基于神经网络预测的配电网光伏消纳能力评估方法

随着大规模光伏接入需求的产生,高渗透率的光伏设备对配电网的安全运行提出了很高的要求,研究准确评估配电网光伏消纳能力是当前学界与业界亟待解决的一个重要问题。光伏出力随着天气的变化存在诸多的不确定性,目前的数学优化与场景模拟方案只是针对配电网的一个总体消纳能力评估。这些方案总体过于保守,并且未能针对特定情况(如气候变化、用电发展等)下的配电网光伏消纳能力进行评估。由此引入了二阶段光伏消纳能力评估方法。首先针对配电网未来负荷不确定性,利用循环神经网络对配电网未来负荷能力进行短期预测;然后根据预测值,针对光伏出力不稳定性的情况,进一步考虑功率转移下的配电网运行稳定性,由此更好地模拟配电网在大规模接入光伏情况下的运行特征。该方案对于实际光伏容量评估与规划具有现实指导意义。最后,以上海市奉贤区某配电系统为算例的模拟分析佐证了该方法的可操作性与准确性。     

基于电能质量约束的智能配电网分布式电源消纳能力研究

针对智能配电网分布式电源消纳引起的电能质量问题,分析了以电能质量综合指标为控制目标的分布式电源消纳能力评价方法,并依此为约束,采用参数辨识的方法开展智能配电网分布式电源消纳能力研究。IEEE 33节点算例结果表明,文章提出的思路和方法可行,该方法可方便应用到实际工程的决策中。     

考虑负荷特性的光伏消纳能力的模拟与评估

针对目前在配电网光伏消纳能力评估过程中不能全面考虑电力系统中负荷特性多样化对光伏消纳能力影响的不足,提出一种考虑负荷运行中的实际情况,光伏消纳模拟与概率评估的方法。首先采用支持向量机-随机森林算法对负荷数据进行清洗,再采用改进谱聚类算法对不同类型的负荷特性进行聚类分析,然后基于场景分析法选取不同负荷的类型曲线作为节点处负荷数据,最后基于蒙特卡洛模拟法和均匀抽样法进行光伏消纳方案随机模拟与消纳能力近似评估。基于IEEE 33节点系统算例分析,对有无考虑负荷特性的抽样结果进行对比,有效验证了所述方法的适用性。     

基于碳中和目标的分布式光伏发电并网消纳控制研究

采用目前方法对分布式光伏发电并网进行消纳控制时，没有对碳排放量进行分配，存在碳排放量高、系统效率低和发电量低的问题。提出基于碳中和目标的分布式光伏发电并网消纳控制方法，该方法对消纳进行控制之前对分布式光伏发电系统的碳排放量进行了分配，以此助力碳中和目标达成，在此基础上构建分布式光伏发电并网消纳控制模型，并设定相关约束条件，采用遗传算法对消纳控制模型进行求解，获得模型最优解，实现分布式光伏发电并网的消纳控制。实验结果表明，所提方法的碳排放量低、系统效率高、发电量高。     

主动配电网中分布式光伏发电的优化配置研究

鉴于主动配电网是当前智能电网的一种发展模式,以主动配电网对分布式光伏发电(DPVG)的年消纳能力最大为目标,以多种电气限制和主动管理策略为约束条件,建立了DPVG在主动配电网中的优化配置模型,并基于双层优化思想,将其转化为双层优化模型,提出采用自适应粒子群算法和原对偶内点法相结合的混合策略对模型进行求解,最后以IEEE 33节点主动配电网为例,对提出的模型和求解策略进行了测试,分析了不同DPVG接入点和主动管理措施对年最大消纳能力的影响,结果可为主动配电网中DPVG的优化配置提供参考。     

基于改进海洋捕食者算法的配电网储能多目标优化配置北大核心CSCD

分布式电源(distributed generation,DG)的大量接入是配电网重要发展趋势之一,而储能系统的合理配置是提升配电网接纳DG能力的重要手段。本工作考虑高比例DG接入配电网造成电能质量下降问题,建立使配电网电压偏移最小、线损率最低、储能规划成本最优三个指标的储能多目标优化配置模型;针对目前侧重改进传统优化算法求解储能配置多目标优化问题性能不足方面,采用一种基于快速非支配排序和边界交叉构造权重设置参考点的方法对海洋捕食者算法改进,进而求解配电网储能多目标优化模型,得出储能在配电网中的最佳并网位置、额定容量和储能电池调度周期内的充放电功率。通过在IEEE-33节点系统上进行算例分析,结果显示:采用改进的多目标海洋捕食者算法能够有效地求解出在最优储能规划成本下使配电网经济、稳定运行的储能配置方案,及储能电池运行周期内最佳的充放电策略;并且通过对比多种智能优化算法,证明了所提改进海洋捕食者算法在求解储能多目标优化配置问题上具有良好的收敛性能、分布性能。     

