CN111062515A - 一种配电网分布式电源配置方法 - Google Patents

一种配电网分布式电源配置方法 Download PDF

Info

Publication number
CN111062515A
CN111062515A CN201911124474.6A CN201911124474A CN111062515A CN 111062515 A CN111062515 A CN 111062515A CN 201911124474 A CN201911124474 A CN 201911124474A CN 111062515 A CN111062515 A CN 111062515A
Authority
CN
China
Prior art keywords
ant
iteration
ants
positions
axis
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.)
Granted
Application number
CN201911124474.6A
Other languages
English (en)
Other versions
CN111062515B (zh
Inventor
王廷凰
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.)
Shenzhen Power Supply Bureau Co Ltd
Original Assignee
Shenzhen Power Supply Bureau Co Ltd
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 Shenzhen Power Supply Bureau Co Ltd filed Critical Shenzhen Power Supply Bureau Co Ltd
Priority to CN201911124474.6A priority Critical patent/CN111062515B/zh
Publication of CN111062515A publication Critical patent/CN111062515A/zh
Application granted granted Critical
Publication of CN111062515B publication Critical patent/CN111062515B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开一种配电网分布式电源配置方法，其通过蚁狮算法对配电网分布式电源的容量和位置进行优化，得到最优容量和位置配置。首先进行初始化，定义迭代次数、约束条件、种群数量，并设定以功率损耗和电压稳定性做为优化指标；接下来随机生成蚂蚁位置和蚁狮位置的，计算蚁狮位置的功率损耗和电压稳定指数，选择最优位置为现阶段最好配置；每只蚂蚁随机选择一个蚁狮位置，并在这两个位置之间游走。进行蚁狮算法迭代，更新蚂蚁的位置，如果位置的优化指标优于蚁狮位置，则此时蚂蚁的位置替换成新的蚁狮位置；判断是否达到最大迭代次数，如果没有，缩小空间范围，提升高收敛速度进行新一轮的迭代，如果达到最大迭代数，则输出此时最优位置并结束。

