基于改进萤火虫算法的分布式电源优化配置

在分析分布式电源特性的基础上,建立了含分布式电源的购电成本最小、网损费用最小、投资成本最小以及电压稳定裕度最大的多目标优化模型,能够比较实际、科学地反映DG规划布局。在此基础上,应用超效率数据包分析评价方法,明确各目标函数的权重组合方案,将DG多目标规划问题转换成单目标规划问题。鉴于传统萤火虫算法具有容易早熟、过度依赖控制参数的缺陷,将混沌搜索策略和全局思想融入到萤火虫算法,提出了一种改进型萤火虫算法;并将其应用于解决分布式电源的规划问题。通过算例验证所提算法具有良好的实用性和适应性,并且也验证了所提模型的实际意义。     

基于改进萤火虫算法的分布式电源优化配置研究

分布式电源(DG)的位置和容量优化配置可确保其发挥更好的技术经济效用。本文在分析DG特性的基础上,建立了考虑含分布式电源的有功网损费用最小和投资成本最小模型;鉴于传统萤火虫算法具有容易早熟、收敛速度慢、过度依赖控制参数的缺陷,将混沌搜索策略融入到萤火虫算法,提出了一种改进型多目标萤火虫算法;为克服算法对控制参数依赖性较强缺陷,利用混沌理论的随机性、遍历性及其规律性特性,对萤火虫算法的参数进行调整。最后,以PG&E69节点配电网为例,采用Matlab仿真软件验证本文所提算法在求解DG优化配置问题上的有效性,及其与粒子群算法、常规萤火虫算法相比所具有的更好的寻优精度和优化结果。     

基于萤火虫-变邻域搜索算法的含分布式电源配电网重构

为全面的反映含分布式电源配电网重构的问题,本文建立网系统网损、负荷均衡及电压质量协调最优的含分布式电源配电网重构优化模型,能够比较实际、科学的反映配电网网络结构调整问题。在此基础上,应用自适应权重系数法,明确各目标函数的权重组合方案,将含DG配电网多目标重构问题转换成单目标优化问题。鉴于传统萤火虫算法具有容易早熟、过度依赖控制参数的缺陷,提出了FA算法与变邻域搜索相结合的混合优化算法,并利用其对含分布式电源配电网重构模型进行求解,选取IEEE-33节点配电系统进行仿真,通过算例验证所提算法的良好实用性和适应性,并且验证所提模型的实际意义。     

基于萤火虫算法的分布式电源优化配置研究

为了充分发挥分布式电源的优势,在研究分布式电网潮流特性的基础上,提出了以网络损耗最小和运行最经济为主要目标的分布式电源运行目标函数。并利用改进后的萤火虫算法对函数进行了求解探索。仿真证明,利用更迭域自适应方法改进后的萤火虫算法可有效地解决多目标复杂模型,寻优速度和算法收敛性明显好于单一算法,能够很好地解决分布式电源的定容和定址等优化配置问题。     

基于改进猫群算法的分布式电源优化配置

对分布式电源(DG)进行合理的选址和定容能使其经济效益最大化。目前用于解决分布式电源优化配置的大多算法都存在对控制参数依赖性过强的问题,导致算法容易陷入局部最优解。为解决该问题,提出了一种混沌改进的多目标猫群算法。利用混沌理论的随机性、遍历性及其规律性,对猫群算法的参数进行调整,使算法能快速得出全局最优解。在分析DG特性的基础上,建立了考虑含分布式电源的有功网损费用最小和用户购电成本最小模型。最后,以PGE69节点配电网为例,通过将改进算法与粒子群算法及基本猫群算法的效果对比,验证改进算法对分布式电源优化配置问题的有效性。     

计及无功优化的分布式电源选址与定容

为提高电网的电压水平和降低线路损耗,在分布式电源选址与定容的基础上,加入了无功优化。根据分布式电源出力情况,将计及无功优化的分布式电源选址与定容问题分解成分布式电源并网和切除两种模式,即DG满出力时配电网网损、电压偏移及静态电压稳定裕度综合目标最优和DG零出力时电压合格为约束条件下的配电网网损最小,通过加权法将多目标转换成单目标。运用免疫算法对含分布式电源的33节点的配电系统进行算例分析,证明了计及无功优化的分布式电源选址定容的优越性。通过无功优化和分布式电源选址定容的优化分析,得出了当同时考虑两者时,优化效果最佳。     

