满足电能质量限值的分布式光伏极限峰值容量计算

随着分布式光伏在中低压配电网分散性大量接入,配电网电能质量问题日益突出,配电网馈线可接入分布式光伏极限容量成为了焦点问题。文中探求分布式光伏接入中低压配电网对电能质量的影响因素和影响程度,提出了基于电流注入法满足电能质量限值的极限峰值容量优化计算模型。该模型以多个电能质量指标的国家标准作为优化限值约束,对新建或扩容等多种情况均能有效给出分布式电源接入极限峰值容量。通过IEEE 33节点系统和实际配电网LCX系统的算例分析,验证了模型计算结果的有效性和实用性。针对10kV典型线路,依据不同分区的不同线型给出了满足电能质量限值的分布式光伏安全可接入极限容量,为供电企业校核分布式光伏接入并网申请时提供参考。     

分布式光伏电源极端可接入容量极限研究

为了防止大量分布式光伏电源接入配电网后可能引起电压偏差和电压波动越限,建立了负荷和分布式光伏电源引起的电压偏差和电压波动的计算模型。并在此基础上定义了分布式光伏电源极端可接入容量极限的概念,即负荷为0的极端情况下不致引起电压偏差和电压波动问题的分布式光伏电源接入容量极限。推导了6种典型分布情况下线路电压偏差和电压波动不越限时所能允许接入的极端容量极限。针对10 k V典型线路,给出了不同线型下城市配电网和农村配电网中分布式光伏电源安全接入的极端容量极限值。结果表明,分布式光伏电源极端可接入容量极限是保守的限值,只要满足该容量极限,无论分布式光伏电源和负荷的如何分布情况,都不至于对配电网产生不可接受的电压偏差或电压波动。     

考虑光伏逆变器剩余容量的配电网无功优化

在保证光伏电源有功出力最大的情况下,将光伏逆变器的剩余容量作为连续可调的无功电源研究了含光伏电源的配电网无功优化问题。在分析光伏发电出力随机性和不确定性的基础上,建立了光伏电源出力的概率分布模型,并以配电网有功网损和总电压偏差之和最小为目标函数,建立了考虑光伏逆变器剩余容量的配电网无功优化模型,采用线性递减权重粒子群算法(Lin WPSO)对离散变量进行处理,并寻求无功优化最优解。通过IEEE33节点系统算例仿真,验证了本文所提出的模型和方法更接近实际,可以有效降低配电网总电压偏差,改善配电网电压水平,降低配电网有功网损,验证了本文模型和方法的正确性和有效性。     

一种矩阵化描述的分布式光伏准入容量计算方法

针对配电网大面积接入分布式光伏的准入容量计算问题,考虑电压稳定和区域太阳光能量的分布,首先分析了分布式光伏接入对配电网的影响。然后用自定义矩阵导出电压约束,提出一种矩阵化描述的准入容量计算方法,避免在应用电压约束进行准入容量计算时的潮流迭代问题。采用通用的数据结构和矩阵化的描述,便于计算规模的扩展。采用遗传算法计算各节点准入容量,得出以电压为约束的准入容量值。最后以IEEE11节点系统为例对提出的方法进行了仿真计算,分别得到分布式光伏无额外限制接入、按距离均匀分布接入和按节点均匀分布接入三种情景的准入容量,进而提出适用于大面积分布式光伏接入配电网的原则。     

基于SA-CS算法的配电网光伏容量优化配置

采用IEEE 33节点配电系统验证配电网光伏容量优化配置模型及求解方法,仿真分析可知,配电网系统接入合适容量的分布式光伏,不仅能够提升配电网电压水平,改善电能质量,还能获得环保效益,提升经济效益。将SA-CS算法的求解结果与其他几种常用的算法对比,结果表明,SA-CS算法在收敛所需迭代次数和收敛时间方面远小于其他算法,且具有更高的求解精度,验证了SA-CS算法在配电网光伏容量优化配置方面的优势。     

计及不确定性的分布式光伏接入配电网极限容量评估

针对分布式光伏大量并网导致的配电网电压越限风险增加的问题,分析了不同天气类型下光伏出力特性,提出了基于光伏出力波动特性的广义天气类型聚类划分方法和基于净空理论的光伏出力时间序列模型构建方法。所构建的模型能反映实际光伏出力的时序性和波动性,建立了基于各时段节点电压越限概率与严重度函数的系统电压越限风险评估指标,据此提出采用混合逼近法求解配电网中分布式光伏的极限接入容量。最后,以典型IEEE33节点配电系统和南方电网某地区实际线路为例,分析了不同负荷特性、负荷水平和线路类型下的系统电压越限风险,从这三方面分别对分布式光伏接入配电网的极限容量进行评估。     

