集成可再生能源发电的配电网无功优化模型

可再生能源规模化接入配电网已经成为共识。针对大量可再生电源以及电力电子器件所导致的配电网无功波动、网损增加以及电压波动等系列问题,提出了一种基于改进自适应粒子群算法的集成可再生能源的配电网无功优化方法。通过对风机以及光伏系统出力进行建模,获得其出力预测数据;建立含有电压越限罚函数的集成可再生能源的配电网无功优化模型;引入了电压稳定指标的概念,对配电网各个时段的电压状况进行评价;并通过改进的自适应粒子群优化算法进行模型求解;利用改进的IEEE-33节点系统进行了仿真验证。仿真结果表明文中提出的模型能够有效地降低网损,减少电压波动,保证电网的稳定运行,可以为后续的无功优化提供参考与借鉴。     

考虑电压稳定的主动配电网动态无功优化

高比例分布式电源的接入造成电网局部电压越线问题严重,配电网动态无功优化是配网安全、稳定运行的重要保障。提出了一种考虑电压稳定的主动配电网动态无功/电压调控策略,基于分布式电源运行特性和网络日负荷曲线,建立考虑电压稳定、网络损耗为目标的主动配电网动态无功电压模型,同时考虑电容器组、SVC等无功调压设备动作次数约束;提出了基于柯西变异的动态权重粒子群优化算法,在粒子群进化过程中通过动态调整权重因子、学习因子提高算法的寻优速度,利用柯西变异提高算法跳出局部最优解的能力;最后,通过仿真算例验证本文方法的可行性和合理性。通过合理控制无功调压设备的动作时间实现一天内主动配电网无功潮流的最优分布,提高系统运行的安全性和稳定性。     

基于混合PSO-ACO算法的含DG配电网无功优化

主要研究含分布式电源配电网无功优化问题,提出将粒子群算法与蚁群算法相结合的混合优化算法(PSO-ACO)。该算法针对粒子群算法易陷于局部优化问题和蚁群算法由于积累信息素导致寻优时间过长的缺点,利用粒子群算法的结构简单以及参数设定少的优点以及蚁群算法强大的全局搜索能力,将2种算法混合,并结合惩罚函数构建无功优化数学模型。以IEEE-33节点配电系统进行系统仿真,与采用基本粒子群算法和蚁群算法的无功优化结果相比较,结果表明,提出的混合算法收敛性和稳定性更好,能有效地解决含DG配电网无功优化问题。     

基于HSA-PSO的配电网源-储协同优化控制方法

目前通常采用增加无功补偿装置的手段来解决高渗透率分布式电源接入时的配电网电压控制及网损优化问题,而兼顾分布式电源和储能系统调节作用的控制方法较少。考虑储能系统和分布式电源的协同配合,建立以配电网电压偏差最小、有功网损最小及分布式电源消纳量最大的配电网多目标优化控制模型。有效结合和声搜索算法和粒子群优化算法,提出具有自适应能力的和声搜索-粒子群算法（HSA-PSO）对所建立的模型进行求解。通过仿真算例验证了本文优化控制方法的有效性。     

基于分布式电源有功无功调节能力的配电网无功规划

传统的无功规划方法在应对小概率极端电压场景时往往要求配电网投资大量的无功补偿装置。为此,基于分布式电源及负荷场景,提出一种配电网无功规划模型,该模型充分利用了分布式电源的有功、无功调节能力,在小概率极端电压场景下将分布式电源有功调节作为一种附加电压调节手段,并以无功补偿装置投资费用和分布式电源有功调节费用之和最小为目标以减少系统总支付费用。提出一种嵌入原始对偶内点法的粒子群优化算法对模型进行求解。通过对自定义IEEE 30节点系统进行仿真分析,验证了所提模型的经济性和所提算法的有效性。     

考虑光伏逆变器剩余容量的配电网无功优化

在保证光伏电源有功出力最大的情况下,将光伏逆变器的剩余容量作为连续可调的无功电源研究了含光伏电源的配电网无功优化问题。在分析光伏发电出力随机性和不确定性的基础上,建立了光伏电源出力的概率分布模型,并以配电网有功网损和总电压偏差之和最小为目标函数,建立了考虑光伏逆变器剩余容量的配电网无功优化模型,采用线性递减权重粒子群算法(Lin WPSO)对离散变量进行处理,并寻求无功优化最优解。通过IEEE33节点系统算例仿真,验证了本文所提出的模型和方法更接近实际,可以有效降低配电网总电压偏差,改善配电网电压水平,降低配电网有功网损,验证了本文模型和方法的正确性和有效性。     

