基于改进天牛须搜索算法的分布式电源选址定容

针对分布式电源接入配电网的选址定容问题,在考虑到网损、静态电压稳定和线路热稳定3个指标的基础上,采用层次分析法建立了分布式电源在配电网中选址定容的多目标优化模型。对一种新的智能优化算法-天牛须搜索算法(Beetle Antennae Search-BAS)进行改进,提高了算法的稳定性,并应用于分布式电源选址定容问题求解。通过与粒子群算法在IEEE-33标准节点算例的仿真对比实验,验证了改进天牛须搜索算法(Improved Antennae Search-IBAS)在分布式电源选址定容问题求解中的高效性和稳定性。     

基于自适应遗传算法的分布式电源优化配置

针对能源互联网背景下大量分布式电源接入配电网的优化配置问题,从经济性出发,建立了以投资成本、运行维护成本、网络损耗成本和购电成本之和最小为目标的分布式电源的选址定容优化模型。利用前推回推法计算配电网络潮流,采用了自适应遗传算法对所提模型进行求解。结合IEEE 33节点构造算例进行分析,结果表明该模型在保证经济性的同时,能有效减少网络损耗并提高电压质量。     

基于改进粒子群的分布式电源选址定容优化

随着分布式电源并网推广,它对配电网中的节点电压、线路潮流、短路电流、可靠性等会带来影响,且其影响程度与分布式电源的位置和容量密切相关。分布式电源的位置和规模不合理,可能会导致电能损耗以及网络电压的稳定性。传统的粒子群在解决选址定容上存在易陷入局部最优解,收敛速度慢。提出一种模糊自适应粒子群的方法自适应改变参数来对分布式电源的选址定容问题求解,以网损最小为目标函数,得到分布式电源接入的最优方案。通过测试IEEE30节点的系统,仿真结果表明算法是有效的。     

基于和声搜索算法的光伏电源选址定容研究

配电网中分布式光伏（distributed photovoltaic,PV）接入比例不断增加,加剧了配电网运行工况的不确定性。研究了PV并网的选址定容问题,仿真分析了PV接入对配电网的影响:首先,从负荷均匀分布模型出发分析网损与PV接入位置,以及与PV容量的关系,然后,建立以网络最小损耗为优化目标的选址定容模型,提出一种基于和声搜索算法（harmony search algorithm,HSA）的选址定容优化方法;最后,在IEEE33节点配电网模型上验证了所提方法的可行性与高效性。仿真结果表明,以网损最小为优化目标的选址定容方案能够改善电压质量,提高配电网的静态电压稳定性。     

基于自适应混沌粒子群算法的分布式电源优化

目前我国是以＂大机组、大电网、高电压＂为主要特征的单一供电系统,这种集中发电、远距离传输、大电网互联的方式虽然有效减少了系统的备用容量以及加强了各网络间的同步,但很难快速追踪远距离的末端负荷变化,负荷峰谷差增大将导致电荒出现,线路距离太远也加大了系统的网损。基于此,本文考虑在配电网中合理接入分布式电源进行优化,为了确定接入位置和容量,本文以分布式电源安装年费用、配电网年有功损耗及分布式电源环境效益为多目标函数;为了避免粒子群算法（PSO）容易陷入局部最优,文中采用计算速度快、收敛可靠的自适应混沌算法（ACPSO）进行计算,设计了基本计算流程;最后采用IEEE14节点系统进行算例分析,接入分布式电源后配电网网损有效降低,且能减少配电网运行总费用,同时证明ACPSO算法在解决分布式电源优化问题上具有一定优越性。     

配电网中分布式电源的优化配置研究

对于分布式电源在配电网中的选址定容问题,本文以有功网损、配电网节点电压偏移总和、系统建设与运行总费用和环境成本这四个指标作为优化目标。通过加权归一化为单目标函数,建立了分布式电源选址定容的数学模型,并利用改进遗传算法对模型进行优化求解。以IEEE33节点配电网为算例,对分布式电源的安装位置与容量进行优化配置。结果分析表明,配电网的网损减少,电压水平提高,总成本降低,验证了本文的方法具有可行性和有效性。     

