关键字 |
| 粒子群优化(PSO),分布式发电(DG),最佳位置、最佳尺寸,功率损耗。 |
介绍 |
| 电力需求的快速增长是鼓励分布式发电(DG)的广泛服务仍有兴趣操作与效用分布并行系统[1]。新引入分布式或分散式发电单元连接到本地分销系统是由中央运营商没有可分派,但他们可以在功率流产生重大影响,电压概要、稳定性、连续性、短路水平和客户的供电质量和电力供应商。人们普遍认为可再生能源是可持续能源供应的关键基础设施,因为他们都是无穷无尽的,无污染。DG有很多功能,这使得它有吸引力并提供良好的立即解决日益增长的电力需求[2 - 3]。许多研究成果表明不当分配和大小可以导致高功率损失和损害系统性能或结果不稳定[4]。功率损耗的影响已经成为一个主要的问题,因为它可以减少电力传输的效率和恶化电压概要文件。功率损耗最小化的分销网络是获得意义的传输系统相比。DG单元的最优位置和大小在现有电网系统试图减少功率损耗在相当大的程度上。应使用各种优化技术允许DG的最佳配置。 |
文献综述 |
| 提出了“2/3法则”[5]将DG与均匀分布载荷,径向式给料机,建议安装DG约2/3容量传入的一代约2/3的长度线从发送端。这个规则很简单,使用方便,但它不能直接有用的给料机与其他类型的负载分布。在[6]作者的情况下多个DG分配,目的是减少有功功率损失在径向分布网络使用遗传算法。技术得益于消费者点进行评估,在分析只电源被认为是活跃的。以同样的方式[7]提出了分级用一种新的优化技术,人工蜂群(ABC)算法来优化大小和分配的DG实权最小化。尽管控制参数的方法的优点,但是它涉及到随机过程在初始化期间的人口,可以给多次不一致的结果。使用损失公式是受雇于[8]最佳大小和分配单一DG通过计算总线导纳。等技术缺乏鲁棒性系统的复杂性增加。在同一个方向,作者在[9]制定一个多目标函数,包含DG的积极影响,如电压概要文件的改进以及增加系统等消极损失和短路水平。这种现象可能出现由于错误的选址DG的位置。 |
| 使用[10]提出的功率流是延续以确定最敏感的公共汽车电压崩溃和用作DG申请人安置。许多其他方法使用启发式技术DG放置在分销网络的其中一个方法是禁忌搜索[11],优化问题的概念是基于帕累托最优。在[12],最佳DG位置和自动接入基于网络的可靠性是由使用蚁群搜索算法(ACS)。 |
| 本文使用PSO优化布置问题已经得到了解决,以目标函数为确切损失公式。介绍了一个简单的算法DG电力系统最优位置的使用损失减少标准。分析了DG的位置和最优位置添加DG的总线分布式负载模式选择。广泛的模拟年代进行展示该方法的有效性在确定的最优公交DG的位置,降低了系统的功率损耗。该方法是测试标准IEEE分销网络。后确定DG的优化设计,改善电压和功率损失减少分销网络的分析。 |
分布式发电 |
| 分布式发电是一个电源直接连接到仪表的分销网络或客户端。分布式发电的定义需要不同的形式在不同的市场和国家和由不同机构的定义是不同的。国际能源署(IEA)定义了分布式发电,发电设备客户现场或提供支持服务的分销网络,连接到电网的电压分布水平。CIGRE DG定义为一代,具有以下特点:它不是中央计划;它不是目前集中派遣;它通常是连接到分销网络;它是更小的在- 100 mw。分布式发电也称为现场代,分散的生成、嵌入的一代,分布分散,分散的能量或能量。分布式发电的主要好处可分为两类:经济和操作[17]。通常DG意味着小规模的一代。 |
| 许多DG技术可但很少仍在研究和扩大阶段。DG在管制环境的主要关联在于辅助服务的形式。DG也效益直线下降的能源成本和更少的价格波动风险。在这项研究中,DGs提供真实和无功功率的能力。不同类型的DG的特征为[13]: |
| I型:DG能够注入真正的权力,像太阳能、燃料电池等是I型DG的好例子。II型:DG注入无功功率的能力只有提高电压概要文件如千乏补偿器、同步补偿器、电容器等类型III: DG注入真正的和无功功率的能力,如同步机。IV型:DG能够注入真实但消耗无功功率,如感应发电机用于风力发电场。大部分的方法提出了迄今为止制定最优位置DG正在考虑只有i型DGs的问题。在目前工作i型,二型和iii型DG的被认为是最佳的位置和大小的问题。最优布局问题已经解决了用PSO算法准确的损失为目标函数的公式。 |
问题公式化 |
| DG结果的最佳大小和放置在最小损失分布系统[15]。大多数文章的目标是最小化MVA损失分布系统是由方程(1)。 |
 |
| 考虑N总线分配系统,真正的和无功功率损失最小化可能制定如下给出方程(2)和(3): |
 |
 |
