考虑时序特性的多目标分布式电源选址定容规划

配电网负荷及分布式电源出力呈现明显的时序特性,文中对负荷和分布式电源的典型时序特性进行了分析,以配电网损耗、停电损失为目标,考虑时序特性和多场景提出了多目标分布式电源选址定容规划模型,给出了场景和场景权重的确定方法。应用遗传算法进行求解,采用多段染色体编码方式,根据节点视在功率二阶精确矩处理不可行解,有效地提高了优化效率。IEEE 69节点系统仿真结果证实了时序特性对分布式电源的选址定容有很大影响,验证了所提出模型和方法的可行性和有效性。     

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。     

计及供电可靠性的多目标分布式电源选址定容方法

现有分布式电源选址定容方案优化目标单一,难以兼顾分布式电源接入的经济性和对配电网可靠性性的影响。本文提出了计及供电可靠性的多目标分布式电源选址定容方法,基于含分布式电源配电网孤岛的划分,采用对偶抽样序贯蒙特卡洛模拟法计算配电网可靠性指标。结合分布式电源运行成本和配电网网损等经济性指标,建立了多目标分布式电源选址定容优化模型,采用粒子群优化与非支配遗传排序协同进化算法(CPSO-NSGA)进行模型求解。给出了在IEEE33节点标准系统中的算例,验证了所提方法的正确性和有效性。     

改进的粒子群优化算法在分布式电源选址和定容中的应用

分析了分布式电源接入配电网前后对网络损耗的影响,在此基础上提出采用混合模拟退火算法的改进粒子群优化算法进行分布式电源选址和定容的计算,其目的是使配电系统网络损耗进一步减少.最后通过两个算例将本文提出的算法与采用遗传算法、模拟退火算法的计算结果进行对比分析,验证了所提出的改进算法在分布式电源选址和定容问题求解中具有很强的全局搜索能力和快速的收敛速度,为进一步开展分布式电源规划拓展思路.     

考虑电压质量的分布式电源选址定容

分布式电源(DG)对配电网的影响与其接入的位置及容量密切相关,为此对DG的选址定容问题进行研究.首先介绍不同类型DG在潮流计算中的模型,详细分析电压稳定性指标,然后提出基于电压稳定性指标的DG选址方法,分析DG接入对配电网网络损耗和电压质量的影响,提出以降低网络损耗和改善电压质量为目标的分布式选址定容目标函数,并采用混合智能算法进行DG定容的优化计算.算例分析表明该方法在DG选址和定容问题中是有效的.     

考虑环境成本和时序特性的微网多类型分布式电源选址定容规划

基于不同类型负荷和分布式电源的时序特性以及不同类型分布式电源的环保性能,建立考虑环境成本的微网分布式电源选址定容规划模型,以分布式电源投资费用、燃料费用、网络损耗费用和环境赔偿费用最小为目标函数,采用基于蒙特卡罗模拟的随机潮流计算方法判断规划方案是否满足潮流约束及计算网络损耗。最后采用遗传算法对规划模型进行求解。算例结果验证了模型的合理性。     

基于改进粒子群算法的分布式电源选址定容研究

针对分布式电源在配电网中选址定容问题,以投资综合成本作为优化目标,建立了分布式电源选址定容数学模型。运用改进的粒子群算法对模型求解,IEEE33节点配电网为算例,对分布式电源的安装位置和容量进行优化,将所得到的结果与未改进前的算法进行比较,表明算法具有更好地全局收敛效率和寻优能力。     

基于免疫遗传算法的智能配电网分布式电源选址定容

合理地对分布式电源进行选址和定容对于智能配电网规划非常重要。文章在研究分布式电源规划的基础上,建立了以有功网损最小为目标函数的优化模型,用罚函数法将分布式电源规划问题转化为无约束问题,针对该模型特点,首次将免疫遗传算法应用到分布式电源选址和定容问题的求解中。该算法综合了免疫系统和遗传算法的优点,具有良好的全局收敛能力。对33节点配电测试系统进行仿真计算,将仿真结果与标准遗传算法进行比较。验证了免疫遗传算法具有一定的收敛性和适应性。     

基于改进粒子群的分布式电源选址定容优化

随着分布式电源并网推广,它对配电网中的节点电压、线路潮流、短路电流、可靠性等会带来影响,且其影响程度与分布式电源的位置和容量密切相关。分布式电源的位置和规模不合理,可能会导致电能损耗以及网络电压的稳定性。传统的粒子群在解决选址定容上存在易陷入局部最优解,收敛速度慢。提出一种模糊自适应粒子群的方法自适应改变参数来对分布式电源的选址定容问题求解,以网损最小为目标函数,得到分布式电源接入的最优方案。通过测试IEEE30节点的系统,仿真结果表明算法是有效的。     

基于改进天牛须搜索算法的分布式电源选址定容

针对分布式电源接入配电网的选址定容问题,在考虑到网损、静态电压稳定和线路热稳定3个指标的基础上,采用层次分析法建立了分布式电源在配电网中选址定容的多目标优化模型。对一种新的智能优化算法-天牛须搜索算法(Beetle Antennae Search-BAS)进行改进,提高了算法的稳定性,并应用于分布式电源选址定容问题求解。通过与粒子群算法在IEEE-33标准节点算例的仿真对比实验,验证了改进天牛须搜索算法(Improved Antennae Search-IBAS)在分布式电源选址定容问题求解中的高效性和稳定性。     