基于改进BA算法的光伏发电系统MPPT优化控制

为优化光伏阵列在部分遮蔽情况下的多峰值MPPT控制,保证光伏发电系统实时功率的最大输出,提出了基于改进BA算法的最大功率追踪控制方法,即在基本BA算法的基础上,融入了小生境技术的共享机制与排挤策略,减少相似个体数量,从而增加了BA算法在迭代过程中的种群多样性,提高了BA算法在MPPT控制中的全局搜索能力,增强了最大功率追踪的稳定性,并将该算法与PSO、PO算法在不同光照及温度条件下的MPPT控制效果进行了仿真试验对比。结果表明,与传统算法相比,改进的BA算法具有更好的追踪效果,不仅避免了光伏系统在遮蔽情况下输出功率陷入局部最大值的问题,且提高了发电效率。     

基于改进花授粉算法的光伏最大功率点追踪研究

针对厂区光伏在局部阴影或光照不均匀的情况下,光伏阵列输出存在多个极值点,导致传统优化算法追踪最大功率点时存在速度慢和精度低等问题,提出了基于改进花授粉算法的光伏最大功率跟踪控制策略。采取有利于全局广泛搜索的自适应系数对全局搜索进行改进,提高了算法的收敛速度与精度。通过MATLAB/Simulink建模仿真,证明了所提出的改进花授粉算法在复杂光照条件下具有更快的收敛速度与追踪精度。     

基于协同进化蚁群算法的含光伏发电的配电网重构

文章提出了一种基于协同进化蚁群算法的含光伏发电的配电网重构方法,该方法将复杂的含光伏配电网重构问题分解为一系列相互联系的子优化问题,建立了以配电网网络损耗最小和负荷均衡化率最小的多目标子区域优化模型,以及以系统总运行费用最小为目标的整体优化模型。各子区域内部采用蚁群算法独立求解,子区域间通过代表个体的交互配合和不断协同进化,最终实现整体最优的目的。由114节点配电网仿真结果表明:文章所提出的方法能有效提高算法的计算速度和求解质量;光伏发电接入配电网后,能够降低运行费用和减少开关动作次数,有助于配电网安全经济运行。     

基于改进遗传算法的风/光互补发电系统恒压控制

针对带有约束条件的风/光互补发电系统恒压控制这个多极值非线性组合优化问题,采用一种改进遗传算法,以系统发电成本最低为目标,根据拧制规则对一风/光互补发电系统的电压进行了优化.仿真结果表明.该算法能显著地提高收敛速度和计算精度,有效地提高了风/光互补发电系统的电压稳定性.     

基于改进萤火虫算法的分布式能源供应链配置研究

针对分布式能源供应链的配置问题,提出了改进人工萤火虫算法,结合云计算技术解决该配置问题。首先,以人工萤火虫算法的决策域半径为切入点,改进人工萤火虫算法的决策域半径,有效地解决了传统人工萤火虫算法寻优不稳定、算法精度低、后期收敛速度较慢的缺点;其次,全面采集系统信息,考虑各云处理中心各服务器的负载情况,建立基于改进人工萤火虫算法的分布式能源供应链配置需求侧均衡模型,以达到云计算环境下能源供应链中的配置均衡目标;最后,仿真分析表明,改进人工萤火虫算法可以更快、更稳定、更均衡地处理系统中的任务,优化分布式能源供应链配置。     

基于简化BUCK变换器的分布式光伏优化器研究

光伏板受遮挡时导致输出最大功率降低造成能源的浪费。为提高光伏发电系统的能源利用率,引入分布式光伏优化理念,并设计了一种分布式光伏优化器,文章分析了优化器的工作原理和控制策略,进行了模拟试验,试验结果表明,分布式光伏优化器性能优良,与传统Buck变化器相比有更低的成本。     

基于特征筛选与ANFIS-PSO的分布式光伏发电功率预测方法研究

短期分布式光伏发电功率预测对配电网调度计划的安排及优化具有重要意义。人工智能技术的进步为精细化分析光伏发电功率预测结果的影响因素以及提高光伏发电功率的预测精度提供了有效途径。文章提出一种基于特征筛选与ANFIS-PSO的分布式光伏发电功率预测方法。首先,基于随机森林中的增益情况,对影响分布式光伏发电系统的各项特征参数进行筛选;然后,通过自适应神经模糊推理算法对输入数据进行训练,并使用粒子群算法对ANFIS模型进行优化;接着,建立基于离线训练和在线预测的ANFIS-PSO分布式光伏发电功率预测模型;最后,利用北京某地分布式光伏发电系统的实际数据来验证模拟结果的准确性。     

