针对风电与规模化电动汽车入网给电力调度带来的挑战,建立了基于动态约束处理的风电与电动汽车协同作用的环境经济模糊决策调度优化模型。该模型包含风电机组和入网的电动汽车(vehicle to grid,V2G),以同时降低燃料成本和减少污染排放...针对风电与规模化电动汽车入网给电力调度带来的挑战,建立了基于动态约束处理的风电与电动汽车协同作用的环境经济模糊决策调度优化模型。该模型包含风电机组和入网的电动汽车(vehicle to grid,V2G),以同时降低燃料成本和减少污染排放量为优化目标,在满足系统功率平衡和车主日常出行需求等约束条件下,通过动态调节电动汽车充放电功率和时间来最大限度地消纳过剩风电,平抑风能出力波动对电力系统的冲击;接着对常规机组进行负荷经济分配,以达到协同优化调度的经济性;同时采用多目标纵横交叉优化算法(multi-objective crisscross optimization algorithm,MOSCO)优化算法求解模型,利用模糊决策机制获得最优折中解;最后以10台机组测试系统为算例,仿真结果验证了模型及方法的有效性与合理性。展开更多
间歇性分布式电源(distributed generation,DG)接入电网后对线路潮流、节点电压等的影响与其接入位置和容量密切相关。考虑间歇性分布式电源出力的随机性和间歇性,同一配电区域光照、风速和负荷变化具有一定的相关性及受季节变化的影响...间歇性分布式电源(distributed generation,DG)接入电网后对线路潮流、节点电压等的影响与其接入位置和容量密切相关。考虑间歇性分布式电源出力的随机性和间歇性,同一配电区域光照、风速和负荷变化具有一定的相关性及受季节变化的影响,为此,采用可处理输入随机变量相关性的基于拉丁超立方抽样的蒙特卡洛概率潮流计算方法(correlation Latin hypercube sampling Monte Carlo simulation,CLMCS)计算含间歇性分布式电源的配电网潮流,以分布式电源和无功补偿装置的年运行收益为上层规划目标函数,以电压改善年收益和降损年收益为下层规划目标函数,建立嵌入机会约束规划的二层规划分布式电源和无功补偿装置容量协同优化配置模型。采用两层嵌套的自适应人工鱼群算法对本文协同优化配置问题进行求解。最后通过IEEE33节点配电系统算例分析,验证了本文模型和算法的有效性。展开更多
文摘间歇性分布式电源(distributed generation,DG)接入电网后对线路潮流、节点电压等的影响与其接入位置和容量密切相关。考虑间歇性分布式电源出力的随机性和间歇性,同一配电区域光照、风速和负荷变化具有一定的相关性及受季节变化的影响,为此,采用可处理输入随机变量相关性的基于拉丁超立方抽样的蒙特卡洛概率潮流计算方法(correlation Latin hypercube sampling Monte Carlo simulation,CLMCS)计算含间歇性分布式电源的配电网潮流,以分布式电源和无功补偿装置的年运行收益为上层规划目标函数,以电压改善年收益和降损年收益为下层规划目标函数,建立嵌入机会约束规划的二层规划分布式电源和无功补偿装置容量协同优化配置模型。采用两层嵌套的自适应人工鱼群算法对本文协同优化配置问题进行求解。最后通过IEEE33节点配电系统算例分析,验证了本文模型和算法的有效性。