计及分布式电源接入的三相不平衡配电网无功优化研究

分布式电源输出功率具有的波动性特征增加了三相不平衡配电网无功优化的复杂程度。针对分布式电源接入后三相不平衡配电网无功优化变的更加困难的问题,在对分布式光伏和分布式风电输出功率特征分析的基础上,建立了计及分布式电源接入的三相不平衡配电网无功优化模型,模型的求解则采用提出的改进退火蚁群法。通过与其它方法在建立的含分布式电源IEEE33节点三相配电网系统的无功优化对比分析,验证了本优化模型及求解方法的具有的优势。本优化模型及方法可为含分布式电源的三相不平衡配电网无功优化提供有效的技术指导。     

一种改进型动态无功优化模型及其求解算法

动态无功优化是提高电力系统运行经济性和安全性的重要措施。在动态无功优化常规模型的基础上,将同一节点的若干组电容器等效为1个集中变量,用对集中电容器组的约束代替常规的单组电容器约束,给出与之完全等效的电容器组动作次数约束值和投切方法;针对动态无功优化模型的非线性、大规模性、控制变量的离散性和连续性共存的难题,对用于离散非线性优化的蚁群算法作了充分研究,提出了内点法与蚁群算法相结合的动态无功优化混合算法。IEEE14测试系统的仿真结果验证了改进模型及算法的有效性和可行性。     

用改进蚁群算法确定无功补偿分级容量

传统确定无功分级补偿容量的方法不能有效利用负荷历史信息,容易出现过补或欠补现象.建立了有效利用历史无功负荷来求解无功补偿分级容量的优化模型,采用蚁群算法求解,对蚁群算法进行了改进.通过设定信息素的修正阈值,适时对信息素进行修正;通过纵向和横行的搜索方式,提高蚂蚁搜索的效率;算法能更好地避免陷入局部最优,执行效率数倍提高.     

蚁群参数自适应调整的优化设计*

介绍了蚁群优化算法利用粗搜索及精搜索过程获得多维有约束函数优化的基本思想,分析了影响蚁群优化多维有约束函数问题的关键参数,给出了获得较好的蚁群函数优化性能必须在优化过程中动态的自适应地调整蚁群优化算法的关键参数 及 的指导性结论,且调整的规则是 与 的值由大到小的调整,而 的值将由小到大的调整。建立了 及 的模糊动态调整器,给出了3个模糊控制器的参数调整过程、控制器的执行策略及控制过程。采用起重机主梁优化实例对比验证了蚁群优化算法及蚁群参数自适应调整的优化算法。结果表明,采用蚁群参数自适应调整的优化算法具有求解精度高、优化效率高及参与优化的蚁群数量少等优点,该方法是求解复杂多峰函数优化的一种极好的优化方法。     

混沌扰动模拟退火蚁群算法低碳物流路径优化

低碳物流是目前物流配送领域的热点研究课题,也是群体智能优化算法的重要应用方向。针对物流配送中碳排放的度量方法,以VRP问题为基本模型,以碳排放成本为目标函数,建立了低碳物流配送路径优化模型。为了避免基本蚁群算法出现停滞及早熟现象,提出了带混沌扰动的模拟退火蚁群算法来求解低碳物流配送路径优化模型。该算法将混沌系统及模拟退火机制引入基本蚁群算法,避免了算法陷入局部最优,增强了全局搜索能力,提高了求解效率。通过实验仿真及对比分析可知,带混沌扰动的模拟退火蚁群算法的求解结果明显优于基本蚁群算法,表明了该算法的有效性和合理性。     

双馈感应电机风电场并网后的配电网无功优化算法

探讨风电场中双馈感应风电机组在不同风速条件下的无功容量极限和风电场并网点电压间的关系,建立以系统有功网损最小为目标函数的无功优化模型,把含双馈感应电机风电场的配电网无功优化问题转换为一个多约束的非线性混合整数优化数学问题,并应用粒子群优化算法进行求解.将33节点配电系统作为算例进行仿真分析,结果验证了此算法的有效性.     

