基于改进双层聚类多目标优化的配电网动态重构

随着配电网的高速发展,电力用户对供电可靠性的要求越来越高。针对现有配电网动态重构中开关次数难以约束,系统节点功率变化对配电网潮流分布的影响以及单一聚类算法负荷识别不足的问题,提出基于形态与幅值的双层聚类。外层以皮尔逊为相似度量进行形态相似聚类,内层以欧氏距离为相似度量进行幅值相近聚类。建立减小网损、提高电压稳定性、均衡馈线负荷、减少开关操作次数的多目标优化数学模型,采用改进粒子群算法完成配电网多目标动态重构。仿真结果表明,较静态重构开关操作次数降低了54.76%,减小电能15 575.4 kW·h,降低了39.28%,较重构前电压偏移指数降低49.1%,负荷均衡度改善41.9%。该研究所提改进的双层负荷聚类相比FCM聚类,准确度提高了11%,聚类效果更加接近原始数据。该动态重构方案可提高配电网运行的可靠性。     

考虑负荷与DG随机性特征的配电网多目标动态重构

传统确定性潮流和静态重构方法无法计及电网中不确定性因素的影响,为此文中提出了一种基于概率潮流考虑负荷与DG随机性特征的配电网多目标动态重构方法。建立了分布式电源(DG)出力与负荷的概率模型,并采用半不变量与Gram-Charlier级数进行概率潮流计算。提出了一种模拟退火-中心聚类(SA-PAM)算法,将退火机制引入PAM算中进行负荷聚类实现重构时段划分。随后,建立了以网损期望、电压越限概率、电压偏移为目标的配电网重构模型。为提升模型求解速度和效率,提出了一种多种群并行免疫算法,其中优势子种群采用高斯变异算子进行局部搜索实现快速收敛,普通子种群采取抗体交叉、超变异保证种群多样性实现全局搜索。通过IEEE33节点系统进行仿真验证了所提方法的有效性。     

含间歇性DG的主动配电网动态重构研究

考虑ADN(主动配电网)中间歇性DG(分布式电源)出力的时变性和系统负荷功率的不确定性,建立了含DG的ADN重构模型,提出了DEIWO(差分进化入侵杂草优化)算法,对配电网进行动态重构。利用柯西分布取代高斯分布对IWO(入侵杂草优化)算法进行空间扩散,在计算初始可以产生更多的可行解;引入DE(差分进化)策略,优化竞争生存操作过程,解决了IWO算法收敛速度慢且容易陷入局部最优的问题。利用改进的OFCMC(最优模糊C均值聚类)方法处理ADN动态重构问题,将ADN动态重构问题转化成C个代表负荷数据为聚类中心的静态重构问题。IEEE 33节点系统算例结果表明,利用DEIWO算法对接入DG的配电网重构后,各节点电压波动、电压偏差降低,节点电压整体提高至接近额定电压且无电压越限,配电网电压质量可达到最佳状态。     

基于改进模糊C均值聚类时段划分的配电网动态重构

随着大量光伏和风电等间歇性电源接入配电网,传统的静态重构方案不再适用于动态变化下的网络。在此背景下,提出了一种基于改进模糊均值聚类的动态重构策略。首先依据分布式电源(distributedgenerator,DG)和负荷的时变性建立确定性等值负荷预测曲线,通过改进的模糊C均值聚类算法进行时段划分,并且利用损失函数确定最优时段划分方案。其次采用区间数描述DG和负荷预测的不确定性并建立以网损区间值最低为目标函数的动态重构模型,并引入仿射泰勒扩展的潮流计算法求解区间潮流方程。最后采用基于回路搜索的十进制粒子群算法对重构模型进行求解,实现不确定因素下的配电网动态重构。通过IEEE33节点系统仿真验证了所提方法的有效性和优越性。     

基于时间区间的配电网重构

提出了基于时间区间的静态重构算法和动态重构算法.算法以最优流法为基础,以一段时间内的能量损耗最小为目标函数.首先利用配电网负荷模式的特点对基于时间区间的最优流计算方法进行了改进,然后利用该计算方法求解配电网的静态重构问题.动态重构中需要考虑开关操作次数的约束,为此,动态重构算法中先利用降损估算公式对开关操作在整个时间区间内的降损效果进行评估和比较,然后提出了合理的启发式规则来确定开关的操作顺序,形成优化方案.69节点配电网的算例结果表明,提出的静态重构和动态重构算法是可行和有效的.     