Description

一种配电网分布式电源配置方法
技术领域
本发明属于配电网技术领域，特别涉及一种配电网分布式电源配置方法。
背景技术
近年来，由于能源、环境、用电量等因素，新能源领域得到广泛的关注，分布式电源在电力系统的使用率也不断提升。分布式电源的高渗透率接入现有配电网的结构、网络潮流分布、网络线损等带来了极大的改变和影响。为了适应多类型、大容量的分布式电源接入网络，研究优化分布式电源的接入位置和容量，具有重要的现实紧迫意义。分布式电源的接入对配电网潮流的影响显著，通过优化分布式电源的容量和位置有效保证配电网的安全运行，并且降低有功功率和无功功率损耗，提升电压稳定指数。
因此，亟待提出一种用于对分布式电源的接入位置和容量进行优化配置的方法。
发明内容
本发明旨在提出一种配电网分布式电源配置方法，以通过优化分布式电源的容量和位置有效保证配电网的安全运行，并且降低有功功率和无功功率损耗，提升电压稳定指数。
本发明实施例提出一种配电网分布式电源配置方法，包括如下步骤：
步骤1、进行初始化，根据配电系统拓扑结构及分布式电源接入数量，定义迭代次数K、约束条件、蚁群数量M、蚁狮数量L，以容量SDG为横坐标，以接入位置PDG为纵坐标构建蚂蚁的行走的二维平面，并设定以功率损耗和电压稳定性做为优化指标F；
步骤2、随机生成蚂蚁和蚁狮的位置，计算所有蚁狮位置的F值，选择最优F值所对应的蚁狮位置作为最优配置RE，然后每只蚂蚁随机选择一个蚁狮位置，并同时围绕该蚁狮位置和最优配置RE所对应的位置之间进行游走；
步骤3、利用蚁狮算法进行迭代求解，更新蚂蚁的位置，判断每一蚂蚁当前的位置F值是否优于其选择的蚁狮位置的F值，如果是，则将其选择的蚁狮位置替换为蚂蚁当前的位置，如果不是，则进行步骤4；
步骤4、计算当前所有蚁狮位的F值，并将其中最优F值所对应的蚁狮位置作为新的最优配置RE；
步骤5、判断是否达到最大迭代次数K，如果达到最大，则输出最优配置RE，若没有达到，则返回步骤3继续迭代。
其中，所述步骤1中，
L≤N
(K×L)≤M
0.25MVA<SDG<2.5MVA
2≤PDG≤N
其中，SDG为分布式电源的容量，PDG为分布式电源的接入位置，N为配电系统拓扑结构中接入点数量；
其中，所述约束条件包括：
节点电压约束：
Figure BDA0002276377450000021
其中，
Figure BDA0002276377450000022
为节点n的电压；
负荷电流约束：
Figure BDA0002276377450000023
其中，I为配电网各线路的负荷电流，Imax为线路所能提供最大负荷电流；
分布式发电单元容量约束：SDG≤Smax；
其中，Smax为分布式电源的最大容量。
其中，所述设定以功率损耗和电压稳定性做为优化指标F具体如下公式所示：
F＝w1P+w2Nn
P＝Pl+Ql
Figure BDA0002276377450000031
其中，F为功率损耗和电压稳定性的优化指标，w1和w2为权重系数，P为总的功率损失，Pl为有功功率损耗，Ql为无功功率损耗，Xn为支路末路节点n的阻抗，Un为支路末路节点n的电压幅值。
其中，所述蚁狮算法迭代算法如下公式所示：
Figure BDA0002276377450000032
Figure BDA0002276377450000033
其中：
Figure BDA0002276377450000034
Figure BDA0002276377450000035
Figure BDA0002276377450000036
其中，Xx(k+1)为蚂蚁在第k+1次迭代中x轴的位置，Xy(k+1)为蚂蚁在第k+1次迭代中y轴的位置，Xx(k)为蚂蚁在第k次迭代中x轴的位置，Xy(k)为蚂蚁在第k次迭代中y轴的位置，ax代表蚂蚁在x轴随机游走的最小值，ay代表蚂蚁在y轴随机游走的最小值，bx代表蚂蚁在x轴随机游走的最大值，by代表蚂蚁在y轴随机游走的最大值，cx(k+1)代表蚂蚁在第k+1次迭代x轴随机游走的最大值，cy(k+1)代表蚂蚁在第k+1次迭代y轴随机游走的最大值，cx(k)代表蚂蚁在第k次迭代x轴随机游走的最大值，cy(k)代表蚂蚁在第k次迭代y轴随机游走的最大值，c(k)代表第k次迭代中蚂蚁游走最小值的向量，d(k+1)代表第k+1次迭代中蚂蚁游走最大值的向量，d(k)代表第k次迭代中蚂蚁游走最大值的向量，w为预设参数。
本发明实施例提出一种配电网分布式电源配置方法，将分布式电源的接入位置和容量指标结合起来，通过蚁狮算法对配电网分布式电源的容量和位置进行优化，得到最优容量和位置配置，对分布式电源的优化配置进行评估更加合理和准确。并且基于蚁狮算法的优化配置模型，可以有效提高最优解的搜索速度。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而得以体现。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例中一种配电网分布式电源配置方法流程图。
图2为本发明实施例中配电网分布式电源网络的拓扑单线图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例，都属于本发明保护的范围。
在此，还需要说明的是，为了避免因不必要的细节而模糊了本发明，在附图中仅仅示出了与根据本发明的方案密切相关的结构，而省略了与本发明关系不大的其他细节。
如图1所示，本发明实施例提出一种配电网分布式电源配置方法，图2为配电网分布式电源网络的拓扑单线图，图2有11个节点，参阅图1，所述方法包括如下步骤：
步骤1、进行初始化，根据配电系统拓扑结构及分布式电源接入数量，定义迭代次数K、约束条件、蚁群数量M＝10、蚁狮数量L＝4，以容量SDG为横坐标，以接入位置PDG为纵坐标构建蚂蚁的行走的二维平面，并设定以功率损耗和电压稳定性做为优化指标F；
步骤2、随机生成蚂蚁和蚁狮的位置，计算所有蚁狮位置的F值，选择最优F值所对应的蚁狮位置作为最优配置RE，然后每只蚂蚁随机选择一个蚁狮位置，并同时围绕该蚁狮位置和最优配置RE所对应的位置之间进行游走；
具体而言，每只蚁狮拥有自己的狩猎范围，即局部范围，蚁狮的位置成为局部最优解；本步骤中随机生成的蚁狮的位置即横纵坐标分别代表容量和接入位置，计算其节点和容量对应的功率损耗和电压稳定指数，从而计算优化指标F。通过设定蚂蚁的游走范围，蚂蚁随机的进行游走。
步骤3、利用蚁狮算法进行迭代求解，更新蚂蚁的位置，判断每一蚂蚁当前的位置F值是否优于其选择的蚁狮位置的F值，如果是，则将其选择的蚁狮位置替换为蚂蚁当前的位置，如果不是，则进行步骤4；
步骤4、计算当前所有蚁狮位的F值，并将其中最优F值所对应的蚁狮位置作为新的最优配置RE；
步骤5、判断是否达到最大迭代次数K，如果达到最大，则输出最优配置RE，若没有达到，则返回步骤3继续迭代。
具体而言，步骤中判断是否达到最大迭代次数K，本实施例中K为4，如果达到最大迭代次数4，则输出最优位置RE，最优位置横坐标值对应的容量SDG，纵坐标值对应的接入位置PDG，则为配电网分布式电源位置和容量的最优配置。
其中，由于每一只蚂蚁围绕其对应的蚁狮位置和最优配置RE所对应的位置之间进行游走，因此，当迭代次数足够多时，可以通过迭代计算得到所述二维平面中所有位置所对应F值，由此，可以得到一个最优解的F值。对于本实施例而言，由于节点数为11，因此设置的最大迭代次数K为4。
