含分布式电源三相不平衡配电网供电能力评估

随着分布式电源特别是光伏等间歇式电源的接入,配电网固有的三相不平衡特征更加突出,基于此探究了含分布式电源的三相不平衡的配电网供电能力评估方法。首先,提出一种含多种分布式电源三相不平衡配电网供电能力评估模型,该模型以配电网供电负荷最大为目标,同时考虑负荷增长功率因数和节点三相电压不平衡度等约束条件;其次,基于量子粒子群优化算法求解配电网供电能力问题,通过量子位的概率幅对连续和离散粒子进行编码,再采用量子旋转门实现连续粒子的更新和取整法实现离散粒子的更新以提高搜索精度,并利用量子与非门实现粒子的变异以避免早熟现象,进而提高算法的全局搜索能力和寻优效率;最后,结合修正的IEEE-33节点三相不平衡配电网对配电网供电能力评估进行算例仿真。算例结果证明了所提模型和方法的有效性。     

基于浓度的粒子群算法在含分布式电源配电网重构中的应用

针对现有基于粒子群算法的配电网重构易陷入局部最优的问题,本文将一种基于粒子浓度的新型粒子群算法应用于含分布式电源配电网的重构,该方法基于粒子浓度对粒子群的更新进行引导,有效提高了粒子的全局搜索能力,优化了含分布式电源配电网的重构结果。对IEEE33节点标准算例进行了仿真计算分析,结果表明重构后最优解较大的降低了网络损耗,验证了论文中新型算法能有效应用于含分布式电源配电网的重构;对比基于标准粒子群算法的配电网重构结果,验证了论文中的重构方法有效提高了含分布式电源配电网的重构性能。     

含有分布式电源配电网重构算法的研究

分布式电源(Distributed Generation,DG)发展很迅速,对配电网络的各个方面产生不可忽视的影响。为充分发挥分布式电源对配电网优化的有利作用,提出了粒子群优化(Particle Swarm Optimization,PSO)和变邻域搜索(Variable Neighborhood Search,VNS)二者的混合算法。根据含有分布式电源配电网络的特点,分布式电源视为可调度的模型,以配电网网损最小为主要目标函数。将二进制粒子群优化算法(Binary Particle Swarm Optimization,BPSO)和变邻域搜索算法相结合,对网络开关开合状态和分布式电源输出功率同时优化,达到降低配电网网损的目的。通过算例IEEE69节点系统的仿真表明,该算法能够快速收敛到全局最优解,适合优化含有分布式电源的配电网。     

含有分布式电源配电网重构算法的研究

分布式电源(DiStributed Generation,DG)发展很迅速,对配电网络的各个方面产生不可忽视的影响.为充分发挥分布式电源对配电网优化的有利作用,提出了粒子群优化(Particle Swarm Optimization,PSO)和变邻域搜索(VariableNeighborhood Search,VNS)二者的混合算法.根据含有分布式电源配电网络的特点,分布式电源视为可调度的模型,以配电网网损最小为主要目标函数.将二进制粒子群优化算法(Binary Particle Swarm Optimization,BPSO)和变邻域搜索算法相结合,对网络开关开合状态和分布式电源输出功率同时优化,达到降低配电网网损的目的.通过算例IEEE69节点系统的仿真表明,该算法能够快速收敛到全局最优解,适合优化含有分布式电源的配电网.     

基于改进粒子群算法的分布式电源接入规划

建立了含分布式电源的配电网规划经济性模型,以折算到每年的分布式电源的投资及运行费用和线路有功网损运行费用最小为目标函数,并应用改进粒子群优化算法进行配电网分布式电源(DG)规划,从而有效地提高了改进粒子群优化算法的全局收敛能力和计算精度。对69节点和33节点配电测试系统进行仿真计算,结果表明了论文采用的DG规划模型和改进粒子群优化算法的正确性和适用性。     

计及分布式电源无功出力的ISFLA算法配电网无功优化

针对含分布式电源的配电网无功优化的特点,将分布式电源的无功调节能力和传统无功调压手段相结合,研究了考虑分布式电源无功调节能力的配电网无功优化模型和算法。针对分布式电源出力的随机性,采用场景概率的决策方法计算分布式电源的出力情况和对应无功功率极限,以网损最小和节点电压越限惩罚作为目标函数。提出了基于免疫蛙跳算法(ISFLA)的无功优化算法,该算法通过在混合蛙跳算法(SFLA)的算法框架中引入克隆选择算法(CSA),在蛙群混合后选择较优解进行克隆、变异和选择,克服了SFLA局部搜索能力弱的特点。利用改进IEEE33节点系统作为算例仿真分析,结果验证了模型及算法的有效性。     

