-
题名融合双重策略粒子群算法的分布式电源配网无功优化
被引量:14
- 1
-
-
作者
李子健
郭佩乾
马宁宁
吴爱军
杨敏珑
-
机构
国网上海市电力公司市区供电公司
电力系统及大型发电设备安全控制和仿真国家重点实验室(清华大学电机系)
-
出处
《南方电网技术》
CSCD
北大核心
2022年第6期14-22,81,共10页
-
基金
电力系统国家重点实验室资助课题(SKLD21M11)。
-
文摘
大规模、高密度的可再生能源分布式接入配网不仅导致原有系统网络系统结构复杂化,其随机性和波动性等特点也对网络潮流和系统电压带来诸多不利的影响。针对以上情况,以含分布式能源的配电网有功网络损耗与系统电压偏差为控制目标,以引入的静止无功补偿器为基础展开研究。融合天牛须搜索算法,结合吸引排斥和双向学习,提出一种改进式粒子群优化算法,自适应调整惯性权重与学习因子实现高效全局寻优。据此,结合上述研究内容和增强型IEEE 33节点配电系统模型,对所提配电网的无功电压控制效果与改进粒子群优化算法进行了验证。结果对比表明,所提融合天牛须搜索的双向学习粒子群优化算法在保障系统电压稳定性的前提下能够优化系统损耗。同时,与传统粒子群算法相比,计算所用时长、算法收敛速度和最优解寻求方面有较大提升。。
-
关键词
分布式可再生能源并网
配网损耗
无功功率优化
天牛须搜索
粒子群优化算法
吸引排斥和双向学习
-
Keywords
distributed renewable energy integration
distribution network power loss
reactive power optimization
beetle colony antennae search algorithm
particle swarm optimization algorithm
attractive repulsion and bidirectional learning
-
分类号
TM743
[电气工程—电力系统及自动化]
-