兼顾抗毁度的含风电配电网多目标重构

为了通过配电网重构提高供电可靠性,从网络保持连通性及抵御破坏能力的角度,引入网络抗毁度指标作为配电网重构的一个新目标函数。通过有权网络的边权值和节点位置重要度求解网络抗毁度,同时考虑风电出力的随机性和间歇性,对该指标进行修正。建立了兼顾抗毁度的含风电配电网多目标重构模型,并采用改进和声搜索算法来求解此模型。给出了多目标重构的帕累托最优解集,供决策者根据实际情况选择。通过对33节点系统的算例分析,验证了所提模型求解方法的有效性与合理性。     

含风电机组的配电网多目标无功规划

考虑风电机组(Wind Turbine Generation,WTG)出力的随机性以及负荷的不确定性,以网损最小和无功补偿设备投资费最小作为目标,利用机会约束规划方法建立了配电网多目标无功规划模型。采用基于拉丁超立方采样的蒙特卡洛模拟嵌入非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm, NSGA-II)对规划模型进行求解,得到配电网多目标无功机会约束规划问题的Pareto最优解集,避免了传统加权求解方法中权重确定的主观影响。改进的33节点配电网的仿真和分析验证了所提模型的合理性以及算法的有效性。     

基于机会约束规划考虑DG与负荷多状态的配电网重构

分布式电源(distributed generation,DG)的大规模接入使配电网成为有源网络,风力、光伏具有出力随机的特点,传统的配电网重构方法不能完全适用含DG的配电网。考虑自然资源和负荷的随机性,依据概率密度函数分别对不可控DG和负荷建立了多状态模型,进而获得了配电系统的多状态模型。以开关状态为优化变量,高于置信水平的网络损耗最小为目标函数,节点电压和支路功率越限概率满足置信水平要求为约束条件,建立了含多种DG的配电网重构机会约束规划模型。基于生成树策略搜索网络结构,应用改进蚁群算法进行求解。算例结果验证了该模型和算法的有效性。     

多目标随机机会约束规划在配电网重构中的应用

通过分析和比较目前国内外已有配电网故障重构算法,提出一种新型多目标随机机会约束规划模型,并应用混合智能算法搜索全局最优解。模型引入开关操作时间为随机向量,以恢复供电时间最短和恢复供电负荷最大为优化模型目标,应用机会约束不等式表示重要用户的恢复供电次序,将随机模拟、神经元网络和遗传算法结合在一起,设计出混合智能算法求解该多目标随机机会约束规划模型。     

基于机会约束规划的含风机配电网重构

针对含风机配电网重构问题,提出基于单环网优化的高效的重构算法。在风机出力为随机变量条件下,建立了极小化网损悲观值为目标的随机机会约束模型,先利用启发式同步回代缩减方法缩减场景,再给出单环网搜索算法,最后采用基于单环网优化的重构算法高效求解,有效避免了可行解随机模拟计算量大的问题。算例比较结果表明,算法不但显著提高计算效率,而且保持了较高的计算精度。     

考虑分布式电源出力调整的多目标配电网重构

配电网重构可以提高配电网运行的经济性和安全性,而分布式电源(Distributed Generator,DG)加入配电网直接影响潮流分布,对配电网重构将产生较大影响。考虑到DG对配电网重构的影响,以开关状态、DG出力为优化变量,建立了以网络损耗、负荷均衡化率最小为目标函数的多目标优化模型。将生成树、蚁群算法和遗传算法相结合,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。该方法利用基于生成树原理的蚁群算法对配电网结构进行优化,保证蚂蚁路径满足网络拓扑约束,有效提高了可行解的数量;采用Pareto最优遗传算法对分布式电源出力进行优化,可获得满足多目标需求的若干优化方案。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。     

