基于改进退火粒子群算法的分布式电源选址和定容的规划研究

发布时间：2017-08-05 23:13

  本文关键词：基于改进退火粒子群算法的分布式电源选址和定容的规划研究

  更多相关文章： 分布式电源 选址和定容 潮流计算 改进退火粒子群算法

【摘要】：近年来,随着电力技术的进步和电力行业的持续发展,DG(Distributed Generation,分布式电源)得到了广泛的研究和应用。DG并入电网可以节省投资、降低能耗、提高供电可靠性,但是DG大规模接入电网,使得电网规划、电力系统负荷预测面临更多不确定因素。同时,DG并网的位置和容量对配电网网损、电能质量、继电保护等方面会带来一定的影响,为保证电网安全可靠运行,有必要对DG的位置和容量进行合理规划。本文在总结国内外学者研究的基础上,分析了目前常见算法的缺陷,以及规划模型的不足,提出ISAPSO(Improved Simulated Annealing Particle Swarm Optimization,改进退火粒子群)算法对DG进行选址和定容的规划。论文主要完成以下研究内容:(1)针对PSO(Particle Swarm Optimization,粒子群)算法容易陷入局部最优,且后期收敛速度慢的情况,对算法进行改进。将SA(Simulated Annealing,模拟退火)算法与PSO算法结合形成SAPSO(Simulated Annealing Particle Swarm Optimization,模拟退火粒子群)算法,并且在SAPSO算法的基础上,引入了遗传算法中的交叉运算与变异运算进行改进,得到了ISAPSO算法。该算法提高了种群的多样性,能有效地使算法跳出局部最优。通过经典测试函数分别对ISAPSO算法、SAPSO算法以及PSO算法进行仿真分析,得出ISAPSO算法相比其他两个算法具有较高的收敛精度,寻优效果明显增强。(2)采用ISAPSO算法进行DG选址和定容的规划。首先将DG分别等效为不同的节点类型,通过前推回代法求解含不同DG的潮流计算。在处理PV节点时,通过无功分摊原理设定无功初值,采用无功补偿的方法进行功率修正。然后在DG个数、位置和单个电源容量均不确定的情况下,建立了DG选址和定容的经济费用最小的数学模型。该模型以DG投资及运行费用、网络损耗费用、年购电费用和环境污染费用为目标函数,并考虑了潮流约束、节点电压约束、导线电流约束和DG容量约束。最后应用ISAPSO算法,实现DG的选址和定容问题的精确求解。(3)IEEE33节点配电系统算例仿真表明,采用ISAPSO算法能有效解决DG选址和定容的规划问题,将规划结果与SAPSO算法及PSO算法进行对比分析,结果表明ISAPSO算法能够得到更高经济效益的规划方案。此外,DG接入配电系统后,有提高系统电压水平的作用,使电网能更加经济、安全和可靠地运行。
【关键词】：分布式电源 选址和定容 潮流计算 改进退火粒子群算法
【学位授予单位】：兰州交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18;TM715
【目录】：

• 摘要4-5
• Abstract5-9
• 1 绪论9-15
• 1.1 研究背景9-11
• 1.2 国内外研究现状11-13
• 1.2.1 国内研究现状11-12
• 1.2.2 国外研究现状12-13
• 1.3 存在的问题和研究意义13
• 1.4 论文的主要内容13-15
• 2 分布式发电技术及其对电力系统的影响15-20
• 2.1 DG的类型15-17
• 2.1.1 风力发电15
• 2.1.2 太阳能光伏发电15-16
• 2.1.3 燃料电池16-17
• 2.1.4 微型燃气轮机17
• 2.2 分布式电源并网对电力系统的影响17-19
• 2.2.1 分布式发电对电力系统电能质量的影响17-18
• 2.2.2 分布式发电对电力系统安全和可靠性的影响18
• 2.2.3 分布式发电对电力系统保护的影响18-19
• 2.2.4 分布式发电对电力系统网损的影响19
• 2.3 小结19-20
• 3 ISAPSO算法的介绍20-30
• 3.1 PSO优化算法的基本原理介绍20-21
• 3.2 SAPSO算法的基本原理介绍21-23
• 3.2.1 SA算法的基本原理21-22
• 3.2.2 SAPSO算法的基本原理22-23
• 3.3 ISAPSO算法的具体改进过程23-26
• 3.3.1 引入自适应调节参数23-24
• 3.3.2 引入交叉运算24-25
• 3.3.3 引入变异运算25
• 3.3.4 ISAPSO算法流程25-26
• 3.4 算例测试26-29
• 3.5 小结29-30
• 4 基于ISAPSO算法的DG选址和定容的规划30-44
• 4.1 含不同DG的潮流计算30-38
• 4.1.1 含DG的配电网数学模型30-31
• 4.1.2 不同DG的潮流计算模型31-32
• 4.1.3 PV节点的处理32-34
• 4.1.4 潮流计算流程34-35
• 4.1.5 仿真分析35-38
• 4.2 DG选址和定容的多目标模型38-41
• 4.2.1 DG规划中各目标函数的确定38-39
• 4.2.2 DG规划的约束条件39-40
• 4.2.3 DG规划中各目标权值的计算40-41
• 4.3 基于ISAPSO算法的DG选址和定容的求解过程41-43
• 4.3.1 产生DG规划方案的初始群体41
• 4.3.2 基于ISAPSO算法的DG规划的求解步骤41-43
• 4.4 小结43-44
• 5 DG选址和定容规划的算例分析44-49
• 5.1 算法中规划模型及参数的选取44-45
• 5.2 3种算法仿真结果分析45-48
• 5.3 小结48-49
• 结论49-50
• 致谢50-51
• 参考文献51-54
• 附录A IEEE33节点配电系统节点负荷数据54-55
• 附录B IEEE33节点配电系统线路阻抗数据55-56
• 攻读学位期间的研究成果56

【参考文献】

中国期刊全文数据库 前10条

1 周佳佳;杨侃;邓丽丽;;基于粒子群算法的水电站厂内经济运行新算法[J];中国农村水利水电;2014年06期

2 栗然;申雪;钟超;杨天;;考虑环境效益的分布式电源多目标规划[J];电网技术;2014年06期

3 王秀丽;赵兴勇;曹建文;袁晓明;;基于改进粒子群算法的分布式电源选址定容优化设计[J];大连理工大学学报;2014年03期

4 丁晓群;周春泉;杨保;姜相明;;基于多种群免疫算法的分布式电源选址与定容[J];电测与仪表;2014年04期

5 吕涛;唐巍;丛鹏伟;薄博;;分布式电源与配电网架多目标协调规划[J];电力系统自动化;2013年21期

6 王振树;林梅军;刘岩;卞绍润;;考虑光伏并网的配电网潮流计算[J];电工技术学报;2013年09期

7 闫丽梅;谢一冰;徐建军;薛晨光;赵海龙;白丽丽;;改进的前推回代法在含分布式电源配电网计算中的应用[J];西安交通大学学报;2013年06期

8 郑申海;胡小兵;郑满满;刘瑞杰;;改进粒子群和模拟退火混合算法及其应用[J];计算机技术与发展;2013年07期

9 罗蔚宁;;分布式发电对配电网的电压影响研究[J];内蒙古石油化工;2013年02期

10 徐迅;陈楷;龙禹;程浩忠;倪炜;王自桢;王晓丹;;考虑环境成本和时序特性的微网多类型分布式电源选址定容规划[J];电网技术;2013年04期

，

本文编号：627360