| 在哪里 |
 |
| 在哪里 |
 |
约束: |
| 优化模型的另一个重要组成部分,需要定义的约束。有两种类型的约束 |
| 1。等式约束 |
| 2。不等式约束 |
| 1)等式约束 |
| 这些约束相关的非线性功率流方程。 |
 |
 |
| 在哪里 |
| PDGI QDGI从DG是真实的和无功功率注入我放在节点。 |
| PDI QDI在节点负载的需求。 |
| 2).Inequality约束: |
| 相关的不等式约束是总线电压和DG安装。 |
| (一)总线电压限制: |
| 总线电压大小要保持在可接受的操作限制在整个优化过程。 |
 |
| 在哪里 |
 |
粒子群优化 |
答:算法的概述 |
| 粒子群优化是一个随机,以人群为基础的进化计算机算法解决问题。它是一种基于群体智能的心理学的原则,并提供洞察社会行为,以及为工程应用。第一次描述了粒子群优化算法在1995年由詹姆斯·肯尼迪和拉塞尔C.EBERHART。对于一个给定的问题,评估一个建议的解决方案存在于适应度函数的形式。通信结构或社交网络也是定义;为每个定义为随机分配邻居猜测在初始化问题的解决方案。这些人是候选人的解决方案。他们也被称为粒子,因此粒子群的名称。一个迭代过程来改善这些候选解决方案设置。PSO是一种最新发展的范畴组合满足启发式优化。 [14]The particles iteratively evaluate the fitness of the candidate solutions and remember the location where they had their best success. The individuals bet solution is called the particle best or local best. Each particle makes this information available to their neighbours. The particle velocity and position update equations in the simplest form that govern the PSO are given by equations (7) and (8) |
 |
 |
| 在哪里 |
| N代表的粒子群, |
| 我表示第i个粒子群, |
| 食是第i个粒子在迭代k, |
| 维克+ 1中粒子的速度j k + 1日迭代, |
| Pbesti i粒子的最佳位置, |
| gb是最好的位置中的所有粒子群中, |
| w是惯性权重, |
| 1 C和2 C是认知参数和社会参数, |
| 1和2 R是随机数, |
| k是一个迭代数, |
| kmax最大迭代。 |
| 加速常数1 C将每个粒子向当地最佳位置而常数2 C把粒子向全局最佳位置。选择合适的重量系数w,能快速收敛。在这项研究中,线性减少重量w是代替恒重,这是由以下方程(9)。 |
 |
| 每个三个术语的速度更新方程在PSO算法和不同的角色每个粒子保持它的位置,由候选解决方案及其评价健身,和它的速度。期间取得了迄今为止最好的健身价值的操作算法,称为个人最好的健身,候选解决方案,达到健身,称为个人的最佳位置。最后,PSO算法保持最好的健身价值实现中的所有粒子群中,名为“全球最好的健身,候选解决方案,达到健身,名为“全球最佳位置或全球最佳候选方案。 |
| PSO算法包括三个步骤,这是重复直到满足停止条件: |
| 1。计算每个粒子的适应度 |
| 2。更新个人和全球最好的健身和立场 |
| 3所示。更新每个粒子的速度和位置。 |
b .算法的基本模型 |
| PSO方法,所有粒子随机启动和评估来计算健身一起找到个人最好(每个粒子的最佳值)和全球最佳(整群最佳值的粒子)。之后,一个循环开始找到一个最佳的解决方案。在循环,首先由个人更新粒子的速度和全球最佳状态,然后每个粒子的位置更新当前的速度。循环结束后,停止标准提前预定。 |
 |
| 算法由一组(群)的个人(粒子)在搜索空间中寻找最好的解决方案。每个粒子都是由一个向量的长度n表示位置,速度向量v用于更新当前位置调整其飞行根据自己的飞行经验以及其他粒子的飞行体验。每个粒子跟踪的解空间的坐标与最佳解决方案(健身),取得了迄今为止的粒子。这个值被称为个人最好,pb。另一个最佳值跟踪的算法是最好的价值获得迄今任何粒子的粒子的邻居。这个值称为gb。算法的基本概念在于加速每个粒子向其pb和gb的位置,用随机加权加速度在每个时间步如Fig.5.1所示。 |
