基于分布式电源的配电网多目标优化策略研究

大量的可再生分布式能源并网是当今电力系统的发展趋势,优化配电网潮流和提升系统消纳分布式电源(DG)的能力成为研究热点。在建立DG数学模型的基础上,从电源侧开展DG选址的研究,并对含协调储能和柔性负荷的主动配电网进行优化调度。其中,DG选址采用使配电网络损耗最小和电压水平最高的多目标规划模型,并利用功率圆法求解DG的最佳接入位置;对主动配电网的优化则构建了使配电网电压偏差最小、网络损耗最小和可再生能源发电比例最高的多目标优化调度模型,并运用智能粒子群算法进行求解。最后以标准IEEE 33节点配电系统为算例进行仿真分析,解决了DG选址问题并验证了该优化策略的有效性。     

计及分布式电源的配电网优化规划研究

针对配电网规划时合理接入DG问题,从费用、网损、电压指标3个角度分析了DG接入配电网的优化计算,采用多目标粒子群算法(MOPSO)和模糊决策技术对DG的选址和定容进行优化处理,建立了DG选址优化计算模型,并通过算例验证了模型的有效性和合理性。     

考虑需求响应影响的含分布式电源的配电网多目标协调规划

分析了考虑需求响应影响的含分布式电源(DG)的配电网多目标协调规划问题,建立了以DG综合投资成本(包括DG安装及运行维护成本、购电综合成本、需求响应运行成本、网络损耗成本和环境效益)最小为目标的模型,综合考虑网络系统安全约束和需求响应运行约束条件,实现DG位置和容量的协调规划。利用自适应粒子群算法对IEEE33节点系统进行求解,算例结果表明,该模型能有效提高可再生能源的利用率,提升含DG的配电网规划的经济性。     

分布式发电和电动汽车环境下配电网概率调压方法

首先根据电动汽车(electric vehicle,EV)用电特征和分布式发电(distributed generation,DG)的不确定性,建立了DG出力和EV充电的概率模型;然后以大量EV充电和大规模DG接入配电网时各节点电压偏移最小为目标,建立了概率调压模型,并采用改进粒子群算法对模型进行求解;最后在IEEE-69节点配电系统中进行模拟仿真计算,对所提模型与算法进行实用性验证。仿真结果表明,含大规模DG和EV的配电网概率调压优化模型能减小电压偏移和计算时间,具有实用性和有效性。     

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。     

分布式电源接入配电网多目标优化规划

建立分布式电源(DG)选址优化多目标计算模型,从投资费用、网损、电压指标3个主要角度独立分析DG接入配电网的优化计算问题。提出基于熵和距离的多目标粒子群(DEMPSO)算法和模糊多权重(FMW)技术,通过DEMPSO算法找到DG接入配电网的多个可行方案,通过FMW决策确定最优方案,基于此进行DG优化选址与定容。算例验证了所提模型与方法的有效性和合理性。     

考虑环境效益的分布式电源多目标优化

分布式电源的接入位置及容量对配电网有着很大影响,研究DG的选址与定容问题,建立了提高环境效益、降低网络损耗、最大化静态电压稳定裕度的DG规划多目标模型,并应用多目标粒子群改进算法进行求解。最后,通过测试算例结果验证了所建模型及算法的可行性和有效性。     

基于改进粒子群优化算法的多目标分布式发电规划

通过归一化处理和权系数选取,将以网络损耗最小、节点电压平均偏差最小、静态电压稳定裕度最大和总投资成本最小为目标的多目标分布式发电（distributedgeneration,DG）规划模型转化为单一目标。采用改进粒子群4~g415（improvedparticleswarmoptimization,IPSO）算法进行DG规划的优化计算,为避免陷入局部最优,对惯性权重进行非线性的自适应调整,并在计算过程中引入速度变异算子和位置交叉算子,较好地克服了计算后期易陷入局部收敛的问题。将IPSO算法应用于69节点配电网测试系统,仿真结果验证了IPSO算法是有效和可行的。     

