CN106532772B - 一种基于改进正交优化群智能算法的分布式电源规划方法 - Google Patents

一种基于改进正交优化群智能算法的分布式电源规划方法 Download PDF

Info

Publication number
CN106532772B
CN106532772B CN201611092232.XA CN201611092232A CN106532772B CN 106532772 B CN106532772 B CN 106532772B CN 201611092232 A CN201611092232 A CN 201611092232A CN 106532772 B CN106532772 B CN 106532772B
Authority
CN
China
Prior art keywords
orthogonal
optimization
formula
power supply
node
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201611092232.XA
Other languages
English (en)
Other versions
CN106532772A (zh
Inventor
黄雄峰
张宇娇
郭梽炜
普子恒
姜岚
苏攀
智李
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Three Gorges University CTGU
Original Assignee
China Three Gorges University CTGU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Three Gorges University CTGU filed Critical China Three Gorges University CTGU
Priority to CN201611092232.XA priority Critical patent/CN106532772B/zh
Publication of CN106532772A publication Critical patent/CN106532772A/zh
Application granted granted Critical
Publication of CN106532772B publication Critical patent/CN106532772B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381Dispersed generators
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

一种基于改进正交优化群智能算法的分布式电源规划方法,以系统有功网损、投资运行成本及负荷点电压偏移量为优化指标建立多目标优化模型。初始化,输入节点网络的原始数据。构建初始正交表La(bc),计算正交表的局部最优值。在正交表的方差分析中,计算出各变量的方差比例ρi,根据方差比例建立新的正交表,反复进行迭代优化,直到找到最优解。本发明一种基于改进正交优化群智能算法的分布式电源规划方法,提出对于分布式电源规划中减少有功功率损耗、降低系统电压偏移量有明显作用。通过方差比例分析提供进一步正交优化的搜索方向和搜索范围,拟降低优化搜索计算量和搜索时间,提高微电网配置优化算法效率和可用性。

