含分布式电源的配电网多目标优化配置研究
发布时间：2021-08-20 03:14
随着工业的快速发展和居民用电需求的不断增加,由于传统发电方式的资源匮乏和环境污染严重等问题,传统发电方式已不能满足现状,而分布式电源（Distributed Generation）的加入很好的缓解了这一问题。现阶段,DG与传统发电方式互为补充成为国家建设智能电网不可或缺的一部分,如何在保证配电网稳定运行的前提下,提高系统对DG的接纳能力以及最大限度地发挥其并网作用具有重要的研究意义。论文针对含DG的配电网优化配置问题展开研究工作,主要工作归纳如下:本文综述了近年来含DG的配电网优化研究现状,包括国内外研究者对该问题处理的模型以及算法,在此基础上对现有成果尚存不足的部分展开研究。介绍应用较为广泛的DG,分析DG在潮流计算中不同节点类型的处理方式。并仿真分析DG并网后产生的影响,得知DG在配电网中的位置和容量是产生积极作用的关键。基于配电网技术指标的要求,分别构建以网络损耗和静态电压稳定性指标最小化为目标函数的优化模型。针对自适应遗传算法在求解优化模型过程中仍有几率会陷入局部最优的问题,改进算法中的交叉变异算子机制,并将所提出的算法应用到优化模型中。最后,通过算例分析,表明算法在收敛性上具...
【文章来源】：曲阜师范大学山东省
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
011-2018年我国新能源发电量占比Figure1-1ProportionofrenewableenergypowergenerationinChinafrom2011to2018分布式电源占据新能源发电中的重要地位，随着国家战略的推进，以山东省为例，光伏发电的装机容量快速上升
第2章分布式电源分类及其并网影响9图2-1风力机功率输出曲线Figure2-1Windpoweroutputcurve图中：rP为风机的额定功率；rV为额定风速；ciV为切入风速；coV为切除风速。风速在ciV~rV范围内时，其输出功率rP与之呈近似的正比关系；风速在rV~coV范围内，输出功率不变。因此在风力发电时对风机进行合理地控制，可以使得在一定风速范围内维持其输出功率的恒定。风力发电机的基本原理：风力发电机发电时通过风力机中风轮将风功率转为转子的机械功率，而风功率并不能完全被利用，风力机从风中获取的能量与风轮扫过面积内的风能比值表示风能利用系数：32PPCSv(2.1)式中：P为风轮获取的风功率；为空气密度；S为风轮扫风面积；v为风速。常见的风力发电系统可以分为恒速恒频发电系统和变速恒频发电系统两种[56]。恒速恒频发电系统一般采用的是笼型异步发电机，其结构简单只需在发电机与升压变压器之间安装并联补偿电容器组，生产成本较低，维护也比较方便。但对风能的利用率相对较低，当并网运行时对配电网吸收无功功率，这使并网的工作又增加了许多难度。变频恒速发电系统中包括双馈型风力发电系统和直驱型风力发电系统。在结构上比前者多出一个变频器，实现变速恒频调节功能。优点是其变流器功率远小于风机额定功率，可忽略对系统的影响，并且可实时根据电网需求和自然环境变化来改变风机输出，与电网实现柔性连接，减小电压波动。2.2.2光伏发电光伏发电技术同风力发电一样具有环保性、灵活性以及投资成本低等优点，广泛应用于各个领域。光伏发电的安装受限较小，可安装于用户附近，满足用户用电量外其余电量可以上网。近年来由于并且政府补贴力度大，户用型光伏发电流行甚广。光伏发电的基本原理是利用光伏效应，通过
第2章分布式电源分类及其并网影响10图2-2单个光伏电池数学模型Figure2-2Schematicdiagramofmathematicalmodelofasinglesolarcell上图中：当外接负载时，负载电流I与PHDSHI、I、I的关系为：PHDSHIIII(2.2)负载电压V与二极管电压DV关系为：DSVVRI(2.3)PHI为光伏电池的电流，当V=0时，短路电流SCI为：PHSHII(2.4)通常情况下，一般忽略并联电阻SHR，只考虑串联电阻SR的影响，可得负载电流为：DSCIII(2.5)可并网的光伏发电系统通常可分为两类，即不可调度式光伏发电系统和可调度式光伏发电系统[57]，可调度式光伏发电系统需要通过逆变器与配电网相连，系统中的蓄电池组可进行充放电控制，进而完成对电能的管理。当断电时，可以实现UPS功能，继续为本地负载提供电能，对电网具有一定的调峰功能，该系统比不可调度式发电系统具有更强的功能性，但由于前者重中蓄电池的寿命有限，使用年限远不及系统中其他部件，加装蓄电池组后成本变高，相应的系统体积也变大，所以目前应用较少。该发电系统结构如图2-3所示。图2-3可调度型光伏发电系统Figure2-3Dispatchedphotovoltaicpowergenerationsystem相比于可调度式光伏并网发电系统，不可调度式光伏发电系统性价比更高，其集成度和可靠性高，系统的整体体积更小，安装调试比前者方便[58]。该类光伏发电系统主要分为四种结构：工频变压器隔离方式，用于实现电压变换和电气隔离，是应用较多的一种结构；高频变压器隔离方式，通过变换器抬高电压水平后再逆变并网，效率较高；高频无变压器