不同负荷模型下基于粒子群算法的分布式电源选址和定容优化问题研究

提出了一种基于粒子群优化算法的灵活优化方法,通过合理地确定分布式电源的容量和位置,从优化有功和无功功率损失指数、电压分布指数、MVA容量指数和短路水平指数四方面出发,建立了分布式电源综合效用的多目标函数,并结合38-母线径向测试系统研究了不同独立电压负荷模型情景下分布式电源的最优选址和定容问题。     

基于布谷鸟搜索算法的变电站选址方法研究

传统变电站选址算法通常搜索时间长,且搜索质量不高。布谷鸟算法(CS)可有效克服传统算法中的"早熟"现象,有更高的全局寻优能力和搜索率。将该算法引入变电站选址模型,在模型中加入地理信息惩罚因子,应用布谷鸟搜索算法进行求解,用实际算例进行有惩罚因子和无惩罚因子模型的对比,证明加入地理信息因素可使变电站选址结果更加切合实际。     

计及无功优化的分布式电源选址与定容

为提高电网的电压水平和降低线路损耗,在分布式电源选址与定容的基础上,加入了无功优化。根据分布式电源出力情况,将计及无功优化的分布式电源选址与定容问题分解成分布式电源并网和切除两种模式,即DG满出力时配电网网损、电压偏移及静态电压稳定裕度综合目标最优和DG零出力时电压合格为约束条件下的配电网网损最小,通过加权法将多目标转换成单目标。运用免疫算法对含分布式电源的33节点的配电系统进行算例分析,证明了计及无功优化的分布式电源选址定容的优越性。通过无功优化和分布式电源选址定容的优化分析,得出了当同时考虑两者时,优化效果最佳。     

分布式电源选址定容问题研究现状与分析

分布式电源的大量接入显著增强了配电系统规划与运行的复杂性,介绍了分布式电源接入电网带来的影响,从接入电网的形式着手,在优化目标与优化算法两个方面上对该领域国内外相关研究成果进行全面分析,指出了各类方法的基本内容与优缺点,并阐述了分布式电源选址定容问题的发展趋势和亟待解决的方面。     

基于改进粒子群算法的分布式电源选址定容研究

针对分布式电源在配电网中选址定容问题,以投资综合成本作为优化目标,建立了分布式电源选址定容数学模型。运用改进的粒子群算法对模型求解,IEEE33节点配电网为算例,对分布式电源的安装位置和容量进行优化,将所得到的结果与未改进前的算法进行比较,表明算法具有更好地全局收敛效率和寻优能力。     

基于引力搜索算法的含分布式电源配电网重构

分布式电源接入配电网将直接改变潮流分布,而网络重构通过改变开关的开合状态以提高供电的可靠性和经济性。以降低网损和缺供电量为目标,以可调度DG的有功输出和开关状态为优化变量,建立多目标协调优化的配电网络重构的数学模型。将引力搜索算法、Pareto最优解理论和模糊决策理论相结合,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。通过对IEEE33节点测试系统的仿真结果,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,并且在全局寻优能力和收敛速度上表现出色。     

计及保护约束的分布式电源优化配置

分布式电源的配置方案会对配电网的可靠性和经济性产生重要影响。针对该问题,文章建立了以有功网损最小为目标的数学模型,在传统的节点电压、支路电流和容量约束的基础上增加了继电保护的约束,将其以限制短路电流大小而使保护装置不误动的形式呈现出来。同时,采用自适应遗传算法对分布式电源的选址定容进行优化。最后,通过对IEEE33节点模型进行仿真计算验证分布式电源配置过程中计及保护约束的必要性以及自适应遗传算法更好的收敛性和适应性。     

基于免疫遗传算法的智能配电网分布式电源选址定容

合理地对分布式电源进行选址和定容对于智能配电网规划非常重要。文章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,针对该模型特点,首次将免疫遗传算法应用到分布式电源选址和定容问题的求解中。该算法综合了免疫系统和遗传算法的优点,具有良好的全局收敛能力。对33节点配电测试系统进行仿真计算,将仿真结果与标准遗传算法进行比较。验证了免疫遗传算法具有一定的收敛性和适应性。     