Description

一种基于改进正交优化群智能算法的分布式电源规划方法
技术领域
本发明一种基于改进正交优化群智能算法的分布式电源规划方法,涉及微电网规划领域。
背景技术
随着全球经济的加速发展,能源短缺、环境污染成为当今社会面临的巨大挑战。由于电力负荷持续增长、电力系统结构老化、能源利用效率瓶颈、用户对高标准电能质量的要求以及环保等问题,迫切需要发展清洁、无污染的可再生能源发电方式,作为传统集中式发电的有效补充,分布式发电技术应运而生。分布式发电是指将发电系统以小规模(发电功率在数千瓦至50MW的小型模块分散式的方式布置在用户附近,可独立地输出电能的系统。分布式发电设施主要包括以液体或气体为燃料的内燃机、微型燃气轮机、风力发电、光伏电池等。然而分布式电源的不合理规划,不仅会导致资金的浪费,还会造成配电网电压质量,有功网损等配电网技术指标的恶化。因此,对分布式电源进行科学的规划,对于配电网的经济发展、安全运行有着积极作用。
分布式电源的规划一般包括确定位置和容量两部分。国内外学者对分布式电源的规划进行了大量的研究,优化算法主要有启发式优化算法和数学优化算法。学者们提出了很多改进启发式智能算法,通过设计正交试验来实现最优解区间的搜索,例如正交遗传算法、正交交叉算子的元胞差分进化算法、正交免疫克隆粒子群算法等,但是这些算法仅仅在种群初始化过程设计正交试验,并没有完全利用正交设计的搜索功能。
发明内容
为解决上述技术问题,本发明综合考虑分布式电源规划经济性和安全可靠性,建立以DG投资和运行成本、有功网损、电压偏移量为目标函数的多目标优化模型,提出一种改进正交优化群智能算法对分布式电源的选址和定容进行优化求解,并将其优化结果与遗传算法的优化结果相比较,验证该算法的可行性和优异性。
一种基于改进正交优化群智能算法的分布式电源规划方法,包括以下步骤:
1)、以系统有功网损、投资运行成本及负荷点电压偏移量为优化指标建立多目标优化模型。
2)、初始化,输入节点网络的原始数据;
3)、构建初始正交表La(bc),计算正交表的局部最优值;
4)、进行方差比例分析:在正交表的方差分析中,计算出各变量的方差比例ρi,根据方差比例建立新的正交表,反复进行迭代优化,直到找到最优解。
本发明一种基于改进正交优化群智能算法的分布式电源规划方法,有益效果如下:
1)本发明的提出以配电网有功功率损耗、电压偏移量、投资和运行成本为优化目标,较为全面考虑了分布式电源的规划。
2)、本发明的提出对于分布式电源规划中减少有功功率损耗、降低系统电压偏移量有明显作用。
3)、突破了正交设计仅能用于种群初始化和进化前优化搜索的限制。
4)、通过方差比例分析提供进一步正交优化的搜索方向和搜索范围,拟降低优化搜索计算量和搜索时间,提高微电网配置优化算法效率和可用性。
5)、提出了一种新的改进正交优化群智能算法的分布式电源规划,为今后分布式电源规划提供了新的思路。
附图说明
图1是实施例中IEEE14节点配电系统配电网络结构图。
图2是实施例中不含DG规划、基于遗传算法DG规划、基于改进正交优化群智能算法的DG规划三种情况下的电压分布图。
具体实施方式
一种基于改进正交优化群智能算法的分布式电源规划方法,包括以下步骤:
1)、以系统有功网损、投资运行成本及负荷点电压偏移量为优化指标建立多目标优化模型。
2)、初始化,输入节点网络的原始数据;
3)、构建初始正交表La(bc),计算正交表的局部最优值;
4)、方差比例分析。在正交表的方差分析中,计算出各变量的方差比例ρi,根据方差比例建立新的正交表,反复进行迭代优化,直到找到最优解。
本发明一种基于改进正交优化群智能算法的分布式电源规划方法,将分布式电源规划应用于正交试验中,并且在正交试验的DG容量方差分析中加入方差比例分析,为DG的规划提供搜索方向和搜索范围,寻求最优解。最后通过实际算例仿真计算,并与遗传算法相比较,验证了该算法的有效性和优异性,为分布式电源的规划提供了新的思路。
具体步骤如下:
步骤1):建立分布式电源规划优化模型。分布式电源规划中,要求具有较优的配电网的有功网损、投资运行成本及负荷点电压偏移量等。其中,配电网的有功网损f1最小如下,
Figure BDA0001168500500000031
式中,Ploss为配电网有功网损;Gk(i,j)相应支路k的电导;Ui,Uj分别为节点i,j的电压幅值;δij为相应节点i,j的电压相角差。