基于分类概率综合多场景分析的分布式电源多目标规划

为了在配电网分布式电源规划中更加准确合理地考虑分布式电源出力及负荷需求的不确定性,基于风电、光伏和负荷的随机性分布特征差异,提出分类概率综合多场景分析方法以实现更合理的多场景生成,并融合K-Means聚类方法和层次凝聚聚类(HAC)算法形成H-K复合聚类场景压缩方法,实现更高效的场景压缩;以年均收益率和配电系统电压分布改善率最大化为目标构建多场景分布式电源多目标规划模型,并采用基于HAC种群截断策略的改进非劣排序复合微分进化算法对模型进行求解;以IEEE33节点配电系统为例进行了分布式电源多目标规划,仿真结果验证了所提方法的有效性和优越性。     

含高渗透可再生能源的动态网络重构与无功电压调整协同优化

具有出力不确定性的可再生能源高渗透并入,导致传统单一的主动管理策略难以实现配网最优运行。在此背景下,提出一种动态网络重构与无功电压调整协同优化方法。首先,采用基于形态和幅值的双尺度相似性度量谱聚类算法对负荷进行聚类,进一步利用反映负荷曲线波动特征的自适应聚合算法对时段做出合理划分。其次,计及风光不确定性,构建考虑配电网动态重构与储能和微型燃气轮机出力调控协同的机会约束双层优化模型,模型上层以配电网综合运行成本最小为目标,下层以系统电压总偏差最小为目标,实现对配电网运行经济性和系统电压质量的综合优化。然后,针对该模型提出了基于十进制编码的改进鲸鱼优化算法和内点法相结合的混合策略对模型进行求解。最后,在改进的IEEE33节点系统中,对所提的运行优化模型进行分析和验证。仿真结果表明：所提双层优化模型能够有效提高电压质量和降低配电网运行费用,所提时段划分方法能够得到符合曲线变化趋势的分段方案,改进后的算法大大提高了求解效率。     

基于改进k-均值聚类的负荷概率模型

提出采用改进的k-均值聚类方法对电力系统小时负荷进行聚类,避免了传统k-均值聚类存在的聚类中心初始值难以确定、聚类结果不稳定的问题。在建立聚类负荷模型的基础上,进一步建立了考虑负荷不确定性和相关性的负荷概率模型。RBTS和IEEE RTS79算例分析结果表明,采用所建立的聚类负荷模型时的发电系统可靠性计算结果精度高,节省了状态抽样法的计算时间;负荷不确定性和相关性对发电系统可靠性有较大影响。所建立的负荷概率模型为采用解析法和状态抽样法进行发电和发输电系统可靠性评估提供了基础。     

基于图论的改进遗传算法在配网重构中的应用

针对遗传算法求解配电网络重构优化时,随机编码操作将产生大量不可行解的缺点,设计了基于图论的改进遗传算法进行重构优化。根据配电网络与图论中树结构的相似性,确定了配电网络重构优化实质上是在初步连接图的基础上寻找最优的生成树或某组树,并引入环路的概念,基于破圈法和环路的性质进行编码操作,在产生初始解和变异操作时生成的解均为可行解,交叉操作时满足树的基本条件,避免或大大减少了不可行解的产生,从而提高了算法的计算效率。分别对IEEE33和IEEE69节点配电系统进行了重构优化,两个优化算例说明了该方法的有效性。     

基于图论的改进遗传算法在配网重构中的应用

针对遗传算法求解配电网络重构优化时,随机编码操作将产生大量不可行解的缺点,设计了基于图论的改进遗传算法进行重构优化.根据配电网络与图论中树结构的相似性,确定了配电网络重构优化实质上是在初步连接图的基础上寻找最优的生成树或某组树,并引入环路的概念,基于破圈法和环路的性质进行编码操作,在产生初始解和变异操作时生成的解均为可行解,交叉操作时满足树的基本条件,避免或大大减少了不可行解的产生,从而提高了算法的计算效率.分别对IEEE33和IEEE69节点配电系统进行了重构优化,两个优化算例说明了该方法的有效性.     

