基于多种群免疫遗传算法的配电网网架规划

配电网网架规划是一个复杂的组合优化问题,传统的优化方法往往难以解决此类问题.提出一种多种群的免疫遗传算法进行配电网网架优化规划,采用多个种群针对优化目标的不同方面进行优化搜索.在遗传进化过程中,借鉴生物免疫机制对每个种群的染色体进行免疫算子操作,种群之间通过优秀个体转移进行交互,有效防止了种群退化,提高了种群的多样性和遗传算法的全局寻优能力.以网络年费用最小为优化目标建立配电网网架规划的数学模型,利用多种群免疫遗传算法求得优化解,通过具体实例验证了该算法的有效性.     

基于改进免疫遗传算法的配电网网架规划

为了解决传统方法难以实现配电网网架规划组合优化的问题,针对改进免疫遗传算法具有生物免疫系统中抗体多样性的保持机制和基于抗体浓度的调节更新机制,同时又具有一般进化算法的随机搜索能力,采用改进免疫遗传算法对配电网网架规划进行求解,提高了种群的多样性和遗传算法的全局寻优能力.优化模型以网络年费用最小为优化目标,以线路传输容量、电压降、配电网的辐射性等为约束条件;根据配电网辐射性的要求,以备选网络的生成树作为初始解,从而避免了随机产生初始可行解时速度较慢的弊端.并借鉴支路交换的思想设计杂交算子和变异算子,以避免辐射性检查过程,使得算法的寻优能力大为增强.通过算例验证了该算法的有效性,同时算例结果表明该算法的计算速度比常规免疫遗传算法的计算速度有较大提高.     

考虑重构和分布式电源无功特性的主动配电网多目标日前调度

主动配电网的优化调度方案是配电网经济运行的核心,本文提出一种考虑配电网拓扑重构和分布式电源无功特性的主动配电网日前调度方案,建立配电网经济运行成本最小和系统网络损耗最小的多目标优化模型.该方案在资源优化配置时,考虑拓扑结构的改变对资源调度结果的影响,并且充分利用分布式电源的无功特性,尤其是常被忽视的风机和光伏的无功支持能力.通过该优化调度方案可确定配电网一天内各时段分布式电源的最优有功和无功出力、可中断负荷的参与量以及对应的各时段最优拓扑结构.该优化模型为非线性优化问题,采用万有引力搜索算法进行求解,最后通过修改的PG&E－69节点系统进行仿真验证.     

计及配网有功无功协调运行优化的SST规划方法

固态变压器(solidstatetransformer,SST)作为一种利用电力电子器件实现能量管理和功率控制的新型变电装置,其应用将极大地提高配电系统的柔性调控能力,从而解决由于分布式电源接入给配网带来的诸多问题.针对SST在配网中的选址定容问题,考虑SST协调配电网有功无功资源的运行优化,提出了一种计及配电网提前运行优化结果的SST统筹规划方法.首先,基于SST的稳态数学模型,研究了SST在双交流/交直流系统连接下,计及负荷与分布式电源的参数时序控制方法.其次,建立了融合配电网有功无功时序运行优化的SST双层规划模型,上层考虑SST的投资成本、环境效益和配电网年运行成本,对SST的安装位置和容量进行了规划;下层以配电网日运行成本最低为目标,进行时序多场景下SST协调配网中有功无功资源的日运行优化,并提出改进的主从式差分入侵杂草混合算法进行双层规划模型迭代求解.最后,采用改进的33节点配电系统进行仿真验证,结果表明:相较于考虑SST协调配电网单方面有功/无功运行的规划方法,所提方法的配网年综合成本分别减少91.1 k$和21.8 k$;相较规划前和单层规划方法,所提方法的配网年运行成本分别降低10.6 k$和92.7 k$,电压偏差分别减少25%和18%.所以,计及配网有功无功运行优化的SST双层规划方法,可以充分考虑协调主动配电网有功无功资源运行对SST配置规划的影响,提高系统运行的经济性和规划方案的可行性.     

