基于NSGA-Ⅱ算法的分布式电源优化配置

以合理配置分布式电源(DG)发挥其综合效益为目的,建立了以最小化分布式电源投资运行成本、最小化配电网网损和最大化静态电压稳定性为目标的配电网DG多目标优化配置模型。引入了多目标遗传算法—带精英策略的快速排序遗传算法(NSGA-Ⅱ),该算法能够协调各目标函数之间的关系,找出能使各目标函数尽量达到比较大的Pareto最优解集。在考虑不同类型DG的接入特性的基础上,采用NSGA-Ⅱ优化求解DG配置问题。算例分析表明,DG接入配电网后有利于节省配电网投资、减少配电网网损、提高静态电压稳定性。多目标优化计算结果表明,DG配置方案能够达到经济、技术、安全3个方面最优。     

基于多种群免疫算法的分布式电源选址与定容

分布式电源接入配电网时,其接入位置和容量会对电网的运行和规划产生很大影响。在分布式电源个数、位置和单个容量等影响因数下,以配电网网损、电压偏移及静态电压稳定裕度为目标,借鉴遗传算法中采用并行机制避免收敛于局部最优解的思想,建立了多种群免疫算法。并对配电网33节点接入2个DG进行选址和定容优化,结果说明了DG并网使各目标都得到优化。与普通免疫算法相比较,多种群免疫算法具有更好的寻优能力。采用该方法对DG选址定容进行研究,对配电网的经济、安全运行具有重要意义。     

配电网中分布式电源最大准入容量分析

为计算配电网中分布式电源(distributed generator,DG)的最大并网容量,以配电网中DG的准入容量最大化为目标函数,在分析DG的接入位置、容量及接入方法等因素对配电网影响的基础上,形成了模型的电压约束、潮流约束以及DG的容量约束,采用遗传算法和牛顿–拉夫逊法求解模型。算例结果验证了该方法的有效性。     

配电网中分布式电源最优配置问题的研究

针对分布式电源接入配电网后对电网电压造成的影响、DG的最优配置以及配电网的电压调整进行研究。首先介绍了DG对配电网的影响,然后利用恒定电流负荷模型和均匀配电网模型分析了DG在配电网中的最优配置问题,提出了DG最优配置问题的方法,最后利用SVC和变压器综合调压的方法调节配电网的电压,在符合配电网的电压要求的条件下,降低了配电网的网络损耗,并且仿真验证了该综合性调压方法的可行性     

基于改进粒子群优化算法的DG准入容量与优化布置

为进一步优化配电网中分布式电源（distributed generation,DG）的准入容量和优化布置问题,以节点电压和线路载流量为约束条件建立了单电源和多电源准入容量的数学模型,以有功网损最小为目标函数建立了DG优化布置模型。为有效求解该模型,采用了基于粒子群优化（particle swarm optimization,PSO）算法和二次插值相结合的改进PSO算法,将该改进方法应用于IEEE 33节点标准算例,分别进行了DG的最优接入位置与最优容量的仿真,并与粒子群算法优化结果进行了对比,同时还分析了优化布置下的潮流分布。算例仿真结果表明该方法可有效减少DG接入后配电网的网损,提高配电网的供电质量。     

考虑电压质量的分布式电源选址定容

分布式电源(DG)对配电网的影响与其接入的位置及容量密切相关,为此对DG的选址定容问题进行研究.首先介绍不同类型DG在潮流计算中的模型,详细分析电压稳定性指标,然后提出基于电压稳定性指标的DG选址方法,分析DG接入对配电网网络损耗和电压质量的影响,提出以降低网络损耗和改善电压质量为目标的分布式选址定容目标函数,并采用混合智能算法进行DG定容的优化计算.算例分析表明该方法在DG选址和定容问题中是有效的.     