基于XTC算法的风光分布式发电集群组网电力集抄系统研究

针对由风电、光伏组成的分布式配电网抄表系统抗干扰性能差、通信延时长和误码率高等问题,设计了基于XTC算法的LoRa集群组网的远程智能系统。文章首先分析了LoRa的技术特点,然后通过XTC算法中的邻居排序、信息交换和链路选择3个步骤,实现LoRa集群组网;组网之间以LoRa通讯方式向控制终端上传相关数据信息;最后对设计的系统进行了性能比较分析。     

基于IMFO算法的光伏高占比电网UPFC参数优化模型

光伏高占比地区功率双向交换过程中系统存在暂态功角稳定及电压稳定问题,为得到电网在有功和无功动态波动下统一潮流控制器(Unified Power Flow Controller,UPFC)的最优参数,文章通过对飞蛾扑火(MothFlame Optimization,MFO)算法进行改进,提出光伏高占比电网UPFC控制参数优化模型。首先,针对光伏高占比条件下电力系统UPFC串联、并联功率控制方法,建立基于UPFC的系统阻尼优化控制模型;其次,建立基于系统阻尼和电压偏差最优控制的UPFC参数改进的飞蛾扑火优化算法(Improve Moth-Flame Optimization,IMFO)模型;最后,通过MATLAB与PSD-BPA联合仿真,以东北某光伏高占比电网实际运行数据为基础,建立光伏高占比电网UPFC参数IMFO优化仿真模型。仿真结果表明,基于IMFO算法优化得到的UPFC控制参数,可有效提高UPFC设备对系统阻尼震荡及暂态电压稳定的支撑能力,与传统的MFO相比具有更好的收敛性。     

基于IFOINC算法的光伏系统MPPT研究

针对光伏系统传统的最大功率点跟踪(MPPT)算法跟踪速度慢、易振荡、跟踪精度低等不足,提出一种改进的分数阶电导增量(IFOINC)算法,即将基于功率预测的变步长扰动观察(PO)算法和分数阶电导增量(FOINC)算法结合使用。IFOINC算法具体跟踪过程,先采用基于功率预测的变步长PO算法快速跟踪到MPP附近,再采用FOINC算法进一步搜索MPP从而完成整个跟踪过程。文章研究了光伏系统结构,光伏电池的等效模型,设计了IFOINC算法,建立了光伏系统MPPT仿真模型,在Matlab/Simulink下进行仿真。在光照均匀的条件下,改变其它环境条件,研究IFOINC算法的MPP跟踪效果与基于功率预测的变步长PO算法和FOINC算法之间的差异。研究结果表明,IFOINC算法的跟踪速度比FOINC算法提高了42.3%,IFOINC算法的跟踪精度比基于功率预测的变步长PO算法提高了3.9%,且消除了跟踪过程的振荡。     

基于改进神经网络的光伏发电功率短期预测方法研究

针对光伏发电中因多种随机因素引起的输出功率不确定性问题,文章结合思维进化算法和BP神经网络算法建立了光伏发电功率的短期预测模型,模型的输入因子为大气温度、辐照度、风速和历史输出序列。根据季节变化采用4个预测单元对预测模型进行训练和电站出力预测,并通过仿真对所提算法的有效性和准确性进行验证。结果表明,MEA-BP模型能有效降低BP网络模型的预测误差。     

一种基于遗传算法的光伏阵列参数辨识方法

提出一种基于遗传算法的参数辨识方法,在保证辨识精度的前提下,将光伏电池参数辨识后得到的多组结果收敛为一组参数值。依据光伏电池的I-U方程和参数特性,基于实测数据,通过参数辨识方法确定待求解参数的可行解范围;利用基本遗传算法辨识待求解的参数值,得到一组准确的辨识值;当出现部分数据辨识结果的误差较大时,利用一种基于混合遗传算法的参数辨识方法,提高这部分数据辨识结果的精度。基于实测数据,利用所提出的辨识方法确定参数值,通过预测结果与实测结果的比较,验证了该方法的准确性与实用性。     

基于人工神经网络和模拟集成的短期光伏发电预测

文章提出了一种基于人工神经网络(ANN)和模拟集成(AnEn)的短期光伏发电预测方法。该方法首先利用数值天气预报模型,以计算天文变量为输入,对光伏发电站点进行72 h的确定性和概率预测;然后分别运用基于ANN,AnEn和ANN+AnEn联合模型方法对3个光伏发电站点进行预测,并进一步利用模拟4 450个光伏电站的综合数据验证了该模型方法的可扩展性;最后利用美国国家大气研究中心(NCAR)的黄石超级计算机,在1个节点(32核)～4 450个节点(141 140核)内测试了该方法的并行运算处理能力。实验结果表明,基于ANN+AnEn联合模型方法可以获得最佳结果,同时证明了该方法适用于大规模并行计算。