关键字 |
| 差分进化(DE)算法、配电潮流(DPF)、分布式发电(DG)、配电公司(DISCO)、热电联产(CHP)、可再生能源系统(RES)。 |
I.INTRODUCTION |
| “分布式发电”一词指的是可以在制造工厂“现场”放置的小型发电设备。它们的大小从几千瓦到几兆瓦不等。dg位于负荷中心附近，因此传输损失最小。分布式发电允许从许多来源收集能源，降低对环境的影响，提高供应的安全性。新兴的DG技术包括小型高效内燃机、小型和微型涡轮发电机、太阳能光伏、风力涡轮机和燃料电池。利用几种优化方法，找出损失最小化所对应的DG的大小和位置。基于可再生能源的分布式发电(DG)机组的集成为传统的配电系统提供了潜在的好处。 |
Ii文献综述 |
| 来自靠近负荷中心的可再生DG机组的电力注入为系统电压支持提供了机会，减少了能量损失和排放，并提高了可靠性。由于这些以及其他许多优势，DG有望在电网的运营、结构、设计和升级规划中发挥重要作用。由于DG渗透的增加，该系统不再是被动的，而仍然是主动的。提出了一种启发式的分布式发电投资规划方法，其目标是使配电公司的投资成本、运营成本和系统损失相关成本最小化。它的工作原理是寻找一组边际效益大于总安装和运行成本的dg。在[4]中，提出了多dg放置的分析方法，以最小化系统损耗。在[5]中，以增加Disco的利润为目标，提出了基于遗传算法的损失最小化优化问题。采用基于收缩因子的PSO算法[6]，采用蒙特卡罗仿真(Monte Carlo Simulation, MCS)方法对考虑系统功率损耗的DG最优分配进行了仿真。本文利用DE算法求解了包含多个DG的配电系统中以系统损耗最小为目标函数的优化问题。本文在标准的IEEE 33总线测试系统上进行了仿真，并将仿真结果制成表格。 |
3分布式发电 |
| 在传统的电力系统中，大部分电力由中央电站发电，通过高压输电线输送到配电网，然后供应给用户负荷。然而，负荷需求的增加、技术创新、环境和审美问题以及市场自由化导致了配电网中DG的整合。DG机组可以利用本地资源，提供更好的电力质量，改善电压分布，减少拥塞，减少电力损耗，延迟输配网络升级。根据DG技术和终端特性，它们可分为四种类型[10]: |
| 类型1)DG只注入有功功率(P)，例如光伏 |
| 类型2)DG只注入无功功率(Q)，例如，同步补偿器 |
| 类型3)DG注入有功功率，但吸收无功功率，例如感应发电机。感应发电机所消耗的无功功率用简单形式表示为 |
 |
| 类型4)DG注入有功和无功功率，例如同步发电机。 |
基于差分进化的最优分配算法 |
| 经典DE算法包括种群初始化、突变、交叉或重组和选择四个步骤(Storn 1997)[7]，[8]，[9]。 |
| (1)初始化 |
| 在d维实参数空间中搜索全局最优点。总体成员使用式(15)进行随机初始化。 |
 |
| 如果试验向量产生的适应度函数等于或更低，则替换对应的下一代目标向量;否则，目标载体将保留在种群中。因此，种群的健康状况要么变好，要么保持不变，但不会恶化。 |
| V.PROBLEM配方 |
| 所提出的优化问题的目标是使配电网中包含多个DG的系统的功率损耗最小。目标函数由[6]给出 |
 |
| 在哪里 |
| F-系统损失函数 |
| Ix -支路电流 |
| Zx—支路阻抗 |
| λc-罚函数(0或1) |
| ï´ ' -约束违反的惩罚因子 |
| 惩罚因子利用惩罚决策变量去除违反系统限制的非可行解。 |
| λC= 0，如果违反任何约束，λC= 1，如果满足所有约束， |
 |
| 在整个优化问题中，变电站电压被设定为标称电压(1.0 p.u.)。在这种情况下，DG的最优位置和大小使用DE算法计算。该算法在IEEE 33总线配电系统[6]上进行了测试。 |
六、结果与讨论 |
| 对1型和4型两种DG在配电系统中的作用进行了测试。配电网络中DG的渗透分为单DG和多DG两种情况。两种情况下DE算法的参数如表1所示。对于第一类DG，两个变量分别是DG的大小和位置;对于第一类DG，三个变量分别是DG的大小、位置和功率因数。测试所考虑的测试系统是IEEE 33总线配电网，如图1所示。 |
案例1:减损合并单dg放置 |
| 在这种情况下，使用DE算法实现了单个DG的最优放置位置。考虑的最大迭代次数为200次，考虑的DG大小从50千瓦到3兆瓦不等。该算法对两种类型的 |
| DG。当DG为类型1时，只提供实功率(P)支持。在配电网中，DG被认为是负负荷，而在4型DG中，DG向配电网提供实功率(P)和无功功率(Q)支持。考虑不含DG的配电网基本情况损失为210.07。采用DE算法得到的最优DG尺寸、位置及相应的DG损耗如表2所示。如果在6号母线上安装2.6057兆瓦的1型DG，在不加入DG的情况下，配电系统的损耗将减少到总损耗的一半。当DG仅提供实际供电支持时(即DG运行在UPF时)，系统损耗降低到109.55 KW，损耗降低47.85%。当4型DG尺寸为2.5577置于6号母线时，系统损耗降至67.8090 KW，损耗降低67.10%。第一类DG与第一类DG的尺寸对比如图2所示。 |
| 采用1型DG和4型DG的系统损耗比较如图3所示。 |
案例2:减少损失，包括两个dg放置 |
| 多个DG可以放置在多个较小尺寸的位置，而不是放置单个较大尺寸的DG，从而提高了减少损失的效果。在这种情况下，每个DG的大小在50kw到1.5 MW的范围内。采用DE算法得到的最优DG大小、位置及相应损失如表3所示。由DE算法得到DG的最优位置为bus-13, DG的最优规模为0.999 MW, DG的最优规模为0.999 MW。通过在配电系统中加入dg，系统损耗从基本情况的210.07 KW减少到84.127 KW，损耗减少约59.95%。在4型DG的情况下，获得了37.3895 KW的大大降低损耗，损耗降低约82.20%。第一类DG与第一类DG的尺寸对比如图4所示。采用1型DG和4型DG的系统损耗比较如图5所示。 |
案例3:减少损失，包括三个dg放置 |
| 双DG布放的结果表明，双DG布放比单DG布放更能降低配电系统的损耗。因此，加入更多较小尺寸的DG可以改善结果。在这种情况下，三个dg被纳入配电系统。这里考虑的每个DG的尺寸范围从50kw到1MW。采用DE算法得到的最优DG大小、位置及相应损失如表4所示。通过DE算法得到DG的最优位置为bus-13、bus-30和bus-24，分别为0.899 MW、1.1701 MW和0.999 MW。通过在配电系统中加入三个DG，系统中的损耗从基本情况下的210.07 KW减少到71.57 KW, 1型DG的损耗减少了约65.93%，如果DG类型，则大大减少了21.5922 KW的损耗，如表4所示。第一类DG与第一类DG的尺寸对比如图6所示。采用1型DG和4型DG的系统损耗比较如图7所示。 |
| 将所得结果与[6]进行比较，对第1类DG采用本文算法所得结果的整体对比见表5，对第4类DG采用本文算法所得结果见表6。结果表明，对于包含多个DG的配电系统，DE算法对于目标减损函数是非常有效的，所得结果远远优于[6]中提出的基于粒子群算法的方法。 |
7结论 |
| 本文以系统损耗为目标，利用DE算法求解了包含多个DG的配电系统规划问题。利用DE算法得到最优的尺寸、位置和运行功率因数。利用[6]中提出的基于收缩因子的PSO算法与蒙特卡罗模拟(MCS)方法进行了比较。结果表明，对于包含多个dg的损失削减目标函数，DE是非常有效的。系统规划是考虑到DG技术及其在放松管制环境中的可行性。 |
|
表格一览 |
|
|
|
数字一览 |
|
|
|
参考文献 |
- R. C. Dugan, T. E. McDermott和G. J. Ball，《分布式发电的规划》，IEEE印度苹果公司。玛格。，第7卷，第7期。2，第80-88页，2001年3月/ 4月
- Griffin T, Tomsovic K, Secrest D, Law A.分散发电系统减少损耗的安置。参见:IEEE第33届夏威夷系统科学国际会议论文集;2000.1 - 9页。
- D. Gautam和N. Mithulananthan，“解除管制的电力市场中最优dg安置”，选举。电力系统。Res。，第77卷，no。12, pp.1627-1636, 2007
- 洪德明，“分布式发电机在配电网络中的应用”，《工业电子学报》，第17卷，第1期。2013年4月4日．，
- R. K. Singh和S. K. Goswami，“基于利润、损失降低和电压提升的节点定价的分布式发电优化分配”，Int。j .选举。电力能源系统。，第32卷，第2期。6，第637-644页，2010
- 贾恩·n·辛格·s·李志刚，“基于市场情景的分布式系统规划与可行性分析”，《工业电子学报》，2013年11月;第60卷第11期。页5075 - 85。
- K.V. Price, r.m. Storn和j.a. Lampinen，差分进化——一种实用的全局优化方法．纽约:Springer-Verlag自然计算系列，2005
- R. Storn，“关于函数优化中微分进化的使用”，载于北美模糊信息处理学会年会论文集，加州伯克利，1996年6月
- R. Storn和K. Price，连续空间上的微分进化-一种简单有效的全局优化方案，国际计算机科学研究所，r -95-012, 1995年3月
- 洪德明，“分布式发电机组在配电网络中的应用”，工业电子学报，Vol. 60, No. 4, 2013。
|
菜单