基于分布式电源的配电网多目标优化策略研究

大量的可再生分布式能源并网是当今电力系统的发展趋势,优化配电网潮流和提升系统消纳分布式电源(DG)的能力成为研究热点。在建立DG数学模型的基础上,从电源侧开展DG选址的研究,并对含协调储能和柔性负荷的主动配电网进行优化调度。其中,DG选址采用使配电网络损耗最小和电压水平最高的多目标规划模型,并利用功率圆法求解DG的最佳接入位置;对主动配电网的优化则构建了使配电网电压偏差最小、网络损耗最小和可再生能源发电比例最高的多目标优化调度模型,并运用智能粒子群算法进行求解。最后以标准IEEE 33节点配电系统为算例进行仿真分析,解决了DG选址问题并验证了该优化策略的有效性。     

含分布式电源优化调度的配电网络重构

配电网络重构是配电网优化的重要措施,分布式电源（DG）接入配电网将改变网络潮流分布,直接影响网络重构结果,而网络重构引起的DG相对位置变化也将引起DG最优输出功率的变化,进行单个优化不能达到整体最优的效果。针对这一问题提出了一种含分布式电源优化调度的配电网络重构方法。采用改进最小生成树算法和改进粒子群算法将网络重构和DG的优化调度相结合进行交叉迭代。首先,进行DG的优化调度;其次,进行网络重构。只要网络结构发生变化,就需要重新进行DG优化调度,直到重构和DG优化调度均无操作时算法收敛,停止计算。实际算例表明,该方法能有效降低配电网的网络损耗、改善电压质量,可以达到配电网总体最优。     

虑配电网电流保护约束的分布式电源准入容量研究

分布式电源(DG)的接入改变了传统配电网的单电源辐射式供电模式,可能导致原有继电保护装置出现误动、拒动或无法识别故障的情况。为解决此问题,以配电网中DG的接入容量最大化为目标函数,配电网三段式电流保护正确动作为约束条件,建立了DG准入容量的优化模型。对于多个DG接入配电网的情况,采用小生境遗传算法求解模型。算例仿真验证了所提方法的正确性和有效性。     

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。     

计及多约束的多分布式电源接入配电网最大承载力分段算法

分布式电源(DG)大量并网给电能质量带来风险,评估DG接入配电网的最大承载力对DG规划具有指导意义。建立了多DG接入配电网承载力评估的优化模型:目标为DG并网容量最大,约束涉及电压偏移、电压波动、短路电流和继电保护的相关技术标准。针对该模型,提出了基于约束指标相对于DG容量灵敏度的单约束和多约束协调分段计算方法。基于不同的DG初始值,分段计算可分别采用倒推和顺推2种计算流程进行。最后计算分析了辐射型配电网在多约束多个不同类型DG情况下的系统最大承载力,表明了所提方法在计算精度和效率方面的优越性。     

考虑电能质量的分布式电源优化配置

针对大量电力电子设备投入电网造成严重电能质量问题的现状,提出考虑谐波畸变和电压暂降损失的分布式电源(Distributed Generator,DG)优化配置方法。该方法以DG配置成本、有功损耗、电压暂降损失最小为目标函数,并在满足配网潮流等式和不等式约束的基础上增加谐波畸变限值的约束条件,建立多目标优化模型,最后采用非劣排序遗传算法(Nondominated Sorting Genetic Algorithm-II,NSGA-II)求得最优配置方案。通过IEEE 33节点配电网络对此配置算法进行仿真验证,结果证明该方法得到的DG配置方案可有效降低谐波畸变率、暂降损失及网络损耗。     

分布式电源优化配置的仿电磁学算法

研究了配网中不同分布式电源在不同地点的规划问题,在分布式电源的容量、个数和不同地点负荷需求已知的情况下,将多目标函数归一化建立最小化配电网耗费的优化目标函数,采用仿电磁学算法优化分布式电源的规划配置,得到不同分布式电源在不同地点接入的规划方案。通过与遗传算法相比较,仿电磁学算法在分布式电源优化配置的运行效率和容错性能具有明显的优势。     

风电场中分布式电源配置方法优化研究

现有的风电系统电源配置方法一般通过有功矩法确定电网的连接点,难以获取电源分布的最佳定容,网损较大,配置效果不理想。针对这一问题,对风电场中分布式电源DG（distributed generation）配置方法进行了优化研究,建立了风电场中分布式电源配置的目标函数,并通过约束方程获取有功网损和分布式电源节点状态变量的越限概率;采用改进基本仿电磁学算法得到分布式电源分布的最优定容方案,实现了分布式电源的优化配置。实验结果表明,所提方法能够减少风电场的有功网损,平均配置失误率和稳定性分别为1.96%和96.2%,具有最佳的电源优化配置效果。     

