基于BAS-IMOPSO算法的风电系统储能优化配置

风力发电作为一种清洁的可再生能源,在电力系统中应用广泛,但风电出力的随机波动性会对电力系统电能质量产生不利影响。储能系统(energy storage system,ESS)因其灵活的双向调节能力被用于平抑风电接入系统带来的电压与功率波动问题。文中考虑储能接入节点与容量不同对风电出力波动的平抑效果不同,以系统电压偏差、日有功网损和ESS配置容量为目标函数建立多目标储能优化配置模型。采用一种基于天牛须搜索算法的改进多目标粒子群优化(beetle antennae search-improved multi-objective particle swarm optimization,BAS-IMOPSO)算法求解该模型,利用基于信息熵的逼近理想解排序法在Pareto解集中选取最佳储能配置方案。在IEEE 33节点系统中对模型进行仿真验证,结果表明:BAS-IMOPSO算法优化下的ESS降低配电网电压偏差与有功网损的能力较多目标粒子群优化(multi-objective particle swarm optimization,MOPSO)算法显著提高,有效改善了系统的电能质量,具有削峰填谷的作用,验证了BAS-IMOPSO算法的有效性。

考虑碳排放的分布式电源优化配置

对分布式电源接入配电网进行合理的优化配置,能在兼顾运营商和用户利益的同时,改善系统整体电压分布。建立了综合考虑分布式电源投资成本、用户购电成本、网损费用和碳排放费用的多目标优化模型。利用改进层次分析法确定各目标的权重,进而转化为单目标函数规划问题。针对天牛须算法个体单一性在解决高维复杂问题时精度低,优化效果不佳的问题,提出了一种改进天牛须粒子群算法,利用混沌映射对参数进行调整,引入动态惯性权重、莱维飞行机制,提高了收敛速度。以IEEE33节点系统为例,将改进天牛须粒子群算法与粒子群算法及天牛须粒子群算法的效果对比,验证改进算法对分布式电源优化配置问题的可行性,有效降低了碳排放费用、用户购电费用,减少了系统网损,改善了系统整体电压分布。