分布式电源投资运行成本f2最小如下
Figure BDA0001168500500000032
式中,NDG为安装DG的节点数,Caz,i为i节点运行维护成本,COM,i为i节点安装投资成本单位为万元/(KW·h);PDGi为i节点DG容量;n为DG的使用年限;r为贴现率;
负荷点电压偏移量f3最小如下:
Figure BDA0001168500500000033
式中,Ui
Figure BDA0001168500500000034
分别表示负荷节点i的实际电压、期望电压和最大允许电压偏差,
Figure BDA0001168500500000035
以配电网的有功功损、分布式电源投资运行成本、负荷点电压偏移量为评价目标,分布式电源选址和定容的多目标优化模型如式子所示:
min f=(f1,f2,f3) (4)
步骤2):给分布式电源规划模型建立约束条件,其中约束条件分为不等式约束条件与等式约束条件,不等式约束条件:
DG总有功功率约束条件
Figure BDA0001168500500000036
式中,PDG.i为节点i的DG安装容量,PDG..all为DG总有功功率上限。
DG的节点电压约束条件:
Vimin≤Vi≤Vimax,i=1,2,…,NB (6)
式中,Vimin,Vimax分别为节点i的电压下限与上限;NB为系统节点总数。
DG的有功功率约束条件:
0≤PDGi≤PDGimax,i=1,2,…,NDG (7)
式中,PDG.imax为节点i的DG上限;
DG等式约束条件为:
Figure BDA0001168500500000041
式中,Gij,Bij分别为节点i,j间的电导和电纳;PGi,QGi分别为节点i发电机的有功功率和无功功率;PLi,QLi分别为节点i负荷的有功功率和无功功率;
步骤3):初始化系统网络的参数:节点网络的支路数据电导Gij和电纳Bij;负荷端有功功率PLi以及无功功率QLi;系统的发电机有功功率PGi以及无功功率QGi;确定电压上下限Vimin、Vimax;各节点分布式电源的容量PDGi
步骤4):正交试验设计是用部分试验来代替全面试验,通过对部分试验结果的分析,了解全面试验的情况。根据任露泉.《试验优化设计与分析(第二版)》,高等教育出版社,2008,正交试验方案的主要步骤为:
(1)明确试验目的,确定试验指标。
(2)确定需要考察的因素,选取适当的水平。
(3)选用合适正交表。
(4)进行表头设计。
(5)编制试验方案。
根据模型的需求确定代表分布式电源规划正交试验的样本数a、代表分布式电源容量的正交表因素水平数b、代表节点数的正交表列数c,确实正交表各因素各水平代表数值,构建正交表La(bc)。例如:本发明对IEEE14节点系统进行DG规划,节点1为平衡节点,不安装DG,其余13个节点都设计三种水平的DG安装容量:节点2为B1、B2、B3,节点3为C1、C2、C3,节点4为D1、D2、D3,…,设计的正交表L27(313)如表1所示。
表1 IEEE14节点系统正交表L27(313)
Figure BDA0001168500500000042
Figure BDA0001168500500000051
步骤5):并根据所建立的多目标函数和约束条件,对配电网系统进行潮流计算,对正交表各个试验号进行潮流计算,得到分布式电源规划相应的配电网的有功网损、投资运行成本及负荷点电压偏移量的试验结果。
步骤6):建立模糊综合评判矩阵,找出局部最优值。设cij(i=1,2,3;j=1,2,3,…,a)表示第个i优化目标(有功网损,投资运行成本,电压偏移量)的第j个试验结果。
Figure BDA0001168500500000052
式中,rij表示第个i优化目标(有功网损,投资运行成本,电压偏移量)中第j个试验结果的值在相应优化目标值总和中所占的比例。
由式子(9)得到模糊综合评判矩阵R=(rij)3×a。根据经验设置三个优化目标的权系数向量A=(a1,a2,a3),通过加权平均法计算综合评判向量B1×a,综合评判向量中最小值所对应的试验号即为分布式电源规划的局部最优值X=(x1x2,x3,…,xc,)。
bj=∑(ai·rij)(j=1,2…a) (10)
式中,ai为权系数值,bj为综合评判值。
步骤7):对正交表进行方差分析,计算网络系统各位置DG容量的方差比例:
Figure BDA0001168500500000053
式中,SSj指因素j的偏差平方和,yi为每个试验号的综合评判值,KKij指正交表第j列因素的第i个水平的综合评判值的总和,k指相应因素的水平数。
Figure BDA0001168500500000061
式中,SST指总偏差平方和。
由统计概论学:
Figure BDA0001168500500000062
式中,SSA是因素A的偏差平方和,SSA包含指数A的纯粹波动平方和以及部分误差的波动平方,σ2为正交试验的方差,k为因素A的水平数;
σ2的无偏估计量如下式:
Figure BDA0001168500500000063
式中,
Figure BDA0001168500500000064
为σ2的无偏估计量,E为求期望;
指数A引起的纯粹波动平方和:
SSA'=SSA-(k-1)Ve (15)
式中,SS’A为A的纯粹波动平方和;
计算误差引起的纯粹波动平方和:
SSe'=SSe+(k-1)Ve (16)
式中,SSe为误差偏差平方和,SS’e为误差的纯粹波动平方和;
方差比例定义为纯粹波动平方与占总波动比:
Figure BDA0001168500500000065
ρAB+…+ρMe=1
式中,SST为总偏差平方和,ρi为各因素i的方差比例,ρe为误差的方差比例;
将传统方差分析方法和纯粹波动相结合,得到基于纯粹波动的方差比例分析方法,根据式(11)—式(17)计算出各变量的方差比例ρi
步骤8):构造新的正交表。根据上一轮迭代得到的分布式电源容量的局部最优解X=(x1,x2,x3,…,xc,)以及各因素的方差比例ρi,根据式子(18)更新各个节点的三种DG容量水平的值(本发明设计为三水平正交表),将各节点新的DG容量水平值按表1的顺序构造一个新的正交表。
Figure BDA0001168500500000071
步骤9):反复迭代步骤5)~步骤8),直到各节点方差比例相等时,迭代结束,进入步骤10)。
步骤10):改进正交优化群智能算法结束,最后一次迭代得到的最优解即为DG规划的最优解X*=(x* 1,x* 2,x* 3,…,x* c)。
实施例:
以IEEE14节点网络系统为例:
根据本发明提出的分布式电源规划数学模型以及改进正交优化群智能算法,通过MATLAB对IEEE14节点配电系统进行仿真,其配电网络结构如图1所示,标幺值为100MVA,各节点的电压0.97~1.1倍基准电压,系统总负荷为259.9MW+73.5Mvar。将分布式电源作为普通的PQ点来处理,设节点1为平衡节点。在多目标模型的模糊综合评估,有功网损、电压偏移量、投资和运行成本的权重分别为1/2,3/8,1/8,分布式电源的规划如表2所示。
表2 分布式电源安装位置和安装容量
Figure BDA0001168500500000072
Figure BDA0001168500500000081
从表2可以看出,根据遗传算法进行分布式电源规划:2,4,6三个节点,安装容量分别为:0.25MW,0.25MW,0.25MW;根据改进正交优化群智能算法进行分布式电源规划:4,6,11,13四个节点,安装容量分别为:0.118MW,0.193MW,0.25MW,0.1889MW。
表3为分布式电源规划优化结果与优化前的比较:
表3 优化前和优化后结果
Figure BDA0001168500500000082
图2为不含DG规划,基于遗传算法DG规划和基于改进正交优化群智能算法的DG规划三种情况下的电压分布图。
表3可以看出,不含DG的配电网的有功网损为0.2765MW,电压偏移量为0.2394。两种含有DG规划配电网的有功网损和电压偏移量均比不含DG配电网的小;由图2可看出DG规划的电压稳定性要比不含DG规划要略好,所以DG规划效果明显。
为了进一步验证改进正交优化群智能算法的有效性以及优越性,在数学模型与约束条件相等条件下,将其与遗传算法相比较,由表2得遗传算法的有功网损为0.1717MW,电压偏移量为0.236,DG投资与运行成本为599.1326万元;改进正交优化群智能算法的有功网损为0.1599MW,电压偏移量为0.2296,DG投资与运行成本为599.0527万元。通过对比,算法在三个方面均优于遗传算法,并且图2中改进正交优化群智能算法电压稳定较好,因此改进正交优化群智能算法优化效果更好。