【参考文献】：
期刊论文
[1]基于改进萤火虫算法的分布式电源的选址和定容[J]. 史吏,李先栋,张涛,许强,贾轩. 计算技术与自动化. 2019(04)
[2]分布式电源接入配电系统优化规划方案[J]. 林昶咏,吴桂联,张林垚,施鹏佳. 现代电力. 2019(06)
[3]基于NSGA-Ⅱ算法的多目标优化分布式发电选址定容研究[J]. 李宏博. 机电信息. 2019(30)
[4]改进遗传算法在含DG配电网故障定位中的应用[J]. 郭保健,卞显新. 重庆工商大学学报(自然科学版). 2019(05)
[5]基于纵横交叉算法的分布式电源优化配置方法[J]. 蔡永智,阙华坤,李健,郭文翀. 南方电网技术. 2019(08)
[6]基于APSO算法的分布式风电源选址定容优化[J]. 陈浩,马平. 青岛农业大学学报(自然科学版). 2019(03)
[7]基于改进天牛须搜索算法的分布式电源选址定容[J]. 卢光辉,滕欢,廖寒逊,吴泽穹. 电测与仪表. 2019(17)
[8]智能电网建设中分布式电源的规划[J]. 乐敏. 电子技术与软件工程. 2019(11)
[9]多目标进化算法性能评价指标综述[J]. 胡涵,李振宇. 软件导刊. 2019(09)
[10]基于遗传-蚁群算法的交直流配电网分布式电源优化配置[J]. 芮松华,刘海璇,王洪波,尹德扬,梅飞. 电力建设. 2019(04)
硕士论文
[1]智能粒子群算法在分布式能源规划中的应用[D]. 张雪姿.中国矿业大学 2019
[2]配电网中分布式电源的多目标优化在莱芜地区的应用[D]. 李海升.山东大学 2018
[3]基于粒子群—蚁群混合算法的DG选址与定容研究[D]. 杨钧凯.沈阳农业大学 2018
[4]基于遗传算法的配电网DG位置和容量优化研究[D]. 海伦.华北电力大学(北京) 2017
[5]分布式电源并网多目标规划与决策研究[D]. 吴雄.重庆大学 2017
[6]基于改进遗传算法的分布式电源选址和定容研究[D]. 柴智莉.天津大学 2017
[7]配电网分布式电源优化配置[D]. 陈春泉.广东工业大学 2013
[8]配电网继电保护对分布式风力发电接入的适应性研究[D]. 翟佳俊.华中科技大学 2013
[9]分布式电源对配电网网损影响及配置的研究[D]. 马明.南京理工大学 2007
[10]恒速与变速风力发电系统比较研究[D]. 杨威.河海大学 2007
本文编号：3352696
【文章来源】：曲阜师范大学山东省
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
011-2018年我国新能源发电量占比Figure1-1ProportionofrenewableenergypowergenerationinChinafrom2011to2018分布式电源占据新能源发电中的重要地位，随着国家战略的推进，以山东省为例，光伏发电的装机容量快速上升
第2章分布式电源分类及其并网影响9图2-1风力机功率输出曲线Figure2-1Windpoweroutputcurve图中：rP为风机的额定功率；rV为额定风速；ciV为切入风速；coV为切除风速。风速在ciV~rV范围内时，其输出功率rP与之呈近似的正比关系；风速在rV~coV范围内，输出功率不变。因此在风力发电时对风机进行合理地控制，可以使得在一定风速范围内维持其输出功率的恒定。风力发电机的基本原理：风力发电机发电时通过风力机中风轮将风功率转为转子的机械功率，而风功率并不能完全被利用，风力机从风中获取的能量与风轮扫过面积内的风能比值表示风能利用系数：32PPCSv(2.1)式中：P为风轮获取的风功率；为空气密度；S为风轮扫风面积；v为风速。常见的风力发电系统可以分为恒速恒频发电系统和变速恒频发电系统两种[56]。恒速恒频发电系统一般采用的是笼型异步发电机，其结构简单只需在发电机与升压变压器之间安装并联补偿电容器组，生产成本较低，维护也比较方便。但对风能的利用率相对较低，当并网运行时对配电网吸收无功功率，这使并网的工作又增加了许多难度。变频恒速发电系统中包括双馈型风力发电系统和直驱型风力发电系统。在结构上比前者多出一个变频器，实现变速恒频调节功能。优点是其变流器功率远小于风机额定功率，可忽略对系统的影响，并且可实时根据电网需求和自然环境变化来改变风机输出，与电网实现柔性连接，减小电压波动。2.2.2光伏发电光伏发电技术同风力发电一样具有环保性、灵活性以及投资成本低等优点，广泛应用于各个领域。光伏发电的安装受限较小，可安装于用户附近，满足用户用电量外其余电量可以上网。近年来由于并且政府补贴力度大，户用型光伏发电流行甚广。光伏发电的基本原理是利用光伏效应，通过
