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。     

考虑大量分布式电源接入的配电网电压无功控制策略研究

分布式电源的大量并网增加了配电网的无功调压难度,利用传统无功控制策略调压,需要多次调整。通过综合不同负荷的无功控制手段,提出了一套完整的配电网电压控制策略。在一个实际配网系统的仿真结果表明,所提策略能够在分布式电源出力波动较大的情况下,将配电网电压限制在合理范围内,有效降低分布式电源并网对电压的影响,提高电能质量。     

考虑分布式电源接入配电网规划优化研究

在配电网的规划研究过程中应将分布式电源的接入问题放在首位。首先,从综合投资最小的角度考虑,构造分布式电源接入后的配电网多目标优化模型。其次,提出了一种改进的混合种群遗传算法,解决了传统遗传算法的单一性问题,增强了算法的收敛能力。最后,应用算例验证所提规划模型和算法的有效性,结果表明所提规划模型和算法可明显降低运维成本,与常规遗传算法对比,迭代速度更快,寻优能力更强。     

含分布式电源的配电网动态无功优化调度方法

提出一种含分布式电源(DG)的配电网动态无功优化调度方法,以解决其中的时空耦合性问题。该方法首先对电网进行静态优化计算,根据电容器投切容量增量大小制订预动作时刻表;然后对电网进行动态分区,根据分区结果以及预动作时刻表,对负荷数据进行相应处理;以系统能量损耗最小为目标,并以投入的电容器补偿量为控制变量进行动态无功优化计算,得到电容器调度方案;最后,对电网中DG的无功出力进行优化,得到含DG的配电网无功调度方案。利用IEEE 33节点系统进行仿真,并与现有方法进行对比,验证了所述方法的合理性和有效性,且降损效果比现有方法更优。     

基于量子粒子群算法的配电网分布式电源选址和定容

分布式电源优化布置与定容是智能电网发展中的重要课题之一,合理地对分布式电源进行选址和定容对于配电网规划非常重要。在研究分布式电源规划的基础上,建立了以有功网损最小为目标函数的优化模型,用罚函数法将分布式电源规划问题转化为无约束问题,并首次将量子粒子群优化算法应用到分布式电源选址和定容问题的求解中。对IEEE 33节点配电测试系统进行仿真计算,将仿真结果与标准粒子群算法进行比较,验证了量子粒子群算法具有一定的收敛性和适应性。     

含分布式电源的配电网无功优化

为提高系统电压稳定性,在传统无功优化目标函数模型的基础上引入电压稳定L指标,将电压稳定L指标与最优潮流结合,建立了考虑网络损耗和系统电压稳定的配电网无功优化模型.在小生境遗传算法的基础上,对遗传算法小生境进行单纯形搜索,消除算法中存在的早熟收敛和开采能力不足的缺点,增强了算法的寻优能力.采用IEEE33节点算例分析表明,该算法优化效果良好,能有效降低有功网损,提高系统电压稳定性。     

考虑多目标优化模型的含分布式电源的无功优化

在配电网的调压过程中,将能够发出无功功率的分布式电源与电容器相结合,分析含分布式电源的配电网无功优化的问题,建立有功网损最小、静态电压稳定裕度最大的数学模型。在此基础上,应用超效率数据包分析评价方法,明确各目标函数的权重组合方案,把双目标无功优化问题转换成单目标规划问题。并且运用一种新颖的智能优化算法—细菌菌落算法,解决分布式电源在配电网中的无功优化问题。细菌菌落算法根据单群体菌落生长演化过程来寻找最优解,建立了细菌菌落的生成和死亡的寻优机制,并提供了一种新的算法结束方式。通过IEEE-33测试系统验证该算法具有良好实用性和适应性,并且也验证了所提模型的实际意义。     

考虑分布式电源无功调节的配电网两级动态无功调度策略

针对传统配电网两级动态无功调度策略存在的均衡度低、耗时长的问题,提出了考虑分布式电源无功调节的配电网两级动态无功调度策略。根据分布式电源的无功调节原理,设计了配电网安全态势功能模型,在引入数据处理技术的基础上,评估了配电网的网络安全态势。利用配电网两级的输出信道带宽,构建了影响配电网两级电力负载的期望方程。基于配电网节点耗能因子矩阵,得到了配电网两级动态无功调度的负载输出项,完成配电网两级动态无功调度的统计分析。通过制定配电网两级动态无功调度策略,实现了配电网两级的动态无功调度。实验结果表明,考虑分布式电源无功调节的配电网两级动态无功调度策略的均衡系数大于0.7,调度耗时在5 s以下,不仅具有更高的均衡度,还可以确保配电网两级动态无功调度具有更高的效率。     

