含分布式電源的配電網(wǎng)多目標(biāo)無功優(yōu)化研究.pdf

1、配電網(wǎng)無功優(yōu)化是改善系統(tǒng)的電能質(zhì)量、提高系統(tǒng)穩(wěn)定性的有效方式。近些年來，越來越多的分布式電源(Distributed Generations，DG)并網(wǎng)，對配電網(wǎng)潮流、電壓均有一定改變，同時也影響了電網(wǎng)的無功優(yōu)化。因此，對分布式電源并網(wǎng)的無功優(yōu)化展開研究極其的緊迫和重要。
　　論文在研究差分進(jìn)化算法(Differential Evolution algorithm，DE)原理的前提下，分析了量子計算思想和人工蜂群算法(Artifi

2、cial Bee Colony algorithm，ABC)可以對其改進(jìn)之處，并對含分布式電源的配電網(wǎng)無功優(yōu)化進(jìn)行仿真研究，具體工作包括:
　　1.本文分析了含分布式電源的配電網(wǎng)與傳統(tǒng)配電網(wǎng)的不同，介紹了常見的分布式發(fā)電技術(shù)，然后從理論出發(fā)研究了分布式電源并網(wǎng)后帶來的影響。
　　2.差分進(jìn)化算法近年來廣泛應(yīng)用于優(yōu)化領(lǐng)域，具有參數(shù)簡單、計算速度快等優(yōu)點(diǎn)。本文針對傳統(tǒng)差分進(jìn)化算法收斂過早、局部搜索能力較差的缺陷，用量子編碼思想和

3、人工蜂群算法對其進(jìn)行改進(jìn)，提出改進(jìn)量子差分進(jìn)化算法(improved quantumdifferential evolution algorithm，IQDE)。量子編碼思想提高了種群個體的多樣性，人工蜂群算法的觀察蜂加速進(jìn)化操作和偵查蜂隨機(jī)搜索操作分別提高了算法的局部搜索和全局搜索性能。
　　3.為了檢驗(yàn)提出的算法在無功優(yōu)化方面的效果，建立單目標(biāo)（有功網(wǎng)損最小）數(shù)學(xué)模型，將IQDE算法和DE算法分別用于14節(jié)點(diǎn)標(biāo)準(zhǔn)數(shù)據(jù)集進(jìn)行大量

4、仿真實(shí)驗(yàn)。IQDE算法用更少的收斂時間、更小的種群規(guī)模便可以獲得與DE算法相同甚至更佳的優(yōu)化效果。
　　4.研究了含DG的無功優(yōu)化，并對接入DG的30節(jié)點(diǎn)標(biāo)準(zhǔn)數(shù)據(jù)集仿真，證明了IQDE算法相比DE算法具有更優(yōu)的性能。通過統(tǒng)計DG并網(wǎng)前后系統(tǒng)節(jié)點(diǎn)的電壓變化，發(fā)現(xiàn)DG接入容易造成電壓越限。因此有必要同時考慮電壓偏差最小和有功網(wǎng)損最小兩個目標(biāo)。
　　5.為了實(shí)現(xiàn)多目標(biāo)無功優(yōu)化，提出了基于Pamto最優(yōu)解的多目標(biāo)改進(jìn)量子差分進(jìn)化算法