多场景下EV充电站与DG多目标规划

一直依赖化石能源不是长久之计,可再生分布式电源(Distributed Generation,DG)及电动汽车(Electric Vehicle,EV)作为两大新能源技术,受到各国的重视。但是大规模的EV与DG接入配电网会造成许多影响,在进行配电网规划时需要加以考虑,文中提出了一种多场景下EV充电站与DG的联合规划模型,利用K-means算法对一年内的DG出力与常规负荷数据进行聚类,然后利用蒙特卡洛方法预测电动汽车的充电负荷,最后构建以网损最小、负荷波动最小为目标函数的多目标规划模型,以改进的人工蜂群-粒子群算法进行求解,结合IEEE-33节点配电网进行仿真分析,验证了模型的有效性与可行性。     

基于自适应遗传算法的配电网DG选址与定容

以配电网规划投资为考虑因素,建立了含分布式电源(DG)的配电网规划经济性模型,以折算到每年的DG的投资运行费用、线路运行费用及引入DG后购电费用最小为目标函数,采用自适应遗传算法解决DG布点规划问题。通过对某地35节点低压配电网算例进行仿真计算,验证了本文算法的有效性,并得到了DG较为合理的安装位置和接入容量。     

基于多目标决策协调进化算法的电力系统无功优化

在传统无功优化模型基础上,建立了以系统有功网损、静态电压稳定裕度、电压偏差、无功补偿容量和发电机发电成本的多目标无功优化模型。采用多目标决策协调进化算法对电力系统无功进行优化,将多目标决策协调算法与群体进化理论有机结合起来,在有限的群体内对每个个体按协调算法进行排序,以提高优化方法的有效性。通过Matlab7．0编程对IEEE30和IEEE14节点算例系统进行计算。计算结果表明,该方法具有系统网损、电压偏差及无功补偿容量小、发电机发电成本低和系统稳定裕度高的特点。     

多目标无功优化的向量评价自适应免疫粒子群算法

为了克服粒子群算法在高维复杂问题寻优时容易陷入局部搜索的现象,提出了一种自适应免疫粒子群算法。该算法利用引入免疫系统的免疫信息处理机制和自动调整动量系数的自适应因子,从整体上达到系统的最佳控制方案。并将基于目标向量的个体评价方法与自适应免疫粒子群算法相结合,提出了基于向量评价的自适应免疫粒子群算法(vector evaluated adaptive immune particle swarm optimization,VEAIPSO)来解决多目标无功优化问题。通过引入静态电压稳定指标,建立了以系统有功损耗最小、节点电压偏移量最小及静态电压稳定裕度最大为目标的多目标无功优化模型。IEEE30和IEEE118节点系统算例仿真结果表明,该算法能有效地解决多目标无功优化问题,并具有良好的收敛稳定性和较高的寻优精度。     

基于BSSSO算法的无功补偿容量优化方法

无功补偿容量的目标是将有功功率损耗降至最低且兼顾电压平衡。首先,针对无功补偿容量优化实际,建立考虑有功功率损耗、电压偏差、电压稳定性的多目标无功补偿容量优化模型;然后,提出基于鸟群算法（bird swarm algorithm,BSA）与混合牧羊人优化算法（shuffled shepherd optimization algorithm,SSOA）的鸟群牧羊混合优化（bird swarm shuffled shepherd optimization, BSSSO）算法,以优化无功补偿容量;最后,通过仿真算例验证了所提方法,结果表明所提方法性能优越,可以兼顾各指标平衡。     

用于配电网多目标无功优化的改进粒子群优化算法

针对配电网多目标无功优化的应用需求以及优化算法存在的收敛性和多样性问题,基于Pareto熵的多目标粒子群优化算法,提出一种应用于多目标无功优化的改进粒子群优化算法。该算法在全局外部档案更新过程中引入冗余集策略,避免迭代过程中陷入局部最优解。将算法应用于配电网无功优化中时,采用离散变量取整方法,加快算法的收敛速度。建立网损、电压偏差及无功补偿装置投资最小的配电网多目标无功优化模型,并以IEEE 33节点配电网络为算例进行仿真,结果表明改进后的算法兼顾了优化的收敛性和多样性,能够在不同的优化要求下得到有效的无功优化方案。     

自适应多目标差分进化算法在计及电压稳定性的无功优化中的应用

计及电压稳定性的无功优化是一个兼顾降低有功损耗和提高静态电压稳定性的非线性约束多目标优化问题。提出了一种自适应多目标差分进化算法（self-adaptive multiobjective differential evolution,SAMODE）对多目标无功优化进行求解。在差分进化的寻优机制中嵌入非劣排序和拥挤距离排...     