基于分布式电源接入的配电网无功控制策略研究

随着经济不断发展,光伏、风电等分布式电源得到了广泛应用。分布式电源接入配电网,提高了电网的可靠性和灵活性,但因分布式电源间歇性和随机性的特点,配电网电压分布和线路损耗会受到影响,有效的电网电压无功控制对其稳定运行至关重要。本文提出一种基于规则的电压无功控制策略,建立分布式电源的数学模型,从而降低了分布式电源接入配电网带来的负面影响,实现了电网电压无功控制和补偿。该方法的推广应用为电网的稳定运行提供了可靠保证,有效提高了电网的电能质量,具有很好的应用前景和现实的应用价值。     

考虑分布式电源出力随机性的配电网无功优化策略

随着大量出力随机波动型的分布式电源并入配电网中,使得基于并联电容器等静态无功补偿装置的无功调节方式不能满足新的配电网络结构下的无功优化要求。提出了一种利用SVG动态无功补偿以稳定其并网点电压的无功控制策略,并详细分析了SVG容量的选取方法。在此基础上,提出了一种含有出力随机型及其他不同类型分布式电源的配电网无功优化策略,并利用改进的粒子群算法,充分验证了所提出方法的可行性及改进粒子群算法的快速有效性。     

电力系统无功优化多目标处理与算法改进

电力系统无功优化属于典型的多目标非线性复杂优化问题,求解非常困难。近年来,众多智能优化算法应用于该问题,其中粒子群优化(Particle Swarm Optimization,PSO)算法最具代表性;但PSO算法性能仍有待提高,如可能陷入局部极值。提出一种多策略融合粒子群优化(Particle Swarm Optimization with Multi-Strategy Integration,MSI-PSO)算法,对速度更新公式引入选择操作,分阶段加速因子调整和惯性权重动态调整,以平衡粒子局部搜索与全局探索能力;同时,随机选取部分性能差的粒子,将其速度更新公式中的个体认知部分修改为社会认知部分,以提高算法搜索精度和收敛速度。建立以系统网络损耗最小和系统电压稳定裕度最大为目标的无功优化仿真模型,分别考虑加权法、隶属度函数法和Pareto法实施多目标处理。针对IEEE30节点测试系统进行仿真实验,结果表明,和其他几种改进PSO算法以及基于pareto最优解集PSO算法进行对比,所提MSI-PSO算法具有更好的性能,能够有效求解电力系统多目标无功优化问题。     

考虑主动管理措施的配电网无功补偿双层优化配置

为了适应未来大量分布式电源(DG)并网及自动化水平显著提高的主动配电网发展,在规划阶段应该考虑主动管理措施,优化系统运行方式。同时,现有的无功补偿规划研究忽略了DG及负荷的不确定性。为此,计及间歇性DG及负荷的不确定性,提出主动配电网无功补偿双层优化配置模型。上层规划以无功补偿电容器的投资成本、网络损耗费用综合最优为目标函数,下层规划在此基础上考虑调节无功补偿容量及调节有载变压器抽头两种主动管理措施,对每个场景进行优化。采用K-均值聚类法对场景进行缩减,结合和声搜索算法和粒子群算法联合求解模型。通过IEEE33节点算例进行仿真计算,验证所提模型和方法的正确性。     

含分布式发电的配电网多目标无功优化策略研究

为以最省的无功设备投资、最大限度地保证系统经济运行,增加解决问题的灵活性,研究了含分布式发电(DG)的配电网多目标无功优化策略,即构建含DG的配电网多目标无功优化模型。运用自适应多目标粒子群(AMOPSO)算法求解此问题,一改传统将多目标问题转化为单目标求解的做法。为验证所提策略,以含DG的IEEE 33节点系统为例,将AMOPSO应用于以最小化系统有功网损和最小化无功补偿设备容量（投资）为目标函数的多目标无功优化问题。仿真表明,采用该策略为决策者提供了可供选择的多样性解;优化结果验证了所建多目标模型的优越性和所提算法应用的可行性和有效性。     