c . PSO算法 |
| 基于算法的方法求解最优位置DG的总功率损耗需要以下步骤: |
| 第一步输入系统,总线数据和总线电压限制,DG真实和无功发电限制。 |
| 步骤2计算总线电压和MVA使用基本情况负载流量损失。 |
| 步骤3定义的控制变量(真正的权力大小,无功功率的大小和位置的DG)在其允许的范围和随机初始化粒子位置Si和人口的第i个粒子的速度Vi。 |
| 步骤4算法的参数设置,C1 = C2 = 2, Wmax = 0.9, Wmin = 0.4。 |
| 第五步对于每个粒子,运行负载流程序并获得总线电压大小和角度。 |
| 第六步计算每个粒子的适应度函数使用方程(1)。 |
| 步骤7比较当前位置和粒子的最佳经验,pb,健身价值,因此更新每个粒子的pb人口。 |
| 步骤8 pb更新后,选择最好的价值在所有粒子在pb和称之为全球最好的,gb。 |
| 步骤9组迭代=迭代+ 1。 |
| 第10步计算每个粒子的速度和更新如果约束限制违反了。 |
| 第11步然后计算每个粒子的新位置。 |
| 步骤12为每个粒子运行负载流程序和计算适应度函数。 |
| 步骤13然后去第六步,直到停止准则或达到最大迭代。 |
| 步骤14最后最优DG大小和位置可以通过跟踪评估gb粒子和优化(最小化)值的MVA损失获得使用适应度函数。 |
测试系统和结果 |
| 最优位置和大小的程序代码使用PSO DG单元是在MATLAB环境中开发的。拟议的方法已经开发和模拟在MATLAB环境中使用MATLAB 7.9版本。合适的解决方案的技术优化将DG单元和实际功率损耗最小化设计PC 2.6 ghz酷睿i5处理器和6 GB RAM。 |
答:测试系统 |
| 该方法测试组成的配电系统总线和69总线分配系统。在这个模拟两个不同的测试系统用于合法化的结果最优规模,布局和减少功率损耗。第一个测试系统是15公交系统总负荷的1.23 MW和1.25兆乏。第二个测试系统是69公交系统总负荷的3.80 MW和2.69兆乏[16]。 |
. 1。测试system-15总线分配系统 |
| 第一个测试系统是15总线分配系统的总负载1.23 MW和1.25兆乏。15-bus分配制度的一行图如图6.1所示。总线数据15和行数据总线系统是在[18]。 |
由信用证。测试系统- 69总线分配系统 |
| 第二个测试系统是69总线分配系统的总负载3.80 MW和2.69兆乏。一行图69 -总线分配系统如图6.2和69年的总线数据和行数据总线系统是在[19]。 |
b .结果和讨论 |
| 通过应用算法,该算法在5.3节所讨论的,总的MVA损失可以最小化和最优尺寸的DG单元计算在每一辆公共汽车。拟议的方法开发了计算最优尺寸的DG在各种公共汽车和MVA损失在不同的位置来确定最佳的位置。因此,功率损耗是发现最小化DG的最佳位置。系统电压概要文件也研究后确定最优DG放置。 |
责任。结果15总线分配系统 |
| 大小的DG单元放置在每个总线位置和相应的平均MVA损失和平均电压系统的计算。DG单元的位置后最优选择公共汽车,单位价值真正的功率损耗计算如下表6.1所示。从表6.1观察,通过安装矿体合适大小的DG单元给最低实际功率损耗,这是之前放置DG指数普洛斯被发现是0.0597 (p.u)和DG放置后发现是0.0257 (p.u)。通过使用PSO,平均实际功率损耗减少了15总线系统是减少到56.95%。实权损失减少的百分比计算的结果通过比较平均普洛斯与DG和没有位置。 |
| 和DG单元放置后的最优选择公共汽车,单位价值的无功功率损失计算,如下表6.2所示。前放置DG的平均无功功率损失0.0553 (p.u)和DG平均无功功率损失的位置是0.0215 (p.u)。15公交系统的无功功率损失减少61.12%。无功功率损失减少的百分比计算的结果通过比较平均Qloss DG和没有位置。 |
| DG总可以大大减少损失而满足电压约束。表6.3显示了平均电压级之前和之后的放置DG,没有位置平均电压发现0.9581 (p.u)和后放置DG 15公交系统的平均电压是0.9772 (p.u)。也见过DG安装在最优位置提高电压概要文件,同时降低网络总MVA损失。DG单元的位置后选择最优公共汽车,每单位的平均电压值是计算基于电压大小在每个总线和Table.6.3下面所示。DG的放置后电压提高1.9935。 |
| Figure.6.3。显示了MVA损失的单位价值在每个总线有或没有放置DG使用PSO IEEE 15公交系统。没有DG位置放置后的总功率损失122.99 MVA和DG MVA损失总额的50.29 MVA。 |