基于免疫PSO的新能源配电网无功多目标模糊优化

考虑分布式能源的间歇性和随机性对配电网电压的影响,用模糊数表征分布式电源出力不确定性和负荷功率的波动性,构建配电网多目标模糊无功优化模型,提出分布式电源和无功补偿装置输出无功功率的协同优化方法。以有功网损最小和电压偏差最小为目标函数,并将目标函数和约束条件模糊化,根据其隶属度函数形成模糊适应度函数,再将两目标通过最大满意度法转化为单目标,最后利用免疫粒子群算法进行求解,从而确定在负荷功率模糊波动下具有不同模糊出力水平的分布式电源和具有不同运行方式的无功补偿装置输出无功功率的最优值。以IEEE33配电网系统为算例,验证了所提出的模型和算法的可行性和有效性。     

分布式电源对配电网的影响及优化配置模型

随着用电负荷的急剧增长,分布式发电成为了当今电力系统的研究热点。为了更好地发挥分布式电源的经济效应,本文首先对分布式电源接入电网后对传统配电网的影响作了分析研究。在此基础上,建立了电源的优化配置模型,确立了以减少节点电压偏移量、降低系统损耗量和提高并网电压稳定度的多目标函数优化模型,并利用自适应混沌粒子群算法进行函数求解。最后通过算例分析,验证了模型的实际效果和求解算法的准确性。     

含分布式电源配电网重构的研究

为全面反映含分布式电源的配电网重构问题,建立负荷均衡度、系统网损及电压质量协调最优的含分布式电源配电网重构优化模型,在此基础上,利用模糊理论,将含DG配电网多目标重构问题转换成单目标优化问题。鉴于传统蝙蝠群体易聚集于局部极值,导致早熟,将混沌优化以及自适应调整策略融入到蝙蝠优化算法,提出了一种改进型多目标蝙蝠优化算法,并提出利用其对含分布式电源配电网重构模型进行求解,选取IEEE-33节点配电系统进行仿真,通过算例验证所提算法的良好实用性和适应性,并且验证所提模型的实际意义。     

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。     

基于萤火虫算法的分布式风电源优化配置

针对分布式风机出力的随机性和负荷的不确定性,建立了以年综合费用期望最小为目标的分布式风电源优化配置模型.模型中以机会约束的形式描述节点电压和支路潮流约束,并采用基于LHS-MCS的随机潮流进行检验.将萤火虫算法(Firefly Algorithm)应用于该优化配置模型的求解,结合IEEE 33节点算例验证了本模型的合理性,与遗传算法计算结果的对比表明了本文所提出算法的高效性.     

考虑电动汽车不确定性因素的配电网分布式电源优化布置

分布式电源和电动汽车的规模化接入对配电网经济运行和电能质量产生了较大影响。分布式电源和电动汽车的功率具有不确定性。为实现分布式电源的合理配置,提出了一种考虑电动汽车不确定性因素的分布式电源优化布置方法。首先,以网络损耗最小、电压偏移最小和系统稳定性高为优化目标,利用机会约束规划方法建立分布式电源优化配置模型。然后,采用支持向量机算法和多目标粒子群算法对上述模型进行求解,得到其Pareto解集。以IEEE 37节点配电网为例对所提模型进行验证,结果表明该模型可以有效得到合理的配置方案。     

基于改进萤火虫算法的含DG配电网重构方法

为了更好地解决含DG的配电网重构问题,建立了以系统损耗、负荷均衡、电压偏差为目标的重构模型,并利用改进萤火虫算法进行寻优计算。针对传统萤火虫算法中存在的早熟收敛、过度依赖控制参数等缺陷,引入了惯性权重,利用混沌理论对算法参数进行调整,使算法兼顾全局搜索与局部搜索能力的均衡。同时将精英保留策略融入到萤火虫算法当中,加快了算法收敛的速度。为了减少网络重构中出现的大量不可行解,对网络拓扑进行了简化操作,缩短了编码维数,提高了寻优效率。最后通过算例分析,验证了该算法的有效性与实用性。     

基于点估计法的微电网概率优化管理

风力、光伏以及负荷的随机性严重影响微电网的运行特性,基于此,提出利用点估计的方法处理在单位时间段负荷需求和风力输出功率不确定性的问题,根据分布式电源出力概率密度函数和负荷需求的概率分布构造其估计点,通过估计点求出相应的高阶矩阵信息,估计微电网概率优化管理模型的密度函数,鉴于传统萤火虫群体易于聚集于局部极值,导致早熟,将混沌序列以及全局最优思想融入到萤火虫优化算法,提出了一种改进型多目标萤火虫优化算法。最后,通过算例验证所提算法具有良好实用性和适应性,并且也验证所提模型的实际意义。     