配电网重构的动态规划算法

提出一种配电网重构模型的动态规划算法。计及电压、容量以及负荷均衡等约束。给出了配电网重构的数学模型。动态规划是求解多阶段决策过程最优化的有效数学方法，文中诠释了动态规划基本概念如：阶段、状态、决策、策略、指标函数等在配电网重构中的具体内涵，在此基础上给出了配电网重构的动态规划算法。利用定义的开关有效组合、增益以及降维方法，可大大降低元件的组合数，提高计算效率。应用所提出的算法对IEEE33节点、69节点以及一实际工程算例进行了网络重构，给出了文中方法与其它方法的比较以及重构前后系统节点电压、网损的比较，重构结果显示了所提算法的正确性、可行性以及工程实用性。     

考虑电动汽车空间分配的多目标配电网重构优化

电动汽车充电过程在空间呈现的无序性会对配电网重构带来影响。在电动汽车用户倾向于选择距离最近、充电时间最少的充电站进行充电这一基础上,提出一种考虑电动汽车空间分配的配电网重构优化模型。以网络损耗和电压偏移水平为指标建立多目标优化函数,引入电动汽车效用度这一约束条件,对网络开关状态和电动汽车充电负荷空间分配方案同时优化。通过模糊C均值聚类对系统中电动汽车按照空间分布指标进行聚类,将空间分布位置相似的电动汽车聚为一类以降低问题模型维度。然后采用改进遗传算法对模型进行求解以获得综合优化方案。仿真结果表明,聚类能够显著降低计算难度,提高算法收敛速度;在优化模型的引导下,电网在保证自身运行经济性和可靠性的基础上,降低了电动汽车的充电时间和路程,证明了模型和方法的有效性。     

综合开关次数分析的配电网多目标动态重构

为使得配电网重构更为合理而有效,提出一种配电网多目标动态重构新方法。以降低网损和减少开关操作次数为综合优化目标构建配电网多目标动态重构模型,采用基于图论中代数连通度的网络连通性判别方法快速消除无效解,采用基于独立环路的实数编码策略大幅降低变量维数。针对该复杂模型的求解,设计一种新型的复合型微分进化多目标优化算法,通过融合不同特点的变异策略,兼顾个体多样性和收敛速度,解决了群智能进化算法存在的寻优深度与速度之间的矛盾。最后以IEEE 33节点配电系统为例进行多目标动态重构,通过对求得的Pareto最优解集以及开关操作性价比进行分析,验证了该方法的有效性和优越性。     

基于聚类蚁群算法的动态无功优化

针对动态无功优化中需要限制电容器开关和有载分接开关( OLTC)分接头等离散控制设备动作次数要求,首先,提出离散控制设备无需动作时间概念,该方法统一考虑全天系统负荷变动情况,在保证离散控制设备动作效率基础上使全天动作次数满足要求。另外,将聚类方法与蚁群算法相融合提出聚类蚁群算法,该方法能够根据系统的变化,随时调整路径上的信息素更新浓度。最后,根据引出的路径多样性,可以防止因信息素的过度积累使算法早熟、减少算法搜索次数的优点,提出多时段间路径多样性的概念,以达到降低控制设备的动作次数。对IEEE 14节点和IEEE 30节点系统进行计算,结果验证了方法的可行性、正确性和有效性。     

基于改进和声搜索算法的多目标配电网重构优化

为了减少有源配电网的网络损耗、提高系统运行的稳定性,建立了以网络损耗、开关动作数、负荷和电压平衡度为目标的数学模型。针对传统和声搜索算法全局数据依赖性较差、寻优的后半段速率变慢和易陷于早熟困境等问题,将其自适应参数、取值机制和越界逸出进行了改进。对无功进行随机优化补偿,利用场景分析法确定风机的出力值,采用定时模式的电动汽车模型对日负荷进行削峰填谷。基于欧式距离的K-Means方法对一天内含分布式电源的配电网络进行分段,在IEEE33电力结构中进行了动静态两重测试。在算法收敛上与传统和声、自适应和声搜索算法对比,减少了算法的无效运行次数,提高了算法的运行速度和全局寻优能力。在重构优化结果上与改进蚁群算法对比,减少了网络损耗和开关动作数,提高了系统运行的经济性与可靠性。     