基于渗透率的区域配电网分布式光伏并网消纳能力分析

随着分布式光伏在区域配电网中接入容量的不断增加,以渗透率指标群为参考,将引导分布式光伏的合理规划。在不考虑配电网升级改造的前提下,以光伏并网的功率渗透率、容量渗透率和能量渗透率为载体,建立光伏渗透率指标群。以某一实际区域配电网为基础,阐述各光伏渗透率指标的实际物理意义,分析并网后光伏出力与光伏成本、光伏利用率之间的关系,最后探讨不同负荷类型对光伏渗透率指标群的影响,为区域配电网分布式光伏规划投资提供指导和参考,有效引导未来分布式光伏与电网的协调发展。     

基于改进惯性权重PSO算法的目标位置测量技术

针对现有目标位置求解算法推导复杂和标准粒子群算法易陷入局部最优点的问题,提出了一种基于改进惯性权重粒子群算法的目标位置测量方法。该方法通过引进指数因子改进标准粒子群算法的惯性权重,平衡了其全局和局部搜索能力．实现了目标位置的高精度测量。仿真结果表明利用该方法能有效地对目标进行位置测量,测量精度达到0．5％。该方法对无线传感器网络定位、移动通信定位等工程问题也具有一定的研究意义和应用价值。     

基于自适应变异粒子群算法的分布式电源规划

针对分布式电源(DG)规划问题,建立配电网网损最小、电压偏差最小、静态电压稳定裕度最大的多目标DG规划模型。采用模糊集理论将多目标优化问题单一化,通过使总体满意度最大化,提升整体性能。同时采用自适应变异粒子群算法(AMPSO)对建立的模型进行求解,在一定程度上克服了基本粒子群算法容易早熟收敛的问题。在IEEE 33节点配电网系统上进行仿真计算,验证了模型和算法的有效性。     

基于改进粒子群算法的配电网故障自愈算法

首先根据配电故障自愈系统的基本功能及配电网的供电要求,建立了以计算最大自适应度值为计算目标的配电网故障自愈目标函数及其相关参数的约束条件;随后介绍了基于浓度的改进粒子群寻优算法的工作原理及其实现步骤;最后结合配电网故障自愈目标函数和改进粒子群算法,提出了基于改进粒子群算法的配电网故障自愈控制算法,并给出了算法的实现流程图和仿真结果。仿真结果表明,所提配电网故障自愈控制算法具有较好的收敛性。     

基于粒子群优化算法的配电网重构和分布式电源注入功率综合优化算法

随着分布式电源(distributed generation,DG)在配电网中安装比例逐年增加,配电自动化应加强对DG的优化调度功能,发挥DG对配电网优化的有利作用。配电网重构是配电网优化的重要措施,DG联网后,DG注入配电网功率直接影响配电网重构结果。为使配电网性能达到整体最优,提出了一种基于粒子群优化算法(particle swarm optimization,PSO)的配电网重构和DG注入功率综合优化算法。该算法根据PSO并行计算的特点,采用PSO和二进制粒子群优化算法(binary particle swarm optimization,BPSO)相结合的方式,对转换开关状态和DG注入功率2种控制变量同时处理,达到配电网网损、电压偏差最小的目的。将DG作为可调度设备,对配电网重构和DG注入功率进行综合优化,提高了含DG配电网的电能质量和供电可靠性。将该算法应用到3馈线配电系统,仿真结果验证了所提算法的有效性。     

计及分布式光伏配电网供电能力计算方法

分布式电源接入配电网后可以提高供电能力。提出了一种可以有效计及分布式光伏出力的配电网供电能力计算方法,通过将分布式光伏简化为一台特殊的变压器,降低了配电网供电能力分析的复杂性;采用蒙特卡洛仿真计算分布式光伏和传统变压器联网运行的可靠性指标;通过“N-1”校验,确定配电网的供电能力。算例表明：该方法可以明确计算分布式光伏对供电能力的提升作用。     

基于改进PSO算法的光伏阵列MPPT研究

针对光伏阵列(photovoltaic array)传统的最大功率点跟踪(maximum power point tracking,MPPT)方法的不足,提出一种改进的粒子群算法(particle swarm optimization algorithm,PSO)。该算法中,粒子位置依据粒子的个体最优解由大到小更新,更新过程中使用当前时刻所产生的全局最优解,同时,将反映粒子聚集程度的粒子位置的标准差和反映粒子偏离程度的距当前最大功率点的距离引入每个粒子的速度阈值,单独自适应地限制每个粒子的更新速度,以便更快地找到最大功率点,提高收敛速度。最后,通过仿真和实验验证了该算法的快速性和有效性。     

