计及分布式电源动态行为的配电网重构优化策略

解决分布式电源高渗透率地区电压越限的根本方法是实施合理的配电网规划。现有方法存在着人工智能算法初始域搜索半径过大以及动态时段划分与拓扑寻优分离的问题。引入半不变量法计算随机潮流来处理分布式电源动态行为带来的不确定性,并采用改进的NSGA-II算法实现配电网重构,提出了一种计及分布式电源动态行为的配电网重构概率约束优化策略和求解方法。特别提出了在网架寻优的基础上再在时间层面上依据优压参数再次整合优化来构建配电系统动态重构数学模型,最后采用嵌套基因回路搜索策略改进NSGA-Ⅱ算法并求解上述优化模型,以解决传统配电网规划中对强相关性随机变量考虑较少的不足。IEEE-33节点配电系统算例验证了所提方法的有效性。     

聚类网架拓扑与源荷关联场景生成下配电网分布式电源规划方法

面对多样化的配电网拓扑结构,为了对分布式电源规划激励措施的成本进行快速有效估算,提出了一种基于聚类网架拓扑的配电网分布式电源规划方法。同时,在规划阶段充分考虑分布式电源与负荷的相关性,提出了基于Copula理论的源荷关联场景规划方法。通过SimRank++算法计算不同馈线拓扑结构间的相似度,由层次聚类算法获取配电网的不同馈线集群,将集群中心作为典型网架的拓扑结构。针对每一种典型网架的拓扑结构,以经济性为目标建立分布式电源的规划模型,并采用模拟退火粒子群优化算法对模型求解。基于实际城市配电网进行算例分析,分析结果表明所提方法能够灵活地指导分布式电源规划,从而为可再生能源和配电网的战略规划提供参考。     

含分布式电源配电网重构的研究

为全面反映含分布式电源的配电网重构问题,建立负荷均衡度、系统网损及电压质量协调最优的含分布式电源配电网重构优化模型,在此基础上,利用模糊理论,将含DG配电网多目标重构问题转换成单目标优化问题。鉴于传统蝙蝠群体易聚集于局部极值,导致早熟,将混沌优化以及自适应调整策略融入到蝙蝠优化算法,提出了一种改进型多目标蝙蝠优化算法,并提出利用其对含分布式电源配电网重构模型进行求解,选取IEEE-33节点配电系统进行仿真,通过算例验证所提算法的良好实用性和适应性,并且验证所提模型的实际意义。     

基于网架结构相似性和适应性的主动配电网动态重构

为了提升主动配电网对可再生能源的消纳能力、优化分布式电源(DG)入网环境,提出了一种基于网架结构相似性和适应性的配电网动态重构策略。首先,以各单位时段内DG出力最大为目标进行静态重构。然后,从网络拓扑结构量的角度提出了开关状态相似度和改进节点介数相似度两个指标,根据网架结构相似度确定合并时段。随后,从运行状态量的角度定义了网架结构适应性,再依据该指标来客观指导合并时段内最优网架的选择。针对含DG的配电网静态重构问题,提出了一种基于趋化步长自适应调整的改进型细菌觅食算法(IBFA)进行求解。最后,采用PG&E 69节点系统验证了所提重构策略及算法的正确性与有效性。     

基于萤火虫-变邻域搜索算法的含分布式电源配电网重构

为全面的反映含分布式电源配电网重构的问题,本文建立网系统网损、负荷均衡及电压质量协调最优的含分布式电源配电网重构优化模型,能够比较实际、科学的反映配电网网络结构调整问题。在此基础上,应用自适应权重系数法,明确各目标函数的权重组合方案,将含DG配电网多目标重构问题转换成单目标优化问题。鉴于传统萤火虫算法具有容易早熟、过度依赖控制参数的缺陷,提出了FA算法与变邻域搜索相结合的混合优化算法,并利用其对含分布式电源配电网重构模型进行求解,选取IEEE-33节点配电系统进行仿真,通过算例验证所提算法的良好实用性和适应性,并且验证所提模型的实际意义。     

基于改进人工鱼群算法的配电网络重构

针对大规模分布式电源并网引起的配电网路拓扑结构及潮流分布变化,现有配电网重构算法不足以应对,提出一种改进的人工鱼群算(AFSA)对含分布式电源的配电网进行重构求解。针对AFSA收敛速度慢、觅食方向固定、灵活性低、陷入局部最优及搜索精度较低的缺陷,采用全方位觅食行为,并结合差分进化与AFSA,提高算法灵活性,增加种群多样性,使算法易于跳出局部极值,提高收敛精度。最后通过算例分析,验证所提算法有效。结果表明,与其它智能算法相比,改进的AFSA的收敛精度和收敛速度更佳,能够很好的应用于含分布式电源配电网的重构求解。     

基于混合整数半定规划的含分布式电源配电网无功优化

含分布式电源配电网的无功优化是一个复杂的非凸非线性混合整数规划问题。提出一种求解含分布式电源配电网无功优化问题的新方法。该方法首先将不含离散变量的无功优化原始数学模型转化并松弛为凸的半定规划模型,以保证解的全局最优性,且能在多项式时间内完成;然后,加入离散变量将该模型扩展为混合整数半定规划模型。采用奔德斯分解法将该模型分解为简单的混合整数线性规划主问题和仅含连续变量的半定规划子问题,通过主子问题的交替迭代求得最优解。最后,通过算例系统仿真验证了所提方法具有松弛精确、求解高效、寻优准确等优点。     

基于混合整数凸规划的含风力发电机组配电网无功补偿优化配置

提出一种基于混合整数凸规划的配电网无功补偿电容优化配置新算法。利用风力发电机组发电功率的多状态离散概率模型,以安装补偿电容所带来的经济效益最大为目标函数,考虑二阶锥松弛后的潮流约束方程和节点电压约束,对含风力发电机组的配电网中补偿电容器的安装位置和容量进行优化配置。基于二阶锥的凸多面体近似等价方法,将配电网无功优化问题描述为混合整数线性规划问题,利用更通用的求解器求得该问题的最优解。在含风电分布式电源配电网中分别对所提方法进行验证,仿真结果表明,该算法计算效率高,且能得到计及风电随机波动影响的最优方案。     

基于改进和声搜索算法的含分布式电源的配电网重构

采用改进和声搜索算法(Improved Harmony Search Algorithm,IHSA)求解含分布式电源的配电网重构问题。该算法在基本和声搜索算法中引入随机位置更新操作、反向学习技术、小概率变异机制、修正音调微调概率等策略,增强了算法的开采与勘探能力,提高了全局寻优能力,避免了算法过早收敛的问题。把分布式电源以PQ和PV两种方式进行处理,对IEEE33节点系统进行网络重构,并与基本和声搜索算法进行对比,仿真结果证明了文中所提IHS算法具有更佳的性能,能够有效的解决含分布式电源的配电网重构问题。     

考虑动态重构的主动配电网多目标双层优化调度方法

提出一种考虑网架动态重构的主动配电网双层优化调度模型。模型上下层的优化目标均为运行费用最小和系统快速电压稳定性最优,下层优化目标是上层优化目标的组成部分,通过定义相同目标函数实现上下层决策变量的协同优化。模型上层决策变量是各个重构时段内的网架结构,采用基于基本环路的网架十进制编码方式,提高网络重构的求解效率。模型下层的决策变量是各主动管理时段内分布式电源出力、补偿电容器、静态无功补偿器的投切、OLTC动作情况,实现主动配电网的最优调度。采用IEEE 33节点配电系统验证所提方法的有效性。仿真结果表明,所提动态重构方法能大大提升网络重构的求解效率,所提双层优化模型能有效降低配电网运行费用,同时提升系统电压稳定性。     

基于改进萤火虫算法的含DG配电网重构方法

为了更好地解决含DG的配电网重构问题,建立了以系统损耗、负荷均衡、电压偏差为目标的重构模型,并利用改进萤火虫算法进行寻优计算。针对传统萤火虫算法中存在的早熟收敛、过度依赖控制参数等缺陷,引入了惯性权重,利用混沌理论对算法参数进行调整,使算法兼顾全局搜索与局部搜索能力的均衡。同时将精英保留策略融入到萤火虫算法当中,加快了算法收敛的速度。为了减少网络重构中出现的大量不可行解,对网络拓扑进行了简化操作,缩短了编码维数,提高了寻优效率。最后通过算例分析,验证了该算法的有效性与实用性。     

基于混合算法的含分布式电源配电网重构研究

随着新能源技术在配电网领域的发展,分布式电源（distributed generation,DG）接入配电网的研究成为热门。与传统配电网相比,含DG的配电网会出现弱环网和非PQ节点,而传统潮流计算方法只能解决PQ节点和辐射状网络。为解决配电网接入DG后重构的问题,采用叠加定理解决开关倒换过程中产生的弱环网,同时改进前推回代潮流计算方法,使得接入DG的节点可以正常参与潮流计算。同时结合纵横交叉算法（crisscross optimization,CSO）和粒子群算法（particle swarm optimization,PSO）的优势,提出混合算法（crisscross particle swarm optimization, CPSO）优化含分布式电源的配电网重构问题。仿真部分是以典型的IEEE 33节点配电网为例,在考虑DG接入方式为PI节点、PV节点和PQ（V）节点的情况下进行仿真,结果证明了配电网合理的接入DG后,可以起到降低网损和提高电压质量的作用。     