配电网无功优化控制研究

设计了无功优化控制系统的软件体系结构，建立了动态无功优化数学模型。提出的高压配电网无功优化控制基于现有地调自动化系统，在母线负荷预测的基础上，利用遗传算法求解整个电网的无功优化问题，得到的优化结果为各个变电站VQC的合理限值。该方法将全局优化与VQC分散控制的优点结合起来，克服了各变电站无功、电压就地最优控制的弊端，节电效益显著。在某地区电网的应用中验证了该系统和方法的有效性，经过优化计算，在满足电压约束和控制设备动作次数限制的条件下，降低了电能损耗，有功损耗比优化前下降约3％。     

配电网无功优化软件的设计

关于优化配电网的质量问题,针对目前配电网无功补偿普遍缺乏合理的无功规划,导致运行电压较低及较大的线损的问题,迫切要求改善现有配电网无功优化的现状,为有效地提高现有无功补偿装置的效率,提升配电网运行电压以及降低线损。结合配电网绝大部分线路是放射状的实际情况,以辐射型网络潮流的分层前推回代算法分析计算配电网的潮流,在潮流结果的基础上根据无功精确矩确定无功补偿点及补偿容量,通过重复多次计算得到最优方案。通过vb6.0软件建立电网拓扑模型,结合理论分析,并进行仿真。仿真结果证明,补偿效果较好,软件已在韶关市配电系统中得到试用,并具有良好的实用性,无功优化效果良好。     

考虑无功补偿的中/高压配电网双层协调控制方法

由于当前配电网协调方法没有考虑无功补偿问题,导致网损增加以及电压水平降低。为了有效解决上述问题,提出一种考虑无功补偿的中/高压配电网双层协调控制方法。分析无功补偿对中/高压配电网作用以及补偿装置的影响,择优选取无功补偿方式,确定配电网多种优化指标,组建双层协调控制模型。选取最小电压偏差为目标函数,采用模拟退火粒子群算法对模型进行求解,获取双层协调控制方案。仿真实验结果表明,所提方法能够有效降低网损,提升电压水平,达到理想的控制效果。     

基于馈线自动化功能的配电网故障定位技术

针对当前已有方法的配电网故障定位成功率和容错率较差，定位延时较差的问题。提出一种基于馈线自动化功能的配电网故障定位方法，通过实际馈线终端的自动化功能组建统一的配电网故障定位模型。在分布式电源接入的情况下，通过搜索策略获取不同的开关状态。使用改进蚁群算法求解模型的初始解，建立分布式电源动态投切的开关函数。通过分区原则，对于无源树枝使用检测入口的FTU状态，简化故障定位计算流程，最终完成故障定位。仿真实验结果表明，方法能够有效提升配电网故障定位成功率和容错率，减少定位延时。     

简述基于蚁群算法的小型生物质发电调控配送系统

基于蚁群算法生物质发电的电力调控配送系统是生物质发电电网规划研究领域的一个重要组成部分,是在已知电网规划和负荷预测的基础上,根据现有的电网结构,合理地选择扩建线路以满足安全运行和经济性最优。我们研究开发的基于蚁群算法的生物质发电调控配送系统主要是解决如何更合理、更有效、更节约的把电力输送到用户中去。     

ACOA-RBF网络模型在短期负荷预测中的应用

为了进一步提高RBF神经网络的性能,实现准确、快速预测短期电力负荷的目的,将蚁群优化算法（ACOA）作为RBF神经网络的学习算法,建立了一种新的蚁群优化算法的RBF（ACOA-RBF）网络预测模型,利用山西某地区电网的历史数据进行短期负荷预测。仿真表明,这一算法与传统的RBF神经网络预测方法相比,能达到更好的预测效果。该优化算法改善了径向基神经网络的泛化能力,提高了山西电网短期负荷预测的精度,可有效用于电力系统的短期负荷预测。     

改进蚁群算法的配电网网架优化规划方法

利用改进蚁群算法对配电网络进行规划,将该算法应用到辐射型配电网络中。在己知各配电变电站供电范围的基础上,利用蚁群算法特有的路径寻优功能进行配电网布局,并处理蚂蚁留下的信息素,以方便地求得配电网络规划问题的最优或近似最优解。通过具体的算例证明,改进的蚁群算法具有更优的全局搜索能力,提高了算法的收敛速度。     

