含分布式电源及电动汽车充电站的配电网多目标规划研究

电动汽车充电站的定容选址问题对配电网络和交通网络都会产生影响,所以在分布式电源规划时应同时考虑。文章建立了路径选择模型与交通满意度评价模型,并研究了分布式电源的时序特性与互补性。考虑分布式电源同时为配电网负荷和充电站供电,建立了总成本最小、网络损耗最小和交通满意度最高的电动汽车充电站与分布式电源定容选址模型。并采用新的多目标自由搜索算法对上述模型进行求解,得到Pareto解集。最后以IEEE33节点配电网为例进行仿真计算,并采用交互式模糊决策对结果进行分析。结果表明,上述方法能得到合理的分布式电源与电动汽车充电站接入位置及其容量配置方案,所提模型和算法是可行且有效的。     

含充电站及光伏电源的配电网协调规划

电动汽车与光伏电源对配电网规划与运行带来新的机遇与挑战。考虑二者同时接入的影响,提出一种含充电站及光伏电源的配电网协调规划模型与方法。本方法计及光伏电源、用户充电以及负荷波动的随机性,结合半不变量随机潮流计算方法,建立以充电站、光伏电源投资成本,电动汽车用户充电成本,线路投资成本,网络损耗成本和环境效益为目标函数,综合考虑投资经济性、用户充电便捷性、环保性以及电网运行限制的机会约束规划模型;然后,采用离散量子粒子群算法对模型进行求解。最后,以改进的IEEE33节点系统以及其模拟的交通路径系统为例,证明所提模型及算法的可行性及有效性。     

含分布式电源与充电站的配电网协调规划

分布式电源与电动汽车充电站共同接入配电网,对配电网规划和运行具有重要的影响。提出一种综合协调规划方法,该方法能够实现分布式电源选址定容、充电站位置及容量、配电网架建设和改造的综合优化规划。考虑风光资源和负荷的随机波动性,以配电系统投资、运行维护和环境成本的随机期望值最小为目标,建立了含分布式电源与充电站的配电网协调规划模型,采用改进遗传算法进行求解。以一个待扩展的辐射状配电网络为例,仿真计算结果表明,对含分布式电源与充电站的配电网进行综合协调规划,能够提高电网的经济和环境效益,得到的规划方案更为合理。     

含电动汽车的主动配电网分布式电源规划

考虑主动配电网(active distribution network,ADN)对分布式电源(distributed generation,DG)的消纳能力以及DG投资成本,以年综合成本最小为目标建立ADN中计及电动汽车影响与需求侧管理的DG配置模型;并在DG规划过程中考虑DG出力的切除量最小,基于分层求解的思想,将模型分解成双层模型。提出差分进化算法和原对偶内点法相结合的策略对模型进行求解;最后以IEEE-33节点ADN为算例测试模型和算法的有效性,分析电动汽车和需求侧管理对规划结果的影响。     

含分布式电源的配电站选址机会约束规划

越来越多的分布式电源DG(distributed generation)自发接入配电网,因此研究考虑含DG波动性的配电站选址规划具有很强的实际意义。建立了含DG的配电站机会约束规划模型,并采用蒙特卡洛仿真的方法来进行区间估计。面对负荷点分配问题,对基于沃罗诺伊图(Voronoi diagram)的贪心算法与基于蚁群的启发式算法两种算法的优劣进行了比较。规划主流程采用遗传算法,并将配电站的选择进行编码。根据上海某地区实例进行了计算,计算结果证明了算法的有效性,并讨论了配电站选择与置信度对目标函数的影响、蚁群算法优化结果等问题。     

基于机会约束规划含光伏发电的配电网故障恢复

根据不同时段光照强度的概率密度函数构造了光伏发电(photovoltaic,PV)功率的离散概率模型。在此基础上,以关状态为优化变量,以高于置信水平的失电负荷量小为目标函数,以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,建立了基于机会约束规划的含光伏的配电网故障恢复模型。充分利用光伏发电孤岛及光伏发电与配电网的协调配合,完善了光伏发电的孤岛策略,以保证重要负荷的供电。将生成树与蚁群算法结合,提出了求解配电网故障恢复机会约束规划模型的改进算法。IEEE 33节点系统算例仿真结果验证了该模型和算法的有效性。仿真结果也表明:故障发生时刻和故障恢复时间对含光伏发电的配电网故障恢复有重要影响,应结合故障发生时刻和故障恢复时间进行配电网故障恢复方案决策。     