海上风电场自适应多目标无功优化控制策略

针对传统固定权重多目标无功优化在应对新型电力系统复杂多变的工况时无法针对实时工况做出最合适的控制决策的问题,提出了一种自适应多目标无功优化控制策略,该策略以系统有功网损和并网点电压偏离量的加权最小作为目标函数,目标函数的权重系数根据并网点电压的偏离情况自适应调节。首先,分析海上风电场并网点电压波动与有功、无功输出的关系,建立相应的无功分配模型,并针对风电机组及静止无功发生器（static var generator,SVG）的输入输出特性,建立相应的无功控制模型。此外,考虑海上运行的功率约束、安全运行约束等,采用变惯性权重粒子群优化算法对无功控制策略进行求解。最后,在MATLAB中搭建海上风电场模型进行仿真验证,仿真算例表明：相较于传统固定权重多目标无功优化,自适应多目标无功优化控制策略可以根据电网实时工况,迅速调整各优化目标的优先级,较好地实现有功网损和并网点电压的协调优化。     

计及分布式电源功率不确定性的配电网多目标无功优化

建立以有功网损和节点电压偏差最小为目标的有源配电网无功优化模型,计及分布式电源和负荷功率的不确定性,采用两点估计法(two-point estimate method,TPEM)计算有源配电网随机潮流,并求解优化模型中的目标函数。正态分布交叉(normal distribution crossover,NDX)算子引入到带精英策略的快速非支配排序遗传算法(NSGA2)中,扩大了算法搜索范围、加强了算法全局搜索能力,对有源配电网多目标无功优化模型进行求解。通过IEEE 33节点系统中的算例验证了所提出有源配电网多目标无功优化方法的正确性和有效性。     

海上油田群电网的综合潮流优化控制

将发电控制、电压控制和潮流优化结合在一起,综合考虑电网的功率约束、电压质量和经济性指标,建立了海上油田群电网的潮流优化控制模型,并给出了其求解方法。通过将海上油田群电网潮流优化控制问题转化为一个多目标非线性优化问题,从而设计并实现了一套基于内点法和分支定界法的优化求解算法,并通过调整目标权重来适应海上油田群电网各种运行控制模式的需求。采用涠西南油田群电网实际数据进行测试,表明适当设定权重参数可在保证电压质量、功率平衡的基础上,优化机组的出力,获得经济运行的效果。     

多负荷水平下含风电接入的配电网无功优化

由于风电输出功率的随机性,风电机组的大量接入给配电网无功优化带来更多不确定性因素。为了提高配电网无功优化对风力发电并网的适应能力,建立了多负荷水平下基于场景分析的考虑风电接入的多目标无功优化模型。该模型综合考虑了节省电能损失费用和节点电压偏差2个指标,将2个指标进行模糊化,采用最大化模糊满意度指标法将多目标优化问题转换为单目标优化问题,然后采用自适应遗传算法进行求解。并以IEEE 33节点测试系统为例,计算和分析了在不同场景时最大负荷、一般负荷和最小负荷3种负荷水平下,电容器投切、系统有功损耗、节点电压以及节省电能费用情况。计算结果表明,所提出的无功模糊优化方法,在不同负荷水平、不同场景下改善电压质量和降损节能效果显著,适合多负荷水平下含风电机组的配电网无功优化需要。     

基于多目标混沌粒子群算法的矿区电网无功优化

为了提高矿区电网电能质量,降低电网线路有功网损,在无功优化基本数学模型的基础上,综合系统电压的静态稳定性,建立了多目标无功优化数学模型。针对粒子群优化算法在进化中易出现早熟收敛等问题,引入混沌粒子群优化算法。以IEEE30节点系统为算例,验证了多目标混沌粒子群算法的可行性。将该算法应用于矿区电网无功优化中,仿真结果进一步验证了该算法的有效性。