换电站对配网无功优化的影响研究

换电站作为电动汽车的主要充电基础设施,随着电动汽车的普及也将大规模建设。为了分析大规模换电站接入配网对无功优化产生的影响,提出了以换电站充电负荷对配网无功优化的影响为研究对象。首先基于力帆换电站的历史数据分析了换电站充电负荷影响因素的分布规律,然后采用蒙特卡洛仿真模拟建立了换电站的充电负荷模型。还建立了配网无功优化的数学模型,采用禁忌搜索算法求解数学模型。考虑到换电站充电负荷为概率模型,采用基于蒙特卡洛模拟的随机潮流进行潮流计算。最后从换电站充电负荷的渗透率角度分析了对配网无功优化的影响,得出的结论是换电站充电负荷的渗透率为一定值时,相比未接入换电站充电负荷的情况,可以降低电容器的投切次数,延长电容器的使用寿命。     

基于改进型蚁群算法实现配电网无功功率最佳补偿点分析

针对配电网中由于谐波等因素影响,导致无功功率增加的问题,提出了新型的无功功率最佳补偿点查找方案;该方案构设出包括设备层、节点层、通信网络层、计算机管理层和远程管理中心的补偿点分析系统,能够以系统化的架构在本地或者远程对电力节点进行分析,并设计出一套谐波控制系统,能够通过在线、实时检测谐波发生点来选择功率补偿点;并在传统的蚁群算法中融合粒子群算法,解决了常规技术中难以实现全局最优解的技术弊端;通过200次的迭代计算,试验表明,该研究的方法在达到预定周期时,能够通过最佳化地更新全局位置搜索到局部的最优解,收敛速度快,收敛时间约为60s,通过对比试验,本研究的方案具有一定的技术进步性。     

新能源并网发电对配电网电能质量的影响研究

配电网中的新能源并网发电情况越来越普遍,但新能源输出功率的间歇性和不确定性会对配电网电能质量带来很大影响.本文在分析新能源输出功率特性的基础上,对新能源并网造成配电网电能质量的影响原理进行了分析.建立配电网电能质量仿真计算模型,对新能源在不同位置和不同容量并网情况下及多个新能源不同方式并网下的节点电压偏差、节点电压总谐波畸变率仿真计算,获得了新能源并网发电对配电网电能质量的影响规律.本文研究成果可为新能源并网发电及配电网电能质量优化提供有效的理论指导和借鉴.     

无功与谐波补偿检测的光伏并网仿真研究

研究了光伏电源并入配电网后对电能质量的影响.从理论上分析了对光伏并网发电系统进行无功补偿和消除配电网谐波的方法,利用瞬时无功功率理论检测系统无功及谐波电流,将无功和谐波补偿策略与光伏发电控制相结合.仿真结果表明,光伏电源并网能够较好地补偿系统无功和负载谐波,对提高负荷特性和电网的电能质量、减小电网电流谐波有显著的效果.     

Cooperation and profit allocation in two-echelon logistics joint distribution network optimization

Collaborative two-echelon logistics joint distribution network can be organized through a negotiation process via logistics service providers or participants existing in the logistics system, which can effectively reduce the crisscross transportation phenomenon and improve the efficiency of the urban freight transportation system. This study establishes a linear optimization model to minimize the total cost of two-echelon logistics joint distribution network. An improved ant colony optimization algorithm integrated with genetic algorithm is presented to serve customer clustering units and resolve the model formulation by assigning logistics facilities. A two-dimensional colony encoding method is adopted to generate the initial ant colonies. Improved ant colony optimization combines the merits of ant colony optimization algorithm and genetic algorithm with both global and local search capabilities. Finally, an improved Shapley value model based on cooperative game theory and a cooperative mechanism strategy are presented to obtain the optimal profit allocation scheme and sequential coalitions respectively in two-echelon logistics joint distribution network. An empirical study in Guiyang City, China, reveals that the improved ant colony optimization algorithm is superior to the other three methods in terms of the total cost. The improved Shapley value model and monotonic path selection strategy are applied to calculate the best sequential coalition selection strategy. The proposed cooperation and profit allocation approaches provide an effective paradigm for logistics companies to share benefit, achieve win–win situations through the horizontal cooperation, and improve the negotiation power for logistics network optimization.