论文部分内容阅读
分布式发电(Distributed Generation)是为满足某些终端用户的需求、接在用户侧附近的小型发电机组或发电及储能的联合系统,它们的规模一般不大,大约在几十千瓦至几十兆瓦。分布式发电具有经济性、环保性、系统可靠性高、选址容易、能源多样性等优点。将分布式发电系统集成到现有的配电系统中,是今后分布式发电的发展趋势。
分布式电源接入到配电网中后,配电网的网损、线路上的潮流、电压稳定、电能质量、系统的保护及可靠性都受到影响。影响大小与分布式电源的接入位置和注入容量有很大的关系。分布式电源接入配电网中,在分布式电源的个数、容量、位置均未知的情况下,如何对分布式电源的容量和位置进行优化是文章的主要讨论问题。
配电网的规划就是根据预测负荷需求和电源规划基本清楚的情况下,对未来得一个时期的负荷增长和电源发展在保证系统安全可靠运行进行某种优化(如经济性)。本文考虑到分布式电源接入到配电网扩展后的多种可能配置,要实现最优的网络结构,减少线路投资与运行费用,同时使线路负荷损耗降低。在分布式电源加入配网优化中,一般将其视为PQ节点代入进行确定性潮流计算,由此可得到其优化规划模型。而分布式电源加入配电网后的潮流计算中应考虑各种随机因素,因此本文提出了基于随机潮流的随机规划模型,其更能深刻揭示分布式电源加入对电力系统运行的影响。以分布式电源中较为典型的风能发电来进行说明,考虑了风力发电接入后对电压质量的影响,对上述两种模型采用的确定性潮流和随机潮流计算进行详细说明。
本文采用改进遗传粒子群混合算法对上述提到的两种模型进行计算。遗传算法具有高度的并行性和全局性,但其局部搜索不是很有效。粒子群算法具有简单、灵活、有记忆性的特点,但全局收敛方面较差,两者结合有较好的效果。在遗传操作过程中,个体所对应的配电网络中可能会产生闭环的情况,因此本文对遗传算法中的交叉、变异过程进行改进。
最后文章选择一个配电网络的实例,在网络中加入分布式电源后进行网络扩展规划,采用随机潮流算法和确定性潮流下对分布式电源的代入位置及容量约束等进行规划。将使用改进遗传粒子群混合算法得到的优化结果进行分析,可得到采用随机潮流的分布式电源加入到配电网络的规划更能反映分布式电源加入特点。