基于遗传算法的含分布式发电的配电网无功优化控制研究

提出了基于遗传算法的含分布式发电的配电网无功优化算法。构建了包含分布式发电系统的配电网无功优化数学模型,充分考虑了网损最小和节点电压的约束,采用遗传算法对分布式发电的无功功率给定进行了优化,仿真结果表明该优化算法能够有效地减少功率损耗和提高电压质量。     

有源配电网重构与多级无功联动优化

优化控制策略是提升分布式电源消纳能力的核心技术,也是有源配电网安全、经济、高效、优质运行的重要保障。为解决分布式电源接入后引起的潮流分布剧变、电压抬升、源荷分布不均衡等问题,提出了配电网拓扑重构以及有载调压器、补偿电容器等多级无功调节设备联动优化策略,建立了含网损、负荷均衡以及节点电压偏差的多目标综合优化模型。通过参数自适应动态调节及变维数和声记忆库机制,提出了改进型多目标和声搜索算法对优化模型进行求解,大幅提高算法收敛速度与寻优能力。在IEEE 33节点算例中进行了多个场景的测试验证,并将改进型多目标和声搜索算法与多目标和声搜索算法、基本和声搜索算法进行了比较,结果表明模型和算法的有效性。     

基于多目标粒子群算法的高维多目标无功优化

提出一种高维多目标电力系统无功优化模型。相比于传统的电力系统无功优化模型,该模型能够在无功优化中同时兼顾系统的有功损耗、电压水平、静态电压稳定性以及供电能力。针对已有的求解多目标无功优化模型的算法应用于求解所提模型时存在的局限性,进一步引入一种基于帕雷托熵的高维多目标粒子群优化算法并加以改进,使得该算法能够有效求解高维多目标优化问题。最后,利用IEEE-39节点系统验证了所提模型和求解算法的正确性和有效性。仿真结果表明,在传统的多目标无功优化模型中引入系统供电能力,能够在不恶化其他目标函数优化效果的情况下,使系统的供电能力得到提高。     

计及电动汽车充电模式的主动配电网多目标优化重构

电动汽车的入网会影响到电网的经济性和安全性,而配电网重构是电网优化运行的有效措施。根据主动配电网(ADN)的特点,提出了含分布式电源(DG)和电动汽车充电的优化重构模型。通过有功网损灵敏度确定DG的安装位置和容量,构造出DG出力和EV充电的多时段概率模型。建立有功网损、电压偏移指标(VSI)和开关操作次数的多目标优化数学模型以确定系统的最佳重构方案,并在IEEE33节点标准配电系统中,采用引入小生境技术的改进多目标粒子群算法(IMPSO)进行计算,提高了算法的全局寻优能力。考虑了电动汽车无序充电和智能充电两种模式,对比不同场景下得出的结果,验证了该方法的实用性和有效性。     

离散学习优化算法在含分布式电源的配网重构中的应用

灵活的网架重构作为主动配电网的重要特征,利于高效消纳分布式能源。传统的数学规划方法难以求解非凸的含分布式电源的配电网重构问题。为此,提出了一种离散学习优化算法(DLOA),并将其应用于有源配电网重构问题。所提方法主要包括三个模块:学习优化算法、离散策略以及拓扑结构分析技术。其中,学习优化算法作为程序优化的核心,离散策略用于确定配电网线路的开闭状态,拓扑结构分析技术则用于分析配电网的网架结构。通过33节点测试系统验证离散学习优化算法的有效性,算例分析表明,所提方法能够有效求解高度非凸的含分布式电源的配电网重构问题。     

考虑负荷不确定性的多目标交直流系统无功优化

提出了一种考虑负荷不确定性的多目标交直流系统无功优化方法,研究负荷模型的不确定性对交直流系统无功优化的影响。本文将系统有功损耗最小、系统电压稳定裕度最大作为目标函数,基于负荷误差的正态分布特征,并利用二层规划理论方法,建立考虑负荷不确定性的多目标交直流系统无功优化数学模型。针对交直流无功优化非线性、多变量、多约束的特点,采用内点法和遗传算法相结合的混合优化算法求解上层模型,下层模型采用实数编码的改进遗传算法求解。采用基于IEEE30标准节点改进的交直流算例对提出的方法进行验证,结果验证了本文提出方法的可行性及有效性。