基于区间算术的含分布式电源电网无功优化方法

为了解决分布式电源出力不确定性以及负荷波动性所带来的影响,提出一种基于区间数的含分布式电源电网无功优化方法。介绍区间数和区间算术的概念并建立区间潮流模型;建立含分布式电源电网区间无功优化模型的目标函数和约束条件,并给出采用粒子群算法求解区间无功优化模型的步骤;最后通过Matlab对一个修改后的IEEE14节点系统进行区间无功优化仿真计算,并采用粒子群算法对单一潮流断面进行无功优化验证了所提算法的正确性。仿真结果表明,基于区间算术的无功优化方法能够在计及电网不确定性因素情况下,使得电网趋优运行。     

考虑分布式电源出力随机性的配电网无功优化策略

随着大量出力随机波动型的分布式电源并入配电网中,使得基于并联电容器等静态无功补偿装置的无功调节方式不能满足新的配电网络结构下的无功优化要求。提出了一种利用SVG动态无功补偿以稳定其并网点电压的无功控制策略,并详细分析了SVG容量的选取方法。在此基础上,提出了一种含有出力随机型及其他不同类型分布式电源的配电网无功优化策略,并利用改进的粒子群算法,充分验证了所提出方法的可行性及改进粒子群算法的快速有效性。     

考虑并网光伏电源出力时序特性的配电网无功规划

提高分布式电源的接纳能力,使配电网设备经济高效地运行是智能配电网的基本要求之一。论文分析了并网光伏电源有功出力和无功出力的概率分布,在保证并网光伏电源最大有功输出,并充分利用其无功出力的基础上,建立了以无功补偿方案全寿命周期净收益现值为目标函数的配电网无功规划模型,实现了用较少无功补偿投资满足配电网的无功需求。提出了一种混沌多粒子群算法对上述模型进行求解,该算法克服了基本粒子群算法"早熟"问题。通过含并网光伏电源的配电网无功规划实例,验证了上述无功规划模型和算法的正确性和有效性。     

用于配电网多目标无功优化的改进粒子群优化算法

针对配电网多目标无功优化的应用需求以及优化算法存在的收敛性和多样性问题,基于Pareto熵的多目标粒子群优化算法,提出一种应用于多目标无功优化的改进粒子群优化算法。该算法在全局外部档案更新过程中引入冗余集策略,避免迭代过程中陷入局部最优解。将算法应用于配电网无功优化中时,采用离散变量取整方法,加快算法的收敛速度。建立网损、电压偏差及无功补偿装置投资最小的配电网多目标无功优化模型,并以IEEE 33节点配电网络为算例进行仿真,结果表明改进后的算法兼顾了优化的收敛性和多样性,能够在不同的优化要求下得到有效的无功优化方案。     

基于免疫粒子群算法的分布式电源多目标规划

针对标准粒子群算法在求解过程中容易陷入局部最优解的问题,提出了一种将免疫算法的免疫信息处理机制和自我调节机制引入到标准粒子群优化算法的新型优化算法,即免疫粒子群优化算法。以分布式电源建设运行费用、有功网损和环境成本最小为多目标函数,建立了分布式电源接入配电网的规划模型,采用免疫粒子群算法对模型进行求解,最终得到分布式电源接入配电网的最优配置方案。以风力发电为例,对IEEE 33节点算例进行仿真分析,结果表明,免疫粒子群算法与标准粒子群优化算法和混沌粒子群算法相比,收敛速度快、收敛精度高。     

基于变异粒子群优化-禁忌搜索混合算法的配电网状态估计

为解决含非线性设备配电网状态估计的优化问题,以节点负荷值和分布式电源输出值为状态变量,建立了含分布式电源配电网的状态估计模型,提出了一种求解状态估计模型的变异粒子群优化-禁忌搜索混合算法。该算法通过对个体极值进行变异操作增加粒子多样性,在迭代后期使用禁忌搜索算法,提升粒子群优化算法的后期搜索能力和克服早熟收敛。选用IEEE33节点配电系统作为仿真实例,仿真结果表明变异粒子群优化-禁忌搜索混合算法能有效地估计出节点负荷值和分布式电源输出,其状态估计的个体最大相对误差和个体最大绝对误差均远小于蚁群算法、粒子群优化算法和遗传算法的估计结果。     

考虑不确定性的含DG与EV配电网无功电压协调优化方法

利用双馈风电机组和光伏发电系统等能够提供无功功率的分布式电源作为一种电压调节手段与传统的电压调节方式结合,在计及电动汽车入网充电作为一种随机负荷的情况下,建立了考虑不确定性的含分布式电源与电动汽车的配电网无功电压协调优化模型。以节点电压期望值平均偏差最小为目标函数,同时加入有功网损期望值和节点电压期望值最大偏差值为罚函数,使用本文提出的一种改进果蝇优化算法对优化模型进行求解。最后利用IEEE 33节点系统进行仿真计算并与粒子群算法进行比较,证明了本文所提出的优化模型和算法的有效性。     

