基于自适应权重PSO算法的分布式光伏并网极限容量计算

为了提高配电网接纳光伏的能力,保证配电网的安全运行和良好的电能质量,提出一种基于自适应权重粒子群优化(particle swarm optimization,PSO)算法的分布式光伏并网极限容量计算方法。综合考虑光伏接入容量、电压偏差、线路载流、谐波畸变率、不允许功率倒送的约束条件,建立分布式光伏并网极限容量计算模型;引入自适应惯性权重系数对传统PSO算法进行改进并对模型求解;在满足约束条件的前提下,计算不同规划方式下的分布式光伏并网极限容量,并分析接入后对配电网电能质量的影响。IEEE 69节点配电网模型的仿真结果表明:所提出的方法能够高效求解光伏并网极限容量问题,提高配电网对分布式光伏的接纳能力。     

基于粒子群进化算法的极限输电容量计算方法

针对 N -1静态安全模型的电力系统可用输电容量（ATC）计算问题,提出一种基于粒子群进化算法的新方法。其基本思想是,对得到的某个ATC可能值,验证在该功率传输水平下系统是否满足静态安全约束。对群中每个粒子对应变量分为区域交换功率值和停运支路编号2部分,二者以不同方式分别进化。计算过程中,不可行粒子用于得到ATC的值并对其采取校正措施来加快得到ATC的速度,可行粒子用于判别严重支路。计算终止时得到区域间ATC、关键支路和对ATC影响较大的严重支路集。在IEEE 118节点测试系统上,通过与其他计算ATC的方法相比较,表明该算法可以准确捕获严重支路集并得到ATC的值。     

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。     

基于改进粒子群算法的独立光伏发电系统储能容量优化配置研究

在独立光伏发电系统设计中,合理的规划配置储能系统容量及不同储能元件之间的容量比,对于光伏发电产业的长远发展具有非常重要的现实意义。结合超级电容器和蓄电池实际的储能特性,研究包含这两种储能元件的储能系统能量管理策略;以储能装置的全生命周期费用为优化目标,建立以独立光伏发电系统负荷缺电率等可靠性指标为约束条件的约束模型;提出了一种基于改进粒子群算法的储能容量优化配置方法,并进行了优化软件的编写和算例验证。     

基于改进粒子群算法的农村配电网分布式光伏选址定容研究

为了解决农村配电网电压质量低和网络损耗严重等问题,建立了考虑低碳环保费用的改善电压过低和网损的分布式光伏布点定容方案,以分布式光伏投资费用、低碳环保费用、损耗费用、购电费用以及运行维护费用最小化为规划模型,利用三角模糊数层次分析法对数学规划模型进行处理。为解决粒子群算法的"早熟"问题,提出引入动态差分变异、杂交操作及保留精英策略改进标准粒子群算法,并对所建立的数学模型进行求解分析。通过实际案例验证了所提规划模型的经济性和优化方案对改善电压质量和网损的有效性以及算法的准确性。     

基于离散粒子群算法的光伏微电网储能容量优化配置∗

传统储能容量配置策略为确保微电网运行的稳定性,在一定程度上增加了冗余投资,为此提出基于离散粒 子群算法的光伏微电网储能容量优化配置.通过蓄电池组与超级电容器的工程模型,获取光伏微电网储能装置的工作 特性,以容量配比最优、投资成本最小为目标构建储能容量优化配置模型,并引入离散粒子群算法求解模型,获得最 优储能容量配置结果.实例分析结果表明,对于蓄电池组与超级电容组成的储能装置,该方法在满足输出功率平衡的 基础上,给出了一个最优容量配比和最强经济效益的容量优化配置方案.     

基于鸡群粒子群混合算法的配电网重构研究

为使配电网接入分布式电源后能快速、准确地重构,针对配电网重构的算法进行改进。对于粒子群算法易陷入局部最优的问题,提出与鸡群算法进行融合,以扩大搜索范围,避免搜索过程陷入局部极小,从而得到质量更好的解。最后在IEEE 33节点系统中,考虑分布式电源的接入,运用鸡群粒子群算法进行算例验证。     

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。     

基于改进粒子群算法的含分布式电源配电网规划

在不考虑网络扩展的情况下,建立了以包含分布式电源建设和维护费用、网损费用以及购电费用在内的配电网年费最小为目标的规划模型,并采用改进的粒子群算法对分布式电源的安装位置和容量进行优化计算,避免了粒子群算法早熟和边界聚集的问题。通过对IEEE33节点配电网系统进行仿真计算,验证了规划模型和算法的正确性和适应性。     

