基于改进多目标蜉蝣算法的配电网规划

随着储能技术在辅助服务市场中的广泛运用,为了提高配电网的经济性,提出了一种考虑储能退化和辅助服务成本的配电网规划模型。首先,基于投资成本、维护费用、电力交易费用和自监管服务收入,建立了配电网规划费用优化模型,在优化目标中增加了储能退化惩罚,以避免储能系统在提供调节服务时过度充放电。其次,为提升蜉蝣算法对模型的求解性能,避免陷入局部最优,基于模糊机制和Pareto解集更新策略,提出一种改进多目标蜉蝣算法。最后,以IEEE33节点为研究对象,不同案例的仿真结果表明:该规划模型可提升配电网的经济性,将储能系统最大生命运行周期有效延长,实现配网侧各元素的协同规划。

基于改进多目标蜉蝣算法的配网电池储能系统最优选址定容

电池储能系统(BESSs)在配电网的选址定容是保证BESSs和配电网经济可靠运行的关键。基于此,提出了一种配电网BESSs最优选址定容方法。首先,采用C-均值聚类算法对全年的负荷曲线和风、光出力曲线进行典型日聚类。进而,以BESSs日均综合成本、电压波动和负荷波动最小为目标,建立了配电网BESSs最优选址定容的多目标优化模型。为获得BESSs等决策变量的Pareto最优解集,设计了改进的多目标蜉蝣算法(MMOMA)进行求解。为实现三个目标的最佳权衡,采用改进理想点决策(IIPBD)方法对Pareto最优解集进行折中决策。最后,利用扩展的IEEE33节点配电系统进行仿真测试,以验证所提方法的有效性。仿真结果表明,与另外两种传统多目标优化算法相比:所提MMOMA获得的Pareto前沿分布更广、更均匀;IIPBD方法获得的折中决策方案有效实现了BESSs投资成本的最小化,同时能显著降低配电网的电压波动和负荷波动。