计及光伏消纳率的分布式光伏电源双层多场景规划

针对当前配电网中由于分布式光伏电源规划不合理而导致较为严重的弃光问题,研究构建了新型计及光伏消纳率的分布式光伏电源双层多场景规划模型。其中外层规划模型以光伏投资者年净收益最大为目标优化光伏电源的安装容量,内层规划模型则以光伏年消纳率最大为目标对光伏电源的出力削减量进行优化。然后,基于多场景分析和改进K均值聚类方法进行场景缩减,并利用分子微分进化算法求解上述双层规划模型。最后以IEEE 33节点配电网系统为例进行计及光伏消纳率的分布式光伏电源规划,结果验证了所提规划模型及求解方法的优越性。     

基于可拓距K-均值聚类和正弦微分进化算法的风储联合系统优化配置

以最大化风储联合投资商的收益和风电就地消纳率为目标,考虑源网荷协同优化和需求响应构建了风储联合系统的多目标优化配置模型;采用可拓距K-均值聚类算法对分布式风电出力和负荷需求的不确定性进行多场景分析,以实现更为准确而均衡的场景缩减;通过引入多核并行运行环境与正弦函数的思想,提出基于并行多目标正弦微分进化算法对优化配置模型进行高效求解;以IEEE 33节点配电系统为算例进行风储联合系统的优化配置,仿真结果验证了所建模型的有效性和优越性.     

计及投资方收益与主动配电网管理的分布式光伏电源规划

构建了计及光伏投资方收益与主动管理措施的配电网分布式光伏电源双层规划模型,其中外层规划模型以光伏投资方年净收益最大为目标优化光伏电源的安装容量,内层规划模型则通过源/网/荷综合主动管理措施对光伏电源的出力削减量进行优化以实现光伏电源的年消纳率最大的目标。同时利用改进K-means聚类方法对全年不同时段的场景进行聚类缩减,并结合并行差分和声搜索算法求解上述双层规划模型。仿真计算结果验证了所提规划模型及求解方法的合理性。     

间歇性分布式电源在主动配电网中的优化配置

以分布式风电和光伏为代表的间歇性分布式电源IDG(Intermittent Distributed Generator)得到了快速发展。考虑风速、光照强度和负荷之间的时序相关性,以年碳排放量最小为目标建立了IDG在主动配电网中的多场景优化配置模型。该模型能够计及调节有载调压变压器抽头、切除IDG出力和调节IDG功率因数3种主动管理措施。利用K-means聚类法对场景数量进行缩减并得到每个场景发生的概率。提出采用自适应遗传算法和原对偶内点法相结合的混合求解策略对模型进行求解。IEEE 33节点主动配电网算例仿真结果验证了所提模型与方法的有效性。     

计及不确定性和环境因素的多类型分布式电源选址定容

分布式风电源和光伏电源因风速和太阳辐照度的随机性存在出力不确定性的特点,且配电网负荷水平也存在不恒定的特性。在进行配电网规划时,该不确定性对配电网具有不可忽视的影响。将这种不确定性计及到分布式电源的优化配置问题当中,运用场景划分的方法将一年中配电网的运行状态划分成8760个小时场景,并采用改进K-means聚类方法对场景进行聚类。以计及环境因素在内的年综合费用最小为目标函数,采用改进粒子群算法对多类型分布式电源进行选址定容规划。最后采用配电网系统算例进行仿真分析,验证了该优化配置模型和方法的有效性。     

含高比例分布式光伏的配电网多目标概率规划方法

针对分布式光伏出力不确定性造成的配电网规划成本增加、运行稳定性降低问题,文章提出了一种含高比例分布式光伏的配电网多目标概率规划方法。通过K-means聚类对光伏出力数据进行场景削减,得到典型场景集及其概率模型,基于蒙特卡洛概率潮流生成不确定性场景,模拟分布式光伏实际运行情况。基于所得不确定性场景,建立双层概率规划模型：上层以投资建设成本最小和光伏渗透率最大为目标,对分布式光伏及储能进行选址定容,下层考虑分布式光伏出力的不确定性,以概率潮流下的运维成本、网损成本、购电成本和电压偏差指数最小为目标,对分布式光伏出力以及储能各时段充放电功率进行优化。采用改进的粒子群(particle swarm optimization, PSO)算法对概率规划模型进行求解。采用安徽某地光伏出力作为典型数据,以IEEE 33节点系统为算例开展多场景算例分析,结果表明：与传统规划方法对比,所提方法能够提升光伏渗透率和配电网运行稳定性,并降低综合成本。     