其中，所述步骤1中，
L≤N
(K×L)≤M
0.25MVA<SDG<2.5MVA
2≤PDG≤N
其中，SDG为分布式电源的容量，PDG为分布式电源的接入位置，N为配电系统拓扑结构中接入点数量，本实施例中节点N为11。
其中，所述约束条件包括：
(1)节点电压约束：
Figure BDA0002276377450000061
其中，
Figure BDA0002276377450000071
为节点n的电压，Vmin为电压下限值，Vmax为电压上限值。
具体而言，配电网各节点的电压需要在一定范围内，因此，节点的电压需要满足以上电压约束条件。
(2)负荷电流约束：
Figure BDA0002276377450000072
其中，I为配电网各线路的负荷电流，Imax为线路所能提供最大负荷电流。
具体而言，配电网各线路的负荷电流I应小于线路所能提供最大负荷电流Imax的限制。
(3)分布式发电单元容量约束：SDG≤Smax；
其中，Smax为分布式电源的最大容量。
具体而言，配电网中各分布式电源的容量SDG不超过其最大容量限制Smax。
其中，所述设定以功率损耗和电压稳定性做为优化指标F具体如下公式所示：
F＝w1P+w2Nn
P＝Pl+Ql
Figure BDA0002276377450000073
其中，F为功率损耗和电压稳定性的优化指标，w1和w2为权重系数，P为总的功率损失，Pl为有功功率损耗，Ql为无功功率损耗，Xn为支路末路节点n的阻抗，Un为支路末路节点n的电压幅值。
具体而言，设定以功率损耗和电压稳定性做为优化指标，F值越小即代表系统越稳定，本实施例的优化目标即使得F值最小；其中，w1和w2优选为0.5。
其中，所述蚁狮算法迭代算法如下公式所示：
Figure BDA0002276377450000081
Figure BDA0002276377450000082
其中：
Figure BDA0002276377450000083
Figure BDA0002276377450000084
Figure BDA0002276377450000085
其中：
Xx(k+1)为蚂蚁在第k+1次迭代中x轴的位置(即x坐标值；对应容量大小)；
Xy(k+1)为蚂蚁在第k+1次迭代中y轴的位置(即y坐标值；对应接入位置)；
Xx(k)为蚂蚁在第k次迭代中x轴的位置(即x坐标值；对应容量大小)；
Xy(k)为蚂蚁在第k次迭代中y轴的位置(即y坐标值；对应接入位置)；
ax代表蚂蚁在x轴随机游走的最小值；
ay代表蚂蚁在y轴随机游走的最小值；
bx代表蚂蚁在x轴随机游走的最大值；
by代表蚂蚁在y轴随机游走的最大值；
cx(k+1)代表蚂蚁在第k+1次迭代x轴随机游走的最大值；
cy(k+1)代表蚂蚁在第k+1次迭代y轴随机游走的最大值；
cx(k)代表蚂蚁在第k次迭代x轴随机游走的最大值；
cy(k)代表蚂蚁在第k次迭代y轴随机游走的最大值；
c(k)代表第k次迭代中蚂蚁游走最小值的向量；
d(k+1)代表第k+1次迭代中蚂蚁游走最大值的向量；
d(k)代表第k次迭代中蚂蚁游走最大值的向量；
w为预设参数。
本发明实施例提出一种配电网分布式电源配置方法，将分布式电源的接入位置和容量指标结合起来，通过蚁狮算法对配电网分布式电源的容量和位置进行优化，得到最优容量和位置配置，对分布式电源的优化配置进行评估更加合理和准确。并且基于蚁狮算法的优化配置模型，可以有效提高最优解的搜索速度。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (5)