基于改进蝙蝠算法的含分布式电源配电网无功优化

针对分布式电源接入传统配电网后,导致传统配电网的网络损耗增加和节点电压偏差增大等问题,提出一种计及分布式电源并网逆变器无功输出的优化策略。首先建立含分布式电源的配电网无功优化模型;然后基于前代回推算法计算配电网的潮流分布;进而利用改进蝙蝠优化算法对模型进行求解,有效地避免了求解陷入局部最优解,获得了分布式电源并网逆变器最优的无功输出;最后通过Matlab搭建IEEE-33节点含分布式电源的配电网模型进行仿真实验,仿真结果证明了所设计的无功优化策略的有效性和可行性。     

带分布式电源的配电网电能质量扰动源定位

为实现带分布式电源的智能配电网发生电能质量扰动时的自动精确定位,提出了一种粒子群优化算法和矩阵算法结合的电能质量扰动源自动定位算法。采用矩阵描述配电网拓扑结构和电能质量监测信息,建立了矩阵粒子群优化模型,构建了一种新的评价函数,通过矩阵粒子群迭代进行全局寻最优解。MATLAB仿真表明,该算法能实现在接入分布式电源情况下的扰动源自动精确定位,并具有定位准确、收敛性好、容错率高等优点。     

配电网综合优化运行技术分析

进行网络重构和无功补偿相结合的综合优化可使配电网的运行获得最大程度的优化.本文建立了网络重构和无功优化相结合的配电网综合优化模型,并将遗传粒子群算法应用于优化模型的寻优求解,通过IEEE33节点配电网系统仿真试验结果验证了本文综合优化方法的有效性和优越性。     

基于自然选择粒子群算法的含DG接入的配电网无功优化

以分布式电源接入配电网运行时产生的有功网损最小并能改善电压质量为目标,提出将自然选择机理与粒子群算法相结合的配电网无功优化方法。将DG向系统注入的无功功率作为配电网无功优化的控制变量,建立了包括目标函数、潮流方程等式约束和不等式约束的配电网无功优化数学模型。基于自然选择的粒子群算法其核心思想为每次迭代过程中将整个粒子群按适应值排序,用群体中最好的一半的粒子的速度和位置替换最差的一半的速度和位置,同时保留原来每个个体所记忆的历史最优值。通过对改进后的IEEE33节点配电系统进行仿真分析,结果表明所提出的算法具有很强的全局收敛性和稳定性,并能以最快的收敛速度搜索到系统最小网损值。     

基于自然选择粒子群算法含DG接入的配电网无功优化

以分布式电源接入配电网运行时产生的有功网损最小并能改善电压质量为目标,提出将自然选择机理与粒子群算法相结合的配电网无功优化方法。将DG向系统注入的无功功率作为配电网无功优化的控制变量,建立了包括目标函数、潮流方程等式约束和不等式约束的配电网无功优化数学模型。基于自然选择的粒子群算法其核心思想为每次迭代过程中将整个粒子群按适应值排序,用群体中最好的一半的粒子的速度和位置替换最差的一半的速度和位置,同时保留原来每个个体所记忆的历史最优值。通过对改进后的IEEE33节点配电系统进行仿真分析,结果表明所提出的算法具有很强的全局收敛性和稳定性,并能以最快的收敛速度搜索到系统最小网损值。     

考虑光伏集群无功贡献的配电网无功电压优化调节方法

为协调运用配电网各类调压资源,实现经济、灵活的电压控制,整合中高压配电网各类无功治理设备,提出考虑低压光伏无功集群贡献的配电网电压无功控制资源协调运行优化方法。针对配电网低压侧分布式小容量离线运行光伏电源,设计了3种光伏集群无功运行模式,使其按模式预设在线自律运行。提出低压光伏集群无功管控策略,建立配电网电压无功控制资源协调优化模型。采用最优分割联合优化方法对变压器分接头及电容器组的切换时间及切换状态进行优化,在此基础上得出光伏集群无功运行模式及其他治理设备无功输出优化结果。采用前推回代潮流计算嵌套粒子群优化的算法进行求解。仿真算例证明了所提方法的合理性及有效性。     

改进粒子群算法在含分布式电源配电网优化重构中的应用

针对配电网中各种类型分布式电源接入所造成的配电网拓扑结构的复杂性,提出了一种改进粒子群优化算法应用于配电网重构,把粒子群算法和布谷鸟算法有效地结合在一起,采用两层种群框架。为了提高粒子群优化算法的全局搜索能力,采用中值聚类算法对下层粒子群进行重组,粒子群算法用于优化下层的各类小种群,然后将其发送到上层,使用布谷算法进行深度寻优。通过算例对多种情况进行仿真分析,验证改进算法在配电网重构中的优越性。结果表明,该算法能有效地降低配电网的有功网损,提高各节点的电压水平。本研究为我国分布式电源接入配电网的发展提供了参考和借鉴。