含分布式电源的主动配电网重构策略研究

针对分布式电源在配电网中不断增加及其波动性和间歇性对电网稳定和安全产生的影响,提出了一种含有分布式的主动配电网重构策略。以最小网损作为目标函数,将改进的教与学优化算法应用于主动配电网供电路径的快速优化中。通过算例对含分布式电源的主动配电网进行分析,以验证改进算法在配电网重构中的优越性。结果表明,该方法收敛速度快、寻优时间短、运行稳定。所做研究工作为我国配电网中接入分布式电源的优化方法提供了参考和借鉴。     

基于改进生物地理学算法计及可靠性的配电网重构

配电网重构是一个多目标、多约束条件的非线性优化问题。在重构过程中,文章综合考虑了系统的经济性和可靠性因素。建立了Pareto多目标重构模型,并运用一种改进的生物地理学优化算法来处理配电网重构问题,避免了加权多目标优化算法解决此类问题而过分依赖个人主观经验的情况。另外,Pareto多目标数学模型的引入使算法更具有实际的工程意义。通过IEEE33节点系统的仿真结果验证了算法的可行性。     

基于改进二进制粒子群优化算法的负荷均衡化配电网重构

提出了基于改进的二进制粒子群优化算法、以均衡负荷为目标的配电网重构方法。将配电网重构问题表示为以负荷均衡指标最小为目标函数的非线性优化问题,针对配电网开环运行的结构特点对配电网拓扑结构模型进行了简化,并对二进制粒子群优化算法加以改进,以保证配电网的辐射状结构,同时大大减少迭代次数。算例分析结果表明,该方法能够有效解决负荷均衡化的配电网重构问题,计算速度快,收敛性好。     

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。     

基于改进量子进化算法的配电网重构

提出了一种新的改进量子进化算法解决配电网重构问题。算法对量子更新策略进行改进以减少量子搜索的盲目性,引导量子更好更快地找到最优解。配电网重构是一个多目标非线性组合优化问题,二进制的编码方式特别适合采用改进量子进化算法求解。IEEE 16节点标准算例计算结果表明,本文所提出的改进量子进化算法在配电网重构应用中正确有效。     

基于改进差分灰狼算法的主动配电网优化重构

为提高主动配电网（Active Distribution Network,ADN）重构的经济性和稳定性，以主动配电网有功网络损耗最小和系统电压偏移指数最低作为目标函数，建立了主动配电网优化重构模型，利用目标规划法构建适应度函数，将多目标优化问题转化为单目标进行求解。采用差分进化算法和Tent混沌映射对灰狼优化算法进行改进，以提高算法的优化性能。运用改进差分灰狼优化算法（Improved Differential Grey Wolf Optimization,IDEGWO）对主动配电网优化重构模型进行求解，并与其他算法对比，算例分析结果表明，改进差分灰狼优化算法在迭代次数和收敛精度方面均优于其他算法，按照IDEGWO算法优化方案重构后的有功网络损耗和系统电压偏移指数分别为57.91 kW和0.785 6，主动配电网系统重构后的经济性和稳定性均得到了显著提升，验证了模型的正确性及求解方法的优越性。     

基于改进教与学算法的配电网无功优化

在解决配电网无功优化问题中,智能启发式算法得到了广泛应用,但仍存在一些不足。采用了教与学优化算法求解含分布式电源的配电网无功优化问题。教与学优化算法算法简单,取消了其他智能算法求解时需设定的控制参数,收敛速度快,收敛能力强。现将精英策略引入教与学算法,改进了该算法的搜索能力,提高了求解的稳定性。以有功网损最小为目标建立了无功优化模型,并基于改进的IEEE 33母线配电网系统进行仿真计算,结果验证了基于精英策略改进的教与学算法具有更强的收敛性和鲁棒性,能获得更好的优化结果,为配电网无功优化问题求解提供了一种新的方法和思路。     

