充电站和风电源的选址和定容

正考虑负荷、风电机组出力、电价和可入网电动汽车(PEV)的充放电等多种不确定性因素对分布式电源选址和定容带来的影响,以分布式电源(DG)的总成本(包含网损、投资和运行成本)最小和反映配电网接纳DG能力的准入功率最大为目标函数,以系统安全运行要求为约束,构造了以DG的安装位置和容量为优化变量的规划模型。采用基     

含可入网电动汽车（V2G）和分布式电源的配电网优化规划

考虑配电网中可入网电动汽车（V2G）、负荷和分布式电源（DG）输出功率的波动性,进行配电网优化规划。以协调配电公司和分布式电源投资商（包括V2G）两者的利益为出发点,引入V2G和DG的发电环境效益作为协调因子;以配电公司和投资商总费用最小为目标函数,采用计及V2G和DG的配电网随机潮流计算结果进行约束条件的检验,建立了基于机会约束规划模型的含V2G和DG的配电网随机规划数学模型。应用基于混合编码的改进自适应遗传算法对模型进行了求解。算例结果表明,通过优化模型所建的配电网网架,能更好地接纳V2G的前提下取得最优经济性,并且协调配电公司与V2G和DG投资商之间利益。     

配电网中考虑不确定性的分布式电源规划研究综述

间歇性分布式电源接入配电网运行大幅增加了配电网中的不确定性因素,给相关规划工作带来了新的挑战。介绍了适用于规划阶段的风电、光伏和负荷等一系列不确定性因素的建模工作;评述了传统配电网中考虑不确定性的分布式电源(DG)规划方法,包括多场景规划方法、机会约束规划方法和模糊规划方法;综述了主动配电网中考虑不确定性的规划方法,包括单层规划方法和双层规划方法。在此基础上,从网源协调规划、风险规划、考虑全寿命周期成本的DG规划、考虑需求侧管理的DG规划和考虑储能系统接入的DG规划等方面着手,展望了配电网中考虑不确定性的DG规划领域在未来可能出现的理论和方法。     

分布式电源在配电网络中优化选址与定容的研究

合理地对分布式电源（DG）进行选址和定容对于实现配电网网损最小是至关重要的。通过对网络中不同位置的负荷节点对网损的敏感度分析来进行配电网中DG规划,敏感度较高的负荷节点引起的网损较大,通过在该节点安装DG对该节点的等效负荷予以调整,最后得到网损最小的DG接入方案。对实际算例进行仿真计算并与采用改进粒子群算法的优化结果进行比较,验证了算法的正确性和有效性,为进一步开展分布式电源规划拓展了思路。     

考虑DG时序特性及EV时空特性的配电网规划

分布式电源(DG)出力以及电动汽车(EV)充电的不确定性给配电网规划带来巨大挑战。首先,利用季节场景与时段划分法构建DG和常规负荷时序特性模型;其次,利用蒙特卡洛模拟法和交通起讫点分析法构建EV充电负荷时空分布模型;最后,基于2个模型得到的配电网各节点各时刻的DG出力、不同类型常规负荷及EV充电负荷,以配电网运营商年收益最大为目标函数,充分考虑网架新建、网架替换和DG选址定容等因素,构建考虑时序特性含DG和EV的配电网机会约束规划模型,并采用蒙特卡洛模拟嵌入双种群协同进化遗传算法的方法对模型进行求解。以某配电网为算例,验证了所提模型和算法的合理性和有效性。     

基于遗传-蚁群算法的交直流配电网分布式电源优化配置

随着分布式电源（distributed generation，DG）受到广泛的关注与研究，分布式电源接入交直流配电网的规划问题日益突出。该文在分布式电源选址定容阶段充分考虑不同类型DG和负荷的时序特性，以DG运维费用、DG投资年等效费用、系统网络损耗费用、燃料费用、污染赔偿费用、环保补贴综合最小作为目标函数，同时加入电压、功率等约束条件，建立了DG的选址定容模型。根据遗传、蚁群算法各自的优劣势，提出了运用遗传-蚁群复合算法求解该优化模型。最后以改进的IEEE-33节点配电网作为算例，验证了所提模型的合理性及算法的有效性。     

考虑DG及负荷时序性的多目标配电网重构与DG调控综合优化规划

为解决分布式电源（distributed generation,DG）出力及负荷的时变性给实际配电网调度所造成的不利影响,使配电网的优化规划方案更加切实可行,提出了一种基于配电网重构和DG选址定容结合的多目标粒子群动态优化模型,该模型以配电网有功损耗、电压偏差及经济成本为优化目标,考虑负荷及DG出力的时变性,对配电网络重构和DG调度进行综合优化求解。通过基于随机森林模型（random forest,RF）及长短期记忆神经网络(long short-term memory,LSTM)模型的混合预测模型对配电网负荷及DG出力进行预测。采用经帕累托最优理论改进的粒子群算法得到配电网重构及DG调控的帕累托最优解集并利用模糊隶属度函数法来确定帕累托最优解集中的最佳配电网调度方案。基于IEEE 33标准测试系统设计多个算例进行仿真分析,结果表明,所提考虑负荷及DG出力时序性的配电网重构和DG调度联合优化模型可显著改善配电网络运行的经济性和稳定性。     