基于动态惯性权重粒子群算法的配电网状态估计

配电网单条馈线节点少、支路少,常采用加权最小二乘法对配电网各条馈线分别进行状态估计。但由于牛顿法对初值要求高,易发散,为此采用动态惯性权重粒子群算法对配电网进行状态估计。该算法能自动调节搜索步长,加快收敛速度,弥补了基本PSO算法易陷入局部最优、算法不稳等不足。4节点算例证明该算法可稳定快速收敛,即使初值偏离真值较远也能有效、快速收敛;IEEE 33节点算例证明了该算法运用于配电网状态估计时收敛速度快、精度高。     

一种新的混合优化算法求解配电网重构

传统粒子群算法(particle swarm optimization,PSO)容易早熟的问题,限制了其在配电网的应用和发展,故把二进制粒子群遗传算法(genetic binary particle swarm optimization,GBPSO)应用到配电网重构中.该算法利用遗传算法(genetic algorithm,GA)的变异能力改善粒子群算法的早熟情况.同时考虑到配电网的特殊性,采用了十进制编码规则,优化了编码方式.算例证明了该方法用于配电网重构的可行性和优越性.     

基于方向矩阵的PSO算法在配网重构中的应用

针对配电网重构中,启发式方法难以寻找到全局最优解,智能优化算法搜索效率较低,需要耗费大量机时,且易陷入局部最优的问题,提出一种基于方向矩阵的PSO算法,并将其应用于配电网的重构。首先对基本环矩阵进行改进,使其形成有序环网矩阵;再利用每个环网中电压最低的节点,并结合有序环网矩阵形成方向矩阵;最后使用方向矩阵对粒子群算法中粒子运动的速度进行指导,使粒子向着最低电压节点移动,保证了全局收敛性。利用粒子群算法良好的局部搜寻能力,可以快速的搜寻到全局最优解。最后使用IEEE 33节点和Taipower84配电系统验证了该算法的有效性。     

基于半不变量随机潮流计算的分布式光伏优化配置研究

针对新能源大规模并网引发电压质量下降及网络损耗增加等问题,提出了一种基于半不变量随机潮流计算的分布式光伏选址定容的新方法。首先,将接入IEEE33节点配电网的光伏出力及配电网自身的负荷进行随机性建模,以此模拟真实情况下的配电网光伏出力与负荷变化。其次,以运行成本和网损为目标函数建立选址定容优化模型,采用半不变量潮流计算得到各个节点电压和各支路功率的半不变量,利用改进粒子群算法寻优得出分布式光伏的最优接入节点及对应容量。最后,通过IEEE33节点配电网仿真分析,验证了所提方法有效性。     

基于粒子群算法的含光伏电站的配电网无功优化

对于含光伏电站的低压配电网,电压等级降低了,输电线路上的电压降不仅受无功功率的影响,有时有功功率引起的电压波动更加明显.由于有功和无功引起的电压变动分量是代数和的关系,因此无功补偿在一定程度上可以弥补有功功率变动造成的电压波动问题.以系统运行成本最优为目标函数,包括采用补偿措施后减小的配电网功率损耗费用和加装无功补偿装置的费用2个部分,建立含光伏电站配电网的无功补偿优化数学模型.该模型考虑了光伏电站并网逆变器的无功调节能力,采用改进的多组织粒子群算法对规划模型进行求解,通过算例分析验证了该模型与算法的可行性和有效性.     

粒子群优化算法在光伏阵列多峰最大功率点跟踪中的应用

局部阴影情况下,光伏阵列功率-电压(P-U)特性曲线呈现多个极值点,传统的最大功率点跟踪(maximum power point tracking,MPPT)方法会失效。研究了粒子群优化算法(particle swarm optimization,PSO)在光伏阵列(photovoltaic array)多峰MPPT中的应用,该方法根据多峰P-U曲线的特性,提出将粒子初始位置分散定位在可能的峰值点电压处这一新思路,保证了粒子群算法不会陷入局部极值点且不会错过任何极值点。设置了粒子群算法的参数,同时提出有效的迭代终止策略,能够避免系统趋于稳定时的功率振荡。最后通过仿真验证了该算法在有、无阴影情况下均能够快速且准确地跟踪最大功率点,有效地提高了光伏阵列输出效率。