论文部分内容阅读
配电网无功优化是改善系统的电能质量、提高系统稳定性的有效方式。近些年来,越来越多的分布式电源(Distributed Generations, DG)并网,对配电网潮流、电压均有一定改变,同时也影响了电网的无功优化。因此,对分布式电源并网的无功优化展开研究极其的紧迫和重要。论文在研究差分进化算法(Differential Evolution algorithm, DE)原理的前提下,分析了量子计算思想和人工蜂群算法(Artificial Bee Colony algorithm, ABC)可以对其改进之处,并对含分布式电源的配电网无功优化进行仿真研究,具体工作包括:1.本文分析了含分布式电源的配电网与传统配电网的不同,介绍了常见的分布式发电技术,然后从理论出发研究了分布式电源并网后带来的影响。2.差分进化算法近年来广泛应用于优化领域,具有参数简单、计算速度快等优点。本文针对传统差分进化算法收敛过早、局部搜索能力较差的缺陷,用量子编码思想和人工蜂群算法对其进行改进,提出改进量子差分进化算法(improved quantum differential evolution algorithm, IQDE)。量子编码思想提高了种群个体的多样性,人工蜂群算法的观察蜂加速进化操作和侦查蜂随机搜索操作分别提高了算法的局部搜索和全局搜索性能。3.为了检验提出的算法在无功优化方面的效果,建立单目标(有功网损最小)数学模型,将IQDE算法和DE算法分别用于14节点标准数据集进行大量仿真实验。IQDE算法用更少的收敛时间、更小的种群规模便可以获得与DE算法相同甚至更佳的优化效果。4.研究了含DG的无功优化,并对接入DG的30节点标准数据集仿真,证明了IQDE算法相比DE算法具有更优的性能。通过统计DG并网前后系统节点的电压变化,发现DG接入容易造成电压越限。因此有必要同时考虑电压偏差最小和有功网损最小两个目标。5.为了实现多目标无功优化,提出了基于Pareto最优解的多目标改进量子差分进化算法。研究了最优解集的构造和最优解的保存方法,提出用拥挤距离控制精英集大小。随后针对含DG的30节点标准数据集进行仿真,仿真结果表明该算法能获得分布均匀的Pareto前沿,结果实现了对两个目标的优化,同时满足了电网运行对经济和安全两方面的要求。