论文部分内容阅读
随着电网功能和形态的改变,以分布式电源(Distributed Generation,DG)为代表的新兴能源技术得到越来越广泛的关注。DG并网会对配电网的潮流、电能质量和经济效益产生重要影响,因此,应对含DG的配电网进行优化。目前的优化模型多以有功网损为优化目标,无法兼顾配电网电压偏移、DG投资运行成本等重要指标,同时,DG的强波动性和随机不确定性,要求优化模型同时兼顾DG并网风险。此外,传统的优化算法面对复杂的DG并网问题,存在许多不足。因此,构建可靠、灵活的多目标优化模型,采用有效、可行的优化算法,是解决含DG的配电网优化问题的关键,针对该问题,本文开展了相关研究,主要内容包括:(1)研究了DG并网对配电网的影响。DG并入配电网,传统电网的潮流和负荷分布发生了很大的改变,并网DG对配电网可靠性、网络损耗等方面造成一定的影响,为提高配电网的安全稳定性,对含DG的配电网进行优化是很有必要的。(2)构建了含DG的配电网多目标优化模型。首先构建了功率可控型DG和功率随机型DG数学模型。针对含功率可控型DG的配电网优化,在计及配网实际约束下,建立以配电网网络损耗、电压偏移及DG投资运行成本为优化目标的多目标模型,通过对该模型的仿真验证,得到各目标函数值及DG并网的最优容量,说明DG并网的多目标优化对减少配网网损、DG并网成本以及降低电压偏移方面有重要意义。(3)本文提出一种基于条件风险价值理论(Conditional Value at Risk,CVaR)的风电场并网多目标优化模型,以度量风电并网的随机不确定性。在不同置信度及不同切入风速下,对该模型进行仿真验证,得到风电并网容量及CVaR函数值,说明CVaR模型对度量风电并网风险性的意义,并指出置信度越小,风电并网风险越大,同时可以通过减小切入风速来缓解风电并网风险。(4)改进了粒子群优化算法(Particle Swarm Optimization,PSO)。针对PSO算法易陷入局部最优的不足,本文采用改进的PSO算法(Particle Swarm Optimization with Levy Flights,PSO-LF)对所建配网模型进行优化,通过仿真验证,表明PSO-LF算法提高了全局搜索效率和收敛精度,在解决含DG的配网多目标优化问题时是可行有效的。本文在IEEE33节点系统中进行仿真验证,通过对DG并网前后配电网状态、单目标与多目标优化、基于CVaR的风机并网多目标优化及算法改进前后的优化结果进行比较,结果表明本文所建模型及改进的优化算法在实现DG并网的综合效益最大化方面具有一定意义。