基于免疫遗传算法的智能配电网分布式电源选址定容

合理地对分布式电源进行选址和定容对于智能配电网规划非常重要。文章在研究分布式电源规划的基础上,建立了以有功网损最小为目标函数的优化模型,用罚函数法将分布式电源规划问题转化为无约束问题,针对该模型特点,首次将免疫遗传算法应用到分布式电源选址和定容问题的求解中。该算法综合了免疫系统和遗传算法的优点,具有良好的全局收敛能力。对33节点配电测试系统进行仿真计算,将仿真结果与标准遗传算法进行比较。验证了免疫遗传算法具有一定的收敛性和适应性。     

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。     

考虑源荷不确定性的分布式电源选址定容

大规模的分布式电源入网给配电网的规划带来诸多不确定性因素。为使配网规划结果更加合理,考虑待规划地区的风速、光照强度和负荷的不确定性,构建了以年综合费用最少为目标函数的分布式电源选址定容规划模型。首先,对风、光和负荷进行了概率建模;其次,采用拉丁超立方采样方法生成初始场景,并采用改进的同步回代缩减法对场景进行削减;最后,鉴于粒子群算法具有收敛速度慢和容易早熟的缺点,将自适应惯性权重和混沌优化算法融入粒子群算法中,进而提出了一种改进型粒子群算法,并且在IEEE 33节点的标准算例系统上进行了仿真,结果表明所建模型和所提算法的合理性与有效性。     

基于改进粒子群的分布式电源选址定容优化

随着分布式电源并网推广,它对配电网中的节点电压、线路潮流、短路电流、可靠性等会带来影响,且其影响程度与分布式电源的位置和容量密切相关。分布式电源的位置和规模不合理,可能会导致电能损耗以及网络电压的稳定性。传统的粒子群在解决选址定容上存在易陷入局部最优解,收敛速度慢。提出一种模糊自适应粒子群的方法自适应改变参数来对分布式电源的选址定容问题求解,以网损最小为目标函数,得到分布式电源接入的最优方案。通过测试IEEE30节点的系统,仿真结果表明算法是有效的。     

配电网供电可靠性的分布式电源选址与定容

在配电网故障恢复过程中常出现因电压越限、线路过载等需进行切负荷操作,降低了配电网的供电可靠性。分布式电源(DG)的接入会影响配电网的供电可靠性,但是其影响性质和程度均取决于其接入位置与容量。分析了DG接入对配电网可靠性、电压及网损的影响,并提出了一种DG选址与定容方法:随机生成事故集,以配电网故障平均停电量最小为目标函数,以线路不过载、电压不越限等配电网稳定运行要求为约束条件,利用和声算法搜索最优方案。算例分析表明本方法能提供合理的DG位置与容量方案。     

计及供电可靠性的多目标分布式电源选址定容方法

现有分布式电源选址定容方案优化目标单一,难以兼顾分布式电源接入的经济性和对配电网可靠性性的影响。本文提出了计及供电可靠性的多目标分布式电源选址定容方法,基于含分布式电源配电网孤岛的划分,采用对偶抽样序贯蒙特卡洛模拟法计算配电网可靠性指标。结合分布式电源运行成本和配电网网损等经济性指标,建立了多目标分布式电源选址定容优化模型,采用粒子群优化与非支配遗传排序协同进化算法(CPSO-NSGA)进行模型求解。给出了在IEEE33节点标准系统中的算例,验证了所提方法的正确性和有效性。     

分布式电源选址定容问题研究现状与分析

分布式电源的大量接入显著增强了配电系统规划与运行的复杂性,介绍了分布式电源接入电网带来的影响,从接入电网的形式着手,在优化目标与优化算法两个方面上对该领域国内外相关研究成果进行全面分析,指出了各类方法的基本内容与优缺点,并阐述了分布式电源选址定容问题的发展趋势和亟待解决的方面。     

不同负荷模型下基于粒子群算法的分布式电源选址和定容优化问题研究

提出了一种基于粒子群优化算法的灵活优化方法,通过合理地确定分布式电源的容量和位置,从优化有功和无功功率损失指数、电压分布指数、MVA容量指数和短路水平指数四方面出发,建立了分布式电源综合效用的多目标函数,并结合38-母线径向测试系统研究了不同独立电压负荷模型情景下分布式电源的最优选址和定容问题。     

配电网中分布式能源的选址与定容方法

由于能源和环境的双重压力,分布式电源的应用将越来越广泛。在合适的地点安装适当容量的分布式电源能够降低网损,提高电能质量。本文提出了一种分布式电源的选址和定容的方法,改变传统方法的繁琐、使用范围窄的缺点。最后通过MATLAB编写程序对该算法进行了检验,发现该算法程序流程简单,收敛快。     