考虑多个分布式电源接入配电网的多目标无功优化调度

坚强智能电网的建设促进了分布式电源(Distributed Generation,DG)并网技术的发展,DG并网对配网进行无功优化不仅能够提高电压质量、降低有功网损,还增加了配网运行的灵活性、经济性与安全性。以系统有功功率损耗最低与电压偏压量最小为双目标函数,建立无功优化模型。针对目前无功优化问题尚缺乏一种能兼顾求解的高效性与全局搜索最优性的方法,文中将一种新的启发式算法-鲸鱼优化算法(WOA)运用到电网无功优化调度中,对多个DG接入的IEEE 33节点系统进行无功优化仿真分析。研究表明DG并网增加了配网的稳定性,并且证明了WOA算法在解决此问题上的鲁棒性和有效性。     

三相不平衡配电网不确定性分布式电源运行域仿射求解算法

高不确定性分布式电源(DG)的大量并网,给配电网安全、可靠运行带来了极大挑战。DG运行域可为DG的接入位置提供参考依据,并可实时监控配电网的运行安全,实现预警和预防性控制。提出了一种三相不平衡配电网中不确定性DG运行域的仿射求解算法。利用基于仿射算术的潮流计算求取节点电压关于DG出力不确定变量的近似线性表达式,综合考虑馈线容量、反向潮流以及电压表达式的安全范围等约束条件,构建三相不平衡配电网的DG运行域的优化求解模型,继而求取配电网中各DG的运行域边界。通过对改进的IEEE 123三相不平衡系统进行仿真,并与近似精确的仿真逼近法进行对比,验证了所提求解算法的准确性及高效性。     

含分布式电源的主动配电网双层规划模型

基于分解协调原理建立分布式电源双层规划模型,研究分布式电源在主动配电网中的合理规划问题。上层规划以节点网损灵敏度为原则,从系统网络损耗的角度确定分布式电源的安装位置与容量;下层规划根据分布式电源的投资效益、电压偏差指标建立多目标优化规划数学模型用于确定分布式电源的最佳出力。提出一种改进的多目标粒子群算法进行模型求解,通过对IEEE-33节点配电系统进行仿真计算验证所建模型和算法的可行性和有效性。     

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。     

A smart distribution system reconfiguration algorithm with optimal active power scheduling considering various types of distributed generators

This paper presents an efficient way of solving the distribution system reconfiguration (DSR) problem in electrical power systems with consideration of different types of distributed generators (DGs). The objective of a DSR is to minimize the system power loss while satisfying the system constraints and keeping the topology of the system radial. In this paper, a new DSR algorithm based on a modified particle swarm optimization (PSO) is proposed to incorporate DGs with the constant voltage control mode. The proposed method is very efficient because it avoids an extra iteration loop for computing the reactive power at PV buses in order to keep the voltage at a specified magnitude. Furthermore, if the reactive power requirement is not met in between the extreme limits, the proposed algorithm strictly searches for the best possible tie switch combination to simultaneously reduce the power loss and ensure that the DGs operate in PV mode within acceptable reactive power limit. The proposed algorithm also integrates hourly DSR with optimal DG active power scheduling considering the DG type, generation limit constraints, and the allowable DG penetration level. The validity and the effectiveness of the proposed method has been tested using standard IEEE 33‐bus and 69‐bus distribution networks with various case studies. Test results show that the proposed method is robust and delivers a minimal average power loss compared with different methods, and it efficiently models DGs in DSR, demonstrating that the presence of DGs can further reduce the system loss. © 2016 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

Influence of phasor adjustment of harmonic sources on the allowable penetration level of distributed generation

Harmonic distortion caused by increasing size of inverter-based distributed generation (DG) can give rise to power quality problems in distribution power networks. Therefore, it is very important to determine allowable DG penetration level by considering the harmonic related problems. In this study, an optimization methodology is proposed for maximizing the penetration level of DG while minimizing harmonic distortions considering different load profiles. The methodology is based on updating the voltage magnitude and angle at point of common coupling depending on the size of DG to be utilized in the harmonic power flow modeling. The harmonic parameters are determined by using decoupled harmonic power flow method, in which the harmonic source modeling with harmonic current spectrum angle adjustment is embedded, while the nonlinear loads and inverter-based DGs are connected to the distribution power network. The allowable penetration level of DGs is determined based on power quality constraints including total harmonic voltage distortion, individual harmonic voltage distortion, and RMS bus voltage limits in the optimization framework. Fuzzy-c means clustering method is also applied to decrease the computational effort of the optimization process in the long-term load profile. The effectiveness of the proposed method is illustrated on the IEEE 33-bus radial distribution network for different scenarios.