1.一种配电网分布式电源配置方法，其特征在于，包括如下步骤：
步骤1、进行初始化，根据配电系统拓扑结构及分布式电源接入数量，定义迭代次数K、约束条件、蚁群数量M、蚁狮数量L，以容量SDG为横坐标，以接入位置PDG为纵坐标构建蚂蚁的行走的二维平面，并设定以功率损耗和电压稳定性做为优化指标F；
步骤2、随机生成蚂蚁和蚁狮的位置，计算所有蚁狮位置的F值，选择最优F值所对应的蚁狮位置作为最优配置RE，然后每只蚂蚁随机选择一个蚁狮位置，并同时围绕该蚁狮位置和最优配置RE所对应的位置之间进行游走；
步骤3、利用蚁狮算法进行迭代求解，更新蚂蚁的位置，判断每一蚂蚁当前的位置F值是否优于其选择的蚁狮位置的F值，如果是，则将其选择的蚁狮位置替换为蚂蚁当前的位置，如果不是，则进行步骤4；
步骤4、计算当前所有蚁狮位的F值，并将其中最优F值所对应的蚁狮位置作为新的最优配置RE；
步骤5、判断是否达到最大迭代次数K，如果达到最大，则输出最优配置RE，若没有达到，则返回步骤3继续迭代。
2.如权利要求1所述的配电网分布式电源配置方法，其特征在于，所述步骤1中，
L≤N
(K×L)≤M
0.25MVA<SDG<2.5MVA
2≤PDG≤N
其中，SDG为分布式电源的容量，PDG为分布式电源的接入位置，N为配电系统拓扑结构中接入点数量。
3.如权利要求2所述的配电网分布式电源配置方法，其特征在于，所述约束条件包括：
节点电压约束：
Figure FDA0002276377440000021
其中，
Figure FDA0002276377440000022
为节点n的电压；
负荷电流约束：
Figure FDA0002276377440000023
其中，I为配电网各线路的负荷电流，Imax为线路所能提供最大负荷电流；
分布式发电单元容量约束：SDG≤Smax；
其中，Smax为分布式电源的最大容量。
4.如权利要求3所述的配电网分布式电源配置方法，其特征在于，所述设定以功率损耗和电压稳定性做为优化指标F具体如下公式所示：
F＝w1P+w2Nn
P＝Pl+Ql
Figure FDA0002276377440000024
其中，F为功率损耗和电压稳定性的优化指标，w1和w2为权重系数，P为总的功率损失，Pl为有功功率损耗，Ql为无功功率损耗，Xn为支路末路节点n的阻抗，Un为支路末路节点n的电压幅值。
5.如权利要求4所述的配电网分布式电源配置方法，其特征在于，所述蚁狮算法迭代算法如下公式所示：
Figure FDA0002276377440000025
Figure FDA0002276377440000031
其中：
Figure FDA0002276377440000032
Figure FDA0002276377440000033
Figure FDA0002276377440000034
其中，Xx(k+1)为蚂蚁在第k+1次迭代中x轴的位置，Xy(k+1)为蚂蚁在第k+1次迭代中y轴的位置，Xx(k)为蚂蚁在第k次迭代中x轴的位置，Xy(k)为蚂蚁在第k次迭代中y轴的位置，ax代表蚂蚁在x轴随机游走的最小值，ay代表蚂蚁在y轴随机游走的最小值，bx代表蚂蚁在x轴随机游走的最大值，by代表蚂蚁在y轴随机游走的最大值，cx(k+1)代表蚂蚁在第k+1次迭代x轴随机游走的最大值，cy(k+1)代表蚂蚁在第k+1次迭代y轴随机游走的最大值，cx(k)代表蚂蚁在第k次迭代x轴随机游走的最大值，cy(k)代表蚂蚁在第k次迭代y轴随机游走的最大值，c(k)代表第k次迭代中蚂蚁游走最小值的向量，d(k+1)代表第k+1次迭代中蚂蚁游走最大值的向量，d(k)代表第k次迭代中蚂蚁游走最大值的向量，w为预设参数。
CN201911124474.6A 2019-11-18 2019-11-18 一种配电网分布式电源配置方法 Active CN111062515B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911124474.6A CN111062515B (zh) 2019-11-18 2019-11-18 一种配电网分布式电源配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911124474.6A CN111062515B (zh) 2019-11-18 2019-11-18 一种配电网分布式电源配置方法