考虑主动管理措施的配电网无功补偿双层优化配置

为了适应未来大量分布式电源(DG)并网及自动化水平显著提高的主动配电网发展,在规划阶段应该考虑主动管理措施,优化系统运行方式。同时,现有的无功补偿规划研究忽略了DG及负荷的不确定性。为此,计及间歇性DG及负荷的不确定性,提出主动配电网无功补偿双层优化配置模型。上层规划以无功补偿电容器的投资成本、网络损耗费用综合最优为目标函数,下层规划在此基础上考虑调节无功补偿容量及调节有载变压器抽头两种主动管理措施,对每个场景进行优化。采用K-均值聚类法对场景进行缩减,结合和声搜索算法和粒子群算法联合求解模型。通过IEEE33节点算例进行仿真计算,验证所提模型和方法的正确性。     

考虑风光与负荷时序特性的主动配电网分布式电源优化配置

主动配电网中分布式电源优化配置时,风光机组出力与负荷时序波动特性使场景过多,这既会增加模型求解的难度,也会影响优化配置结果。为此,首先引入戴维森堡丁指数(Davies-Bouldin index,DBI)结合K-means算法对全小时场景进行聚类缩减。然后,建立考虑风光与负荷时序特性的主动配电网双层优化配置模型,上层以系统年综合经济成本最优为目标,决策变量为风光机组接入配电网的位置及容量;下层以系统各时段运行电压水平最优为目标,决策变量为配电网主动管理措施下的运行成本;综合考虑风光机组时序出力和负荷侧时序响应,实现主动配电网分布式电源优化规划。最后,采用改进的自适应遗传算法对模型进行求解。IEEE 33节点系统算例表明,所提方法及模型在确保场景选取的多样性和合理性的同时,兼顾了风光机组出力与负荷时序波动特性,提高了系统运行水平,降低了系统运行成本。     

考虑风光与负荷时序特性的主动配电网分布式电源优化配置

主动配电网中分布式电源优化配置时,风光机组出力与负荷时序波动特性使场景过多,这既会增加模型求解的难度,也会影响优化配置结果。为此,首先引入戴维森堡丁指数(Davies-Bouldin index,DBI)结合K-means算法对全小时场景进行聚类缩减。然后,建立考虑风光与负荷时序特性的主动配电网双层优化配置模型,上层以系统年综合经济成本最优为目标,决策变量为风光机组接入配电网的位置及容量;下层以系统各时段运行电压水平最优为目标,决策变量为配电网主动管理措施下的运行成本;综合考虑风光机组时序出力和负荷侧时序响应,实现主动配电网分布式电源优化规划。最后,采用改进的自适应遗传算法对模型进行求解。IEEE 33节点系统算例表明,所提方法及模型在确保场景选取的多样性和合理性的同时,兼顾了风光机组出力与负荷时序波动特性,提高了系统运行水平,降低了系统运行成本。     

基于K-均值聚类多场景时序特性分析的分布式电源多目标规划

若不考虑分布式电源出力及负荷需求的波动性及不确定性,可能导致分布式电源规划容量偏大或系统电压改善程度降低。深入分析分布式电源出力时序波动特性,并引入K-均值聚类多场景概率分析方法,以降低上述波动性及不确定性对配电网的影响;以最大化年寿命周期收益率和电压分布改善率作为目标函数,建立分布式电源多目标规划模型,并采用多目标复合微分进化算法对其求解和基于最短归一化距离法实现多目标总体最优解决策。以IEEE33节点配电系统为例进行分布式电源多目标规划,验证了所提方法的有效性和优越性。     

基于最优场景生成算法的主动配电网无功优化

针对间歇性分布式电源输出功率的不确定性和随机性,提出采用Wasserstein距离指标和K-means聚类场景削减技术生成最优场景,将随机优化问题转换为确定性优化问题。建立了风—光—荷多场景树模型,并以有功网损最小、电压偏差最小作为目标函数,考虑储能荷电状态约束影响,建立含间歇性分布式电源的主动配电网无功优化数学模型,并采用人工蜂群算法对模型进行求解。仿真分析得出基于Wasserstein距离指标和K-means聚类场景削减技术生成的最优场景能较精确地体现分布式电源有功出力的随机特性。最后,以IEEE-33节点配电系统为例进行仿真分析,验证了所提方法的有效性和可行性。     

考虑时序特性的配电网分布式电源优化配置

分布式风电、光伏电池等分布式电源输出功率以及系统负荷功率的随机性和时序性波动为配电网中分布式电源的优化配置带来巨大的挑战。为此,利用全年各季节各时段历史数据,基于多场景与时段划分的方法对配电网各时段风速、光照强度和负荷大小建立概率分布模型,以包括配电网运行商收益与修正的电压质量改善指标在内的综合效益为目标函数,对各时段采用机会约束规划方法建立考虑时序特性的分布式电源优化配置模型。以IEEE33节点配电系统作为算例,采用精英策略遗传算法对该模型进行求解,规划结果验证了所提模型的有效性,同时表明合理的分布式电源配置方案能够取得较好的经济、环境以及电压质量效益。     

考虑DG并网逆变器和APF参与电压治理的SVG优化配置

为解决配电网中分布式电源(DG)高比例渗透引起的电压偏差问题,提高系统电压稳定性,提出一种DG并网逆变器和电压检测型有源滤波器（voltage detection based active power filter,VDAPF）参与电压治理的SVG优化配置策略。采用分区思想,提出基于社团理论的分区方法,选取各区域的主导治理节点作为SVG候选接入节点;建立SVG总投资成本最小和系统电压偏差治理效果最优的多目标SVG优化配置模型,并采用改进的遗传算法对配置模型进行求解;考虑DG并网逆变器和电压检测型APF剩余容量的不确定性,采用多场景分析技术构建一系列电压治理运行场景。以IEEE 33节点配电网结构为算例进行分析,验证了所提优化配置策略的有效性和合理性。     

基于自适应模型预测控制的柔性互联配电网优化调度

针对柔性互联配电网中源荷不确定性问题,提出了一种基于改进模型预测控制的优化调度方法。建立基于模型预测控制的柔性互联配电网日内优化调度模型,采用自适应动态权重方法处理包含综合供电成本和电压偏差的多目标优化问题,在预测模型部分采用动态场景生成及K-means聚类场景削减方法对源荷预测误差进行处理,针对经典模型预测控制滚动优化部分域参数恒定问题,提出一种域参数自适应调整的滚动优化方法。通过四馈线互联的33节点系统仿真算例验证了所提优化调度方法的有效性。     

考虑“风-光-荷-储”联合运行的配电网双层规划方法

分布式电源与储能系统在配电网中的应用是当前研究的热点。提出了一种风机、光伏电源、储能系统在配电网中的双层规划模型。上层模型以投资、运维费用为优化目标,同时考虑区域的购电费用及网损费用,完成风机和光伏电源的容量配置;下层模型提出了一种储能系统削峰填谷的运行策略,基于该策略完成储能系统的选址定容工作。针对以上模型,提出以下求解方法:基于遗传算法求解上层模型,并通过K均值聚类方法对比研究输入数据序列长度对规划结果的影响,通过帕累托分析研究了投资运维费用与购电费用及网损费用的关系;使用YALMIP工具箱完成储能系统运行策略的求解,进而完成储能系统的选址定容工作。最后,通过IEEE-33节点标准配电系统仿真验证了所提模型在风机和光伏电源以及储能系统规划方面的有效性,结果显示所提储能运行策略具有良好的削峰填谷效果。     

考虑多场景需求的配电网分布式储能多目标优化配置方法

针对配电网分布式储能系统优化配置问题，提出了考虑多场景需求的储能系统整体配置优化方案。首先，建立了储能系统接入配电网的经济性指标和技术性指标模型；其次，建立了源、网、荷侧不同应用场景下的优化模型并给出应满足的约束条件；再次，采用基于二阶锥的优化求解方法，将大规模混合整数非线性模型转换为混合整数二阶锥优化模型，提高了优化问题的求解速度；最后，基于某区域配电网储能系统配置具体问题，对源、网、荷侧多场景储能系统配置问题进行优化，并与源、网、荷统一优化方案对比，结果表明：提出的多目标优化配置方法可有效解决实际配电网储能系统配置问题。     

面向分布式光伏虚拟集群的有源配电网多级调控

受外界环境影响,分布式光伏出力具有间歇性、波动性和不确定性,其分散、高渗透接入给配电网调控带来了高维数、高复杂度等问题,故提出面向分布式光伏虚拟集群的有源配电网多级调控。首先,提出虚拟集群概念,并基于社团理论提出适应调控目标变化的虚拟集群动态划分方法。然后,针对含高渗透分布式光伏配电网的运行特点和调控需求,具体研究包含全局优化调度级、集群趋优控制级、本地消纳控制级的多级调控模型与实现方法。最后,在MATLAB/Simulink中搭建仿真模型并进行算例分析,验证了所提调控方法可适应有源配电网运行状态变化,提高调度控制的快速性和有效性。     

基于DPK-means和ELM的日前光伏发电功率预测

日前光伏发电功率预测是电网经济调度的重要依据。针对K均值(K-means)聚类算法初始聚类中心和聚类数目不易确定的问题和传统神经网络训练参数较多、易陷入局部最优等缺陷,构建了DPK-means和极限学习机(extreme learning machine,ELM)的组合预测算法实现日前光伏发电功率的预测模型。首先,采用密度峰值法(density peaks clustering,DPC)对K-means聚类进行优化,解决了K-means算法初始聚类中心和聚类数目不易确定的问题。然后,在利用DPK-means算法对历史气象数据样本聚类分析的基础上,建立ELM预测模型实现日前光伏发电功率的预测。经实测数据验证可知,所提出的组合预测算法可得到较好的预测结果,具有较强的实用性。