配电网络重构的算法研究

配电网络重构是降低网损、提高电网运行经济性和供电可靠性的主要途径之一。在满足各种运行约束条件下,以网损最小或可靠性最高为目标的配电网重构问题是一个典型的非线性整数组合优化问题,配电网重构是配电系统优化运行的主要措施之一,也是配电管理系统(DMS)中的一项主要功能。针对不同配电网的实际水平,提出一种新的、实用的重构算法,该算法结合了改进支路交换算法和递归虚拟流理论的思想,同时还考虑了配电网重构的实际操作中各种约束因素,如配电网自动化水平、最大开关操作次数等。由此算法开发的配电网重构分析程序采用面向对象的编程技术编写,通过对典型的几个算例进行分析,验证了该算法的有效实用性,可以用于实际配电网重构。     

基于连锁环网与改进离散粒子群算法的多目标配电网重构

配电网重构本质上是一个复杂的高维数非线性组合优化问题。为避免其不可行解的影响,同时实现快速寻优,提出了一种通过连锁环网矩阵快速判断粒子是否满足配电网拓扑约束的方法。采用基于Pareto准则的离散二进制粒子群算法(Binary Particle Swarm Optimization,BPSO)以求解配电网重构多目标优化问题。从三方面对BPSO算法进行改进:改进粒子更新策略以提升新代粒子的可行概率;改进sigmoid函数同时提出邻域搜索机制以强化算法后期的收敛能力;提出基于次优解保留策略的小生境共享机制以改进群体最优粒子更新方式,进而强化算法的全局搜索能力。对IEEE33系统算例进行仿真,结果表明改进BPSO算法在求解含分布式电源(Distributed Generation,DG)的配电网重构多目标优化问题时,能够更加精确高效地收敛至Pareto最优前沿。     

基于改进灰狼算法的配电网多目标优化调度

含新能源的配电网多目标优化调度作为智能电网优化的重要组成部分,对实现“双碳” 目标具有重要意义. 针对含新能源的配电网多目标优化调度,建立含新能源的配电网优化调度模型,利用改进多目标灰狼算法对其进行求 解,实现配电网在运行成本和环境成本最小模式下运行.算例结果证明了所提模型的正确性,并验证了改进灰狼算法 的优越性能.     

基于改进遗传算法的含分布式电源和储能装置配电系统网络重构

通过以有功网损最小为目标建立配电网重构数学模型,应用改进的遗传算法寻求含分布式电源和储能装置配电网的最优重构方案。该算法采用一种十进制编码方式,将配电网中环网个数作为染色体长度,环网中各开关开合状态作为组成染色体基因。在潮流计算中把分布式电源和储能装置等效为“负”的负荷,并基于配电网特有的层次结构特性,采用分层前推回代进行潮流求解。通过对IEEE33节点算例的计算表明,对含分布式电源和储能装置的配电网进行重构,可在很大程度上减少网络损耗和电压降落。     

离散学习优化算法在含分布式电源的配网重构中的应用

灵活的网架重构作为主动配电网的重要特征,利于高效消纳分布式能源。传统的数学规划方法难以求解非凸的含分布式电源的配电网重构问题。为此,提出了一种离散学习优化算法(DLOA),并将其应用于有源配电网重构问题。所提方法主要包括三个模块:学习优化算法、离散策略以及拓扑结构分析技术。其中,学习优化算法作为程序优化的核心,离散策略用于确定配电网线路的开闭状态,拓扑结构分析技术则用于分析配电网的网架结构。通过33节点测试系统验证离散学习优化算法的有效性,算例分析表明,所提方法能够有效求解高度非凸的含分布式电源的配电网重构问题。     

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。     

基于改进萤火虫算法的含DG配电网重构方法

为了更好地解决含DG的配电网重构问题,建立了以系统损耗、负荷均衡、电压偏差为目标的重构模型,并利用改进萤火虫算法进行寻优计算。针对传统萤火虫算法中存在的早熟收敛、过度依赖控制参数等缺陷,引入了惯性权重,利用混沌理论对算法参数进行调整,使算法兼顾全局搜索与局部搜索能力的均衡。同时将精英保留策略融入到萤火虫算法当中,加快了算法收敛的速度。为了减少网络重构中出现的大量不可行解,对网络拓扑进行了简化操作,缩短了编码维数,提高了寻优效率。最后通过算例分析,验证了该算法的有效性与实用性。     