基于混合PSO-ACO算法的含DG配电网无功优化

主要研究含分布式电源配电网无功优化问题,提出将粒子群算法与蚁群算法相结合的混合优化算法(PSO-ACO)。该算法针对粒子群算法易陷于局部优化问题和蚁群算法由于积累信息素导致寻优时间过长的缺点,利用粒子群算法的结构简单以及参数设定少的优点以及蚁群算法强大的全局搜索能力,将2种算法混合,并结合惩罚函数构建无功优化数学模型。以IEEE-33节点配电系统进行系统仿真,与采用基本粒子群算法和蚁群算法的无功优化结果相比较,结果表明,提出的混合算法收敛性和稳定性更好,能有效地解决含DG配电网无功优化问题。     

考虑不确定性的含DG与EV配电网无功电压协调优化方法

利用双馈风电机组和光伏发电系统等能够提供无功功率的分布式电源作为一种电压调节手段与传统的电压调节方式结合,在计及电动汽车入网充电作为一种随机负荷的情况下,建立了考虑不确定性的含分布式电源与电动汽车的配电网无功电压协调优化模型。以节点电压期望值平均偏差最小为目标函数,同时加入有功网损期望值和节点电压期望值最大偏差值为罚函数,使用本文提出的一种改进果蝇优化算法对优化模型进行求解。最后利用IEEE 33节点系统进行仿真计算并与粒子群算法进行比较,证明了本文所提出的优化模型和算法的有效性。     

基于改进粒子群算法的配电网状态估计

根据配电网分布式电源的非线性特性和量测配置特点,在粒子群优化(PSO)算法中引入了自然选择的机制,增强了全局搜索能力,克服了基本粒子群算法容易陷入局部最优解的缺点。将改进PSO算法应用到含有分布式电源的配电网的状态估计,通过算例仿真,收敛速度和估计精度有很大提高,证明了算法的优越性。     

基于CAPSO的含分布式电源的配电网动态重构

对含分布式电源的配电网重构进行了研究,考虑配电网系统中各节点上的不同种类型负荷的不同占比和分布式电源日出力波动引起的日负荷变化,使用KMeans聚类算法对总的变化的日负荷进行时段划分,更具客观性;使用"解环"的重构策略,在满足动态重构的约束条件下以综合运行总费用最低为目标,使用较标准粒子群优化算法寻优性能更强的自适应惯性粒子群优化算法(CAPSO)进行配电网动态重构,得到最优重构策略,并用IEEE33节点系统进行了仿真验证。     

基于改进粒子群算法的含DG配电网无功优化

含分布式电源(DG)配电网的无功优化是一个复杂的非线性优化问题,文中采用改进的粒子群算法(PSO)对配电网进行无功优化计算,建立以系统网损和电压平均偏离最小为目标函数,节点电压和电容器投切容量为约束条件的优化模型。在PSO中引入位置方差防止PSO陷入局部最优解,根据种群中粒子的适应度值对粒子进行变异处理,在保证算法收敛速度的基础上,改善算法性能。以含分布式电源的IEEE14节点配电系统为例进行无功优化分析,结果表明DG能增强电网运行的稳定性,所提算法具有较好的优化性能。     

粒子群优化算法含分布式电源配电网故障定位

为了提高含分布式电源配电网故障定位的准确性,针对传统含分布式电源配电网故障定位方法的不足,提出了基于粒子优化算法的含分布式电源配电网故障定位方法。根据含分布式电源配电网故障的监测函数设计粒子群优化算法的适应度函数,通过粒子之间的相互协作实现含分布式电源配电网故障定位,采用Matlab 2014仿真工具箱对故障诊断性能进行测试。结果表明,粒子群优化算法提高了含分布式电源配电网故障定位的正确率,加快了分布式电源配电网故障定位的速度,而且综合性能明显优于其他含分布式电源配电网故障方法。     

基于自适应变异粒子群算法的分布式电源选址与容量确定

在不考虑负荷新增节点的情况下进行分布式发电的布点规划,建立了以配电网年运行费用最小为目标的经济模型。模型中针对分布式电源运行费用引入固定安装费用权重因子,更准确地刻画了分布式电源接入后配电网费用的变化。同时,为克服粒子群算法存在的早熟问题,采用自适应变异的粒子群算法(adaptive mutation particle swarm optimization algorithm,AMPSO)对配电网中的DG选址和定容进行了优化。通过对IEEE 33节点配电网测试系统进行分析,验证了上述模型的准确性和求解算法的有效性。     

