基于改进模糊C均值聚类时段划分的配电网动态重构

随着大量光伏和风电等间歇性电源接入配电网,传统的静态重构方案不再适用于动态变化下的网络。在此背景下,提出了一种基于改进模糊均值聚类的动态重构策略。首先依据分布式电源(distributedgenerator,DG)和负荷的时变性建立确定性等值负荷预测曲线,通过改进的模糊C均值聚类算法进行时段划分,并且利用损失函数确定最优时段划分方案。其次采用区间数描述DG和负荷预测的不确定性并建立以网损区间值最低为目标函数的动态重构模型,并引入仿射泰勒扩展的潮流计算法求解区间潮流方程。最后采用基于回路搜索的十进制粒子群算法对重构模型进行求解,实现不确定因素下的配电网动态重构。通过IEEE33节点系统仿真验证了所提方法的有效性和优越性。     

基于机会约束规划考虑DG与负荷多状态的配电网重构

分布式电源(distributed generation,DG)的大规模接入使配电网成为有源网络,风力、光伏具有出力随机的特点,传统的配电网重构方法不能完全适用含DG的配电网。考虑自然资源和负荷的随机性,依据概率密度函数分别对不可控DG和负荷建立了多状态模型,进而获得了配电系统的多状态模型。以开关状态为优化变量,高于置信水平的网络损耗最小为目标函数,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,建立了含多种DG的配电网重构机会约束规划模型。基于生成树策略搜索网络结构,应用改进蚁群算法进行求解。算例结果验证了该模型和算法的有效性。     

含多种分布式电源的配电网重构优化研究

考虑多种分布式电源（DG）的影响,形成配电网重构优化的新方法。该方法以网损期望最小为优化目标,运用以配电网环路数为抗体长度的十进制编码策略及疫苗接种策略;并将多种DG的功率计算加入改进牛拉法配电网潮流计算模型中,考虑水轮机等DG的功率可调性及风电等DG的功率随机性,得到考虑功率随机DG出力概率的网损期望;将免疫算法与邻域搜索进行融合,形成邻域搜索免疫算法,有效克服了免疫算法在迭代末期局部搜索能力差的弊端。IEEE33节点模型加入DG后计算结果表明,含多种DG的配电网通过重构可以在优化DG出力的同时实现网损期望的最小化。     

含间歇性DG的主动配电网动态重构研究

考虑ADN(主动配电网)中间歇性DG(分布式电源)出力的时变性和系统负荷功率的不确定性,建立了含DG的ADN重构模型,提出了DEIWO(差分进化入侵杂草优化)算法,对配电网进行动态重构。利用柯西分布取代高斯分布对IWO(入侵杂草优化)算法进行空间扩散,在计算初始可以产生更多的可行解;引入DE(差分进化)策略,优化竞争生存操作过程,解决了IWO算法收敛速度慢且容易陷入局部最优的问题。利用改进的OFCMC(最优模糊C均值聚类)方法处理ADN动态重构问题,将ADN动态重构问题转化成C个代表负荷数据为聚类中心的静态重构问题。IEEE 33节点系统算例结果表明,利用DEIWO算法对接入DG的配电网重构后,各节点电压波动、电压偏差降低,节点电压整体提高至接近额定电压且无电压越限,配电网电压质量可达到最佳状态。     

基于改进灰狼优化算法的配电网动态重构

为了更好地解决含分布式电源(DistributedGeneration, DG)的配电网重构问题,建立了考虑负荷需求与DG出力时变特性的配电网动态重构模型。首先采用K-means++聚类算法对日负荷进行时段划分。然后以系统损耗、电压偏离量为目标函数,并利用改进灰狼优化算法进行寻优计算。针对传统灰狼优化算法中存在的初始种群分布不均、缺少全局交流、容易陷入局部最优等问题,在生成初始种群时引入tent映射,增强初始种群的均匀性。引入合作竞争机制,提高个体间有效信息的利用率。在灰狼种群位置更新时引入自适应惯性权值,以满足不同时期的寻优要求。最后通过算例分析,验证了该算法的可行性与优越性。     