考虑分布式发电不确定性的可用输电能力评估

随着分布式电源（distributed generator,DG）的广泛应用,DG的各种不确定性因素将对电网可用输电能力（available transfer capability,ATC）评估产生重要影响。提出了一种考虑DG影响的ATC评估方法,由DG安装位置、运行状态、发电功率等不确定性因素组成系统随机变量,利用蒙特卡洛仿真解决系统运行随机性问题,结合传统牛顿—拉夫逊潮流法预测系统可能的运行状态,并定义一系列的概率指标进行ATC评估。IEEE 30节点系统的算例分析表明在ATC评估中考虑DG影响的必要性和方法的可行性。     

基于改进递归有序聚类的有源配电网多时段动态重构

为应对分布式电源(DG)和负荷的时变性、不确定性给配电网重构带来的影响以及提高系统运行效益,综合考虑DG和负荷预测值的动态变化,引用欧氏距离描述段内数据的相似程度,通过递归求解的方式确定最优时段划分方案;为了减小不确定因素对配电网重构的影响,将DG出力以及负荷的预测值转换为区间数的形式,综合考虑环保收益与系统损耗费用,...     

计及分布式电源出力和负荷不确定性的配电网孤岛划分

针对计及分布式电源(DG)出力波动性及负荷需求不确定性的配电网孤岛划分问题,提出了一种基于树背包理论的最优孤岛划分新模型及相应求解方法。所述方法的基本思路为:首先,构造了DG出力波动性和负荷需求不确定性基于树背包理论的随机最优孤岛划分新模型;进而,基于拉丁超立方超样方法、确定性树背包算法、数理统计方法,确定各初始孤岛的组成,包括DG及相应负荷节点;最后,对每个初始孤岛在考虑孤岛重构的基础上采用基于随机最优潮流的优化调整,通过优化调整而保证DG孤岛运行的最优性、安全性和经济性。所述方法实现了计及分布式发电及负荷出力不确定性情况下最佳孤岛的系统形成方法,能根据实时情况确定最大可能出现的孤岛,相对于在确定性条件下的孤岛具有更强的可信度。含有多个DG的PGE 69节点系统的算例验证了所述模型及算法的有效性。     

考虑源荷不确定性的分布式电源选址定容

大规模的分布式电源入网给配电网的规划带来诸多不确定性因素。为使配网规划结果更加合理,考虑待规划地区的风速、光照强度和负荷的不确定性,构建了以年综合费用最少为目标函数的分布式电源选址定容规划模型。首先,对风、光和负荷进行了概率建模;其次,采用拉丁超立方采样方法生成初始场景,并采用改进的同步回代缩减法对场景进行削减;最后,鉴于粒子群算法具有收敛速度慢和容易早熟的缺点,将自适应惯性权重和混沌优化算法融入粒子群算法中,进而提出了一种改进型粒子群算法,并且在IEEE 33节点的标准算例系统上进行了仿真,结果表明所建模型和所提算法的合理性与有效性。     

基于改进灵敏度分析的有源配电网智能软开关优化配置

随着大量间歇性分布式电源(DG)不断渗透到配电网中,电压越限和双向潮流等问题变得越发严重.智能软开关(SOP)是一种柔性电力电子装置,安装在配电网中用来替代传统联络开关,可以实现快速电压调节和准确潮流控制,从而有效解决DG所带来的相应问题.然而,SOP的投资成本较高,使得SOP选址定容问题显得尤为关键.文中提出一种基于改进灵敏度分析的有源配电网SOP优化配置方法.首先,结合DG出力的时序变化特性,从改善电压分布的角度采用改进灵敏度分析方法优化SOP选址;其次,采用二阶锥规划算法求解在改进灵敏度计算下的SOP选址定容优化模型;最后,在改进的IEEE 33节点配电系统上,对文中提出的优化方法进行分析与验证.算例结果表明,采用文中提出的方法对SOP进行优化配置可有效节省配电网年度综合运行成本和改善系统电压,有利于提高有源配电网运行的经济性和可靠性.     