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。     

基于双重混合粒子群算法的配电网重构

为进一步优化配电网运行结构,将混合蛙跳思想引入粒子群算法,结合配电网结构简化、支路分组,提出一种基于双重混合粒子群算法的配电网重构策略。为提高粒子搜索效率、防止算法早熟,首先,等效简化配电网结构图,对支路分组,缩短编码维数;其次,将各粒子依据一定规则分组,采用基于混合蛙跳思想的二进制粒子群算法进行支路组搜索,且对粒子历史最优值进行多次分组,组内搜索采用二进制粒子群搜索算法。运用该方法分别对IEEE33节点配电系统和136节点配电系统进行仿真,并与遗传算法和粒子群遗传混合算法进行对比分析,结果表明该方法收敛速度快,可得到最优网络重构结果,有效降低网损。     

基于粒子群算法与模拟退火算法的一种混合配电网重构算法

本文首先对配电网重构的意义,研究现状以及当下的几种方法等方面进行分析,并且对比了几种主要重构方法的优缺点。然后,介绍亚启发式算法中的粒子群算法与模拟退火算法,并将二者有效地进行融合互补,形成一种新的混合算法。此方法利用粒子群算法快速局部搜索能力和模拟退火算法全局收敛的优点,使其既能以较大的概率跳出局部的极值点,又能提高收敛速度。最后,将这种混合算法应用于配电网重构中,介绍了配电网的简化分析方法,并阐述了配电网的粒子群初始化、参数设置、编码规则等内容,并通过IEEE33节点和69节点系统基于MATLAB平台的仿真,验证算法的可行性和优越性。     

基于多目标粒子群算法分布式电源的最优配置策略

随着各种可再生能源发电技术逐渐成熟,将多类型分布式电源(Distributed Generation,DG)接入配电网(Distribution Network,DN)是促进电力系统能源转型的快捷方式。但是,大量的DG接入DN会导致DN运行稳定性下降,迫切寻找到解决方法。为此本文考虑了PV(Photovoltaic,PV)、风力发电(Wind Power Generation,WPG)和燃料电池(Fuel Cell,FC)三种DG,并以DG的经济性指标、电压偏差、电压波动以及网络损耗作为优化目标,采用多目标粒子优化算法(Multi-objective Particle Swarm Optimization,MOPSO)确定了三种DG接入DN的最优位置已经最佳容量,并与多目标蝗虫优化算法(Multi-objective Grasshopper Optimization Algorithm,MOGOA)进行了比较。基于IEEE-33节点仿真测试算例表明与未配置DG相比,通过MOPSO算法配置DG后,平均电压波动降低了0.055 p.u.(5.01%),网络损耗减少了646.65 kW(15.92%),并且,MOPSO配置成本更低,具有更好经济性。     

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。     

基于改进粒子群优化算法的风电场最大接入容量计算

位于电网末端的大型风电场的接入极大地影响电力系统的安全,风电场最大接入容量研究成为风电场规划和运行的重要课题。根据静态安全约束和暂态稳定约束条件,提出一种基于粒子群优化算法的风电场最大接入容量的确定方法。通过改进粒子群优化算法,其全局搜索能力可进一步提高,并可避免陷入局部最优。通过在IEEE New England 39节点系统上的仿真计算,验证所提方法的有效性,同时还分析了其他影响风电场接入容量的因素。     

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。     

混合型粒子群算法在含分布式电源配电网重构中的应用

针对蚁群算法面临收敛速度慢与粒子群算法易陷入局部最优的问题,将蚁群算法和粒子群算法相融合,生成了新的混合型粒子群算法,具有较高的收敛速度与全局搜索能力,将其用于含分布式电源的配电网重构。最后以IEEE33节点配电网作为算例进行仿真。结果验证了算法的可行性和有效性。     

基于粒子群算法的BP神经网络光伏电池建模

针对光伏电池复杂难以建模的非线性特性,本文提出一种基于粒子群算法(PSO)的反向传播(BP)神经网络建模方法.神经网络具有很强的非线性拟合能力,但同时也存在收敛速度慢、容易陷入局部极值、建模精度不高等缺点.本文采用粒子群算法来优化神经网络的内部连接权值,以改善神经网络的性能,并基于这种改进的神经网络构建光伏电池动态模型...