基于连锁环网与改进离散粒子群算法的多目标配电网重构

配电网重构本质上是一个复杂的高维数非线性组合优化问题。为避免其不可行解的影响,同时实现快速寻优,提出了一种通过连锁环网矩阵快速判断粒子是否满足配电网拓扑约束的方法。采用基于Pareto准则的离散二进制粒子群算法(Binary Particle Swarm Optimization,BPSO)以求解配电网重构多目标优化问题。从三方面对BPSO算法进行改进:改进粒子更新策略以提升新代粒子的可行概率;改进sigmoid函数同时提出邻域搜索机制以强化算法后期的收敛能力;提出基于次优解保留策略的小生境共享机制以改进群体最优粒子更新方式,进而强化算法的全局搜索能力。对IEEE33系统算例进行仿真,结果表明改进BPSO算法在求解含分布式电源(Distributed Generation,DG)的配电网重构多目标优化问题时,能够更加精确高效地收敛至Pareto最优前沿。     

基于改进分层前推回代法的含分布发电单元的配电网重构

在简化配电网拓扑的基础上,应用混合粒子群算法对含分布发电单元的配电网重构问题进行求解。采用10进制编码进行简化求解,提出了基于节点–分层关联矩阵进行智能网络拓扑识别及分层前推回代的潮流计算方法。该方法可适应动态计算配电网潮流的需要,为实时动态重构提供新的思路。在网络重构中引入分布式电源,大幅降低了网损,对节点电压有较好的支撑作用。IEEE 33节点算例验证了该方法的有效性和合理性。     

计及分布式电源的配电网重构研究

分布式电源因其独有的环保性和经济性,在电力系统中拥有广阔的发展前景,但同时对配电网络的运行控制等方面产生了重大影响。研究了计及分布式电源的配电网络重构,采用了一种适合于含分布式电源的配电网络重构的改进二进制粒子群优化算法,并建立了计及分布式电源的配电网络辐射状运行判定依据。最后对IEEE33节点测试系统进行仿真,表明本文所用的方法是合理有效的。     

基于改进教与学优化算法的配电网重构

正常运行工况下的配电网重构能降低配电网损耗。近年来新兴的教与学算法具有自有参数少、简单易懂、收敛迅速等优点,十分适合多目标、多约束的配电网重构优化问题求解。以网损最小和开关操作次数为目标,并考虑运行经济成本,将教与学算法引入到配电网优化重构中,对基本教与学算法中的教学因子进行了自适应改进,给出了算法的编码策略、迭代过程中“学生”信息的修改原则。PG&E 69节点系统以及一个实际城区配电网的优化重构仿真结果表明所提改进算法的有效性。     

采用局部学习与反向学习机制的人工鱼群算法在含DG配电网重构中的应用

配电网重构是配电网络结构优化的有效手段.考虑到系统运行的经济性,建立了以网络损耗最小为目标函数的数学模型,采用一种具有高效并行优化能力的人工鱼群算法来求解含DG的配电网重构问题.为了克服二进制编码所带来的“维数灾”问题,提出了三大网络简化原则以提高算法的计算效率.当算法陷入“早熟收敛”的怪圈时,引入局部学习与反向学习机制,一部分鱼群根据处于最优位置鱼群之间的差分结果进行动态调节,协同最优种群强化局部搜索;另一部分鱼群则沿最差位置方向进行反向学习,及时逃离局部最优区域,有效地改善了种群的多样性.为了进一步加快算法的寻优效率,在视野与步长参数方面做出了相应的自适应调整.通过算例分析,验证了文中算法的准确性与有效性.     

人工鱼群算法在配电网络重构中的应用研究

配电网络重构是在满足各种运行约束条件下,以网损最小或供电可靠性最高为目标,它是一个典型的非线性整数组合优化问题,常规的数学优化方法难以求解。提出了将基于"现代启发式"随机搜索寻优技术的人工鱼群优化算法应用于该问题。通过算例的分析,验证了该算法的正确性、可行性,显示了算法的优越性。     

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。     

基于改进NSGA-II算法的含分布式电源配电网无功优化

针对含分布式电源(DG)的配电网无功优化的问题,为更准确地描述DG出力的不确定性,基于加权高斯混合分布(WGMD)和Beta分布分别构建风电DG和光伏DG的出力模型。采用结合切片采样算法的马尔科夫链蒙特卡洛模拟法进行潮流计算。建立以系统有功网损最小、节点电压总偏差最小为目标函数的多目标无功优化模型,并采用改进的非支配排序遗传算法(NSGA-Ⅱ)对该优化模型进行求解。通过改进的IEEE 33节点系统的仿真验证了所提方法的可行性和有效性。