基于综合敏感性分析的时序分布式电源规划

随着配电网中分布式电源渗透率的逐渐提高,对电网电压和网损的影响变得明显。这种影响和分布式电源规划的位置和容量密切相关。提出的时序分布式电源规划的方法:首先利用节点电压和网损综合敏感性分析,筛选出分布式电源的安装位置节点;然后利用优化方法对分布式电源容量优化。其中容量优化方法:以减少网络损耗和提高电压水平两个技术指标建立目标函数,利用机会约束规划方法构建约束条件;并使用蒙特卡洛模拟的方法对分布式电源和负荷时序模型进行随机潮流计算;最后利用精英策略的遗传算法求得分布式电源的最优配置容量。算例仿真结果验证了该规划方法的有效性。     

基于人工蜂群算法的分布式电源规划

研究了在现有配电网中分布式电源的优化规划问题,为实现分布式电源投资商收益最大,建立了以分布式电源售电费用与运行维护费用之差最大为目标的规划模型,考虑分布式电源接入后对配电网的影响,将节点电压与线路潮流加入到约束条件中。针对分布式电源规划模型离散、非线性的特点,采用人工蜂群算法进行模型求解,最后得到了最优的分布式电源接入方案。实际算例验证了所建立模型的有效性以及所采用算法的良好的收敛性。     

进化规划算法在分布式电源选址和定容中的应用

在当今电力系统中,越来越多的分布式电源投入使用。分布式电源一般部署在配电系统负荷中心附近,分布式电源并入电网,对降低网损、维持电压稳定、保证供电可靠性、构建坚强智能电网等都具有十分积极的意义。为了达到上述的积极影响,很有必要对分布式电源的选址和定容进行深入研究。本文以降低网损为目标建立了目标函数,为了获取分布式电源的最优位置和容量,采用了进化规划算法,对IEEE69配电测试系统进行了仿真分析,结果表明该方法准确可靠,并将仿真结果和遗传算法进行了比较,验证了进化规划算法在分布式电源选址和定容中的可行性。     

基于时序特性含储能装置的分布式电源规划

基于风力发电、光伏发电和5类不同负荷的时序特性,以配电网的投资成本、维护成本、购电费用、可靠性成本、环境污染补偿费用之和最小为目标函数,建立分布式电源和储能装置的选址定容规划模型。该模型采用负荷、分布式电源和储能装置协调优化的策略,对钠硫蓄电池储能装置的容量及功率进行优化配置,以在不过多装设储能装置及保证配电网经济性、可靠性的前提下,提高配电网对分布式电源接纳能力。采用粒子群优化算法对典型算例进行求解,结果验证了所提模型和方法的正确性和有效性。     

基于改进鲸鱼算法的分布式电源规划方法

随着分布式电源并入配电网的比例不断增大,为了提高系统电压稳定性和经济性,文中提出了一种基于改进鲸鱼算法的分布式电源规划方法。首先,利用拉丁超立方采样和改进的K-means聚类算法处理风、光和负荷的不确定性问题。然后,提出一种负荷加权电压稳定指标来量化网络电压稳定性,再结合年综合费用建立分布式电源多目标规划模型。最后,针对现有WOA算法在解决复杂规划问题方面的不足,引入对数权重距离控制因子和Nelder-Mead方法加快收敛速度,融合Pareto存档进化策略提高种群的多样性,在搜索中应用反向学习策略防止算法陷到局部最优。在IEEE33节点系统上进行了仿真分析,结果表明所提模型与算法可行有效。     

基于布谷鸟搜索算法的微网多目标优化运行研究

微网能有效地接入包括可再生能源发电在内的各类分布式新能源,而可再生能源发电的输出功率具有不确定性,给微网的经济、可靠和安全运行带来了挑战。蓄电池作为储能装置是保证微网系统安全可靠运行的重要组成部分。研究了含风力发电、光伏发电和蓄电池的微网的特性,考虑了微网发电费用、排污罚款、供电可靠性和网络损耗,建立了多目标微网优化运行模型。采用多目标的布谷鸟搜索算法来求解该复杂非线性优化问题,微网算例的仿真结果验证了模型的正确性和算法的有效性。