第2章分布式电源分类及其并网影响10图2-2单个光伏电池数学模型Figure2-2Schematicdiagramofmathematicalmodelofasinglesolarcell上图中：当外接负载时，负载电流I与PHDSHI、I、I的关系为：PHDSHIIII(2.2)负载电压V与二极管电压DV关系为：DSVVRI(2.3)PHI为光伏电池的电流，当V=0时，短路电流SCI为：PHSHII(2.4)通常情况下，一般忽略并联电阻SHR，只考虑串联电阻SR的影响，可得负载电流为：DSCIII(2.5)可并网的光伏发电系统通常可分为两类，即不可调度式光伏发电系统和可调度式光伏发电系统[57]，可调度式光伏发电系统需要通过逆变器与配电网相连，系统中的蓄电池组可进行充放电控制，进而完成对电能的管理。当断电时，可以实现UPS功能，继续为本地负载提供电能，对电网具有一定的调峰功能，该系统比不可调度式发电系统具有更强的功能性，但由于前者重中蓄电池的寿命有限，使用年限远不及系统中其他部件，加装蓄电池组后成本变高，相应的系统体积也变大，所以目前应用较少。该发电系统结构如图2-3所示。图2-3可调度型光伏发电系统Figure2-3Dispatchedphotovoltaicpowergenerationsystem相比于可调度式光伏并网发电系统，不可调度式光伏发电系统性价比更高，其集成度和可靠性高，系统的整体体积更小，安装调试比前者方便[58]。该类光伏发电系统主要分为四种结构：工频变压器隔离方式，用于实现电压变换和电气隔离，是应用较多的一种结构；高频变压器隔离方式，通过变换器抬高电压水平后再逆变并网，效率较高；高频无变压器
【参考文献】：
期刊论文
[1]基于改进萤火虫算法的分布式电源的选址和定容[J]. 史吏,李先栋,张涛,许强,贾轩. 计算技术与自动化. 2019(04)
[2]分布式电源接入配电系统优化规划方案[J]. 林昶咏,吴桂联,张林垚,施鹏佳. 现代电力. 2019(06)
[3]基于NSGA-Ⅱ算法的多目标优化分布式发电选址定容研究[J]. 李宏博. 机电信息. 2019(30)
[4]改进遗传算法在含DG配电网故障定位中的应用[J]. 郭保健,卞显新. 重庆工商大学学报(自然科学版). 2019(05)
[5]基于纵横交叉算法的分布式电源优化配置方法[J]. 蔡永智,阙华坤,李健,郭文翀. 南方电网技术. 2019(08)
[6]基于APSO算法的分布式风电源选址定容优化[J]. 陈浩,马平. 青岛农业大学学报(自然科学版). 2019(03)
[7]基于改进天牛须搜索算法的分布式电源选址定容[J]. 卢光辉,滕欢,廖寒逊,吴泽穹. 电测与仪表. 2019(17)
[8]智能电网建设中分布式电源的规划[J]. 乐敏. 电子技术与软件工程. 2019(11)
[9]多目标进化算法性能评价指标综述[J]. 胡涵,李振宇. 软件导刊. 2019(09)
[10]基于遗传-蚁群算法的交直流配电网分布式电源优化配置[J]. 芮松华,刘海璇,王洪波,尹德扬,梅飞. 电力建设. 2019(04)
硕士论文
[1]智能粒子群算法在分布式能源规划中的应用[D]. 张雪姿.中国矿业大学 2019
[2]配电网中分布式电源的多目标优化在莱芜地区的应用[D]. 李海升.山东大学 2018
[3]基于粒子群—蚁群混合算法的DG选址与定容研究[D]. 杨钧凯.沈阳农业大学 2018
[4]基于遗传算法的配电网DG位置和容量优化研究[D]. 海伦.华北电力大学(北京) 2017
[5]分布式电源并网多目标规划与决策研究[D]. 吴雄.重庆大学 2017
[6]基于改进遗传算法的分布式电源选址和定容研究[D]. 柴智莉.天津大学 2017
[7]配电网分布式电源优化配置[D]. 陈春泉.广东工业大学 2013
[8]配电网继电保护对分布式风力发电接入的适应性研究[D]. 翟佳俊.华中科技大学 2013
[9]分布式电源对配电网网损影响及配置的研究[D]. 马明.南京理工大学 2007
[10]恒速与变速风力发电系统比较研究[D]. 杨威.河海大学 2007
本文编号：3352696
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3352696.html