Claims (1)

1.一种基于改进正交优化群智能算法的分布式电源规划方法,包括以下步骤:
1)、以系统有功网损、投资运行成本及负荷点电压偏移量为优化指标,建立多目标优化模型;
2)、初始化,输入节点网络的原始数据;
3)、构建初始正交表La(bc),计算正交表的局部最优值,其中a代表正交试验的样本数,b代表正交表因素水平数,c代表正交表列数;
4)、在正交表的方差分析中,计算出各变量的方差比例ρp,根据方差比例建立新的正交表,反复进行迭代优化,直到找到最优解;
上述步骤1)~4)具体如下:
步骤1):建立分布式电源规划优化模型,分布式电源规划中,要求具有较优的配电网的有功网损、投资运行成本及负荷点电压偏移量,其中,配电网的有功网损f1最小如下,
Figure FDA0002267281450000011
式中,Ploss为配电网有功网损;Gk(i,j)为相应支路k的电导;Ui,Uj分别为节点i,j的电压幅值;δij为相应节点i,j的电压相角差,
分布式电源投资运行成本f2最小如下
Figure FDA0002267281450000012
式中,NDG为安装DG的节点数,Caz,dd节点运行维护成本,COM,dd节点安装投资成本,单位为万元/(KW·h);PDGdd节点DG容量;n为DG的使用年限;r为贴现率;
负荷点电压偏移量f3最小如下:
Figure FDA0002267281450000013
式中,Ue,Ue spec,△Ue max分别表示负荷节点e的实际电压、期望电压和最大允许电压偏差,△Ue max=Ue max-Ue min
以配电网的有功网损、分布式电源投资运行成本、负荷点电压偏移量为评价目标,分布式电源选址和定容的多目标优化模型如式子所示:
min f=(f1,f2,f3) (4)
步骤2):给分布式电源规划模型建立约束条件,其中约束条件分为不等式约束条件与等式约束条件,不等式约束条件:
DG总有功功率约束条件
Figure FDA0002267281450000021
式中,PDG..all为DG总有功功率上限,
各节点电压约束条件:
Vimin≤Vi≤Vimax,i=1,2,…,NB (6)
式中,Vimin,Vimax分别为节点i的电压下限与上限;NB为系统节点总数,
DG的有功功率约束条件:
0≤PDGd≤PDGdmax,d=1,2,…,NDG (7)
DG等式约束条件为:
Figure FDA0002267281450000022
式中,Gij,Bij分别为节点i、j间的电导和电纳;PGi,QGi分别为节点i处发电机的有功功率和发电机的无功功率;PLi,QLi分别为节点i处负荷的有功功率和负荷的无功功率;
步骤3):初始化系统网络的参数:节点网络的支路数据电导Gij和电纳Bij;负荷端有功功率PLi以及无功功率QLi;系统的发电机有功功率PGi以及无功功率QGi;确定电压上下限Vimin、Vimax;各节点分布式电源的容量PDGj
步骤4):正交试验设计是用部分试验来代替全面试验,通过对部分试验结果的分析,了解全面试验的情况,根据模型的需求确定代表分布式电源规划正交试验的样本数a、代表分布式电源容量的正交表因素水平数b、代表节点数的正交表列数c,确实正交表各因素各水平代表数值,构建正交表La(bc);
步骤5):根据所建立的多目标函数和约束条件,对配电网系统进行潮流计算,对正交表各个试验号进行潮流计算,得到分布式电源规划相应的配电网的有功网损、投资运行成本及负荷点电压偏移量的试验结果;
步骤6):建立模糊综合评判矩阵,找出局部最优值,设chl(h=1,2,3;l=1,2,3,…,a)表示第h个优化目标的第l个试验结果,
