【摘要】：針對光伏分布式電源(PV-DG)將大量接入配電網(wǎng)的場景,提出了基于K-means聚類粒子群算法(PSO)的PV-DG日前出力優(yōu)化算法。該算法通過K-means聚類法根據(jù)PV-DG依次接入不同配電網(wǎng)的節(jié)點每小時網(wǎng)損的分析對節(jié)點進行分類,結合設計的分配公式初始化并網(wǎng)節(jié)點的PV-DG出力,將此出力作為初始化粒子引入粒子群優(yōu)化算中。將分時系數(shù)自回歸滑動平均(ARMA)模型預測方法與常規(guī)ARMA預測方法進行了比較,仿真結果表明分時系數(shù)ARMA模型預測方法提高了預測精度;并將K-means聚類的粒子群算法與粒子群算法及模糊粒子群算法分別進行了比較,對比結果說明提出的優(yōu)化方法進一步降低了網(wǎng)損。
[Abstract]:In view of the scenario that photovoltaic distributed generation (PV-DG) will be heavily connected to distribution network, a PV-DG pre-day output optimization algorithm based on K-means clustering particle swarm optimization (PSO) is proposed. The algorithm classifies nodes by K-means clustering method according to the analysis of hourly network loss of nodes connected to different distribution networks by PV-DG in turn, and initializes the PV-DG output of grid-connected nodes according to the designed allocation formula. This output force is introduced into the particle swarm optimization as an initialized particle. The prediction method of time-sharing coefficient autoregressive moving average (ARMA) model is compared with that of conventional ARMA model. The simulation results show that the prediction accuracy of time-sharing coefficient ARMA model is improved. The PSO algorithm based on K-means clustering is compared with PSO algorithm and fuzzy PSO algorithm respectively. The comparison results show that the proposed optimization method can further reduce the network loss.
【作者單位】： 國網(wǎng)湖北省電力公司信息通信公司;
【分類號】：TM714.3

【相似文獻】

相關期刊論文 前10條

1 張亮;呂林;;利用粒子群算法解決電網(wǎng)優(yōu)化購入電量[J];電力系統(tǒng)保護與控制;2009年22期

2 趙菲;焦彥軍;;基于粒子群算法的輸電線路參數(shù)辨識[J];陜西電力;2011年09期

3 徐余法;高潔;陳國初;;一種改進粒子群算法及其在風電場中的應用[J];華東理工大學學報(自然科學版);2012年03期

4 仲曉春;彭春華;陳佳琰;;基于改進粒子群算法的機組經(jīng)濟運行的博弈[J];華東交通大學學報;2008年03期

5 馬立新;屈娜娜;單冠華;王守征;;電力系統(tǒng)無功優(yōu)化的柯西粒子群算法[J];控制工程;2011年05期

6 王道軍;孫俊;須文波;;量子粒子群算法在電力系統(tǒng)經(jīng)濟調度中的應用[J];計算機工程與設計;2008年19期

7 黃燕燕;彭春華;;改進粒子群算法在電力系統(tǒng)經(jīng)濟調度中的應用[J];電力科學與工程;2011年04期

8 周宣;;基于隨機自適應粒子群算法的電力系統(tǒng)無功優(yōu)化[J];計算機與現(xiàn)代化;2011年12期

9 鄭禹;汪萍;;基于粒子群算法的稀布陣雷達防雷優(yōu)化設計分析[J];電腦知識與技術;2013年08期

10 林國漢;章兢;劉朝華;趙葵銀;;改進粒子群算法優(yōu)化擴展卡爾曼濾波器電機轉速估計[J];計算機應用研究;2013年07期

相關會議論文 前6條

1 劉文許;林禮清;溫步瀛;;電力市場下基于改進粒子群算法的AGC機組選擇[A];中國高等學校電力系統(tǒng)及其自動化專業(yè)第二十四屆學術年會論文集（中冊）[C];2008年

2 王征;劉大寶;王家林;王永驥;;基于離散粒子群算法的船舶電力系統(tǒng)重構研究[A];2011年中國智能自動化學術會議論文集（第一分冊）[C];2011年

3 馬飛;陳雪波;李小華;;改進的粒子群算法在電力系統(tǒng)AGC中的應用[A];第16屆中國過程控制學術年會暨第4屆全國故障診斷與安全性學術會議論文集[C];2005年

4 劉暢;李渝曾;李海英;;基于遺傳算法與粒子群算法的機組開停機規(guī)劃[A];2008中國電力系統(tǒng)保護與控制學術研討會論文集[C];2008年

5 曹蘊;盛四清;姚煜;;基于混沌粒子群算法的配電網(wǎng)規(guī)化[A];中國高等學校電力系統(tǒng)及其自動化專業(yè)第二十四屆學術年會論文集（上冊）[C];2008年

6 于騰凱;李燕青;謝慶;;基于改進粒子群算法的配電網(wǎng)分段開關優(yōu)化研究[A];中國高等學校電力系統(tǒng)及其自動化專業(yè)第二十四屆學術年會論文集（中冊）[C];2008年

相關博士學位論文 前3條

1 李慶偉;粒子群算法及電廠若干問題的研究[D];東南大學;2016年

2 黃平;粒子群算法改進及其在電力系統(tǒng)的應用[D];華南理工大學;2012年

3 張震;骨干粒子群算法及其在電力變壓器設計中的應用[D];浙江大學;2014年

相關碩士學位論文 前10條

1 陳百霞;考慮風電場并網(wǎng)的電力系統(tǒng)無功優(yōu)化[D];山東大學;2015年

2 付燕杰;獨立型風/光/儲發(fā)電系統(tǒng)容量配置的優(yōu)化研究[D];內蒙古工業(yè)大學;2015年

3 肖海波;基于改進粒子群算法的水—火發(fā)電系統(tǒng)聯(lián)合調度[D];華北電力大學;2015年

4 楊三根;風電與水電聯(lián)合調度問題研究[D];電子科技大學;2015年

5 趙毅薇;直覺模糊粒子群算法在發(fā)電機組啟動策略中的應用[D];電子科技大學;2014年

6 周東瑞;基于粒子群算法的配電局域網(wǎng)無功優(yōu)化研究[D];山東大學;2015年

7 朱良;基于云計算和優(yōu)化KMeans的電力不良數(shù)據(jù)辨識[D];華北電力大學;2015年

8 甄真;包頭地區(qū)含風電場電力系統(tǒng)的無功優(yōu)化研究[D];華北電力大學;2015年

9 侯碩楠;改進的粒子群算法及其在電力系統(tǒng)無功優(yōu)化中的應用[D];東北大學;2014年

10 黃知偉;基于云粒子群算法的含DG配電網(wǎng)故障定位[D];湖北工業(yè)大學;2016年

，

本文編號：2382555