简介:快速的非支配排序遗传算法(NSGA-Ⅱ)可以使每次进化过程中得到的个体分布均匀,具有较好的收敛性和鲁棒性。本文分析了当前遗传算法(GA)的缺陷,将NSGA-Ⅱ应用到配电网的故障恢复重构中,并提出通过一种Pareto寻优路径(POP)控制选择操作的方法,一方面可以扩大搜索面积、避免陷入局部最优;另一方面可以适时地停止进化、减少多余的计算。另外,本文根据模糊集理论确定故障恢复重构的最终解决方案,使NSGA-Ⅱ算法适用于恢复重构问题。算例结果表明,POPNSGA-Ⅱ算法与GA、NSGA-Ⅱ算法相比具有更强的寻优能力,是一种解决配电网故障恢复重构问题的新方法。
简介:随着能源新时代的到来,分布式电源技术日趋成熟,配电网的结构日益复杂,传统电网正在向能源互联网的形式变革。当分布式电源大量接入配电网时,需要多台DG并联运行,优化各DG的容量和接入位置,合理地进行功率分配,最大效率地发挥分布式电源"节能减排"的优点,成为现代电力工业技术领域新的研究热点。本文针对含多种分布式电源的配电网,以发电成本最优、CO2排放最少和电能损耗最小为目标,建立经济调度模型和综合环保优化模型。经济调度模型中将各优化目标转化为经济因素,运算出配网总经济效益最优的运行状态;综合环保优化模型中,给各指标值赋予权重,通过各指标权重值的变化来满足配网不同的运行要求。
简介:提出了一种基于模糊优化多目标进化算法(FMOEA)的配电网故障定位新方法。FMOEA对基于排序选择的传统多目标进化算法进行改良,有效避免了其种群早熟的问题,在排序结果中引入模糊优选决策因子,得到本代个体的最终适应度值,之后再经过复制、交叉、变异和迭代等过程,直到满足终止条件得到最终的Pareto解集;最后对适用于故障定位的最优解集处理办法进行了探讨与分析,以便从最优解集中筛选出符合故障情况的唯一解。算例仿真测试针对不同的配电网系统结构,分别模拟系统单点、多点故障,以及信息完备与部分信息畸变的情况,结果表明该算法可以实现配电网故障的:有效定位,通过对比遗传算法,验证了该方法寻找全局最优Pareto解集的有效性及良好的收敛性能。
简介:综合考虑分布式电源、电动汽车充放电和分布式储能运行的协调配合,并与不同类型无功补偿装置输出无功功率的协同控制,以配电网有功网损及电压波动量最小化为目标函数,建立配电网无功优化的多目标优化模型。考虑风速的概率特性、日照强度的不确定性、荷电状态和充放电特性以及运行效率,构建分布式风电机组出力、光伏发电系统出力、电动汽车充放电功率以及储能装置充放电功率的随机模型。选择DG、DS和EV等无功功率作为控制变量,采用遗传算法对优化问题进行求解。仿真计算表明了本文构建的无功优化模型的适应性和所提算法的可行性和有效性。