Figure FDA0002267281450000031
式中,rhl表示第h个优化目标中第l个试验结果的值在相应优化目标值总和中所占的比例,
由式子(9)得到模糊综合评判矩阵R=(rhl)3×a,根据经验设置三个优化目标的权系数向量A=(a1,a2,a3),通过加权平均法计算综合评判向量B1×a,综合评判向量中最小值所对应的试验号即为分布式电源规划的局部最优值X=(x1,x2,x3,…,xc),
bl=∑(ah·rhl)(l=1,2…a) (10)
式中,ah为权系数值,bl为综合评判值;
步骤7):对正交表进行方差分析,计算网络系统各节点位置DG容量的方差比例:
Figure FDA0002267281450000032
式中,SSJ指第J列因素的偏差平方和,KKmJ指正交表第J列因素的第m个水平的综合评判值的总和,b指相应因素的水平数;
Figure FDA0002267281450000033
式中,SST指总偏差平方和,
由统计概论学:
Figure FDA0002267281450000034
式中,SSA是因素A的偏差平方和,SSA包含因素A的纯粹波动平方和以及部分误差的波动平方,σ2为正交试验的方差,b为因素A的水平数;
σ2的无偏估计量如下式:
Figure FDA0002267281450000035
式中,
Figure FDA0002267281450000036
为σ2的无偏估计量,E为求期望;
因素A引起的纯粹波动平方和:
SSA'=SSA-(b-1)Ve (15)
式中,SS’A为A的纯粹波动平方和;
计算误差引起的纯粹波动平方和:
SSe'=SSe+(b-1)Ve (16)
式中,SSe为误差偏差平方和,SS’e为误差的纯粹波动平方和;
方差比例定义为纯粹波动平方与占总波动比:
Figure FDA0002267281450000041
ρAB+…+ρMe=1 (17)
式中,SST为总偏差平方和,ρp为各因素p的方差比例,p=A、B……M,ρe为误差的方差比例;
将传统方差分析方法和纯粹波动相结合,得到基于纯粹波动的方差比例分析方法,根据式(11)—式(17)计算出各变量的方差比例ρp
步骤8):构造新的正交表,根据上一轮迭代得到的分布式电源容量的局部最优解X=(x1,x2,x3,…,xc)以及各因素的方差比例ρp,设计为三水平正交表,因此根据式子(18)更新各个节点的三种DG容量水平的值,将各节点新的DG容量水平值按初始正交表的顺序构造一个新的正交表,
Figure FDA0002267281450000042
步骤9):反复迭代步骤5)~步骤8),直到各节点方差比例相等时,迭代结束,进入步骤10);
步骤10):改进正交优化群智能算法结束,最后一次迭代得到的最优解即为DG规划的最优解X*=(x* 1,x* 2,x* 3,…,x* c)。
CN201611092232.XA 2016-12-01 2016-12-01 一种基于改进正交优化群智能算法的分布式电源规划方法 Active CN106532772B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611092232.XA CN106532772B (zh) 2016-12-01 2016-12-01 一种基于改进正交优化群智能算法的分布式电源规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611092232.XA CN106532772B (zh) 2016-12-01 2016-12-01 一种基于改进正交优化群智能算法的分布式电源规划方法