基于萤火虫-变邻域搜索算法的含分布式电源配电网重构

为全面的反映含分布式电源配电网重构的问题,本文建立网系统网损、负荷均衡及电压质量协调最优的含分布式电源配电网重构优化模型,能够比较实际、科学的反映配电网网络结构调整问题。在此基础上,应用自适应权重系数法,明确各目标函数的权重组合方案,将含DG配电网多目标重构问题转换成单目标优化问题。鉴于传统萤火虫算法具有容易早熟、过度依赖控制参数的缺陷,提出了FA算法与变邻域搜索相结合的混合优化算法,并利用其对含分布式电源配电网重构模型进行求解,选取IEEE-33节点配电系统进行仿真,通过算例验证所提算法的良好实用性和适应性,并且验证所提模型的实际意义。     

基于改进蝙蝠算法的含分布式电源配电网无功优化

针对分布式电源接入传统配电网后,导致传统配电网的网络损耗增加和节点电压偏差增大等问题,提出一种计及分布式电源并网逆变器无功输出的优化策略。首先建立含分布式电源的配电网无功优化模型;然后基于前代回推算法计算配电网的潮流分布;进而利用改进蝙蝠优化算法对模型进行求解,有效地避免了求解陷入局部最优解,获得了分布式电源并网逆变器最优的无功输出;最后通过Matlab搭建IEEE-33节点含分布式电源的配电网模型进行仿真实验,仿真结果证明了所设计的无功优化策略的有效性和可行性。     

含风电机组的配电网中分布式电源的最优配置

为解决配电网中含风电机组分布式电源的最优配置问题,首先根据风速概率密度分布函数,推导出风电机组的输出功率函数,之后构建了含有分布式电源的固定投资费用、负荷增量与分布式电源出力的相关费用和以最小网损和最小常规发电机有功出力为目标的风电机组的惩罚成本的目标函数,并以配电系统中电压、电流等为约束条件,提出了一种以自适应惯性粒子群算法为全局搜索和以混沌算法为局部搜索的混合粒子群算法来获取目标函数的最优解。最后通过IEEE 69节点系统验证了所提出模型和算法的优异性。     

基于混合算法的含分布式电源的配电网重构研究

为解决含有分布式电源的配电网重构问题,建立了以系统网损为最小目标的含分布式电源配电网优化模型。根据遗传算法、模拟退火算法和禁忌搜索算法的特点,提出了适用于含分布式电源的配电网重构的混合算法。将禁忌搜索算法和模拟退火算法的思想引入到遗传算法中,可以避开遗传算法中存在的早熟收敛问题,跳出局部最优解,逐渐收敛到全局最优解,同时减小了迭代次数,提高了算法的效率。该算法用于IEEE 33节点系统的计算结果表明,混合算法用于含分布式电源的配电网重构是可行的、有效的。     

考虑时序特性含电动汽车配电网分布式电源优化配置

由于电动汽车负荷是一个综合性的影响因素复杂的时空负荷,因此在配电网分布式电源规划的时候需要对电动汽车负荷的时空特性加以考虑。基于电动汽车时空特性与分布式电源的时序特性,建立包含可入网电动汽车、分布式电源以及储能装置的配电网分布式电源优化模型。以配电网年度总成本为优化目标,利用蒙特卡洛模拟得到时空特性的电动汽车负荷,依据协调控制策略,采用引入变异和交叉操作的混合粒子群算法对建立的模型进行优化求解。最后通过某实际地区进行算例分析,验证了所建立模型的正确性以及求解方法的有效性。     

基于改进粒子群算法的配电网分布式电源规划

合理地对分布式电源进行选址和定容对于实现配电网网损最小是至关重要的.应用改进粒子群优化算法进行配电网分布式电源(DG)规划,并结合罚函数法将DG规划问题转化成无约束求极值问题,从而有效地提高了改进粒子群优化算法的全局收敛能力和计算精度.对69节点和33节点配电测试系统进行仿真计算,结果表明了论文采用的DG规划模型和改进粒子群优化算法的正确性和适用性.     

基于改进粒子群算法的配电网分布式电源规划

合理地对分布式电源进行选址和定容对于实现配电网网损最小是至关重要的。应用改进粒子群优化算法进行配电网分布式电源（DG）规划,并结合罚函数法将DG规划问题转化成无约束求极值问题,从而有效地提高了改进粒子群优化算法的全局收敛能力和计算精度。对69节点和33节点配电测试系统进行仿真计算,结果表明了论文采用的DG规划模型和改进粒子群优化算法的正确性和适用性。