| 总实际功率损耗与最优DG放置在不同的公共汽车图6.4所示。没有真正DG位置总损失是544.9 MW和DG实权位置后损失为38.12兆瓦。 |
| 总无功功率损失和最优DG放置在不同的公共汽车图6.5所示。没有DG位置放置后的无功功率损失48.84兆乏和DG的无功功率损失32.30兆乏。 |
| 的优化方法也可以用来确定DG单元的位置和大小,从而达到改善电压概要文件的目标分配系统。总线电压大小在每个总线将DG单元相比的情况下没有DG位置如图6.6所示。看到总线电压概要是改善而将DG单元在最佳位置。进一步,发现最优DG位置也有助于避免违反系统总线电压限制。因此,通过减少功率损失,整个系统的电压可以提高DG的位置。 |
B.2。69总线分布系统的结果 |
| DG单元的最优估计每个总线除了计算参考巴士和DG单元的位置后最佳选择公共汽车,单位价值真正的功率损耗计算Table.6.4以下所示。从表6.4观察,通过安装矿体合适大小的DG单元给最低的真实功率损耗是之前放置DG平均实际功率损耗后发现是0.3162 (p.u)和放置DG的平均实际功率损耗为0.2244 (p.u)。通过使用PSO的比例平均实际功率损耗减少69总线系统是29.032。实权损失减少的百分比计算的结果通过比较平均普洛斯与DG和没有位置。 |
| 和DG单元放置后的最优选择公共汽车,单位价值平均无功功率损失计算如下所示Table.6.5。前放置DG的平均无功功率损失后发现是0.1431 (p.u)和DG平均无功功率损失的位置是0.1040 (p.u)。69总线系统的平均无功功率损失减少27.32%。无功功率损失减少的百分比计算的结果通过比较平均Qloss DG和没有位置。 |
| DG安装在最优位置改善电压概要文件,同时降低网络总MVA损失。平均电压没有DG的位置是0.9637 (p.u)和DG放置后,69总线系统的平均电压是0.9681 (p.u)。大小的DG单元放置在每个总线位置和相应的平均MVA损失和平均电压系统的计算。在每个总线DG单元的位置后,单位的平均电压值计算如Table.6.6所示。在下面。电压的百分比提高DG的放置后发现是0.4544。 |
| Figure.6.7显示MVA损失的表示有和没有放置DG使用PSO IEEE 69总线系统。没有DG位置放置后的总功率损失2394.83 MVA和DG MVA损失总额的1706.44 MVA。 |
| 总实际功率损耗与最优DG放置在不同的公共汽车69年公交系统图6.8所示,那么DG总实权的位置可以大大减少损失而满足约束条件。 |
| 总无功功率损失和最优DG 69公交系统位置见图6.9,可以看出69年的损失大大降低公交系统见15公交系统。DG的最佳位置是64路公交车在哪里最低无功功率损失。看到,总无功功率损失显著降低了通过添加DG的分销网络。 |
| 总线电压大小在每个总线将DG单元相比的情况下没有DG位置如图6.10所示。说明,添加DG分销系统改善电压在所有公共汽车的形象。DG的平均电压位置之前是0.9637 (p.u)和后放置DG的平均电压是0.9681 (p.u) 69总线分配系统。 |
结论 |
| 系统上的改进在很大程度上取决于DG所在地。功率损耗的影响已经成为一个主要的问题,因为它可以减少电力传输的效率和恶化电压概要文件。功率损耗最小化的分销网络是获得意义的传输系统相比。DG单元的最优位置和大小使用PSO算法在现实和现有系统试图减少无功功率损失在相当大的程度上。一直在测试方法标准IEEE农村配电系统即15和69总线测试系统。安装DG资源在关键公共汽车已经证明了改善系统性能最有效。结果表明,分布式代的位置和大小是决定性因素在减少系统中MVA损失。进一步的工作将集中在成本最小化的DG单元和损失最小化系统运行约束。 |
表乍一看 |
|
|
数据乍一看 |
 |
 |
 |
 |
| 图1 |
图2 |
图3 |
图4 |
 |
 |
 |
 |
| 图5 |
图6 |
图7 |
图8 |
 |
 |
 |
| 图9 |
图10 |
图11 |
|
引用 |
- Momoh J。,Yan Xia, Boswell G. D. "An approach to determine Distributed Generation (DG) benefits in power networks," Power Symposium , 2008. NAPS, pp 1-7, Sept. (2008).