Publications (2)

Publication Number Publication Date
CN106532772A CN106532772A (zh) 2017-03-22
CN106532772B true CN106532772B (zh) 2020-04-24

Family

ID=58354331

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611092232.XA Active CN106532772B (zh) 2016-12-01 2016-12-01 一种基于改进正交优化群智能算法的分布式电源规划方法

Country Status (1)

Country Link
CN (1) CN106532772B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107944631B (zh) * 2017-12-01 2021-08-24 国家电网公司 一种基于向量序优化的配电网分布式电源规划方法
CN108446805A (zh) * 2018-04-02 2018-08-24 国网江西省电力有限公司电力科学研究院 一种计及供电可靠性的多目标分布式电源选址定容方法
CN108964102B (zh) * 2018-07-26 2022-03-25 华北电力大学(保定) 配电网中分布式储能的位置和容量优化配置方法
CN112421673B (zh) * 2019-08-22 2024-02-06 国网河南省电力公司安阳供电公司 基于多源协调的配电网网损优化控制方法及系统
CN113315672B (zh) * 2020-02-27 2024-05-14 腾讯科技(深圳)有限公司 流量分配方法及装置、电子设备及计算机可读存储介质
CN113742994A (zh) * 2021-07-28 2021-12-03 广东电网有限责任公司 一种含分布式电源的配电网多目标优化方法
CN115566739A (zh) * 2022-11-21 2023-01-03 昆明理工大学 一种针对分布式风电接入配电网引起电压越限的抑制方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103606014A (zh) * 2013-10-18 2014-02-26 国家电网公司 一种基于多目标的海岛分布式电源优化方法
CN105207195A (zh) * 2015-06-19 2015-12-30 河海大学 一种配电网分布式电源选址定容方法
JP2016082723A (ja) * 2014-10-16 2016-05-16 三菱電機株式会社 単独運転検出装置、単独運転検出方法、単独運転検出用の制御装置および分散型電源装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103606014A (zh) * 2013-10-18 2014-02-26 国家电网公司 一种基于多目标的海岛分布式电源优化方法
JP2016082723A (ja) * 2014-10-16 2016-05-16 三菱電機株式会社 単独運転検出装置、単独運転検出方法、単独運転検出用の制御装置および分散型電源装置
CN105207195A (zh) * 2015-06-19 2015-12-30 河海大学 一种配电网分布式电源选址定容方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Swarm Intelligence Optimization Algorithm Based on Orthogonal Optimization;Yongxian Li et al.;《2010 Second International Conference on Computer Modeling and Simulation》;20101231;第12-16页 *
基于一种新的正交优化的群智能优化算法;韩义波等;《计算机应用研究》;20150311;第32卷(第1期);第71-74页 *

Also Published As

Publication number Publication date
CN106532772A (zh) 2017-03-22

Similar Documents

Publication Publication Date Title
CN106532772B (zh) 一种基于改进正交优化群智能算法的分布式电源规划方法
CN103903073B (zh) 一种含分布式电源及储能的微电网优化规划方法及系统
CN108832656B (zh) 基于电转气和可再生能源利用微能源网多目标规划方法
CN109871989A (zh) 一种含分布式电源的配电网分层规划方法
CN107591844A (zh) 考虑节点注入功率不确定性的主动配电网鲁棒重构方法
CN104268712B (zh) 基于改进的混合多种群进化算法的能源平衡与调度方法
CN111681130A (zh) 一种考虑条件风险价值的综合能源系统优化调度方法
CN109066692A (zh) 一种分布式能源接入的电力网络潮流优化方法
CN111860950B (zh) 一种虚拟电厂功率可调能力的概率评估方法
CN103580061A (zh) 微电网运行方法
CN105186499A (zh) 一种配电网多目标概率最优潮流模糊建模与求解方法
CN115640963A (zh) 一种考虑投资运营模式的海上风电接入系统鲁棒规划方法
CN105071433A (zh) 一种分布式电源的优化配置方案
CN110912177A (zh) 一种多端柔性直流输电系统多目标优化设计方法
CN112561273B (zh) 一种基于改进pso的主动配电网可再生dg规划方法
CN104617585A (zh) 无功补偿配置方法
CN105069236A (zh) 考虑风电场节点空间相关性的广义负荷联合概率建模方法
CN112134309A (zh) 一种适用于配电网分布式电压控制的新型分区方法
Xiao et al. Optimal sizing and siting of soft open point for improving the three phase unbalance of the distribution network
CN113690930B (zh) 基于nsga-iii算法的分布式光伏电源中长期选址定容方法
CN111509784A (zh) 计及不确定性的虚拟电厂鲁棒出力可行域辨识方法及装置
CN113283077B (zh) 考虑相关性的电-热-氢综合能源系统区间能流计算方法
Li et al. Optimization design of hybrid energy storage capacity configuration for electric ship
CN116799856A (zh) 一种多微网系统的能量控制方法、控制器及系统
CN109066709B (zh) 一种基于元模型的分布式电源就地电压控制策略改进方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant