考虑负荷随机性的含DG多目标配电网重构

配电网重构是分布式电源接入条件下提升电网运行经济性和分布式电源利用率的重要措施。分析了常见的配电网重构模型的构建方式,并结合多目标优化理论建立了含有总网损期望最小化与分布式发电量损失最小化两个优化目标的重构模型;考虑到实际中配网系统各节点负荷会有波动且负荷预测的准确程度有限,在模型的潮流计算中采用点估计法计算随机潮流,使重构结果对负荷的小范围随机波动具有较好的适应性。应用多目标差分进化算法对IEEE-33节点系统进行仿真,测试结果验证了所建模型的正确性和有效性。     

考虑DG及负荷时序性的多目标配电网重构与DG调控综合优化规划

为解决分布式电源（distributed generation,DG）出力及负荷的时变性给实际配电网调度所造成的不利影响,使配电网的优化规划方案更加切实可行,提出了一种基于配电网重构和DG选址定容结合的多目标粒子群动态优化模型,该模型以配电网有功损耗、电压偏差及经济成本为优化目标,考虑负荷及DG出力的时变性,对配电网络重构和DG调度进行综合优化求解。通过基于随机森林模型（random forest,RF）及长短期记忆神经网络(long short-term memory,LSTM)模型的混合预测模型对配电网负荷及DG出力进行预测。采用经帕累托最优理论改进的粒子群算法得到配电网重构及DG调控的帕累托最优解集并利用模糊隶属度函数法来确定帕累托最优解集中的最佳配电网调度方案。基于IEEE 33标准测试系统设计多个算例进行仿真分析,结果表明,所提考虑负荷及DG出力时序性的配电网重构和DG调度联合优化模型可显著改善配电网络运行的经济性和稳定性。     

考虑负荷与DG随机性特征的配电网多目标动态重构

传统确定性潮流和静态重构方法无法计及电网中不确定性因素的影响,为此文中提出了一种基于概率潮流考虑负荷与DG随机性特征的配电网多目标动态重构方法。建立了分布式电源(DG)出力与负荷的概率模型,并采用半不变量与Gram-Charlier级数进行概率潮流计算。提出了一种模拟退火-中心聚类(SA-PAM)算法,将退火机制引入PAM算中进行负荷聚类实现重构时段划分。随后,建立了以网损期望、电压越限概率、电压偏移为目标的配电网重构模型。为提升模型求解速度和效率,提出了一种多种群并行免疫算法,其中优势子种群采用高斯变异算子进行局部搜索实现快速收敛,普通子种群采取抗体交叉、超变异保证种群多样性实现全局搜索。通过IEEE33节点系统进行仿真验证了所提方法的有效性。     

考虑风力发电随机性的配电网重构

针对含风力发电的配电网系统建立风力发电机和负荷随机模型.采用提出的粒子群引导的最小生成树算法对配电网进行重构,引入随机潮流分析风力发电机随机出力对配电网的影响,并以有功损耗期望值和静态不安全概率评价重构方案的优劣,获得合理的重构方案.该重构算法综合了粒子群优化算法和最小生成树算法的优点,避开了粒子群优化算法在优化过程中产生的大量无效解,引导生成树向目标函数最优方向发展.算例仿真结果表明,文中采用的方法不仅可以降低系统有功损耗,而且有效地解决了风力发电随机性对系统稳定性的影响.     

考虑分布式电源出力调整的多目标配电网重构

配电网重构可以提高配电网运行的经济性和安全性,而分布式电源(Distributed Generator,DG)加入配电网直接影响潮流分布,对配电网重构将产生较大影响。考虑到DG对配电网重构的影响,以开关状态、DG出力为优化变量,建立了以网络损耗、负荷均衡化率最小为目标函数的多目标优化模型。将生成树、蚁群算法和遗传算法相结合,提出了求解上述模型的多目标混合优化方法,以实现配电网结构和DG出力的协同优化。该方法利用基于生成树原理的蚁群算法对配电网结构进行优化,保证蚂蚁路径满足网络拓扑约束,有效提高了可行解的数量;采用Pareto最优遗传算法对分布式电源出力进行优化,可获得满足多目标需求的若干优化方案。仿真结果表明所提出方法能够实现DG出力和网络重构的综合优化和多目标优化。     

分布式电源接入配电网的效益及重构优化策略

分布式发电技术是一种新型的、具有广阔发展前景的发电和能源综合利用方式。配电网重构是提高电网运行的经济性、供电质量和安全性的重要手段,也是充分发挥分布式发电效益的重要方法,因此,找到一种适应分布式发电特点的配电网重构模型是很有必要的。文章分析了分布式发电的优势与效益,论述了常见的配电网重构模型的构建方式,结合随机潮流与多目标优化理论提出了改进的配电网重构模型,并通过算例进行验证,获得了满足多目标需求的若干优化方案。     

考虑负荷与分布式电源变化的配电网动态重构

配电网动态重构是实现配电网架优化运行的重要手段,随着电网中分布式电源(Distributed Generator,DG)的大量接入,实际配电网中负荷需求和DG的出力在不断变换,以往静态重构无法满足配电网实际运行要求.本文建立了以网络损耗、电压偏移和弃电率为优化目标的配电网重构模型,针对动态重构时段划分问题,综合考虑负荷...     

基于机会约束规划考虑DG与负荷多状态的配电网重构

分布式电源(distributed generation,DG)的大规模接入使配电网成为有源网络,风力、光伏具有出力随机的特点,传统的配电网重构方法不能完全适用含DG的配电网。考虑自然资源和负荷的随机性,依据概率密度函数分别对不可控DG和负荷建立了多状态模型,进而获得了配电系统的多状态模型。以开关状态为优化变量,高于置信水平的网络损耗最小为目标函数,节点电压和支路功率越限概率满足置信水平要求为约束条件,建立了含多种DG的配电网重构机会约束规划模型。基于生成树策略搜索网络结构,应用改进蚁群算法进行求解。算例结果验证了该模型和算法的有效性。     

基于灰狼算法的多目标配电网重构

为了降低风电和光伏接入配电系统的有功网损以及提高开关利用率,首先建立相应的数学模型,该数学模型建立的基础是要满足两个条件目标,即网损最少和开关次数最少,并设置风电光伏接入配电网潮流计算的约束条件;然后在二进制的灰狼算法基础上设置外部存储空间,并修改收敛因子构建多目标优化算法,为了满足Pareto解集多样性和均匀分布方面的要求,求解过程中运用了拥挤距离测度和逐步淘汰方法;最后利用105节点配电系统进行仿真计算。结果表明：二进制灰狼算法具有较快的收敛速度;多目标灰狼算法可同时降低网损和开关动作次数,求出的7种方案皆可有效降低电网的经济运行成本。该研究结果具有实际应用价值,能为决策者提供多种重构方案。     

考虑电动汽车空间分配的多目标配电网重构优化

电动汽车充电过程在空间呈现的无序性会对配电网重构带来影响。在电动汽车用户倾向于选择距离最近、充电时间最少的充电站进行充电这一基础上,提出一种考虑电动汽车空间分配的配电网重构优化模型。以网络损耗和电压偏移水平为指标建立多目标优化函数,引入电动汽车效用度这一约束条件,对网络开关状态和电动汽车充电负荷空间分配方案同时优化。通过模糊C均值聚类对系统中电动汽车按照空间分布指标进行聚类,将空间分布位置相似的电动汽车聚为一类以降低问题模型维度。然后采用改进遗传算法对模型进行求解以获得综合优化方案。仿真结果表明,聚类能够显著降低计算难度,提高算法收敛速度;在优化模型的引导下,电网在保证自身运行经济性和可靠性的基础上,降低了电动汽车的充电时间和路程,证明了模型和方法的有效性。     

基于博弈论的多目标配电网重构

提出了一种基于博弈论的多目标配电网重构模型,该模型充分考虑了风电和光伏发电的出力不确定性,以降低配电网有功损耗、均衡负荷过载和减少开关操作次数为综合优化目标。将3个目标函数视为不同的博弈者,并考虑各目标之间存在的相互制约关系,加入"后评价"选择机制,构建了合作博弈联盟模型探讨目标间可能存在的联系,并采用改进萤火虫算法对模型进行求解,利用适应度值的大小确定最终重构方案。IEEE 33节点配电网的测试结果表明,所用算法能够快速找到多目标重构博弈模型的均衡解,验证了在加入分布式电源的情况下,网络重构能明显改善配电网的各项指标。     