基于改进天牛须搜索算法的分布式电源选址定容

针对分布式电源接入配电网的选址定容问题,在考虑到网损、静态电压稳定和线路热稳定3个指标的基础上,采用层次分析法建立了分布式电源在配电网中选址定容的多目标优化模型。对一种新的智能优化算法-天牛须搜索算法(Beetle Antennae Search-BAS)进行改进,提高了算法的稳定性,并应用于分布式电源选址定容问题求解。通过与粒子群算法在IEEE-33标准节点算例的仿真对比实验,验证了改进天牛须搜索算法(Improved Antennae Search-IBAS)在分布式电源选址定容问题求解中的高效性和稳定性。     

分布式电源的选址及定容

分布式电源的接入会对配电网的运行和规划产生重要影响,影响的大小与分布式电源的位置和容量有很大关系。在分布式电源个数、位置和单个容量不确定的情况下,以配电网最小网络损耗为目标函数,应用了遗传算法优化分布式电源的位置和容量。通过算例分析,验证了所提方法能够得到较合理的分布式电源接入位置和容量的方案。     

考虑时序特性和环境成本的并网型分布式电源选址定容规划

基于分布式电源出力和负荷的典型时序特性,建立考虑环境成本的并网型分布式电源选址定容规划模型,以配电网建设费用、损耗费用、购电费用和分布式电源运行费用最小为目标函数,采用可处理PV节点的前推回代潮流计算方法判断规划方案是否满足潮流约束及计算网络损耗。同时,为克服粒子群算法的"早熟"问题,提出了一种将联系数与粒子群算法相结合的改进粒子群算法,并用改进算法对模型进行优化。IEEE13节点系统仿真结果验证了模型的合理性和算法的有效性。     

计及无功优化的分布式电源选址与定容

为提高电网的电压水平和降低线路损耗,在分布式电源选址与定容的基础上,加入了无功优化。根据分布式电源出力情况,将计及无功优化的分布式电源选址与定容问题分解成分布式电源并网和切除两种模式,即DG满出力时配电网网损、电压偏移及静态电压稳定裕度综合目标最优和DG零出力时电压合格为约束条件下的配电网网损最小,通过加权法将多目标转换成单目标。运用免疫算法对含分布式电源的33节点的配电系统进行算例分析,证明了计及无功优化的分布式电源选址定容的优越性。通过无功优化和分布式电源选址定容的优化分析,得出了当同时考虑两者时,优化效果最佳。     

考虑相关性的间歇性分布式电源选址定容规划

节能减排背景下,以分布式风电和光伏为代表的间歇性分布式电源得到了快速发展。考虑风速、光照强度和负荷间的相关性,以年综合费最小为目标,利用机会约束规划方法建立了间歇性分布式电源选址定容规划模型。采用秩相关系数矩阵表征风速、光照强度和负荷间的相关性,利用拉丁超立方采样和Cholesky分解生成相关性样本矩阵。应用动态小生境差分进化算法对规划模型进行求解。IEEE 33节点配电网算例的仿真结果验证了模型的合理性。     

分布式电源选址定容的多目标优化算法

在综合考虑网损、电压质量和电流质量3个指标的基础上,建立了分布式电源选址定容的多目标决策模型,并提出了一种改进多目标微分进化算法(improved differential evolution for multiobjective optimization,IDEMO).该算法引入混沌搜索策略以提高初始种群利用率,采用...     

进化规划算法在分布式电源选址和定容中的应用

在当今电力系统中,越来越多的分布式电源投入使用。分布式电源一般部署在配电系统负荷中心附近,分布式电源并入电网,对降低网损、维持电压稳定、保证供电可靠性、构建坚强智能电网等都具有十分积极的意义。为了达到上述的积极影响,很有必要对分布式电源的选址和定容进行深入研究。本文以降低网损为目标建立了目标函数,为了获取分布式电源的最优位置和容量,采用了进化规划算法,对IEEE69配电测试系统进行了仿真分析,结果表明该方法准确可靠,并将仿真结果和遗传算法进行了比较,验证了进化规划算法在分布式电源选址和定容中的可行性。     

分布式风电源选址定容规划研究

针对风电机组出力的间歇性、波动性,以及负荷变化的不确定性,应用机会约束规划建立了分布式风电源(distributed wind generation,DWG)接入现有配电网的选址定容规划模型,以独立发电商(independent power producer,IPP)收益最大为目标函数,采用随机潮流判断规划方案是否违反节点电压约束和支路功率传输约束。将模拟植物生长算法(plant growth simulation algorithm,PGSA)应用到DWG选址定容规划中。33节点配电系统DWG规划结果验证了模型的合理性和PGSA算法的有效性。     

考虑时序特性的多目标分布式电源选址定容规划

配电网负荷及分布式电源出力呈现明显的时序特性,文中对负荷和分布式电源的典型时序特性进行了分析,以配电网损耗、停电损失为目标,考虑时序特性和多场景提出了多目标分布式电源选址定容规划模型,给出了场景和场景权重的确定方法。应用遗传算法进行求解,采用多段染色体编码方式,根据节点视在功率二阶精确矩处理不可行解,有效地提高了优化效率。IEEE 69节点系统仿真结果证实了时序特性对分布式电源的选址定容有很大影响,验证了所提出模型和方法的可行性和有效性。     

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。