含分布式电源的配网重构改进算法

《含分布式电源的配网重构改进算法》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、第35卷第12期华电技术Vo1．35No．122013年l2月HuadianTechnologyDec．2013含分布式电源的配网重构改进算法孙洪硕，胡延林(1．石家庄铁道大学土木工程学院，河北石家庄050043；2．北京兴华景成科技发展有限公司，北京100048)摘要：分布式发电技术被认为是解决人类社会未来能源危机的最可能、最有效途径。分别从网络可行解、最优解等方面分析了分布式电源接入对配网重构的影响，并实现了含分布式电源的配网重构。同时对配网重构算法进行了研究，在差分进化法的基础上提出了改进算法，并在IEE

2、E33标准算例上对改进算法进行了对比验证。结果表明，改进差分进化算法不仅计算效率有了较大提高，全局寻优能力也要优于改进前的差分进化算法。关键词：分布式电源；配电网络重构；最优解；差分进化算法中图分类号：TM711：TM727．2文献标志码：A文章编号：1674—1951(2013)12—0004—030引言1配网重构数学模型分布式发电DG(distributedgeneration)具有减1．1目标函数轻环境污染、降低终端用户费用、降低线路损耗、改本文以网损最小为目标建立如下目标函数：善电能质量和提高供电可靠性

3、等特点，近年来受到minf：∑b1等，(1)了全世界的关注¨J。将DG系统集成到现有的配电u系统中，是今后DG技术的发展趋势。式中：，为网损，可通过潮流计算求得；b为支路数；但是，大量的DG接入配电网会对配电系统的为开关i的状态变量，k=0表示开关打开，k=1结构和运行产生很大影响。研究DG接入后配电系表示开关i闭合；为支路i的电阻；，Q为支路i末统运行优化技术，对促进DG技术发展和保证未来端的有功功率和无功功率；U为支路i末端的节点配电系统的安全、高效运行具有重要意义。配网重电压。构¨就是通过调整网络中分段开

4、关和联络开关的1．2约束条件组合状态，寻找某一供电路径，以达到降低网损、消配电网络的约束条件一般包括网络拓扑约束、除过载、改善电压质量、提高供电可靠性的目的。潮流约束和运行约束。配网重构是一个多目标非线性组合优化问题，(1)网络拓扑约束。网络拓扑应满足无环、无常规的数学优化方法存在组合爆炸现象，很难有效孤岛的辐射状结构。解决问题J。目前有很多启发式以及人工智能算(2)潮流约束。法应用于重构，主要有支路交换法I4J、最优流法、S=S+．s，(2)遗传算法、禁忌搜索法、粒子群优化算法以及这式中：k一1和k为支路的首

5、末端母线；5和S为母些方法的组合优化算法，但这些算法在大量研线一1和k的注入复功率；5从是母线k的复功率究及应用中逐渐暴露出弊端。负荷。本文分别从网络可行解、最优解等方面分析了分(3)运行约束。布式电源接人对配网重构的影响，并实现了含分布式f≤≤，(3)LUk≤Sk电源的配网重构。同时，对配网重构算法进行了研一究，在差分进化法DE(differentialevolutionalgorithm)式中：和分别为母线k的电压幅值的下的基础上提出了改进算法IDE(improvedDE)，并在限值和上限值；5是支路k的首

6、端注入复功率5标准算例上对改进算法进行了对比验证。结果表明，的上限值，即支路k的容量限制。改进差分进化算法不仅计算效率有了较大提高，全局2重构算法寻优能力也要优于改进前的差分进化算法。2．1差分进化算法’收稿日期：2013—10—12差分进化算法由Storn和Price等人在1995年基金项目：国家自然科学基金项目资助(51078243)首次提出，具有简单易用、控制参数少、收敛速度快第l2期孙洪硕，等：含分布式电源的配网重构改进算法·5·等特点，并凭借其良好的全局寻优能力成功应用于F=Fi+(F一Fi)×诸多领

7、域。{，(X(g))一，。(g))lrDE算法包括以下操作：变异、交叉、选择。设I(g))一X，(g))l’X(g)=[。(g)，：(g)，⋯，(g)]为第g代的第式中：I厂(X，(g))X(g))和(g))分别为i个个体，n为个体编码长度。变异操作中，。(g)，X(g)和X(g)的适应值。适应值之差反映了个体之间的空间距离；F和Fi为缩放因子(g+1)=X1(g)+F((g)一的上、下限，一般取0．9和0．1。(g))，(4)2．2．2交叉概率c的优化改造策略式中：M(g+1)为。(g)变异后向量；。(g)，

8、交叉概率c控制着一个试验向量参数来自随X(g)，X(g)为第g代中3个随机个体，并且满足机选择的变异向量而不是原来向量的概率。c越i构r1，r2，r3；F为缩放因子，一般小于1。大，越有利于局部搜索和加速收敛速率；C越小，越交叉操作是将变异向量(g+1)和目标向量有利于保持种群的多样性和全局搜索。动态化的c置(g)进行交叉，生成测试向量(g+1)。能够使算法在全局搜索的前期以较高的概率