考虑安全域的配电网重构二阶锥双层规划模型

随着配电网建设的逐步推进,配电网用户对供电可靠性要求越来越高,因此配电网在保证自身经济运行的同时,也必须提高对安全性能的保障。在经济性配电网重构二阶锥模型的基础上,加入对配电网安全性的优化,建立了考虑安全性和经济性的配电网双层规划模型。该模型上层目标为平均安全距离最大化,下层目标为有功网损最小化。针对该模型采用分层求解的方法将双层模型解耦,求解得到网损和安全距离最优的重构策略。算例选取扩展的IEEE RBTS Bus4系统,验证了该模型能有效降低配电网网损,并提高配电网安全性。     

基于改进双层聚类多目标优化的配电网动态重构

随着配电网的高速发展,电力用户对供电可靠性的要求越来越高。针对现有配电网动态重构中开关次数难以约束,系统节点功率变化对配电网潮流分布的影响以及单一聚类算法负荷识别不足的问题,提出基于形态与幅值的双层聚类。外层以皮尔逊为相似度量进行形态相似聚类,内层以欧氏距离为相似度量进行幅值相近聚类。建立减小网损、提高电压稳定性、均衡馈线负荷、减少开关操作次数的多目标优化数学模型,采用改进粒子群算法完成配电网多目标动态重构。仿真结果表明,较静态重构开关操作次数降低了54.76%,减小电能15 575.4 kW·h,降低了39.28%,较重构前电压偏移指数降低49.1%,负荷均衡度改善41.9%。该研究所提改进的双层负荷聚类相比FCM聚类,准确度提高了11%,聚类效果更加接近原始数据。该动态重构方案可提高配电网运行的可靠性。     

基于布谷鸟搜索和模拟退火算法的两电压等级配网重构方法

为进一步提高电力系统整体资源的优化配置,加强各电压等级之间的协调性,降低电网运行的经济成本,将单电压等级配电网结构优化问题拓展至两电压等级,提出了一种两电压等级的配网重构优化方法。以有功网损、电压偏差、负载均衡度为目标函数,在满足各电压等级电网运行条件的同时,引入各电压等级供电可靠性约束以及线路负载率约束等协调性约束指标,利用布谷鸟搜索算法寻优。并针对其在后期收敛速度慢、收敛精度差的缺点,引入模拟退火算法以提高算法的全局和局部搜索能力。算例分析表明所提方法是可行和有效的。     

基于PAM时段划分的配电网动态重构

为保证配电网的安全稳定运行,提出一种基于PAM(Partitioning Around Medoid)时段划分的配电网动态重构方法。以配电网网络损耗、电压偏移和负荷均衡为目标函数,建立配电网动态重构模型。针对配电网动态重构过程中的时段划分问题,给出一种以相异度为分段指标的PAM时段划分方法。为提升协同粒子群算法(Cooperative particle swarm optimization,Co-pso)的寻优能力,对其速度更新公式进行修正,并引入正态分布随机调整因子对协同粒子群算法进行改进。选择IEEE33节点系统进行算例分析计算,算例结果验证了上述方法的有效性。     

兼顾抗毁度的含风电配电网多目标重构

为了通过配电网重构提高供电可靠性,从网络保持连通性及抵御破坏能力的角度,引入网络抗毁度指标作为配电网重构的一个新目标函数。通过有权网络的边权值和节点位置重要度求解网络抗毁度,同时考虑风电出力的随机性和间歇性,对该指标进行修正。建立了兼顾抗毁度的含风电配电网多目标重构模型,并采用改进和声搜索算法来求解此模型。给出了多目标重构的帕累托最优解集,供决策者根据实际情况选择。通过对33节点系统的算例分析,验证了所提模型求解方法的有效性与合理性。     

考虑合环调电约束的配电网快速重构方法

为解决10 kV配电网合环调电过程针对合解环开关最优选择问题,提出了以网络损耗为目标,以合解环网络的线路功率限值、电压限值和保护限值为约束条件进行网络重构的方法。该方法采用快速改进遗传算法按开关状态进行二进制染色体编码,利用合环后网络的计算结果,构建针对基因染色体品质编码库,以校核下一代基因染色体编码,加速了算法过程。同时利用分布系数法计算解环后网络的潮流状态,避免了再次潮流计算。测试算例验证了算法的有效性,为合环调电安全实施提供了保证。