考虑新能源与负荷不确定性的配网重构策略区间优化研究

发布时间：2017-09-23 19:26

  本文关键词：考虑新能源与负荷不确定性的配网重构策略区间优化研究

  更多相关文章： 配电网重构 新能源发电 区间数理论 多目标优化

【摘要】：随着全球环境的变化,风能和太阳能等可再生清洁能源发电在电力系统中受到了越来越大的重视。但是风能、太阳能等新能源的出力受到天气和环境的影响很大,预测值具有很大的不确定性,给电力系统的运行和控制带来许多问题。配电网络重构作为电力系统优化运行的一个重要措施,经常被用于提高电力系统的可靠性和经济性。在新能源接入的背景下,传统基于确定性方法的重构优化很难达到实际的最优,因此,研究如何考虑新能源发电不确定性的配电网络重构策略具有很大的实际意义。针对这一问题,本文所做的研究如下：利用区间潮流考虑新能源发电的不确定性,为配网重构的区间模型提供理论基础。区间潮流计算中采用前推回代法,利用区间数包含新能源出力预测的不确定性,同时通过对新能源出力的随机重复取值模拟实际的新能源发电的不确定性,将区间潮流计算的网损和电压结果值与有着实际输入效果的重复潮流计算结果值进行了对比,证明了区间理论在包含新能源不确定性出力的潮流计算中的有效性。建立了考虑经济最优的配网区间优化模型,模型中以网损及配网重构中的开关成本为目标函数,利用DE算法对此模型进行了优化求解。在不确定性输入波动不断增加时,成本区间中点值能保持稳定的最优解,说明成本区间中点值的优化结果能很好地接纳新能源的不确定性。但是成本区间和电压区间的半径值未能得到有效降低,为基于区间理论的多目标配电网重构模型提供了背景和一定的理论支撑。提出考虑不确定性的配网重构的多目标区间优化模型及改进方法。该模型中同时考虑了经济性和电压质量的要求,通过多目标的优化方法,可以在达到目标期望值的同时降低目标区间的波动值,把输入的波动性带来的影响降到最低,从而满足电力系统经济性和安全性多方面的要求,并满足决策者多样化的偏好。通过改进的多目标差分进化算法对模型进行了优化,其结果比其他算法在收敛性和分布性方面都有提升。本文主要围绕如何考虑新能源发电不确定性的配电网络重构进行了研究,建立了考虑经济最优的配网区间优化模型,以及配网重构的多目标区间模型,并通过改进的多目标算法对其进行了优化求解,为新能源接入背景下以及负荷具有波动性的配电网优化求解提供参考。
【关键词】：配电网重构 新能源发电 区间数理论 多目标优化
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM711
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-18
• 1.1 研究背景与意义10-11
• 1.2 国内外研究现状11-16
• 1.2.1 配网重构中的不确定性的处理11-12
• 1.2.2 配网重构的方法12-14
• 1.2.3 多目标的处理14-16
• 1.3 本文主要工作16-18
• 第2章 考虑不确定性的配网区间潮流计算18-33
• 2.1 区间数理论概述18-21
• 2.2 配电网潮流计算中的不确定性输入变量21-26
• 2.2.1 风电出力21-25
• 2.2.2 光伏出力25
• 2.2.3 电力负荷25-26
• 2.3 配网区间潮流计算26-28
• 2.3.1 配网中的不确定潮流计算26-27
• 2.3.2 基于区间理论的配网潮流计算27-28
• 2.4 配电网络重构模型28-31
• 2.4.1 配电网重构中的目标函数28-29
• 2.4.2 配电网重构中的约束29
• 2.4.3 配电网重构中的图论知识29-31
• 2.5 算例分析31-32
• 2.6 本章小结32-33
• 第3章 考虑开关调节成本的配网重构区间优化模型33-42
• 3.1 概述33
• 3.2 考虑开关调节成本的区间重构模型构建33-36
• 3.2.1 目标函数33-34
• 3.2.2 输入变量34
• 3.2.3 约束条件34-36
• 3.3 DE算法36-38
• 3.4 算例分析38-41
• 3.5 本章小结41-42
• 第4章 基于区间帕累托优化的多目标配网重构模型42-58
• 4.1 概述42
• 4.2 配网重构的多目标区间优化模型42-43
• 4.2.1 目标函数42-43
• 4.2.2 输入变量和约束条件43
• 4.3 基于Pareto多目标优化的基本概念43-44
• 4.4 MODE算法改进44-51
• 4.4.1 多目标进化算法(MOEA)44
• 4.4.2 MODE算法44-47
• 4.4.3 基于R支配的MODE算法47-50
• 4.4.4 基于Pareto多目标优化问题的评价指标50-51
• 4.5 算例分析51-57
• 4.5.1 利用目标加权与Pareto多目标进化算法的区别51-53
• 4.5.2 基于R支配的MODE算法分析53-57
• 4.6 本章小结57-58
• 结论与展望58-60
• 本文的主要研究内容和成果58-59
• 今后进一步研究工作展望59-60
• 参考文献60-67
• 致谢67-68
• 附录A 攻读硕士学位期间取得的研究成果68-69
• 附录B IEEE 33节点系统参数69-71

，

本文编号：907095