基于一种改进蚁群算法的动态无功优化

为满足并联电容器开关或有载调压变压器分接头等离散控制设备最大允许动作次数的限制,根据负荷变化情况提出采用全天各时段的离散控制设备延缓动作时间来避免不必要的调节。运用层次聚类法和引入种群多样性思想,提出一种求解动态无功优化的改进蚁群算法。该算法用各时段的离散控制设备动作次数修改初始信息素;在每个时段优化过程中,对系统各节点灵敏度进行聚类分析后确定信息素变化量,并用离散控制设备的动作次数对其修改。通过对IEEE 14节点系统进行的仿真计算验证了所提方法的可行性和有效性。     

最小化运行费用的时变重构全局优化算法

该文提出了一种以运行费用最小为目标的时变重构全局优化算法。将时变重构问题分解为多个静态重构子问题，使用核心模式遗传最短路算法(CSGSA)分别求解每个子问题，得出候选放射状网络结构，并使用动态规划，根据各子问题的结果求解全局最优的时变重构策略。算法还对开关操作次数约束进行了处理，使之不影响动态规划的全局最优性。所提算法是配电网络实时调度，规划和离线分析的有效工具。     

基于模糊多目标协调优化的配电网络重构研究

配电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。建立以网损最小、馈线负载均衡指标最小、开关操作次数最少多个目标协调优化的配电网络重构的数学模型。引入模糊隶属度函数对各目标进行模糊化处理,根据模糊集理论的最大最小法则,将多目标优化问题转化为单目标非线性规划问题。应用禁忌算法对该配电网络重构模型进行优化求解。对某个69节点配电网络系统,比较分析了四种不同的优化方案,仿真结果验证了所提出模型和求解方法的正确有效。     

基于负荷-光伏等效负荷曲线动态分段的配电线路联络开关优化配置

传统的开关配置方法不能完全适用于光伏电源并网的情况,因此基于负荷-光伏等效负荷曲线动态分段对含光伏电源的配电线路的联络开关进行优化配置。将负荷曲线和光伏出力曲线进行叠加获得各季节等效负荷曲线。考虑负荷短时激增和曲线首尾负荷相差不大的情况,以日负荷-光伏等效负荷曲线上各单调区间的积分中值作为分段点对曲线进行分段,并根据实际开关动作次数对分段进行动态修正。以损耗电量减少量和停电损失费用减少量为目标函数,以节点电压、功率平衡、可靠性、网络拓扑、开关操作次数限制和开关设备的投资为约束条件建立了联络开关优化配置数学模型,将生成树和蚁群算法相结合对模型进行求解。对IEEE 33节点系统进行算例分析,分析结果证明所提方法是可行、有效的。     

模拟植物多向生长的配电网重构算法

应用植物多向生长模拟算法求解配电网络静态重构问题。在植物生长过程中,其总体形态处处蕴涵着分形的性质。从优化数学角度来看,生长点对应优化问题的控制变量;树干和树枝构成控制变量解空间;光照条件最好点对应目标函数最优解;树根对应控制变量初始值。因而植物向光性生长机制可用于求解配电网络重构的整数规划问题。植物多向生长模拟算法在基本的植物生长模拟算法基础上对植物形态素浓度的求解进行了改进,且增加了新枝的随机生长方向;同时从丰富随机生长方向的角度进一步改进了植物多向生长模拟算法。在算法计算过程中以基本环路作为控制变量,采用3个经典测试系统IEEE16、IEEE33、PGE69和3个大型实际网络Taipower84、Bus119、Bus136作为算例进行重构计算,结果表明植物多向生长模拟算法具有良好的全局寻优能力,且可行解的多样性使算法收敛速度加快。