- Akorede,抗议;Himaz, H。阿里,我。,Abkadir, M.Z.A., "Effetive method for optimal allocation of distributed generation units in meshed electric power systems" Generation, Transmission & Distribution IET Vol.5, Issue:2 pp.276-287 Feb.(2011).
- Chiradeja Pathomthat Ramakumar, R“的方式量化技术分布式发电的好处”,IEEE事务在能量转换、Vol.19,不。4、pp.764 - 773 (2004)。
- 王Caisheng哈西姆,M,“分析方法的最佳位置在电力系统分布式发电来源”,IEEE电力系统交易,19卷,4号,第2076 - 2068页(2004)。
- h·l·威利斯,”分析方法和建模的经验法则——分布交互,“在Proc。2000年IEEE电力工程社会夏季会议,第三卷,西雅图,2000年7月,pp.1643 - 1644。
- Quezada维克多·h·门德斯胡安河Abbad和托马的戈麦斯圣罗马“能量分布的评估损失增加,分布式发电”的渗透,IEEE电力系统交易,21卷,2号,页。533 -540,(2006)。
- Mithulananthan比面向对象和Le Van范围内,“分布式发电机放置在配电系统中使用遗传算法来减少损失”,法政Int。j . Sc。科技。9卷,55页。-62,(2004)。
- Mrs.A。Lakshmi井斜和b Subramanyam教授”一种新的混合方法减少损失和电压改善径向分布系统——一个案例研究”,我——经理对电气工程的期刊,卷2,3号,第68 - 64页,1 (2008)。
- Capitanescu f;Rosehart w;Wehenkel l;“最优功率流计算约束限制的数量控制行动,“PowerTech, IEEE,布加勒斯特,卷,不。,页1 - 8,2009年6月28日—2009年7月2日。DOI: 10.1109 / PTC.2009.528215, (2009)。
- 冯董;Chowdhury B.H.;乌鸦,马丁;Acar l;“改善电压稳定,无功功率储备管理,“电力系统,IEEE, 20卷,不。1,页338 - 345。DOI: 10.1109 / TPWRS.2004.841241, 2月(2005)。
- 拉斐尔Cossent *, Luis张艺泷托马斯·戈麦斯,卡洛斯马特奥Pablo Frias”分销网络成本在不同渗透率级别的分布式发电”欧洲电力交易卷21日问题6,页1869 - -1888。:2010年10月7日,DOI: 10.1002 / etep。503年9月(2011)。
- 他的哈里森,短笛。,P Siano。,一个。R·华莱士。,(2008) “Hybrid GA and OPF for distribution generation connections,” Electr. Power Energy Syst., Vol.78, pp. 392–398.
- 挂DQ, Mithulananthan N,邦萨尔RC。“DG分配主要分布解析表达式,网络“IEEE反式能量转换2010;25 (3);814 - 20。
- gae Z (2003)。“粒子群优化解决经济调度考虑发电机的约束”,IEEE反式。pwr。18 (3):1187 - 1195。
- Acharya N . Mahat p Mithulananthan N。“DG分配的分析方法主要分销网络”。选择电力能源系统2006:28 (10):669 - 78。
- Baran我,吴FF。“最优尺寸的电容器放在径向分布系统”. PWRD 1989; 4:735 - 743。
- El-khattam、w和Salama, m . m。,"Distributed Generation Technologies, definitions and benefits", Electric Power Systems Research, vol. 71, 2004, pp. 119–12.
- o . Amanifar卷HamedaniGolshan“最优分布式发电位置和大小的损失和减少和电压概要改善配电系统使用粒子群优化和灵敏度分析”国际期刊“工程技术和物理问题”2011年6月,问题7卷3 47-53页。
- Aida Fazliana Abdul kadir也Azahmohamed、HussainShareef MohdZamriChewanik“最佳位置和大小在分销系统的分布式代最小化损失和THDv使用进化编程”,土耳其电气工程与计算机科学杂志,21 (2013):2269 - 2282。
|
菜单
