基于自适应粒子群算法的主动配电网日前有功调度
本文关键词:基于自适应粒子群算法的主动配电网日前有功调度 出处:《南方电网技术》2015年11期 论文类型:期刊论文
更多相关文章: 主动配电网 分布式能源 日前有功调度 粒子群算法
【摘要】:在主动配电网背景下,将可调度分布式发电(distributed generation,DG)、不可调度DG、储能单元和基于可中断负荷的需求侧响应等多种类型的分布式能源(distributed energy resources,DERs)纳入主动配电网管理调度中,以DERs日前24 h有功出力为优化变量,以一天内配电公司的运行成本最低为目标函数,建立了日前有功调度模型,采用自适应粒子群算法对所提出的模型进行求解。针对改进后的IEEE 33节点配电系统进行了仿真,结果表明对于各类DERs进行综合调度优化不仅能够满足配电网供电质量要求,而且能够有效管理和消纳分布式能源,为配电企业带来最佳的经济效益。
[Abstract]:In active distribution network background, will be scheduling of distributed generation (distributed generation, DG), not scheduling DG, storage unit based on distributed energy and interruptible load demand side response and other types (distributed energy, resources, DERs) into the active distribution network management, with DERs 24 h active contribute to the optimization of variables, with the lowest operation cost in a day distribution company as objective function, is established before the active scheduling model, using adaptive particle swarm optimization algorithm to solve the proposed model. The improved IEEE 33 node distribution system is simulated. The results show that for all kinds of DERs integrated scheduling optimization can not only to meet the power quality of the distribution network, but also can effectively manage and consumptive distributed energy, bring the best economic benefits for distribution enterprises.
【作者单位】: 中国电力科学研究院;中国农业大学信息与电气工程学院;
【基金】:国家电网公司科技项目(PD71-13-031)~~
【分类号】:TM73
【正文快照】: 0引言近年来,分布式能源接入配电网的规模逐步扩大。分布式能源的基本构成是分布式电源、储能和可控负荷等,其中分布式电源主要有光伏发电、风力发电以及微型燃气轮机等。由于配电网自身自动化水平不高、调度方式落后等问题,配电网对DG的消纳能力受到严重制约;此外,分布式发电
【相似文献】
相关期刊论文 前10条
1 全芙蓉;;粒子群算法的理论分析与研究[J];硅谷;2010年23期
2 吴军;李为吉;;改进的粒子群算法及在结构优化中的应用[J];陕西理工学院学报(自然科学版);2006年04期
3 段海涛;刘永忠;冯霄;;水系统优化的粒子群算法分析[J];华北电力大学学报(自然科学版);2007年02期
4 王伟;;混合粒子群算法及其优化效率评价[J];中国水运(学术版);2007年06期
5 付宜利;封海波;孙建勋;李荣;马玉林;;机电产品管路自动敷设的粒子群算法[J];机械工程学报;2007年11期
6 蒋荣华;王厚军;龙兵;;基于离散粒子群算法的测试选择[J];电子测量与仪器学报;2008年02期
7 周苗;陈义保;刘加光;;一种新的协同多目标粒子群算法[J];山东理工大学学报(自然科学版);2008年05期
8 姚峰;杨卫东;张明;;改进粒子群算法及其在热连轧负荷分配中的应用[J];北京科技大学学报;2009年08期
9 张大兴;贾建援;张爱梅;郭永献;;基于粒子群算法的三轴跟瞄装置跟踪策略研究[J];仪器仪表学报;2009年09期
10 王丽萍;江波;邱飞岳;;基于决策偏好的多目标粒子群算法及其应用[J];计算机集成制造系统;2010年01期
相关会议论文 前10条
1 朱童;李小凡;鲁明文;;位置加权的改进粒子群算法[A];中国科学院地质与地球物理研究所第11届(2011年度)学术年会论文集(上)[C];2012年
2 陈定;何炳发;;一种新的二进制粒子群算法在稀疏阵列综合中的应用[A];2009年全国天线年会论文集(上)[C];2009年
3 陈龙祥;蔡国平;;基于粒子群算法的时滞动力学系统的时滞辨识[A];第十二届全国非线性振动暨第九届全国非线性动力学和运动稳定性学术会议论文集[C];2009年
4 于颖;李永生;於孝春;;新型离散粒子群算法在波纹管优化设计中的应用[A];第十一届全国膨胀节学术会议膨胀节设计、制造和应用技术论文选集[C];2010年
5 刘卓倩;顾幸生;;一种基于信息熵的改进粒子群算法[A];系统仿真技术及其应用(第7卷)——'2005系统仿真技术及其应用学术交流会论文选编[C];2005年
6 熊伟丽;徐保国;;粒子群算法在支持向量机参数选择优化中的应用研究[A];2007中国控制与决策学术年会论文集[C];2007年
7 方卫华;徐兰玉;陈允平;;改进粒子群算法在大坝力学参数分区反演中的应用[A];2012年中国水力发电工程学会大坝安全监测专委会年会暨学术交流会论文集[C];2012年
8 熊伟丽;徐保国;;单个粒子收敛中心随机摄动的粒子群算法[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
9 马向阳;陈琦;;以粒子群算法求解买卖双方存货主从对策[A];第十二届中国管理科学学术年会论文集[C];2010年
10 赵磊;;基于粒子群算法求解多目标函数优化问题[A];第二十一届中国(天津)’2007IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2007年
相关博士学位论文 前10条
1 王芳;粒子群算法的研究[D];西南大学;2006年
2 安镇宙;家庭粒子群算法及其奇偶性与收敛性分析[D];云南大学;2012年
3 刘建华;粒子群算法的基本理论及其改进研究[D];中南大学;2009年
4 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
5 胡成玉;面向动态环境的粒子群算法研究[D];华中科技大学;2010年
6 张静;基于混合离散粒子群算法的柔性作业车间调度问题研究[D];浙江工业大学;2014年
7 张宝;粒子群算法及其在卫星舱布局中的应用研究[D];大连理工大学;2007年
8 刘宏达;粒子群算法的研究及其在船舶工程中的应用[D];哈尔滨工程大学;2008年
9 杨轻云;约束满足问题与调度问题中离散粒子群算法研究[D];吉林大学;2006年
10 冯琳;改进多目标粒子群算法的研究及其在电弧炉供电曲线优化中的应用[D];东北大学;2013年
相关硕士学位论文 前10条
1 张忠伟;结构优化中粒子群算法的研究与应用[D];大连理工大学;2009年
2 李强;基于改进粒子群算法的艾萨炉配料优化[D];昆明理工大学;2015年
3 付晓艳;基于粒子群算法的自调节隶属函数模糊控制器设计[D];河北联合大学;2014年
4 余汉森;粒子群算法的自适应变异研究[D];南京信息工程大学;2015年
5 梁计锋;基于改进粒子群算法的交通控制算法研究[D];长安大学;2015年
6 杨伟;基于粒子群算法的氧乐果合成过程建模研究[D];郑州大学;2015年
7 李程;基于粒子群算法的AS/RS优化调度方法研究[D];陕西科技大学;2015年
8 樊伟健;基于混合混沌粒子群算法求解变循环发动机数学模型问题[D];山东大学;2015年
9 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
10 戴玉倩;基于混合动态粒子群算法的软件测试数据自动生成研究[D];江西理工大学;2015年
,本文编号:1425069
本文链接:https://www.wllwen.com/kejilunwen/dianlilw/1425069.html