改进的粒子群优化算法在分布式电源选址和定容中的应用

《改进的粒子群优化算法在分布式电源选址和定容中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据2008年2月第23卷第2期电工技术学报TRANSACTIONSOFCHINAELECTROTECHNICALSOCIETYV01．23No．2Feb．2008改进的粒子群优化算法在分布式电源选址和定容中的应用刘波张焰杨娜(上海交通大学电气工程系上海200240)摘要分析了分布式电源接入配电网前后对网络损耗的影响，在此基础上提出采用混合模拟退火算法的改进粒子群优化算法进行分布式电源选址和定容的计算，其目的是使配电系统网络损耗进一步减少．最后通过两个算例将本文提出的算法与采用遗传算法、模拟退

2、火算法的计算结果进行对比分析，验证了所提出的改进算法在分布式电源选址和定容问题求解中具有很强的全局搜索能力和快速的收敛速度，为迸一步开展分布式电源规划拓展思路．关键词：分布式电源配电网网络损耗改进粒子群算法中图分类号：TM74ImprovedParticleSwarmOptimizationMethodandItsApplicationintheSitingandSizingofDistributedGenerationPlanningLiuBoZhangYanYangNa(ShanghaiJia

3、otongUniversityShanghai200240China)AbstractThispaperanalysestheinfluenceofnetworklosswhendistributiongeneration(DG)accesstodistributionnetwork，andpresentsanewalgorithmtooptimizethesiteandsizeofDGbasedonintegratingtheuseofsimulatedannealing(SA)andparti

4、cleswarmoptimal(PSO)algorithm．Thepurposedalgorithmistofindhowmuchdistributionnetworklosscanbefurtherreduced．Withtwoexamplesthesuperiorityoftheproposedalgorithmisdemonstratedincomparisonwiththegeneticalgorithmsandsimulatedannealingalgorithm．Thecalculat

5、ionresultsshowthattheproposedalgorithmtosolvetheprobtemofdistributedgenerationplanninghasstrongglobalsearchabitityandrapidconvergencespeed．Keywords-Distributiongeneration，distributionnetwork，networkloss，improvedparticleswarmalgorithm1引言近年来，随着国民经济的快速发展

6、，能源消耗日益增长，以集中式单一供电方式为主要特征的电力系统所引起的环境问题、能源问题、稳定性问题，以及经济性等问题⋯越来越引起人们的重视，进一步促使诸如微型燃气轮机、太阳能发电、风力发电、燃料电池等各种形式的分布式电源的发展和应用。由于分布式电源具有诸如能够安装在负荷中心、低投资成本、能够及时跟踪负荷变化，以及提高系统收稿日期2007．01．30改稿日期2007．03—22暂态稳定和电压稳定等优点【2。51而具有很好的应用前景。‘当分布式电源(DistributionGeneration，DG)

7、接入配电网后，各支路的潮流方向将发生改变，随之将引起配电网网络损耗的变化，使得网络损耗不仅与负荷大小有关，同时还与DG的安装位置以及分配到各节点的功率值有关，网络损耗随着分布式电源容量大小及位置的不同而不同。求解分布式电源选址和定容的问题属于求解多变量可行解问题，虽然也可以通过列举各种可行的方案来解决，但相当困难。近年来，国内外众多学万方数据104电工技术学报2008年2月者在这方面做了较多的研究工作。文献【6】提出采用简化梯度法寻求分布式电源安装配置问题的最优解，但是往往很容易陷入局部最优。文献

8、[7】采用Tabu搜索算法求解此问题。文献[8】考虑在分布式电源个数、位置和容量不确定的情况下，应用遗传算法对分布式电源的选址和定容问题进行优化。文献【9】和文献【10】分别提出了采用新的进化方法和遗传算法与模拟退火算法混合求解在网络损耗最优情况下的分布式电源安装位置问题。此外，文献【11】提出了一种在配电网扩展规划中进行分布式电源选址和定容的方法，并应用遗传算法优化分布式电源的位置和容量。但是上述采用的诸如遗传算法收敛速度比较慢、精度低、易陷入局部最优；模拟退火算法一般计算时间较