计及电动汽车充电模式的主动配电网多目标优化重构

电动汽车的入网会影响到电网的经济性和安全性,而配电网重构是电网优化运行的有效措施。根据主动配电网(ADN)的特点,提出了含分布式电源(DG)和电动汽车充电的优化重构模型。通过有功网损灵敏度确定DG的安装位置和容量,构造出DG出力和EV充电的多时段概率模型。建立有功网损、电压偏移指标(VSI)和开关操作次数的多目标优化数学模型以确定系统的最佳重构方案,并在IEEE33节点标准配电系统中,采用引入小生境技术的改进多目标粒子群算法(IMPSO)进行计算,提高了算法的全局寻优能力。考虑了电动汽车无序充电和智能充电两种模式,对比不同场景下得出的结果,验证了该方法的实用性和有效性。     

基于二进制量子粒子群的含电动汽车主动配电网多目标重构

电动汽车(EV)在配网中的渗透率不断增加,影响到电网的经济性和稳定性。提出了适用于主动配电网(ADN)多目标重构的二进制量子粒子群算法(BQPSO),建立了有功网损、电压偏移指标(VSI)和开关操作次数的多目标优化数学模型,以确定接入分布式电源(DG)和电动汽车(EV)后系统的最佳重构方案,并在修改后的IEEE33节点配电系统中进行计算,通过与不同的算法进行对比,验证了本文方法的实用性和有效性。     

考虑DG与负荷不确定性的主动配电网重构

分布式电源(Distributed Generation,DG)以其清洁性的特点越来越多的接入配电网中,但是具有明显的不确定性,所以本文主要考虑了DG与负荷的不确定性对主动配电网重构的影响。针对DG与电力负荷的不确定性,通过信息熵与场景划分法相互结合,根据负荷曲线将负荷划分为多个场景,并且以Wasserstein概率距离指标对风力发电与光伏发电的场景进行划分。提出“无重复”的环路编码与初始种群生成策略,提高了优化效率。建立基于有功网络损耗期望值的多场景配电网重构模型,最后使用改进的烟花算法对制定场景的重构目标函数进行优化。     

主动配电网多目标网络重构研究

本文提出了一种适用于主动配电网的多目标网络重构混合进化算法。选择目标函数为网损最小、供电可靠率最高,并在约束条件中考虑了分布式电源(DG)的出力约束,在可靠性计算中考虑了主动配电网中DG的计划孤岛作用;算法首先利用最优流模式算法(OFP)得到接近最优的局部最优解,再利用树形结构编码单亲遗传算法(TSE-PGA)搜索最优解;提出了适用配电网重构的TSE-PGA对应的移位、重分配操作算子;用改进非支配排序遗传算法(NSGA-II)的非支配排序策略对迭代过程的个体进行排序,最终得到Pareto前端解集。选择改进TPC 84节点算例验证所提出的混合进化算法,与其他算法的结果进行比较,证明了该算法的优越性。     

兼顾均匀性的多目标配电网重构方法

提出了一种兼顾均匀性的配电网多目标重构方法。分析了不同均匀性网架结构下可靠性与网损的关系,给出了网架结构均匀性的评价指标。建立了兼顾均匀性的多目标配电网重构模型(distribution network reconfiguration based on system homogeneity,DSH),并采用改进多目标和声搜索算法来求解DSH模型。通过对IEEE 33节点测试系统的仿真分析,验证了DSH模型求解算法的有效性与合理性,给出了考虑可靠性和均匀性的配网重构问题的最优解集,供决策者根据实际情况选择。     

基于门当户对遗传算法的配电网多目标主动重构研究

基于主动配电网的发展潮流,提出了一种基于改进遗传算法的主动配电网多目标重构模型。首先,将功率损耗、电压偏移和系统稳定裕度等指标融合到目标函数中,并引入判断矩阵法和线性加权法确定各个指标的权重和实现多目标函数的转化。其次,针对传统遗传算法的弊端,提出了基于"门当户对"原则的多种染色体交叉策略,丰富了种群进化方式的多样性,算法计算效率和寻优能力得到大大加强。最后通过设定临界值,实现主动配电网的自我感知和主动重构,提高配电网安全性和稳定性。仿真算例表明,所提出的模型和算法以及主动重构的理念符合当前主动配电网主动运行和主动控制的思路,具有较为广泛的应用前景。     

含DG的基于改进遗传算法的配电网重构

以IEEE 3母线16节点系统为实例,选取运行时网损最小为目标建立含分布式电源(DG)的配电网重构的数学模型,采用考虑种群约束的编码规则改进遗传算法(GA),不仅有效的实现了全局最优搜索而且显著的改善了GA的收敛性能。