基于改进布谷鸟算法含光伏电站的无功优化

针对光伏电站并网运行给配电网无功优化带来的问题,根据光伏发电的运行特性,构建了含光伏电站的配电网无功优化数学模型,并提出改进的布谷鸟算法求解无功优化模型的方法,对含光伏出力的IEEE 33节点配电系统进行无功优化。结果表明,所提出的改进算法能有效降低配电网的有功网损,各节点远离电压崩溃点。     

含分布式能源的配电网双层优化运行策略

为响应“碳达峰、碳中和”的号召,兼顾分布式能源（DG）参与下配电网运行的经济性和环保性,该文构建一种含DG的配电网双层优化模型。该模型以DG投资运行成本及环境效益为上层目标对DG进行优化配置,并以网损和电压偏移度成本为下层目标对配电网进行无功优化。针对模型特点,提出改进麻雀算法进行模型求解,增加Tent混沌映射初始化种群,引入萤火虫扰动机制改进操作算子并优化越界处理机制维持种群多样性。仿真结果表明,该模型能有效提高配电网运行的经济环保性,并验证了改进麻雀算法在求解复杂非线性非凸含离散变量的复杂组合优化问题上的优势。     

基于改进非支配排序遗传算法的含DG配电网优化配置

分布式电源的接入对配电网中潮流分布、有功损耗和电压分布有很大影响。针对含DG配电网运行优化问题,建立了以DG最大出力、有功网损最小及电压偏差最小的多目标优化模型,提出一种改进的非支配排序遗传算法求解分布式电源的最优化有功出力。在NSGA-Ⅱ算法基础上改进了非支配排序策略、选择截断策略,采用改进的NSGA-II算法求解含DG配电网优化控制问题。通过IEEE33节点算例分析,结果表明该模型可以在分布式电源最大出力、有功网损最小及电压偏差最小方面,较为全面地实现配电网分布式电源的优化控制。     

计及分布式电源无功出力的ISFLA算法配电网无功优化

摘要： 针对含分布式电源的配电网无功优化的特点,将分布式电源的无功调节能力和传统无功调压手段相结合,研究了考虑分布式电源无功调节能力的配电网无功优化模型和算法。针对分布式电源出力的随机性,采用场景概率的决策方法计算分布式电源的出力情况和对应无功功率极限,以网损最小和节点电压越限惩罚作为目标函数。提出了基于免疫蛙跳算法（ISFLA）的无功优化算法,该算法通过在混合蛙跳算法（SFLA）的算法框架中引入克隆选择算法（CSA）,在蛙群混合后选择较优解进行克隆、变异和选择,克服了SFLA局部搜索能力弱的特点。利用改进IEEE33节点系统作为算例仿真分析,结果验证了模型及算法的有效性。     

基于变功率因数的分散式风电场优化运行策略

提出一种考虑负荷类型和风电机组无功极限的分散式风电场优化运行策略。建立基于静态电压特性的典型负荷通用模型;挖掘分散式风电机组无功能力,采用机端并联电容器平衡并提高双馈感应发电机无功调节能力;分析风电机组功率因数对配电网各节点电压、有功和无功网损影响规律;在此基础上,提出基于改进萤火虫算法的分散式风电场最优功率因数运行方法。基于IEEE-33节点模型进行仿真计算,结果表明:分散式风电场小范围功率因数优化调节可有效减小配电网网损,提高电压稳定性。     

含DG随机出力的配电网多目标无功优化

针对分布式电源(DG)出力具有间歇性和不确定性的问题,建立了基于两点估计法(2PEM)含DG随机出力的配电网概率潮流计算模型,并将基于Pareto最优前沿解集的多目标进化算法(MOEA)与两点估计概率计算模型相结合,建立了以网损、节点电压偏移量及优化成本为目标函数的多目标无功优化模型。将该优化模型应用于IEEE33标准节点测试系统中的仿真结果表明,该方法具有较好的适应性,能为决策者提供多样性选择,增加了决策的灵活性。     

主动配电网集中/就地自适应无功电压控制方法

针对当前集中控制方法不能适应配电网不同应用配置工况、就地控制难以协调发挥设备及光伏无功电压调节性能的问题,提出一种主动配电网集中/就地自适应无功电压协调控制方法,根据配网控制条件将设备及光伏的控制模式划分为就地趋优控制和集中优化控制两部分。在就地趋优控制方面,建立协同功率因数和动态趋优因子指标,兼顾全局需求调节光伏与设备无功出力;在集中优化控制方面,根据无功充裕程度选择电压越限风险或网损最小为目标,进行无功优化：通过实际配电网算例仿真验证所提策略的有效性。结果表明该方法可以主动适应配电网控制条件不健全的情况,在优化无功出力、改善线损和电压水平等方面具有优越性。     

考虑网损和电压的多分布式电源最优选址和定容研究

分布式电源接入配电网会带来一定好处,如减少配电网网损,提高电压稳定性和带载能力及增强系统可靠性。提出一种对多分布式电源选址和定容的方法,考虑有功网损和电压稳定性两个目标,并将两个目标转化为单一目标,通过求解分布式电源支路电流的有功和无功分量,将分布式电源选址和定容,使配电网有功网损最小,并使系统节点具有良好的电压稳定性;其次,通过Matlab计算目标函数,得到一组DG接入配电网使配电网有功网损最小、电压稳定性最好的节点。最后,利用DIg SILENTPower Factory对IEEE-33节点和美国PGE69节点配电网进行验证,仿真结果表明了所提方法的优越性。     

基于多群体自学习群搜索算法的分布式发电优化

为减少分布式发电(DG)对配电网电压和网络损耗的影响,在考虑DG的接入位置、接入容量及接入方法等因素对配电网影响的基础上,建立了以潮流方程及DG接入容量为约束、以配电网中电压偏差和网络损耗同时最小、以DG接入容量最大为优化目标的多目标优化模型。在此基础上,提出了一种多群体自学习群搜索算法(MSLGSO),并将其应用于求解DG优化问题。通过对IEEE33节点的标准配电网算例仿真分析,表明DG的合理配置可使配电网电压水平提升和减少有功网损,且所提算法具有良好的实用性和适应性。     

基于SIBCC算法的含风电场的配电网无功优化

针对传统的无功优化算法在求解含风电场的配电网无功优化问题时存在的局限性,充分考虑风电出力的随机性及间歇性,将风电机组作为连续的无功源参与电网的无功优化,针对1 d中不同时段的风速变化情〖JP2〗况,建立包含有功网损及电压偏差的综合无功优化模型,并提出一种基于子空间的细菌群趋药性算法（SIBCC）〖JP〗参与无功优化计算。最后以改进IEEE33节点系统为例进行仿真计算,验证了所提方法的有效性及实用性。