改进萤火虫算法与K-means算法结合的配电网负荷聚类特性分析

负荷聚类特性分析是实现配电网的定制电力、高品质供电、高可靠性供电的重要基础．然而现有的Kmeans聚类分析方法，受限于数据样本集和聚类初始中心的选取等，会出现因初始中心不同造成聚类结果差异大的问题．为此，针对配电网负荷数据特点，提出一种基于改进萤火虫算法和K-means算法结合的配电网负荷聚类特性分析方法．利用萤火虫优化算法全局搜索能力强的优势，考虑类内相似度和类间差异度，寻优K-means算法初始中心，使聚类结果的聚类有效性指标取得最小值；进一步针对萤火虫算法在处理负荷数据时的弱点，通过密度法为萤火虫算法加入优秀初代个体，改进吸引公式以及个体间概率吸引移动的方式优化迭代过程中的个体移动方式，加快萤火虫算法前期收敛速度，并实现后期稳定收敛，算法更快地接近极值，计算速度更快．算例验证了本文所提算法的聚类有效性，并针对某配电台区电力负荷数据，寻得K-means算法最优初始中心，使得聚类结果的戴维森堡丁指标(Davies-Bouldinindex,DBI)最小，负荷聚类结果类内差异小，类间差异大，最终聚类中心的特征代表性强，为负荷类型划分、聚类特性分析提供重要依据，为需求侧差异化电力服务定制...     

基于改进场景聚类法的主动配电网中分布式电源准入容量规划

随着电力市场的不断拓展,将出现拥有分布式电源的主动用户,在主动配电网中高渗透率地接入可再生能源成为主要的市场模式之一.在市场机制的作用下,主动用户进行可再生能源最优配置时,不仅要考虑利润的问题,还需要充分考虑主动配电网的消纳能力.基于联合时序场景对主动配电网中分布式电源的准入容量进行研究.首先,针对分布式电源及负荷的不确定性问题建立了联合时序场景,并对已有的聚类算法进行了改进,高效地实现了联合时序场景削减;其次,在主动配电网中充分考虑网络潮流优化及电压控制对分布式电源的消纳影响,基于联合时序场景,建立了计及有功控制、无功补偿、变压器有载调压三种主动管理策略下的分布式电源准入容量模型;最后,通过IEEE33节点配电网对上述模型进行算例分析,验证了所提方法及模型的正确性及有效性.     

含分布式电源配电网故障定位交互式二进制蝙蝠算法

针对配电网故障定位二进制粒子群算法定位速度慢且准确度低的缺点,结合群智能平台设计了一种交互式二进制蝙蝠算法(interactive binary bat algorithm,IBBA),部署在群智能计算节点(computing processing node,CPN)上的IBBA通过CPN自组织、自协作方式与邻居节点交互蝙蝠位置等信息,提高了算法搜索速度和全局搜索能力;通过建立适合多电源配电网的编码方式,引入防伪正系数和假定故障数量的评价函数,增强了算法适用性;搭建IEEE14节点配电网模型,模拟配电网在分布式电源接入和信息畸变等多场景下单点、两点故障状态,通过实验验证了IBBA的有效性。与传统二进制蝙蝠算法、二进制粒子群以及交互式二进制粒子群算法相比,IBBA的收敛性能和容错能力更优,定位准确度较二进制粒子群、交互式二进制粒子群算法分别提高6%和10%。     

基于最小生成树的含分布式电源的配电网重构算法

考虑到分布式电源对配电网重构的影响,将以最小生成树为搜索策略的粒子群算法与改进萤火虫算法相结合,以有功网损和负荷均衡指数最小为目标函数,建立有效实用的配电网重构模型,避免了不可行解的产生,并且有效平衡了全局搜索和局部收敛的过程.算例仿真结果验证了所提算法的有效性和可行性.     

计及需求响应的主动配电网日前优化调度

主动配电网通过主动调度可调度资源达到配网的经济、安全、可靠、高效的运行;随着分布式电源在主动配网中渗透率越来越高,将需求侧资源纳入主动配网的调度中可以提高主动配电网消纳分布式电源的能力以及增加系统的经济性、安全性。由于用户负荷不止受电价影响,需求响应后的负荷存在不确定性,同时风光的出力也存在随机性的特点,在计及了源荷不确定性下,建立了基于机会约束规划的主动配电网优化调度模型,通过嵌入蒙特卡罗的粒子群算法求解,算例分析结果表明了所提模型的有效性。     

兼顾不确定性和时序特性的主动配电网分布式电源与需求响应优化配置

传统分布式电源优化配置多采用服从固定分布参数的分布式电源随机出力模型,并未考虑分布参数的时序差异性。本研究基于实测数据分别依季节和小时拟合得到不同时段下风速和光照强度的分布参数,从而建立风机和光伏出力不确定时序模型,并基于价格弹性理论建立需求响应负荷不确定时序模型,最终建立以分布式电源和智能电表的安装位置、容量或数量为优化变量,以设备投资成本、售电利润、网损成本和排放成本为目标的主动配电网协调配置模型,采用基于蒙特卡罗随机潮流的遗传算法优化求解。IEEE33系统多场景对比仿真结果表明,考虑分布式电源和需求响应不确定时序特性的协调配置能科学有效地提高主动配电网规划的经济性和环保性,协调发挥分布式电源和需求响应各自优势,适应低碳主动配电网的发展需求。     