Publications (2)

Publication Number Publication Date
CN111062515A true CN111062515A (zh) 2020-04-24
CN111062515B CN111062515B (zh) 2022-10-14

Family

ID=70298500

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911124474.6A Active CN111062515B (zh) 2019-11-18 2019-11-18 一种配电网分布式电源配置方法

Country Status (1)

Country Link
CN (1) CN111062515B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116340839A (zh) * 2023-02-08 2023-06-27 北京大数据先进技术研究院 基于蚁狮算法的算法选择方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140257715A1 (en) * 2013-03-09 2014-09-11 Bigwood Technology, Inc. Robust Power Flow Methodologies for Distribution Networks with Distributed Generators
CN105119279A (zh) * 2015-08-28 2015-12-02 国家电网公司 一种分布式电源规划方法及其系统
CN107766991A (zh) * 2017-11-10 2018-03-06 国网浙江省电力公司电力科学研究院 一种分布式电源接入配电网的规划优化方法及系统
CN108988385A (zh) * 2018-07-25 2018-12-11 国家电网公司 一种分布式电源并网最优位置选取方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140257715A1 (en) * 2013-03-09 2014-09-11 Bigwood Technology, Inc. Robust Power Flow Methodologies for Distribution Networks with Distributed Generators
CN105119279A (zh) * 2015-08-28 2015-12-02 国家电网公司 一种分布式电源规划方法及其系统
CN107766991A (zh) * 2017-11-10 2018-03-06 国网浙江省电力公司电力科学研究院 一种分布式电源接入配电网的规划优化方法及系统
CN108988385A (zh) * 2018-07-25 2018-12-11 国家电网公司 一种分布式电源并网最优位置选取方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ASMAA H. ALI ET AL.: ""Optimal DG allocation in distribution systems using Ant lion optimizer"", 《2018 INTERNATIONAL CONFERENCE ON INNOVATIVE TRENDS IN COMPUTER ENGINEERING(ITCE2018)》 *
E.S.ALI ET AL.: ""Ant Lion Optimization Algorithm for optimal location and sizing of renewable distributed generations"", 《RENEWABLE ENERGY》 *
HAITAO LIU ET AL.: ""Optimal allocation of distributed generation based on multi-objective ant lion algorithm"", 《2019 IEEE PES INNOVATIVE SMART GRID TECHNOLOGIES ASIA》 *
M.J. HADIDIAN-MOGHADDAM ET AL.: ""A multi-objective optimal sizing and siting of distributed generation using ant lion optimization technique"", 《AIN SHAMS ENGINEERING JOURNAL》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116340839A (zh) * 2023-02-08 2023-06-27 北京大数据先进技术研究院 基于蚁狮算法的算法选择方法及装置
CN116340839B (zh) * 2023-02-08 2023-10-20 北京大数据先进技术研究院 基于蚁狮算法的算法选择方法及装置

Also Published As

Publication number Publication date
CN111062515B (zh) 2022-10-14

Similar Documents

Publication Publication Date Title
CN109888835B (zh) 一种基于改进粒子群的分布式光伏配电网规划方法
CN105449675B (zh) 优化分布式能源接入点和接入比例的电力网络重构方法
CN103955864B (zh) 基于改进和声搜索算法的电力系统多目标差异化规划方法
CN108448620B (zh) 基于综合性能指标的高渗透率分布式电源集群划分方法
CN106651628B (zh) 基于图论的区域冷热电综合能源优化配置方法及装置
CN101242103B (zh) 电力系统稳定器参数的智能优化方法
CN108599154A (zh) 一种考虑不确定性预算的三相不平衡配电网鲁棒动态重构方法
CN110265991B (zh) 一种直流微电网的分布式协调控制方法
CN111932012B (zh) 储能系统-分布式电源-电容器综合控制无功优化方法
CN105932691A (zh) 一种改进的和声搜索算法的复杂配电网无功优化方法
CN106067074B (zh) 一种通过优化链路的开关状态来提升电网系统鲁棒性的方法
CN111062515B (zh) 一种配电网分布式电源配置方法
Rashed et al. Optimal location of thyristor controlled series compensation in a power system based on differential evolution algorithm considering transmission loss reduction
CN109449994A (zh) 一种含柔性互联装置的主动配电网的功率调控方法
CN111146815B (zh) 一种智能配电网分布式发电规划配置方法
CN109672197A (zh) 一种考虑分布式电源出力不确定性的储能运行优化方法
CN110930263B (zh) 基于黑洞粒子群算法的含光伏电源和感应电动机的中压配电网短路电流计算方法
CN114417566A (zh) 一种基于moea/d的主动配电网多区域划分优化方法
CN111683376B (zh) 一种大田协同灌溉通信网络节点优化部署方法
CN112234599A (zh) 一种多元复杂城市电网超前动态自适应分区方法及其系统
Doagou-Mojarrad et al. Probabilistic interactive fuzzy satisfying generation and transmission expansion planning using fuzzy adaptive chaotic binary PSO algorithm
CN110190615A (zh) 一种微网储能系统控制策略优化方法
Ting et al. Multi-objective optimal configuration of two-stage reactive power compensation in power grids with power loss index
CN108667057A (zh) 一种针对高功率密度分布式光伏接入配电网多目标电能治理方法
CN107069787B (zh) 一种基于分布式梯度算法的储能系统充电优化方法

Legal Events

Date Code Title Description
PB01 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