考虑网络抗毁性的配电网网架多目标规划

复杂网络理论中的网络结构抗毁性从自身连接性角度描述了网络抵御破坏的能力。文中将其引入配电网网架规划中,建立了以投资、维护、运行费用之和最小,以及网络抗毁度最大为目标的配电网网架多目标规划模型,并采用向量序优化方法优化该多目标模型。向量序优化理论包括排序比较和目标软化等核心思想,能确保以很高的概率求得足够好的解,计算量大大减少,可以满足配电网规划寻求最优或次优方案的工程需要。算例优化结果表明,采用向量序优化求解配电网网架规划可以找到较优的规划方案,且与现代启发式算法相比,计算时间更少,搜索效率更高。     

考虑风电随机性的多场景配电网重构

配电网重构是配电网优化运行的一项重要措施,分布式电源(Distributed Generation,DG)以其清洁性和可再生性越来越多地被引入到配电网重构中。针对出力随机的DG对配电网重构的影响,将基于wasserstein距离指标的场景划分法引入到配电网重构中,将风电划分为多个场景。在兼顾风电随机性以及负荷波动性的条件下,提出了基于二进制粒子群算法的最优方案确定策略,建立了配电网重构模型。提出基于排同存异的环路编码及初始种群生成策略,提高了计算效率。在IEEE33节点配电网系统下对所建立的模型进行求解,验证了所提策略的可行性和有效性,并得到了同时适应风电随机性以及负荷波动性的最优重构方案。     

基于改进MOBPSO算法的含分布式电源的多目标配电网重构

提出一种含多类分布式电源的多目标配电网重构模型。在重构时采用Pareto准则的多目标二进制粒子群优化(Multi-Objective Binary Particle Swarm Optimization, MOBPSO)算法,对算法进行了3点改进：基于环的编码方式用以降低不可行解的产生概率;动态变化的惯性因子和异步变化的学习因子用以提高算法的调节适应能力;在最优粒子的更新方式上提出小生境共享机制和比例选择算子相结合的策略。最后还给出了一种根据决策者偏好信息,从优化解集中选择相应重构方案的评价机制。算例结果表明：改进的MOBPSO算法在寻优效率和稳定性上均有提升;所提模型、改进算法以及评价机制互相配合,能够为决策者提供一种有效的配电网重构方案。     

基于量子粒子群算法多目标优化的配电网动态重构

为保证配电网动态重构后系统安全稳定的运行,提出了以网损和节点电压稳定性为目标函数的量子粒子群算法的配电网动态重构。针对配电网动态重构过程中时段划分问题,提出以负荷曲线的单调性和幅值变化大小为依据初步划分时间段落。采用整数型量子粒子群算法进行动态重构,重构过程中以相邻时段的网损变化值的关系获取最佳重构段落,然后综合考虑配电网网损最小和节点电压值最大且波动最小为目标寻找最佳重构结构。以IEEE33配电系统为例验证了所提方法的有效性和实用性。     

基于无重访NSGA-II算法的配电网多目标重构

将基于空间二叉分割理论的无重访机制与基于多目标Pareto最优化思想的第二代非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm-II, NSGA-II)相结合,构建了无重访NSGA-II算法,并应用于求解同时考虑网损降低和供电可靠性提高的多目标配电网络重构问题。所构建的无重访NSGA-II算法实现了严格意义上的不重复搜索,避免了重复方案的潮流及可靠性计算,节约了计算资源。IEEE16、IEEE33测试系统的计算结果表明能够在较少的迭代次数下得到每个目标方向上的最优解以及包含若干非支配解的Pareto最优前沿解集。根据网损与可靠性目标之间的关联关系及相应重构方案的拓扑结构分析表明在解空间的全局范围内网损与可靠性目标具有较明显的一致关联性,不论对于网损还是可靠性的优化,网络拓扑都应该接近广度优先树而规避深度优先树。     

