考虑主动需求的主动配电网负荷预测

主动配电网的主动需求管理技术(Active Demand,AD)通过市场引导机制来改变用户的典型用电行为,电网负荷特性随之发生改变,降低了传统负荷预测技术的预测精度。针对AD对主动配电网负荷预测的影响,考虑用户响应特性分析影响AD响应负荷的因素,作为负荷预测的外生输入量,然后利用粒子群优化的支持向量机技术在黑盒框架下建立含AD输入的完备负荷预测模型,提出了适用于考虑主动需求的主动配电网负荷预测新方法。基于用户响应行为的现实考虑,建立时变AD模型产生含AD效应的负荷数据集来测试所提出的负荷预测方法。实验结果表明,所提负荷预测模型与不含AD输入的负荷预测模型相比,预测精度更高。

基于电子搜索算法的电力系统无功优化

针对电力系统无功优化过程中,粒子群算法收敛慢以及计算结果容易陷入局部最优的问题,文中利用电子搜索算法代替粒子群算法,以提高计算的收敛速度并使优化计算更容易得到最优解。以网损期望最小为目标,建立了考虑电容器无功补偿和电压器变比的配电网无功优化模型。利用IEEE14节点系统进行模拟计算,通过结果验证了电子搜索算法在无功优化中的效果。通过比较了粒子群算法和电子搜索算法的结果,证明了电子搜索算法在收敛速度以及优化效果上优于粒子群算法。

含微电网的主动配电网负荷预测

负荷预测是配电网规划的重要环节,是网架规划重要计算依据。针对大量分布式电源和微网并入主动配电网,采用支持向量机技术,建立完备的负荷预测模型,并基于粒子群优化算法对支持向量机的一些关键参数优化选择,提出适用于含微网的主动配电网的负荷预测方法。首先对微电网并入主动配电网的结构做了详细说明,通过支持向量机SVW技术,建立负荷预测的非线性回归方程,然后基于粒子群优化算法对支持向量机关键参数写出具体优化思想和迭代过程,最后将提出的负荷预测方法应用于光伏发电示范新区来显示它的效果。

基于斑点鬣狗算法的风/光/抽水蓄能联合运行系统优化调度研究

针对分布式能源发电给配电网带来的冲击问题,提出了利用抽水蓄能电站与新能源发电联合运行优化调度的解决方案。综合考虑功率平衡、抽水蓄能机组启停与工况转换等约束条件,构建了含风电、太阳能和抽水蓄能电站的多目标优化调度模型,并采用斑点鬣狗算法进行求解。仿真结果表明,在风光并网系统中加入抽水蓄能电站后,能够实现对电力系统的削峰填谷作用,其经济效益显著;斑点鬣狗算法在收敛速度和全局寻优的能力上具有明显优势。

考虑间歇性DG与负荷响应的多时段主动配电网孤岛划分

随着分布式电源(distributed generation,DG)渗透率在主动配电网(active distribution network,ADN)中不断增加,配电网运行规划难度也不断提高。尤其是故障时配电网形成孤岛运行后,DG出力与负荷需求分配不均,供电效率下降的情况居多。该文针对以上问题对主动配电网故障后孤岛运行展开研究,考虑DG的间歇性出力对其建立概率模型,同时对需求侧负荷进行时序性建模,提出一种基于多时段DG-负荷有功功率平衡的孤岛划分方法。在DG出力不足的情况下,根据负荷优先级和可控度采用遗传算法进行最优切负荷,精准切除优先级低的负荷,保证多负荷、重要负荷供电。最后通过PG&E 69配电网算例验证所提方法的有效性和可行性,结果显示,该方法能在一定程度上有效增加孤岛供电范围。