基于随机潮流的含电动汽车配电网内分布式电源规划

随着分布式电源(DG)和电动汽车的大量发展,对接入配电网的电动汽车与DG进行协同研究具有重要意义。文中以协调配电公司、DG投资商和公共社会三者之间利益为出发点,综合考虑了配电公司的运行费用、DG投资商的投资费用,以及DG的环境效益和电动汽车入网(V2G)所节省的电网投资等社会效益,建立了基于机会约束规划的含V2G配电网中DG优化规划的数学模型,采用基于混合编码的改进自适应遗传算法对该模型进行了求解。在优化计算过程中充分考虑了负荷预测值的不确定性、风电源的输出功率的随机性以及电动汽车充放电功率的不确定性,提出了电动汽车充放电对系统最大功率影响的数学模型,并采用基于半不变量法的随机潮流算法对规划模型中的约束条件进行了检验。最后,以某实际配电网系统为仿真算例,在不同置信水平约束下对该系统内DG分别进行了优化规划,验证了文中所建数学模型及相应求解算法的有效性。     

光伏电源与电动汽车充电站在配电网中的选址定容

光伏电源和电动汽车充电站的迅速发展对其接入的配电网产生很大影响,就配电网中光伏电源和充电站选址定容问题进行研究,考虑光照辐射的随机性、电动汽车充放电以及负荷不确定性,采用随机潮流算法,以光伏电源和充电站投资、运行总成本,网络损失,以及环境成本为目标函数,建立了基于机会约束的优化配置模型,运用改进的保留精英策略非支配排序遗传算法(NSGA-Ⅱ)进行求解。最后,以IEEE33节点配电系统为例进行算法求解,通过交互武模糊决策对结果进行分析。结果表明,该方法可以使光伏电源和充电站得到优化配置,验证了模型和算法的有效性。     

含分布式电源和电动汽车的配电网重构

为改善现有相关研究存在的不足,在包含有DG和EV的配电重构中,提出一个同时考虑网络损耗和节点电压偏移最小的重构模型,以期避免算法陷入局部最优为目标。在分布式电源和电动汽车接入电网为对象,将拉丁超立方采样和牛顿拉夫逊法结合起来对概率潮流进行求解,满足配电网安全运行等约束条件下建立配电网重构模型,随后采用将混沌理论引入到自适应粒子群算法中进行模型求解。在IEEE-33节点系统中进行了仿真分析,仿真结果验证了本文模型和方法的有效性。     

含分布式电源的配电网扩展规划

建立以经济和环境效益为目标的配电网扩展规划模型,采用蒙特卡洛方法模拟分布式电源的出力,提出改进自适应遗传算法优化分布式电源的位置、容量以及新建或升级改造线路。该算法采用隐形编码方式,根据每代个体的适应度函数调整交叉算子和变异算子,并且借助图论知识给出了不可行解的修复方案。环境因素引入优化方案使配电网扩展规划取得了良好的经济和社会效益。算例表明,文中提出的方法能够得到合理的配电网扩展规划方案。     

基于机会约束规划的含电动汽车主动配电网能量管理方法

针对含电动汽车(EV)和分布式光伏的主动配电网(ADN),提出了一种基于机会约束规划的能量管理方法。首先,基于EV用户的出行特性和需求,构建了基于分段线性化的EV智能充放电决策模型;其次,通过支路潮流模型与二阶锥松弛,构建了含EV与分布式光伏的ADN一体化数学模型,EV集群作为灵活可控单元主动参与ADN的能量管理;然后,为了充分考虑分布式光伏的不确定性,采用机会约束规划方法描述了含不确定性参数的数学模型,并对模型中的机会约束条件进行确定性转换;最后,考虑不同城市功能区内含EV与分布式光伏的ADN场景,进一步对比分析了不同的机会约束条件置信水平下EV对ADN经济安全运行的影响。仿真结果表明,适度降低机会约束条件的置信水平能在保证EV用户出行需求的同时充分地挖掘EV充放电行为的灵活性,进一步实现ADN的灵活运行。     

含分布式光伏电源的配电网故障分析与研究

针对含有光伏电源的配电网故障检修的问题,分析了光伏电站发电原理,研究了其并网过程中给配电网带来的影响。对基于低电压穿越特性的多个光伏电源短路模型的配电网故障,提出采用迭代修正的方法来对配网故障进行分析和求解。建立仿真实验对提出的方法进行验证,结果表明,该方法能够准备地对含分布式光伏电源的配电网故障特性进行分析。     

含分布式电源的配电网扩展规划研究

建立了分布式电源和线路年综合费用最小、线路损耗最小和分布式电源安装容量最大的多目标函数规划模型,针对多目标优化问题,提出了一种改进的多目标粒子群优化算法。网架规划采用离散二进制粒子群算法,分布式电源规划采用改进的粒子群算法。该算法利用Pareto非支配排序和计算拥挤距离方式更新粒子的个体最优位置和全局最优值。针对粒子群算法容易陷入局部最优的问题,引入Boltzmann学习策略,在算法前期温度较高粒子能够向不同的粒子学习,保持粒子个体多样性,提高算法全局寻优能力。在算法后期温度降低粒子群将向全局最优粒子学习,提高收敛速度。最后将该算法应用于某10KV配电网扩展规划,结果表明文中提出的方法能够得到合理的配电网扩展规划方案,并且提供了多样化的解集,方便用户根据实际情况灵活选择方案。     