基于遗传算法和内点法的旋转备用经济分配

从经济角度分析,构建以系统发电成本和旋转备用成本最小为目标,以系统安全性要求为约束的电力系统短期经济调度数学模型。将此问题划分为离散优化和连续优化两个子问题,采用遗传算法和内点法相结合的混合算法来求解。仿真结果表明,提出的模型和算法是合理的和可行的。     

考虑负荷不确定性的多目标交直流系统无功优化

提出了一种考虑负荷不确定性的多目标交直流系统无功优化方法,研究负荷模型的不确定性对交直流系统无功优化的影响。本文将系统有功损耗最小、系统电压稳定裕度最大作为目标函数,基于负荷误差的正态分布特征,并利用二层规划理论方法,建立考虑负荷不确定性的多目标交直流系统无功优化数学模型。针对交直流无功优化非线性、多变量、多约束的特点,采用内点法和遗传算法相结合的混合优化算法求解上层模型,下层模型采用实数编码的改进遗传算法求解。采用基于IEEE30标准节点改进的交直流算例对提出的方法进行验证,结果验证了本文提出方法的可行性及有效性。     

配电网分布式电源最优配置研究*

针对配电网中分布式电源的选址与定容问题,以分布式电源的渗透率最高、配电网的网损改善率最大及电压质量改善率最大三个目标构成目标函数,利用判断矩阵确定权重建立多目标优化模型。提出一种改进的果蝇优化算法对配电网中分布式电源的接入位置和接入容量进行优化,IEEE 33节点配电网络的仿真结果表明:与遗传算法和基本果蝇优化算法相比,改进的果蝇优化算法在收敛速度和求解精度两个方面都具有较为明显的优势,验证了上述优化配置模型及改进算法的实用性与有效性。     

基于潮流线性化的分布式发电选址定容新算法

针对现有分布式发电选址定容模型存在的维度高、寻优困难、求解时间长等问题,提出一种基于潮流线性化的分布式发电选址定容方法。在实际配电网运行场景的基础上,综合考虑多利益主体竞争关系,建立计及风光投资商竞争关系的分布式发电选址定容双层规划模型;计及配电网参数特性,利用二阶锥松弛法针对模型非凸潮流约束进行凸松弛,进而将二阶锥非线性形式进行线性化近似,通过卡罗需-库恩-塔克(KKT)条件将下层模型等效转化为上层约束条件,最终将原模型转化为一个多目标线性数学规划模型,极大降低原始模型的求解复杂度。基于某乡镇11节点系统进行算例仿真,结果验证了所提模型及算法的有效性。     

多目标无功优化的向量评价自适应免疫粒子群算法

为了克服粒子群算法在高维复杂问题寻优时容易陷入局部搜索的现象,提出了一种自适应免疫粒子群算法。该算法利用引入免疫系统的免疫信息处理机制和自动调整动量系数的自适应因子,从整体上达到系统的最佳控制方案。并将基于目标向量的个体评价方法与自适应免疫粒子群算法相结合,提出了基于向量评价的自适应免疫粒子群算法(vector evaluated adaptive immune particle swarm optimization,VEAIPSO)来解决多目标无功优化问题。通过引入静态电压稳定指标,建立了以系统有功损耗最小、节点电压偏移量最小及静态电压稳定裕度最大为目标的多目标无功优化模型。IEEE30和IEEE118节点系统算例仿真结果表明,该算法能有效地解决多目标无功优化问题,并具有良好的收敛稳定性和较高的寻优精度。     

梯级水电站长期多目标模糊优化调度新模型

梯级水电站不仅要满足电力系统运行要求,还要考虑发电和用水之间的协调,才能使综合效益最大化。提出一种兼顾年发电量和运行成本的梯级水电站长期多目标优化调度新模型。通过分别求解各个单目标优化问题和定义各单项目标的隶属度函数,把多目标问题模糊化;采用对各单项目标优化的目标值在一定范围内伸缩的方法来体现决策者的主观意愿;利用模糊最大满意度方法把多目标优化问题转化为单目标非线性规划问题;并构建了一种动态调整惯性因子的自适应粒子群算法。仿真计算验证了模型的正确性和求解方法的可行性,多目标模型比单目标模型获得了更佳的综合效益,模糊优化处理方法避免了目标权重选取的人为任意性,同时自适应粒子群算法计算速度快、收敛精度高。     

求解离散无功优化的非线性原-对偶内点算法

针对无功优化计算中离散变量和连续变量共存问题,提出用直接非线性原一对偶内点法内嵌罚函数的新算法。通过对几个不同规模试验系统计算分析,并与Tabu搜索法求得的结果比较,证明了该方法是有效的,而且在计算速度、收敛性和优化精度上都优于Tabu搜索法。这使内点法在解决非线性混合整数规划无功优化的有效性和实用性方面更进了一步。     

基于粒子群算法的24小时综合无功协调优化

对于电力系统24小时无功协调优化来说,优化方法是使用粒子群优化算法及罚函数法,将所有的不等式约束方程式引入原目标函数作为惩罚项;优化目标是以全天经济费用最小作为目标函数;优化过程为静态优化和综合优化两个阶段。并根据在线负荷预测来确定24个时刻的并联电容器组的投切状态和变压器分接头的位置。将粒子群算法用于求解多目标无功优化问题中能够有效降低有功网损,减少无功补偿成本,而且其收敛性能好、收敛速度快、稳定性好。     

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。