融合双重策略粒子群算法的分布式电源配网无功优化

摘要：

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

所属期刊栏目：16

分类号：TM743(输配电工程、电力网及电力系统)

资助基金：电力系统国家重点实验室资助课题SKLD21M11

在线出版日期：2022-07-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：14-22,81