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。     

考虑新能源与电动汽车接入下的主动配电网重构策略

随着分布式风力发电等新能源以及电动汽车(EV)等新型负荷接入配电网的比重逐步提高,传统的配电网重构模型难以反映其随机性和波动性。文中首先构造了风力机和EV的概率场景模型及含分布式电源(DG)和EV的配电网重构模型;其次,在场景分割的基础上对不同场景分别进行线性化随机潮流计算,在保证精确性的前提下简化模型,避免了场景的组合爆炸,体现了对于配电网中不断增加的DG和EV的适应性;最后采用一种适用于配电网重构场景模型的改进生物地理学优化算法,通过引入改进的编码规则、余弦迁移模型及变异操作,提高搜索速度和精度,抑制算法进化过程中因早熟收敛而陷入局部最优。算法在IEEE 69节点算例20次仿真计算中比传统人工智能算法更有优势。     

基于改进蜜蜂进化型遗传算法的含分布式电源的配电网重构

为改善分布式电源(Distributed Generation, DG)并入电网后配电网重构算法的性能,提出一种基于佳点集的蜜蜂进化型遗传算法（Bee Evolutionary Genetic Algorithm Based on Good Point Set,GBEGA）。该算法的关键有三点：1.提出一种基于佳点集的种群初始化方法,该方法比随机方法产生的种群在搜索空间更为均匀;2.引进佳点集交叉算子,该算子能在父代附近进行更加精细的搜索;3.采用自适应的交叉变异概率,有利于算法开采与勘探的平衡。将DG处     

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。     

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。     

考虑不同负荷水平下DG定容选址的配电网协调规划研究

针对多种负荷水平下,分布式电源(DG)接入配电网带来的随机性问题以及无法兼顾DG容量与选址的协调规划问题,本文构建了一种考虑不同负荷水平与DG定容选址的配电网协调规划模型,可对配电网网架进行重新构建的同时,综合考虑DG容量与配置位置的规划,以获得最小的有功网损与最大的电压支撑效果。该规划模型首先对风电接入配电网的随机特性构建数学概率模型,然后将配电网开关组合与各个DG的容量、配置位置同时作为变量引入烟花优化算法求解,最后在不同风电场景与负荷水平下得到最优规划结果。美国PEG69节点系统的算例仿真结果表明该模型不仅可以满足配电网辐射状与稳定运行的约束,在与仅引入DG容量和仅引入DG位置规划的对比中,验证了容量位置协调规划在配电网经济运行方面的优越性。     

面向用户需求的DG与配网网架多目标联合规划

考虑电力用户的多样化供电需求和可再生能源DG出力随机性,提出了面向用户需求的DG与配网网架多目标联合规划方法。根据用户对供电电压质量和可靠性等多样化的需求,对负荷需求整理分类;根据可再生能源DG出力的概率模型和机会约束规划方法,处理不确定性问题;以年社会成本、电压偏移率和用户停电缺失量综合最优为目标函数,建立了DG与配网网架多目标联合规划模型。基于pareto优化理论,采用多目标混合粒子群算法和熵权修正的AHP-TOPSIS多属性决策策略相结合的方法,求解模型。最后,利用算例验证所建模型的合理性和有效性。     

基于分类概率综合多场景分析的分布式电源多目标规划

为了在配电网分布式电源规划中更加准确合理地考虑分布式电源出力及负荷需求的不确定性,基于风电、光伏和负荷的随机性分布特征差异,提出分类概率综合多场景分析方法以实现更合理的多场景生成,并融合K-Means聚类方法和层次凝聚聚类(HAC)算法形成H-K复合聚类场景压缩方法,实现更高效的场景压缩;以年均收益率和配电系统电压分布改善率最大化为目标构建多场景分布式电源多目标规划模型,并采用基于HAC种群截断策略的改进非劣排序复合微分进化算法对模型进行求解;以IEEE33节点配电系统为例进行了分布式电源多目标规划,仿真结果验证了所提方法的有效性和优越性。     

考虑电压权重的配电网分布式电源优化配置

为更合理配置分布式电源(Distributed Generation,DG),提出考虑电压权重因子的配电网DG优化配置模型。该模型以电压总偏差和包括DG投资运行维护费、网损费、购电费的总费用为目标函数。通过在该模型的电压总偏差目标函数中引入电压权重因子来反映DG配置对各节点电压的影响和反映对用户电压质量需求的评判,从而使优化过程有利于较大电压偏差的节点或具有电压评分较高的节点的电压幅值更容易接近其期望值。基于拉丁超立方抽样得到DG和负荷的状态,采用NSGA-Ⅱ算法和基于信息熵赋权的灰靶决策算法得到最优方案。仿真算例表明文中所提方法的可行性和有效性。     