分布式电源的配电网重构和电容器优化投切

综合考虑最优潮流、配电网重构和电容器优化投切,建立了计及分布式电源的配电网经济运行模型。鉴于模型的复杂性,采用结合最优潮流和改进蚁群算法的混合优化方法进行求解。该方法将最优潮流嵌入改进蚁群算法中,利用最优潮流求解考虑网络安全约束的分布式电源优化调度问题,利用改进蚁群算法优化配电网结构和电容器档位。为了提高蚁群算法的优化效率,建立含有局部搜索蚂蚁的混合蚁群,平衡蚁群算法的全局和局部搜索能力。通过对16节点和33节点的测试系统仿真,表明提出的模型和算法正确有效。     

基于图解蚂蚁系统的配电网动态重构

为了提高配电网运行的经济性,提出一种基于图解蚂蚁系统的配电网动态重构问题的求解方法。求解过程分为离线和在线两个阶段。离线阶段完成拓扑分析,形成同时包含配电网拓扑结构和时段长度两部分的可行解解集,用构造图表示。在线阶段通过模拟蚁群在构造图中的行走过程完成搜索寻优。离线阶段仅需完成一次拓扑分析即可支持在线阶段各时段拓扑结构的求解。在线阶段通过时段延伸方法将搜索空间由可行解解集缩小为较优解解集。仿真算例验证了提出的算法可以有效缩小搜索范围,找到最优解。     

Multi-objective probabilistic distribution feeder reconfiguration considering wind power plants

This paper proposes an efficient probabilistic approach to investigate the multi-objective Distribution Feeder Reconfiguration (DFR) considering Wind Turbines (WTs). The proposed probabilistic method considers the uncertainty regarding the active and reactive load forecast errors as well as the WT output power variations concurrently. In this regard, 2m Point Estimate Method (PEM) as a proper probabilistic technique is utilized to properly model the uncertainty. The objective functions are the total active power losses, voltage deviation, total cost including the grid and WTs and the emission. In addition, a new optimization method based on Self Adaptive Modified Teacher Learning Optimization (SAMTLO) algorithm is proposed to solve the Multi-objective Probabilistic DFR (MPDFR) problem while the simultaneous effect of WTs is considered. In the proposed algorithm, a novel self adaptive modification phase is proposed to improve the overall ability of the algorithm for optimization applications. As the investigated problem is a kind of nonlinear constrained multi-objective optimization problem with conflicting objectives, the idea of Pareto-optimality is utilized to find the set of optimal solutions. The effectiveness and efficiency of the proposed method are demonstrated for two different test systems as case studies.     

基于蚁群最优的配电网网架规划方法

配电网规划问题是一个复杂的组合优化问题。蚁群算法是用于解决组合优化问题的一种高效的随机化内启发式全局搜索技术,能有效地求解大规模组合优化问题。文中结合单阶段配电网规划问题的特点,应用蚁群算法来解决配电网规划问题,建立了相应的数学模型,并给出求解算法。算例的计算结果表明了这种方法是可行、有效的。     

计及电网运行特性的配电网动态重构

为了保证配电网重构工作更加实际有效,提出了一种兼顾经济性和电能质量的网络重构方法。首先提出系统运行性能指标——网络损耗和电压总偏移量,再利用归一化方法对多指标融合并形成配网运行综合性能指标,通过设定综合性能指标标准差,划分重构时段,该划分方法可以限制网络重构次数。结合配电网的特点对复杂结构进行简化处理,有效降低了遗传算法的寻优空间,在优化过程中采用自适应调整的交叉率和变异率,较好地提高了算法的性能。通过IEEE33节点系统的仿真分析,验证了该方法的有效性及正确性。     

兼顾供电可靠性和经济性的多目标网络重构

提出了基于隐含并行寻优思想的兼顾供电可靠性提高和网损降低的配电系统多目标网络重构算法。该算法采用了大规模配电系统三相潮流计算和可靠性评估方法,实现了配电系统可靠性与经济性水平的综合最优化。该算法具有不依赖于网络开关的初始状态,也不受初始联络开关的操作次序的影响,可以高效地求解系统的有效解,实现多目标综合优化的特点。算例结果表明,该算法是灵活和高效的。