论文部分内容阅读
分布式发电技术在全球范围内引起人们越来越多的关注。分布式发电装置既可用于电力调峰、建造备用电站或热电联供电站,又可实现边远地区独立发电。为了满足我国经济高速发展的需求,在已建中央电站及电网的基础上,大力发展分布式发电技术将是电力系统未来发展的必然趋势。而随着分布式发电技术的逐步推广,它对配电网中的节点电压、线路潮流、短路电流、可靠性等都会带来影响,且其影响程度与分布式电源的位置和容量密切相关。这必然给传统的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它所带来的影响。另外分布式电源虽然可以减少电能损耗,可以推迟或减少对电网升级的投资,但是如果分布式电源的位置和规模不合适,反而可能会导致电能损耗的增加以及网络中某些节点电压的下降或出现过电压,还会改变故障电流的大小、持续时间及其方向。可见,对分布式电源进行选址和定容是一个大规模的多目标寻优问题,而各个子目标之间的优化存在着相互制约相互矛盾的可能性,因此常规的单目标优化工具不适用于求解此类问题。为获得正确的决策,优化工具必须能够准确评估分布式电源对所在电网的各种影响,给出分布式电源的最优位置和规模,使得分布式电源在电网的逐步渗透过程中不会破坏电网运行的安全性和经济性.本文考虑了负荷增长的情况,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,建立了便于配电网规划者使用的可变权重的分布式电源选址和定容的多目标优化模型。其中子目标分别为配电网升级及维护费用,分布式电源的投资费用以及配电网网损费用。针对分布式电源规划的多目标性,本文提出了一种适合于求解大规模多目标模型多种群遗传算法,针对传统的二进制编码方式所带来的Hamming悬崖问题以及分布式电源选址定容的实际情况,本算法运用了实数编码。同时,本文改进了多种群遗传算法的结构,建立起父子种群,子种群对应独立的子目标函数,父种群对应归一化的目标函数,精华种群采用最优个体保存法保存父子种群中的最优个体,并作为收敛依据,保证了算法的全局收敛性。父子种群采用改进的自适应的遗传算法,进行独自寻优,并通过移民算子以一定频度进行信息交换,从而加快了算法的收敛速度,有效避免了“封闭竞争”和过早收敛的问题。通过对实际算例的分析,本文算法在收敛性能和搜索能力方面比其他遗传算法一定的提高,并得到了较为合理的分布式电源位置和容量方案。同时配电网规划者可以方便地将决策的侧重倾向加入到优化过程中,从而更好地满足实际需要。本文同时对包含与不包含分布式电源时的配电网升级规划结果进行比较,可以得知分布式电源的合理选址和定容可有效地降低配电网的线路投资和损耗成本,并带来巨大的社会效益和经济效益。