分布式电源选址与定容的渐进最优场景算法

精确模拟分布式电源输出的随机性,对分析分布式电源选址和定容对配电网的影响具有重要意义。本文基于Wasserstein距离指标的最优场景法构建风-光-荷多场景模型。以改进的电压分布指标为目标,结合含多场景模型、功率平衡及运行约束条件,建立分布式电源选址和定容对配电网电压稳定裕度影响最小的优化模型。通过两个配电网算例分析,结果表明合理选择分布式电源接入点的容量有利于提高配电网电压稳定裕度,能有效降低系统网损。     

基于改进自适应遗传算法的分布式电源的选址和定容

对分布式电源进行合理的选址和定容对于配电网规划非常重要。考虑了经济性和安全性2个方面的问题,建立了以分布式电源投资成本最小、系统网损最小和静态电压稳定裕度最大为优化子目标的多目标规划模型。用模糊理论制定了总体满意度,将上述3个优化子目标转化为单一目标函数,应用改进自适应遗传算法,对IEEE33节点配电测试系统进行仿真计算,并将仿真结果与遗传算法进行比较,验证了改进的算法具有一定的收敛性和适应性。     

基于改进NSGA2算法的配电网分布式电源优化配置

分布式电源接入配电网对其潮流分布、有功网损、电压稳定等多方面造成影响.建立以分布式电源有功网损、电压稳定性指标和投资成本最小为目标的配电网多目标优化模型.提出了改进的带精英策略的非支配排序遗传算法（non-dominated sorting genetic algorithmⅡ,NSGA2）,将改进单亲遗传算法移植到NSGA2,对非劣分层算子进行改进,缩短算法计算时间,最后通过IEE33节点算例分析,结果表明该模型可以在投资成本、有功网损、电压稳定性方面,较为全面地优化配电网分布式电源的配置.     

分布式电源多点接入布局优化研究

以降低系统网络损耗和提高电压质量为出发点,研究了分布式电源的接入布局优化问题。通过实例来验证分布式电源并网的影响,理论分析分布式电源的接入对系统电压的影响。提出基于遗传算法(GA)进行DG的布局优化,建立了配电网络损耗最小、节点电压偏移最小的分布式电源多目标优化函数。对遗传算法每代产生各种DG配置方案进行潮流计算,并利用多目标优化函数进行方案的优劣评估,通过遗传算法中的选择、交叉、变异等操作进行DG配置方案的优化,若不满足终止条件将会继续进行潮流计算,直到满足终止条件后输出最优的DG配置。     

基于改进蜂群算法的含DG配网多目标无功优化

针对大量的间歇性分布式电源接入配电网带来的无功优化问题,提出基于高斯变异和混沌扰动的人工蜂群算法求取最优解。首先,建立以系统运行成本最小、有功网损最小、电压偏差最小的多目标无功优化模型;然后利用所提优化算法对模型求解,该算法利用了高斯变异搜索能力强、精度高的特点,加入混沌扰动,在提高算法鲁棒性的同时,克服了个体易陷入局部最优的不足。最后,以改进的IEEE-33节点系统进行分析,并与传统人工蜂群算法对比,表明所提算法收敛速度更快、搜索精度更高、运行稳定性更好,能够有效降低系统运行成本与网络损耗。     

基于最优引导策略的分布式电源优化配置

针对分布式电源(distributed generation,DG)在配电网中的优化配置问题,考虑投资综合成本衡量方案的经济性、用系统网损衡量方案的环保性、用电压偏差衡量方案的电压稳定性,建立了分布式电源多目标优化配置模型。运用改进的多目标粒子群算法对分布式电源配置模型进行求解,引入最优极值引导策略对多目标粒子群算法的全局最优值选取进行改进,将非支配排序和精英保留策略嵌入算法中,有效地提高了算法的全局寻优性能,使算法能够快速有效地收敛到Pareto最优前沿。并以IEEE33节点配电网标准测试系统为例,对分布式电源的安装位置和容量进行优化,将所得到的结果与NSGA II算法进行比较,结果表明算法具有更好的全局收敛效率和寻优能力。