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。     

考虑分布式电源随机性的配电网最大供电能力

随着分布式电源（distributed generation, DG）越来越广泛地应用,逐渐接入到配电网中,对配电网影响举足轻重,而目前配电网最大供电能力（load supplying capability, LSC）的计算方法均未计及DG接入带来的随机性影响。针对这一问题,首先建立LSC求解模型,在蒙特卡罗模拟的概率潮流计算中考虑DG随机性,利用改进的负荷倍数法和计及电压与支路功率约束的LSC逼近法来计算配电网最大供电能力;然后通过配电网IEEE-33算例验证该模型和算法的有效性,模拟多种情景下LSC的变化,仿真结果表明DG接入配电网可提升网络静态安全裕度,且DG随机性出力影响LSC的分布特征;最后分析制约LSC提升的薄弱环节,并建议在节点电压较低处增加调压装置或无功自动补偿装置。     

考虑分布式电源“即插即用”的配电网临界条件计算方法

为了给配电网中的分布式电源（distributed generation, DG）等要素实现“即插即用”提供理论依据,从宏观角度出发,建立考虑要素的“即插即用”的智能配电网一、二次协同体系。以DG为例,综合考虑负荷与DG功率变化、电压、线路容量、潮流倒送及DG功率因数等约束,提出一种计算分布式电源“即插即用”临界条件的数学模型,在考虑负荷及DG功率波动性的基础上提出一种临界条件执行策略。进一步通过理论分析,将临界条件模型中的约束条件进行等效化简,得到了一种求解DG“即插即用”临界条件的快速估算方法。以IEEE 33节点算例为例,对所提出的计算方法及简化算法进行对比分析,结果表明,所提的简化算法是可行的,能够实现对DG“即插即用”临界条件的快速估算。     

城市配电网DG消纳能力曲线的计算方法与分析应用

为了完整描述城市配电网的分布式发电（DG）消纳能力（TAC），探究DGTAC曲线的提升措施，提出一种城市配电网DGTAC曲线的计算方法。介绍安全域和安全边界；建立考虑馈线负荷实际情况和电压约束的TAC曲线模型，该模型利用日负荷曲线确定状态空间，通过对边界点进行电压校验得到TAC曲线。算例验证了所提方法的有效性。通过分析TAC曲线的负荷影响因素发现，只有瓶颈馈线段（组）下游负荷对TAC曲线有影响，提出增加瓶颈馈线段（组）下游负荷和瓶颈馈线段（组）扩容2种TAC曲线提升措施。提出TAC曲线在指导DG和负荷接入、导线更换方面的应用方法。     

分布式电源并网优化配置的图解方法

分布式电源(distributed generation,DG)除了具有调节潮流分布等常规作用外,还可被用来治理电压暂降和降低线损等。针对分布式电源引入配电网后最佳安装位置与容量计算的问题,该文基于链式配电网络、恒功率静态负荷模型和分布式电源的功率模型,并考虑DG对降低线损和调节电压的作用,提出一种图解与遗传算法相结合的计算方法。该方法采用图示求解大量方程,避免了传统算法繁琐的过程和过多的假设条件,并且通过基于电压不越界为约束的遗传算法确定分布式电源的最佳容量,有效避免了节点电压接近合格范围的上界。最后通过典型的仿真算例并与传统方法进行比较,充分证明所提方法的正确性和可行性。     

基于改进粒子群优化算法的DG准入容量与优化布置

为进一步优化配电网中分布式电源（distributed generation,DG）的准入容量和优化布置问题,以节点电压和线路载流量为约束条件建立了单电源和多电源准入容量的数学模型,以有功网损最小为目标函数建立了DG优化布置模型。为有效求解该模型,采用了基于粒子群优化（particle swarm optimization,PSO）算法和二次插值相结合的改进PSO算法,将该改进方法应用于IEEE 33节点标准算例,分别进行了DG的最优接入位置与最优容量的仿真,并与粒子群算法优化结果进行了对比,同时还分析了优化布置下的潮流分布。算例仿真结果表明该方法可有效减少DG接入后配电网的网损,提高配电网的供电质量。