含分布式电源的配电网模糊优化规划

大量分布式电源接入配电网并网运行,会对配电网运行的安全可靠性和经济性产生各种影响,因此,必须对接入配电网的各种分布式电源进行规划。文中根据分布式电源的特点,考虑了负荷预测值和部分类型的分布式电源输出功率的不确定性,并采用模糊变量进行表示。其规划模型基于模糊期望值模型,以年投资运行费用的模糊期望值最小为目标函数,以经济可靠运行的各种限制为约束条件。应用遗传算法求解模型时,采用了混合编码方式,加快了进化速度。算例分析表明,采用该方法求得的规划方案对于存在各种不确定规划参数的规划环境具有更强的适应性。     

含分布式风电源的配电网网架规划

考虑分布式风电源(Distributed Wind Generator,DWG)出力的随机性以及负荷预测的不确定性,采用机会约束规划建立了含DWG的配电网网架规划模型。模型以年综合费最小和DWG公共连接点(Pointof Common Coupling,PCC)处电压闪变水平最小为优化目标。采用基于MonteCarlo模拟的概率潮流判断规划方案是否满足节点电压约束和支路功率约束。将基于树形结构编码的单亲遗传算法(Tree Structure Encoding Partheno-Genetic Algorithm,TSE-PGA)应用到模型的求解中。基于17节点系统的仿真结果说明了规划模型的合理性以及算法的有效性。     

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。     

直流配电网中含光伏的电动汽车快速充电站优化配置方案

为在提高直流配电网运行效率的同时降低充电站的投资与运营成本,文中提出了一种含光伏的电动汽车快速充电站的优化配置方法。首先,描述充电站内充电桩、光伏电池、储能系统的能量交换策略,然后,分析DC-DC变流器的电能转换效率-负载率特性,并以系统平均运行效率最高和充电站投资运行成本最低为目标函数建立优化模型,对充电站的接入位置以及各单元的安装容量进行优化。利用改进非支配排序遗传算法(NSGA-Ⅱ)求解该多目标优化的Pareto最优解,得出优化配置方案。最后,以采用双单环结构的中低压直流配电网实际工程为算例,将所提出的优化配置方法与充电站进行扩容的原有扩展规划方案进行对比,验证了所提优化配置方法的有效性和可行性。     

含电动汽车和分布式电源的配电网的可靠性评估

风电以及光伏等分布式电源大规模接入配网,改变了配网的网络结构和潮流走向,增加了配网潮流的不确定性。并且电动汽车的充电负荷在时间上和空间上存在随机性,与配网日常负荷叠加,改变了原有的供求关系,传统的可靠性评估方法不再适用。基于燃油车统计数据,考虑电动汽车的开始充电时刻以及行驶里程等随机因素,建立电动汽车充电需求模型,并采用序贯蒙特卡罗方法实现含分布式电源和电动汽车的配网可靠性评估。基于IEEE-RB TS Bus6测试系统主馈线F4,从电动汽车的电池类型、接入位置和汽车数量三方面分别对系统的可靠性指标进行量化分析。     

电动汽车充电站接入配电网的规划研究

电动汽车充电设施的规划是电动汽车推广的基础和重要保障。根据Q/GDW 10370—2016《配电网技术导则》中充换电设施接入的技术原则,要避免高峰负荷叠加,改善电网负荷特性,提高电网运行的经济性和可靠性。文章建立了以电动汽车充电站投资运行成本、配电网新增投资运行成本和损耗成本的费用年值总和最小为优化目标的规划模型,费用年值可以反映投资时间价值,是工程中常用的方案评价标准。针对该新建模型,提出改进的遗传算法求解。改进的遗传算法充分利用所求问题特点,基于特殊编码方式使得规划方案在迭代过程中始终满足辐射状和连通性要求,可快速求得电动汽车充电站位置、容量和接入系统的最优方案。通过算例仿真,验证了该方法的可行性和有效性。     

含电动汽车和分布式电源的主动配电网动态重构

分布式电源和大量电动汽车充电功率的间歇性和随机性使配电网重构面临新的挑战。在此背景下,提出了一种基于区间数方法的含电动汽车和分布式电源的动态重构策略。文中引入区间数以描述分布式电源出力和电动汽车充电负荷的不确定性,以区间数描述最小化网损为目标函数,提出依据动态降损参数的动态时段划分,建立配电网动态重构的数学模型,在利用KrawczykMoore区间迭代法对潮流方程进行求解的同时引入仿射乘除运算代替区间乘除运算,改善了区间运算过于保守的问题。最后,结合邻域搜索以及克隆选择算法提出了求解上述模型的优化方法,以实现考虑多种不确定因素下主动配电网动态重构。算例分析证明所提方法相较于传统人工智能算法具有优越性。