考虑N-1安全的分布式电源多目标协调优化配置

现有风电和光伏分布式电源(DG)规划模型均未计及配电网中的主变、馈线N-1约束,所得配置方案未必满足安全性要求。为解决该问题,提出一种考虑N-1安全的多目标DG选址定容规划模型。基于安全距离模型,介绍配电网N-1安全评估方法和指标;利用准蒙特卡洛模拟和奇异值分解生成风光荷相关性样本矩阵以提高规划结果准确性;以年综合费最小和安全距离均衡比最小为多目标,利用机会约束规划方法建立DG规划模型,并采用正态边界交点联合动态小生境差分进化算法对模型加以求解。算例结果表明,所得选址定容规划方案能保证N-1安全,实现了综合考虑系统经济性、安全性下的最优,验证了所提模型和算法是合理、有效的。     

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。     

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。     

Simultaneous allocation of DGs and remote controllable switches in distribution networks considering multilevel load model

Reliability improvement and loss reduction are two important goals in optimal sizing and siting of distributed generations (DGs). Also, remote controllable switches can be utilized in distribution networks to increase the role of DGs in reliability improvement. Therefore, this paper presents a GA-based method to allocate simultaneously DGs and remote controllable switches in electric distribution networks. The goal of proposed approach is reliability improvement and energy loss reduction. The optimal sizes of distributed generators are also determined during the optimization procedure. A multilevel yearly load model is utilized to achieve the optimal solution. Numerical studies on a 33-bus distribution network show satisfactory results.     

广域储能电站定容-选址一体规划

针对储能电站在大规模风电并网电力系统中的容量和选址规划问题,提出广域储能电站定容-选址一体规划方法。首先,针对简单辐射网络与复杂网络,考虑储能四象限运行特性,基于PV曲线法,定量分析论证储能电站容量与位置对系统静态电压稳定和风电消纳能力的影响机理,提出储能电站定容和选址思路;其次,综合考虑系统静态电压稳定、风电消纳能力、网损及储能投资4方面,以风电消纳年收益最大,以及系统静态电压稳定裕度变化率、网损成本、储能电站等年值投资成本最小为目标构建广域储能电站定容-选址一体规划模型,提出嵌入潮流计算及粒子群算法的遗传算法求解模型。以新疆准东大型风电基地为例,验证了所提方法的有效性。     

广域储能电站定容-选址一体规划

针对储能电站在大规模风电并网电力系统中的容量和选址规划问题,提出广域储能电站定容-选址一体规划方法。首先,针对简单辐射网络与复杂网络,考虑储能四象限运行特性,基于PV曲线法,定量分析论证储能电站容量与位置对系统静态电压稳定和风电消纳能力的影响机理,提出储能电站定容和选址思路;其次,综合考虑系统静态电压稳定、风电消纳能力、网损及储能投资4方面,以风电消纳年收益最大,以及系统静态电压稳定裕度变化率、网损成本、储能电站等年值投资成本最小为目标构建广域储能电站定容-选址一体规划模型,提出嵌入潮流计算及粒子群算法的遗传算法求解模型。以新疆准东大型风电基地为例,验证了所提方法的有效性。     

计及电动汽车无功支撑能力的分布式电源与智能停车场联合规划方法

随着大量分布式电源(DG)及电动汽车(EV)接入配电网,为保证电网的高效、清洁、经济和安全运行,必须对二者进行合理的规划。为此,提出一种计及EV无功支撑能力的DG及智能停车场(IPL)联合规划方法。首先,基于有源配电网的基本物理结构,对EV动力电池的无功可调范围进行了推导。进一步考虑风电等间歇性DG出力、常规用电以及EV充电负荷时空分布的不确定性,通过构建发电—负荷场景以综合计及上述不确定性因素的影响。在此基础上,分别以系统投资和运行成本最小作为目标函数,构建了综合考虑DG和IPL选址定容的两阶段优化模型。根据模型特点,采用经典的遗传算法实现问题求解。以33节点配网系统为例,对所提模型的有效性进行验证。仿真结果表明,在配电网投资规划中充分考虑规模化入网EV的无功支撑能力,能够有效改善系统的电能质量,促进可再生能源高效利用,从而带来更好的经济效益。     

考虑不确定性的高速公路光储充电站选址定容

针对高速公路并网光储充电站选址定容中存在的不确定性,提出了一种基于数据驱动的分布式鲁棒优化的两阶段选址定容方法.阶段1基于蒙特卡洛模拟方法得到充电点的位置,利用整数规划模型确定充电站的位置;阶段2兼顾充电站利益及用户满意度,建立基于数据驱动的分布式鲁棒优化定容模型,通过KL(Kullback-Leibler)散度构建以经验概率分布为中心的概率分布模糊集合描述不确定量,利用风险理论将分布式鲁棒优化模型转化为混合整数线性规划问题,进而对充电站内的充电桩数量及光储容量进行优化.最后,通过环形路网对所提方法进行验证并进行敏感度分析.结果表明:所提方法可行、有效;配置光储设备能降低年均寿命成本;通过控制KL散度公差、样本数量、续航里程、充电功率等能有效平衡系统的经济性与鲁棒性.