安全、经济的运行状态,文章提出了基于粒子群算法的分布式电源最优接入位置和容量配置。在满足潮流收敛、网损最小、电压变化指标最小的目标条件下,基于粒子群算法对分布式电源并网进行了建模,对其接入位置和接入容量进行寻优求解,将其最优接入位置和最优接入容量通过建模优化转换为求解网损最小和电压变化指标最小的问题。最后,通过案例分析,验证了本文提出算法的可行性。     

基于多种群免疫算法的分布式电源选址与定容

分布式电源接入配电网时,其接入位置和容量会对电网的运行和规划产生很大影响。在分布式电源个数、位置和单个容量等影响因数下,以配电网网损、电压偏移及静态电压稳定裕度为目标,借鉴遗传算法中采用并行机制避免收敛于局部最优解的思想,建立了多种群免疫算法。并对配电网33节点接入2个DG进行选址和定容优化,结果说明了DG并网使各目标都得到优化。与普通免疫算法相比较,多种群免疫算法具有更好的寻优能力。采用该方法对DG选址定容进行研究,对配电网的经济、安全运行具有重要意义。     

基于改进粒子群优化算法的DG准入容量与优化布置

为进一步优化配电网中分布式电源（distributed generation,DG）的准入容量和优化布置问题,以节点电压和线路载流量为约束条件建立了单电源和多电源准入容量的数学模型,以有功网损最小为目标函数建立了DG优化布置模型。为有效求解该模型,采用了基于粒子群优化（particle swarm optimization,PSO）算法和二次插值相结合的改进PSO算法,将该改进方法应用于IEEE 33节点标准算例,分别进行了DG的最优接入位置与最优容量的仿真,并与粒子群算法优化结果进行了对比,同时还分析了优化布置下的潮流分布。算例仿真结果表明该方法可有效减少DG接入后配电网的网损,提高配电网的供电质量。     

分布式电源接入下配电网运行方式多目标优化

电网运行过程中选择的参数不合理,导致电网的无功损耗较高,因此提出分布式电源接入下配电网运行方式多目标优化方法。将配电变压器间负载率平衡度和损耗程度作为分布式电源接入下配电网运行方式优化指标参数,采用二进制粒子群优化算法实现对配电网运行方式指标参数的寻优;结合惯性权重的作用强度对可执行的空间范围内粒子寻优速度进行设置,将负载率平衡度最大值、损耗程度最小值作为配电网运行方式优化目标,并将寻优结果作为最终配电网运行方式多目标优化参数。测试结果表明,应用该方法后,配电网的输出功率与实际负荷具有较高的拟合度,无功损耗低于70.0 kW,实际应用效果好。     

含分布式电源的配电网双层扩展规划

考虑分布式电源对配电网网架结构的影响,在分布式电源容量和位置均未定的情况下,采用内外层双层规划的方法对配电网线路结构、分布式电源位置和容量进行综合优化。将政府补贴政策引入目标函数,鼓励清洁能源的使用,建立节省综合经济成本最多的目标函数模型。内层在引进分布式电源位置和容量的情况下,在遗传算法中引进组织膜计算中的交流规则来增强全局寻优能力和计算能力,从而实现对网架结构的扩展规划;外层采用新型混合粒子群算法对分布式电源的位置和容量进行确定。算例表明,该算法应用于含分布式电源的配电网扩展规划中,节约了经济成本,提高了用电可靠性,验证了算法的有效性。     

基于改进粒子群算法的分布式电源选址定容研究

针对分布式电源在配电网中选址定容问题,以投资综合成本作为优化目标,建立了分布式电源选址定容数学模型。运用改进的粒子群算法对模型求解,IEEE33节点配电网为算例,对分布式电源的安装位置和容量进行优化,将所得到的结果与未改进前的算法进行比较,表明算法具有更好地全局收敛效率和寻优能力。     

基于最优引导策略的分布式电源优化配置

针对分布式电源(distributed generation,DG)在配电网中的优化配置问题,考虑投资综合成本衡量方案的经济性、用系统网损衡量方案的环保性、用电压偏差衡量方案的电压稳定性,建立了分布式电源多目标优化配置模型。运用改进的多目标粒子群算法对分布式电源配置模型进行求解,引入最优极值引导策略对多目标粒子群算法的全局最优值选取进行改进,将非支配排序和精英保留策略嵌入算法中,有效地提高了算法的全局寻优性能,使算法能够快速有效地收敛到Pareto最优前沿。并以IEEE33节点配电网标准测试系统为例,对分布式电源的安装位置和容量进行优化,将所得到的结果与NSGA II算法进行比较,结果表明算法具有更好的全局收敛效率和寻优能力。     

考虑潮流分布的分布式电源最佳接入容量计算

分布式电源并入配电网后,对配电网的潮流分布产生很大的影响。因此,研究分布式电源的最佳准入容量具有重要的意义。在分析不同位置和不同容量的分布式电源并网对配电网潮流分布影响的基础上,提出了分布式电源最佳接入容量计算模型和相应的优化求解算法。利用PSSSINCAL电力系统仿真软件对含分布式电源的配电系统进行分析,确定分布式电源的最佳接入容量,验证了最佳接入容量计算模型和优化算法的有效性。     

考虑分布式电源的配电网络重构

随着分布式电源在电力系统的广泛应用,考虑分布式电源的配电网络重构具有更实际的研究意义。提出基于Metropolis准则的群搜索优化算法,并对接入分布式电源的配电网络进行重构。Metropolis准则能够辨别局部寻优时产生的错误搜索方向,更换方向后重新搜索,从而避免了在局部最优点附近进行的搜索。算例结果表明分布式电源的接入提高了电能质量和系统运行的经济性,并验证了算法的可行性。