基于多目标的主动配电网有功无功协调优化

大量间歇性分布式电源接入配电网会引发电压越限,限制系统消纳分布式能源的能力.基于节点电压对注入功率的灵敏度分析,揭示了配电网注入有功功率和无功功率对节点电压皆具有调控作用.提出通过对分布式发电 (DG)、储能装置(ESS) 等的有功功率和无功补偿装置的无功功率的协调控制,实现主动配电网消纳间歇性分布式能源最大化、网损最小化和电压质量优质的综合优化目标.文中建立了主动配电网的多目标优化数学模型,应用判断矩阵法确定出多目标的权重系数,构建成一个综合优化的目标函数.应用粒子群算法进行寻优求解,可得到主动配电网的优化运行方案和调控策略.在IEEE33 节点测试系统上进行了多场景仿真分析和研究,结果表明： 应用文中所提出的主动多目标优化调控方法,既可满足安全约束条件,又能实现有效地降低 DG 切机量、降低有功网损、保持良好电压质量的综合效应.     

主动配电网源荷协同优化控制策略研究

针对主动配电网中间歇性可再生能源(光伏和风电)和具有与配电网管理系统互动的主动需求负荷的协同运行问题,提出了基于自适应扩散算法的源荷分布式协同优化控制策略。该策略应用自适应扩散算法构造自适应邻接矩阵和融合矩阵,作为加权因子对节点状态值进行迭代更新,获得全局一致边际成本信息,实现分布式电源功率等边际成本控制。以IEEE-14节点配电系统为例进行仿真分析控制系统的动态性能,结果表明,采用所提策略进行主动配电网有功功率的优化调度,能够实现源荷间的协同运行,并与一致性算法和PSO算法的计算结果进行比较,验证了所提方法的有效性和优越性。     

基于改进小生境粒子群算法的主动配电网优化重构

分布式电源(DG)的接入为主动配电网(ADN)的稳定运行带来了挑战,而重构是提高系统稳定性的重要手段.提出了一种改进小生境多目标粒子群算法(INMPSO),建立了考虑网损、电压质量指数(VQI)、开关操作次数的多目标优化函数,对主动配电网的静态重构模型进行求解.全局最优粒子位置通过小生境共享机制来更新,使种群具有多样性和全局平均分布.根据模糊满意度评价决策方法从得到的Pareto解集中选择出最优折衷解,为决策者提供了科学的决策依据.最后以IEEE33节点标准配电系统为例,并与基本多目标粒子群算法(MPSO)的优化结果进行对比,验证所提模型和方法的有效性.     

基于改进入侵杂草算法的有源配电网重构

针对含分布式电源(DG)的有源配电网重构问题,建立考虑DG出力优化的多场景重构模型,提出改进入侵杂草算法(MIWO)求解.该模型从配电系统运行效益和环境效益两个角度,以有功网损、节点电压偏差、负荷均衡度、污染物排放环境成本和弃风弃光成本最小为目标函数.MIWO算法在入侵杂草算法的基础上,设计适用于重构问题的初始种群选择机制,优化了随机产生的初始值;融合Lévy飞行过程和类海明距离判定,保持了种群的多样性,避免陷入局部寻优;提出种子数量调节策略,提高了收敛速度.IEEE 33节点配电系统仿真结果验证了所建模型和所提算法的有效性.与入侵杂草算法、粒子群算法和遗传算法相比,MIWO算法收敛速度更快、寻优能力更强、稳定性更好.     

考虑主动管理模式的多目标分布式电源规划

在考虑主动管理模式条件下,建立了多目标双层分布式电源规划模型.其中,上层规划以分布式电源年投资运行成本和网损最小为目标,下层规划以分布式电源出力切除量最小为目标,考虑风电光伏等间歇式能源出力的随机性及负荷的不确定性,利用基于拉丁超立方抽样的蒙特卡洛模拟方法对风速、光照强度和负荷进行抽样,利用非支配排序遗传算法对上层规划模型进行求解,采用原对偶内点法对下层规划模型进行求解,以得到问题的Pareto最优解集,从而避免了传统加权求解方法中权重确定的主观性.同时,通过对33节点配电网算例的仿真和分析,验证了所建模型的合理性和算法的有效性.     

