考虑多影响因素的电动汽车充电负荷预测

针对电动汽车数量呈突变式增长的问题,通过分析私人电动汽车保有量的相关影响因素,利用关联分析法筛选出公共充电桩数量、人均可支配收入、人均消费支出、第二产业投资额增长率和总私人电动汽车数量五个因素,建立了引入自适应系数r的灰色模型(GM(1,N))。与现有的预测模型结果进行对比,证实了所建立模型的优越性。此外,根据重庆市充电站提供的数据,建立了私人电动汽车日充电负荷模型,采用蒙特卡洛法得出私人电动汽车在2021年和2025年保有量下的日充电负荷,渗透率分别达到为0.4%和0.85%。最后,引入IEEE33节点系统分析电动汽车在不同渗透率下充电负荷对电网的影响程度。结果显示高渗透率下对电网电压造成的波动较大,网损增加近160倍,降低了能源利用率,为重庆市未来规划电动汽车充电提供了有效的数据参考。

考虑低压配电网弹性提升的两阶段风险控制方法

为进一步提高低压配电网的供电可靠性与稳定性,提出考虑低压配电网弹性提升的两阶段风险控制方法,增强低压配电网的极端气象灾害应对能力。首先,构建考虑配电线路故障的低压配电网运行风险鉴定模型,提出包含预防控制和纠正控制的低压配电网风险控制框架;其次,建立电力用户需求响应(DR)模型,以激励并引导电力用户参与供电恢复。在此基础上,构建基于运行风险的低压配电网预防控制模型;再次,为降低故障发生时的应急风险成本,提出低压配电网纠正控制方法;最后,利用改进型IEEE 33节点配电系统针对不同弹性提升方法进行对比分析。结果表明,所提出的两阶段风险控制方法能够有效降低低压配电网的运行成本,并有助于缓解低压配电网潜在故障发生时的负荷削减情况。

改进灰狼算法在智能建筑配电网故障定位中的应用

随着科技的不断进步,人工智能已经广泛应用于建筑行业,并催生了智能建筑领域。本文阐述了智能化建筑,介绍了群智能算法在智能建筑中配电网故障定位方面的应用。通过采用灰狼优化算法,针对灰狼算法的不足,加入了Tent混沌映射及改良后的收敛因子a,最后加入惯性权重来提升算法性能。同时,与二进制粒子群算法和哈利斯鹰算法进行比较,结果证明改进后的灰狼算法具有更优越的特点。最后,在IEEE33节点模型上进行单点故障和多点故障的仿真实验,验证了改进灰狼算法在智能建筑配电网故障定位中的有效性。

基于BGA的配电网可靠性自恢复方法

针对配电网发生支路故障时缺乏快速且有效的恢复方案,从而导致可靠性下降的问题,提出了一种基于支路分组算法的配电网可靠性自恢复方法.在结合配电网网络结构基础上,将该方法应用于IEEE-33节点配电系统的支路故障情况并进行仿真实验.结果表明,在大型IEEE节点配电系统中,所提出方法具有较高的运算效率与较好的可行性,求解速度相比传统的配电网可靠性自恢复方法提升了近3倍,能够有效提升配电网的自恢复性能.

基于算术优化算法的低压配电网故障区段定位方法

为了提高低压配电网故障区段定位的准确性和快速性,保证居民用电安全,文中提出一种基于算术优化算法实现故障区段定位的方法。算术优化算法具有结构简单、收敛速度快以及精确度高等优点。选取IEEE33节点的配电网模型,使用MATLAB对此模型节点支路、节点开关状态和适应度函数进行编程仿真。对单点故障和多点故障以及存在信号畸变的单多点故障进行仿真计算,并对仿真结果进行分析。结果表明,利用算术优化算法的局部搜索和全局搜索分开进行的特点对故障区段定位问题进行局部充分搜索,可实现准确定位,准确度达到97%,优于二进制粒子群算法、遗传算法和改进鲸鱼优化算法。

分布式电源接入配网对其静态电压稳定性影响多角度研究

分布式电源(Distributed Generation,DG)接入配网后,将对配网静态电压稳定性造成影响。基于IEEE33节点配电网络和Matlab仿真测试软件平台,考虑分布式电源的接入数量、接入位置、接入容量和功率因数4个影响因素。应用电压稳定性判定指标L,对比单个DG接入单分支线路和多个DG接入多条分支线路两种情况,得出各自对配网电压分布和电压稳定性造成的影响。对比测试所得L指标,结果表明多DG接入的方式更有利于配网电压稳定。该研究对配网中多DG的布局和规划具有积极的指导意义。

