含分布式电源的配电网规划研究

论文摘要

随着全球一次能源逐渐衰竭和人们对可持续发展战略的认识不断加深,分布式发电（Distributed Generation, DG）受到越来越多的关注。分布式发电技术具有清洁环保、投资小、发电方式灵活、供电可靠性高等特点,尤其在电网崩溃和意外灾害情况下,有利于实现对重要用户的供电。然而,分布式发电系统与大电网相结合后,对传统配电网中的电压节点、线路潮流计算、短路电流、电能质量和可靠性等都会带来影响,其影响的程度与分布式电源的安装位置和安装容量有着决定性的关系。上述问题给传统配电网规划带来实质性的挑战,使得电网规划人员在选择最优方案时必须考虑由分布式发电系统所带来的影响。本文针对含有分布式电源的配电网规划问题进行以下的分析和探讨。1.针对配电网系统中考虑分布式发电的单一规划问题,分析了分布式发电系统对配电网的影响,并在考虑分布式发电的经济性的基础上,根据负荷总量确定待建分布式电源的最大容量,在分布式电源个数、位置和单个电源容量均不确定的情况下,结合新的潮流计算方法,建立了可变权重的分布式电源选址和定容的多目标优化模型。2.针对上述优化模型,为了寻求最优的规划方案,分别采用了遗传算法和蚁群算法对仿真算例进行求解,从对结果的分析可知,通过遗传算法所得的合理的规划方案有效地降低配电网的线路损耗和购电成本,但是所得方案的总体经济性效果不明显；而通过蚁群算法所得的规划方案有效地提高了总体经济性,但是求解速度缓慢,且容易出现收敛停滞。3.鉴于上述两种算法的分析结果,提出了改进的遗传-蚁群融合算法,在遗传算法中引入逆转变异和精英保留策略,蚁群算法部分采用改进的最大-最小蚂蚁系统,并对两者衔接点的选取方法进行了改进。通过同一个仿真算例的求解,表明了利用该算法取得的分布式电源的位置和容量规划方案与单纯利用遗传或蚁群算法所得的方案相比,具有更强的经济性,且求解速度更快。综上所述,本文从理论分析和仿真实验两个方面证明了改进的遗传-蚁群融合算法很适合求解含分布式电源的配电网规划问题,取得了预期的效果,提高了规划方案的经济性和安全性。随着能源需求的加大和分布式技术成本的降低,分布式电源的合理规划将带来巨大的社会效益和经济效益。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 本课题的研究背景和意义
• 1.2 国内外研究现状
• 1.2.1 分布式发电技术的研究现状
• 1.2.2 含分布式电源的配电网规划研究现状
• 1.3 分布式发电技术简介
• 1.3.1 分布式发电的概念
• 1.3.2 分布式发电技术的分类
• 1.4 本文的主要研究内容
• 第2章 含分布式发电的配电网规划数学模型
• 2.1 分布式发电技术对配电网及其规划的影响
• 2.1.1 分布式发电技术对配电网的影响
• 2.1.2 分布式发电技术对配电网规划的影响
• 2.2 含分布式发电的配电网潮流分析
• 2.3 含有分布式发电的配电网规划优化模型
• 2.3.1 配电网规划的优化模型类型
• 2.3.2 多目标优化模型的建立
• 2.4 本章小结
• 第3章 基于遗传算法的含分布式电源的配电网规划方法
• 3.1 遗传算法概述
• 3.1.1 遗传算法简介
• 3.1.2 遗传算法基本操作
• 3.1.3 遗传算法的基本流程
• 3.1.4 遗传算法的参数控制
• 3.2 含有分布式电源的配电网规划的求解
• 3.2.1 含分布式电源的配电网规划的染色体编码
• 3.2.2 产生初始群体
• 3.2.3 约束条件处理
• 3.2.4 遗传操作的实现
• 3.2.5 算法终止条件
• 3.3 算例分析
• 3.3.1 46节点算例
• 3.3.2 结果及其分析
• 3.4 本章小结
• 第4章 基于蚁群算法的规划方法
• 4.1 蚁群算法概述
• 4.1.1 蚁群算法基本原理
• 4.1.2 蚁群算法数学模型
• 4.1.3 蚁群算法的参数控制
• 4.2 含分布式电源配电网规划求解
• 4.2.1 配电网中分布式电源位置与容量的编码表示
• 4.2.2 微电网中分布式电源容量的选择
• 4.2.3 蚁群优化算法总流程
• 4.3 算例分析
• 4.4 本章小结
• 第5章 改进的遗传-蚁群混合算法的规划方法
• 5.1 遗传算法与蚁群算法的融合
• 5.1.1 遗传算法与蚁群算法的比较分析
• 5.1.2 遗传-蚁群融合算法（GAAC）的基本思想
• 5.2 遗传算法与蚁群算法的融合与改进
• 5.2.1 遗传-蚁群算法的中遗传算法部分的改进
• 5.2.2 遗传-蚁群算法的中蚁群算法部分的改进
• 5.2.3 融合点的确定
• 5.3 算例分析
• 5.4 本章小结
• 第6章 总结与展望
• 6.1 总结
• 6.2 工作展望
• 参考文献
• 致谢
• 攻读硕士期间的科研情况