当前位置:主页 > 科技论文 > 电气论文 >

基于K-means聚类粒子群算法的多点PV-DG日前分配计划

发布时间:2018-12-16 15:13
【摘要】:针对光伏分布式电源(PV-DG)将大量接入配电网的场景,提出了基于K-means聚类粒子群算法(PSO)的PV-DG日前出力优化算法。该算法通过K-means聚类法根据PV-DG依次接入不同配电网的节点每小时网损的分析对节点进行分类,结合设计的分配公式初始化并网节点的PV-DG出力,将此出力作为初始化粒子引入粒子群优化算中。将分时系数自回归滑动平均(ARMA)模型预测方法与常规ARMA预测方法进行了比较,仿真结果表明分时系数ARMA模型预测方法提高了预测精度;并将K-means聚类的粒子群算法与粒子群算法及模糊粒子群算法分别进行了比较,对比结果说明提出的优化方法进一步降低了网损。
[Abstract]:In view of the scenario that photovoltaic distributed generation (PV-DG) will be heavily connected to distribution network, a PV-DG pre-day output optimization algorithm based on K-means clustering particle swarm optimization (PSO) is proposed. The algorithm classifies nodes by K-means clustering method according to the analysis of hourly network loss of nodes connected to different distribution networks by PV-DG in turn, and initializes the PV-DG output of grid-connected nodes according to the designed allocation formula. This output force is introduced into the particle swarm optimization as an initialized particle. The prediction method of time-sharing coefficient autoregressive moving average (ARMA) model is compared with that of conventional ARMA model. The simulation results show that the prediction accuracy of time-sharing coefficient ARMA model is improved. The PSO algorithm based on K-means clustering is compared with PSO algorithm and fuzzy PSO algorithm respectively. The comparison results show that the proposed optimization method can further reduce the network loss.
【作者单位】: 国网湖北省电力公司信息通信公司;
【分类号】:TM714.3

【相似文献】

相关期刊论文 前10条

1 张亮;吕林;;利用粒子群算法解决电网优化购入电量[J];电力系统保护与控制;2009年22期

2 赵菲;焦彦军;;基于粒子群算法的输电线路参数辨识[J];陕西电力;2011年09期

3 徐余法;高洁;陈国初;;一种改进粒子群算法及其在风电场中的应用[J];华东理工大学学报(自然科学版);2012年03期

4 仲晓春;彭春华;陈佳琰;;基于改进粒子群算法的机组经济运行的博弈[J];华东交通大学学报;2008年03期

5 马立新;屈娜娜;单冠华;王守征;;电力系统无功优化的柯西粒子群算法[J];控制工程;2011年05期

6 王道军;孙俊;须文波;;量子粒子群算法在电力系统经济调度中的应用[J];计算机工程与设计;2008年19期

7 黄燕燕;彭春华;;改进粒子群算法在电力系统经济调度中的应用[J];电力科学与工程;2011年04期

8 周宣;;基于随机自适应粒子群算法的电力系统无功优化[J];计算机与现代化;2011年12期

9 郑禹;汪萍;;基于粒子群算法的稀布阵雷达防雷优化设计分析[J];电脑知识与技术;2013年08期

10 林国汉;章兢;刘朝华;赵葵银;;改进粒子群算法优化扩展卡尔曼滤波器电机转速估计[J];计算机应用研究;2013年07期

相关会议论文 前6条

1 刘文许;林礼清;温步瀛;;电力市场下基于改进粒子群算法的AGC机组选择[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集(中册)[C];2008年

2 王征;刘大宝;王家林;王永骥;;基于离散粒子群算法的船舶电力系统重构研究[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年

3 马飞;陈雪波;李小华;;改进的粒子群算法在电力系统AGC中的应用[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年

4 刘畅;李渝曾;李海英;;基于遗传算法与粒子群算法的机组开停机规划[A];2008中国电力系统保护与控制学术研讨会论文集[C];2008年

5 曹蕴;盛四清;姚煜;;基于混沌粒子群算法的配电网规化[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集(上册)[C];2008年

6 于腾凯;李燕青;谢庆;;基于改进粒子群算法的配电网分段开关优化研究[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集(中册)[C];2008年

相关博士学位论文 前3条

1 李庆伟;粒子群算法及电厂若干问题的研究[D];东南大学;2016年

2 黄平;粒子群算法改进及其在电力系统的应用[D];华南理工大学;2012年

3 张震;骨干粒子群算法及其在电力变压器设计中的应用[D];浙江大学;2014年

相关硕士学位论文 前10条

1 陈百霞;考虑风电场并网的电力系统无功优化[D];山东大学;2015年

2 付燕杰;独立型风/光/储发电系统容量配置的优化研究[D];内蒙古工业大学;2015年

3 肖海波;基于改进粒子群算法的水—火发电系统联合调度[D];华北电力大学;2015年

4 杨三根;风电与水电联合调度问题研究[D];电子科技大学;2015年

5 赵毅薇;直觉模糊粒子群算法在发电机组启动策略中的应用[D];电子科技大学;2014年

6 周东瑞;基于粒子群算法的配电局域网无功优化研究[D];山东大学;2015年

7 朱良;基于云计算和优化KMeans的电力不良数据辨识[D];华北电力大学;2015年

8 甄真;包头地区含风电场电力系统的无功优化研究[D];华北电力大学;2015年

9 侯硕楠;改进的粒子群算法及其在电力系统无功优化中的应用[D];东北大学;2014年

10 黄知伟;基于云粒子群算法的含DG配电网故障定位[D];湖北工业大学;2016年



本文编号:2382555

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/dianlidianqilunwen/2382555.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户29d43***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com