改进二进制粒子群算法在配电网重构中的应用

将混合蛙跳思想引入粒子群算法,并结合遗传算法中的选择交叉操作,提出一种改进二进制粒子群算法,来解决配电网重构中的问题。并且动态调整粒子速度更新公式中的惯性系数,使粒子能够随更新次数的变化动态改变全局和局部搜索能力,防止算法早熟,以找到全局最优解。文章最后对典型IEEE33节点算例进行仿真,并与遗传算法进行对比分析,结果表明该方法不仅能有效避免算法早熟、快速收敛,而且稳定性好。

含分布式电源的配电网优化研究

随着中国环境问题的愈发凸显和节能减排形式的越来越严峻,传统火力发电高污染、高耗能的问题暴露地越来越明显,与此同时,以风电、光伏为主的分布式电源(distributed generation,DG)发电过程绿色无污染,且安装灵活,可直接接入中低压配电网,很好地解决了传统大电网面临的弊端,DG合理接入配电网也可以带来很好的经济性。本次研究建立了涵盖DG投资商、电网公司、用户角度的多目标模型,引入了NSGGA-2改进算法,最后在IEEE33节点算例的基础上,针对DG位置、容量、类型进行了多组仿真试验验证了所提算法的可行性,为决策者提供了多种模型下的最优配置方案。

基于改进和声算法的含风电系统无功优化研究

本文针对含双馈型风力发电机DFIG(double-fed induction generator,DFIG)的风电场接入电网时的无功补偿问题,建立了以有功网损最小为目标的无功优化模型,采用改进的和声搜索算法实现无功优化的方法。改进和声优化算法将和声搜索算法及粒子群算法相结合,利用和声搜素算法选出局部最优的优点和粒子群算法收敛速度快的特点,将和声库看做粒子种群,对其进行寻优,并对和声算法中音调调整率PAR(pitch-adjust-ting rate,PAR)和距离带宽bw(band width,bw)进行调节以提高对多维问题的搜索效率。文章以IEEE 33节点系统为基础,对无功优化算法进行仿真验证,实验结果表明文中所提出的改进型和声算法较其他算法具有更好的全局寻优性及快速收敛性,同时也能较好的改善各节点电压幅值。

多个分布式电源接入对配电网的网损和电压的影响

在综合考虑分布式电源(DG)接入的电流保护约束、电压约束、总容量约束,以及潮流等式约束等约束条件后,可以确定DG的候选站址;建立了含多个DG接入的配电网潮流计算模型,并在MATLAB中对IEEE33节点系统进行了算例验证。结论表明,合理规划分布电源的接入,能有效降低系统网损和提高系统的电压水平。

基于自适应遗传算法含光伏电源的配电网无功优化

在分析间歇性电源出力对配电网电压影响的基础上,建立了8节点的链式配电网模型,评估了分布式光伏接入配电网后,配电网电压与光伏并网容量的约束关系。分析了光伏不同时刻的有功出力和无功出力,建立了双目标函数,以系统网损和电压偏差最小对系统进行优化,利用自适应的遗传算法(AdapGA)对系统的离散数据进行处理,找到适合系统的最优解。通过改进的IEEE33节点算例仿真分析,表明所提模型和方法具有较好的适用性,降低了电压越限的风险,减小了电压偏差,有效地减少了系统的网损,验证了所提模型和方法的正确性和有效性。

基于自适应粒子群算法优化DG的配网静态电压稳定性提高策略

为了改善配电网络的静态电压稳定性,提出一种接入分布式电源优化布置的方案。基于IEEE33节点配电网络和Matlab仿真测试软件平台,以静态电压稳定指标L(Voltage Stability Index)和最大电压偏差最小为目标函数,以最大电压偏差小于7%为约束条件,应用自适应粒子群算法(Adaptive Mutation Particle Swarm Optimization Algorithm,AMPSO)对配电网络中DG的接入进行优化布置,从而提高了整个配电网络的静态电压稳定性。并通过重庆某地区的实际配电网络进行实例验证,证明方案的正确性和可行性。该研究所提出的方案,对配电网络静态电压稳定性的改善有一定的指导意义。