含分布式电源的改进配电网随机潮流计算

随着分布式电源(DG)在配电网中所占比重的不断上升,系统面临不确定性增大、网架结构改变等问题的挑战,常规的潮流计算无法应对电网中存在的大量不确定因素.针对这一情况,文中提出一种基于帝国主义竞争算法(ICA)的配电网随机潮流.该方法可以方便地考虑各类拓扑结构、不同DG渗透率以及多个约束条件的复杂网络,且具有良好的收敛性.为了提高算法的寻优能力和收敛速度,在ICA基础上引入克隆进化算子.对改进的IEEE-33配电系统进行随机潮流计算,并与蒙特卡罗仿真法(MCS)比较.结果表明,所提方法具有较高的计算精度和实用价值.     

基于改进哈里斯鹰优化算法的配电网动态重构

针对风光荷不确定性的配电网重构问题,建立分布式电源和负荷出力模型,以系统运行成本和电压偏移构建多目标函数。提出一种改进粒子群算法融合K-means(improved particle swarm optimization and K-means, IPSO-Kmeans)聚类算法来划分典型日负荷曲线,将改进哈里斯鹰优化(improved Harris hawk optimization, IHHO)算法应用于配电网重构,进行寻优计算。为了改善哈里斯鹰优化(Harris hawk optimization, HHO)算法种群分布不均、无法完整搜索到最优解空间范围、易于陷入局部收敛等问题,引入佳点集生成种群初始化,提高种群搜索空间的均匀性。将麻雀搜索算法中的探索者位置更新公式与哈里斯鹰优化算法探索阶段的位置更新公式结合,以提高算法的全局搜索能力。利用柯西-高斯变异扰动策略跳出局部最优解。最后在IEEE33节点配网系统仿真,结果表明所提方法的有效性。     

适应多元源荷接入的配电网两阶段灵活性提升优化方法

配电网灵活性提升优化过程中易受不均匀电压、强磁场、电流效应等问题的干扰，灵活性提升效果不明显。为了解决上述问题，提出适应多元源荷接入的配电网两阶段灵活性提升优化方法。该方法首先采用瞬时功率平衡算法保证配电网达到三相平衡状态，其次通过无功出力与有功损耗的输出特点实现配电网的无功规划，有效地提高配电网运行质量，降低网损。最后采用多元源荷接入的两阶段提升优化法提升配电网的灵活性，第一阶段基于灵活性三指标与多源源荷供给特性构建灵活性提升优化模型，第二阶段考虑配电网灵活性指标的概率平衡性，并采用线性转换算法对模型求解，完成配电网灵活性提升优化。试验结果表明，所提方法的网损率小，净负荷波动曲线小，计算时间短，配电网分布式电源接入的灵活适应性强。可见通过灵活性优化调度，可以有效提升含分布式电源配电网的灵活性，提高配电网接纳分布式电源的能力。     

混沌优化PSO-LSSVM算法的短期负荷预测

高渗透率随机性、间歇性分布式电源的大量接入,给传统配电系统的安全、经济和可靠运行带来了一系列的问题,使得传统的负荷预测方法已不再适用.针对这一问题,提出了利用混沌优化粒子群最小二乘支持向量机(PSO-LSSVM)的算法实现对短期电力系统负荷的精确预测.利用粒子群(PSO)算法的全局搜索能力和混沌算法随机、遍历的特性,使其分别克服选参时的盲目性和寻优时粒子群(PSO)算法易出现早熟而陷入局部最优的缺点.最后在Matlab2014a软件平台上验证了混沌优化PSO-LSSVM算法的有效性和收敛性.     

基于电气距离分区的配电网动态无功优化

为解决含分布式电源的配电网动态无功优化问题,考虑不同时刻日负荷以及分布式光伏、风电的出力水平不断变化,以节点电压是否越限为判断依据设计了2种优化方案。在多目标无功优化模型的基础上,若节点电压越限,通过节点之间的电气距离、联通情况以及区域直径对配电网进行快速分区处理,根据分区结果,调节电压越限区域内分布式电源的无功出力,利用改进差分进化算法进行局部无功优化,输出Pareto最优解;若节点电压不越限,对配电网整体进行无功优化求解,调节分布式电源的无功出力,获得Pareto最优解。通过算例分析验证了本文所提算法和优化方案的可行性。