基于扩展最优潮流模型的无功优化方法

为了将最优潮流与无功优化两种数学模型统一起来,使形成的扩展最优潮流具有更广泛的适用性,并增加基于MATLAB的电力系统分析自由软件求解无功优化问题的功能,针对目标函数为网损最小和年运行费用最小的无功优化问题,论证了最优潮流模型与这两种无功优化模型等效的条件,并提出了相应的处理方法。应用该优化方法对两个算例分别进行网损最小和年运行费用最小的无功优化计算,并和已有结果进行对比,验证了方法的有效性和实用性。进而应用本研究方法对IEEE-33节点系统进行优化计算,结果表明:该方法可以充分利用现有软件在优化分析方面的优点解决无功优化问题,增加软件功能的同时既减少了开发成本,又提高了可靠性。

基于EMD和IABC-SVM算法的复合电压暂降源辨识方法

针对配电网中线路短路故障、大型感应电动机启动以及变压器投切等单一电压暂降源和由单一电压暂降源组合而成的复合电压暂降源导致的电压暂降现象,在MATLAB/Simulink中搭建改进的IEEE33节点配电网系统模型进行仿真分析和验证,提出一种先对电压暂降信号进行经验模态分解(empirical mode decomposition,EMD),得到一系列固有模态函数(intrinsic mode function,IMF)分量,然后分别计算三相电压的各相电压前3阶IMF的能量熵和样本熵,可得到各相电压的特征向量,最后把它们组合起来作为一组特征向量的方法。针对支持向量机(support vector machine,SVM)的惩罚因子和核函数参数在寻优过程中容易陷入局部最优解的问题,提出一种改进的人工蜂群(improved artificial bee colony,IABC)算法对SVM的惩罚因子和核函数参数进行寻优,构建IABC-SVM分类器,再把提取到的特征向量进行归一化处理之后输入到构造好的IABC-SVM分类器中对样本进行训练与识别,并与粒子群算法优化支持向量机、极限学习机、BP神经网络和人工蜂群算法优化支持向量机这4种分类器进行对比,仿真结果表明所提出方法具有准确性和快速性,能够准确实现对9种不同的电压暂降源信号的辨识,有利于解决实际的工程问题。

基于一种改进量子粒子群算法的配电网重构

为了解决一般优化算法容易产生局部优化解的问题,在量子粒子群算法的基础上提出了采用模拟退火法对配网开关组合进行优先选取,从而避免局部优化解的产生,提高了全局搜索能力。在IEEE33节点配电网系统进行验证,通过对仿真结果的分析可以看出网损由原来的202.68 kW降到了142.32 kW,最低电压从11.56 kV升高了到11.833 kV,该优化的量子粒子群算法在第13次迭代达到最优解,有效减少了迭代次数并提高了运算效率。

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。

配电网网络重构策略研究

针对离散优化问题,以粒子群优化算法(PSO)信息更新的本质机理为基础,在基本PSO算法的基本思想、算法框架下,引入分布估计算法思想,重新定义离散粒子的表示方式。将分布估计离散粒子群算法应用到配电网优化重构中,每一维粒子的取值,须根据概率向量产生,在寻优过程中,根据粒子能力的差异,自适应调整其惯性权重,从而寻找对配电网拓扑结构的优化策略,达到降低配电网的网络损耗、提高电压可靠性的目的。

考虑静态电压稳定性的分布式电源优化布置研究

为了研究在考虑静态电压稳定性情况下,配网中分布式电源的优化布置问题。基于IEEE33节点配电网络和Matlab仿真测试软件平台,以分布式电源(Distributed Generation,DG)接入总容量最大为目标函数,以静态电压稳定指标L(Voltage Stability Index)为约束条件,应用自适应粒子群算法(Adaptive Mutation Particle Swarm Optimization Algorithm,AMPSO)对配电网络中DG的选址和定容进行优化。优化结果得出了配电网络中最优的DG布置方案,同时满足了配电网络电压稳定和分布式电源容量最大的要求,该研究对配网中分布式电源的规划提供了积极的指导意义。

一种融合分布估计的离散粒子群优化算法的配电网重构

将基于分布估计的离散粒子群优化算法运用于配电网重构,以降低网损为目标函数,对于新的种群,随机从概率模型和至今全局最优信息项中获取解信息。仿真实验结果表明提出的关于配电网重构的新算法优于其他几种优化算法。

基于网络化简、迭代求解的配电网无功优化算法

该文根据现行配电网无功管理规程以及无功优化的就地平衡原则,采取了先配变补偿,后杆上补偿的分阶段补偿策略,结合配电网的结构特点提出了基于网络化简、迭代求解的配电网无功优化算法。