基于磷蝦群算法的主動(dòng)配電網(wǎng)動(dòng)態(tài)重構(gòu)
發(fā)布時(shí)間:2021-09-01 09:57
近年來,以風(fēng)力發(fā)電、光伏發(fā)電等為代表的分布式電源和可入網(wǎng)電動(dòng)汽車憑借其可再生性、清潔性和經(jīng)濟(jì)性等諸多優(yōu)點(diǎn)受到人們廣泛的關(guān)注。但分布式電源以及電動(dòng)汽車負(fù)荷具有隨機(jī)性和分散性等特點(diǎn),負(fù)荷狀態(tài)難以預(yù)測,大規(guī)模直接接入會(huì)對(duì)配電網(wǎng)安全、穩(wěn)定運(yùn)行以及供電可靠性等方面造成一定的影響。根據(jù)主動(dòng)配電網(wǎng)負(fù)荷實(shí)時(shí)變動(dòng)的情況,對(duì)主動(dòng)配電網(wǎng)進(jìn)行合理的動(dòng)態(tài)重構(gòu)使主動(dòng)配電網(wǎng)主動(dòng)地適應(yīng)于分布式能源負(fù)荷狀態(tài)的要求,既能減少電力成本、提高分布式電源的并網(wǎng)數(shù)量與運(yùn)行效率,又能保證配電網(wǎng)安全、穩(wěn)定運(yùn)行。本文主要圍繞主動(dòng)配電網(wǎng)的結(jié)構(gòu)和運(yùn)行特點(diǎn),結(jié)合分布式電源以及電動(dòng)汽車負(fù)荷特性,進(jìn)行基于磷蝦群算法的主動(dòng)配電網(wǎng)動(dòng)態(tài)重構(gòu)研究。研究了分布式能源的潮流計(jì)算模型以及主動(dòng)配電網(wǎng)潮流計(jì)算方法,構(gòu)建了考慮網(wǎng)絡(luò)抗毀度的主動(dòng)配電網(wǎng)多目標(biāo)靜態(tài)重構(gòu)模型。對(duì)入網(wǎng)分布式能源進(jìn)行等效處理;提出了一種基于最小聯(lián)絡(luò)回路矩陣的主動(dòng)配電網(wǎng)結(jié)構(gòu)簡化方法,避免了不可行解的產(chǎn)生;提出了基于新型啟發(fā)式算法——磷蝦群算法的主動(dòng)配電網(wǎng)靜態(tài)重構(gòu)方案,并對(duì)傳統(tǒng)配電網(wǎng)、正常運(yùn)行以及故障狀態(tài)下的主動(dòng)配電網(wǎng)進(jìn)行了仿真分析。構(gòu)建了光伏發(fā)電、風(fēng)力發(fā)電、可入網(wǎng)電動(dòng)汽車的時(shí)間負(fù)荷概率模型,并由...
【文章來源】:湖南大學(xué)湖南省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:96 頁
【學(xué)位級(jí)別】:碩士
【圖文】:
圖4.2?CLARANS聚類過程??
進(jìn)化代數(shù)??Evolutionary?algebra??圖5.4最優(yōu)磷蝦群個(gè)體迭代曲線??基本遺傳算法GA算法模擬生物進(jìn)化論中的自然選擇機(jī)理,通過染色體信息??的選擇、交叉、變異實(shí)現(xiàn)種群個(gè)體的優(yōu)勝劣汰,最終求得最優(yōu)基因組合。圖5.3??中將基本遺傳算法GA、原始磷蝦群算法與改進(jìn)磷蝦群算法的收斂曲線進(jìn)行比較,??可以看出遺傳算法得到的最優(yōu)開關(guān)組合對(duì)應(yīng)主動(dòng)配電網(wǎng)網(wǎng)絡(luò)損耗為153.6kW???h,??而磷蝦群算法所得開關(guān)組合使得網(wǎng)絡(luò)損耗大大降低,值為124.3kW*h,磷蝦群算??法相比遺傳算法具有更好的全局尋優(yōu)能力。迭代次數(shù)方面,原始磺蝦群算法迭代??次數(shù)為39次多于遺傳算法的32次,但改進(jìn)后磷蝦群算法在保留全局尋優(yōu)能力的??同時(shí)
進(jìn)化代數(shù)??EvDlutionary?algebra??圖5.3?ffiEE33節(jié)點(diǎn)測試系統(tǒng)收斂曲線??169?[-??1641??4??154[\??-??143?L?\??ll??11144^?U??^0-?\??K?139-?\??134?-?\??129'???[?[?[?[?[?[?[?[?[?[??5?10?15?20?25?30?35?40?45?50??進(jìn)化代數(shù)??Evolutionary?algebra??圖5.4最優(yōu)磷蝦群個(gè)體迭代曲線??基本遺傳算法GA算法模擬生物進(jìn)化論中的自然選擇機(jī)理,通過染色體信息??的選擇、交叉、變異實(shí)現(xiàn)種群個(gè)體的優(yōu)勝劣汰,最終求得最優(yōu)基因組合。圖5.3??中將基本遺傳算法GA、原始磷蝦群算法與改進(jìn)磷蝦群算法的收斂曲線進(jìn)行比較,??可以看出遺傳算法得到的最優(yōu)開關(guān)組合對(duì)應(yīng)主動(dòng)配電網(wǎng)網(wǎng)絡(luò)損耗為153.6kW???h,??而磷蝦群算法所得開關(guān)組合使得網(wǎng)絡(luò)損耗大大降低,值為124.3kW*h,磷蝦群算??法相比遺傳算法具有更好的全局尋優(yōu)能力。迭代次數(shù)方面,原始磺蝦群算法迭代??次數(shù)為39次多于遺傳算法的32次,但改進(jìn)后磷蝦群算法在保留全局尋優(yōu)能力的??同時(shí)
本文編號(hào):3376774
【文章來源】:湖南大學(xué)湖南省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:96 頁
【學(xué)位級(jí)別】:碩士
【圖文】:
圖4.2?CLARANS聚類過程??
進(jìn)化代數(shù)??Evolutionary?algebra??圖5.4最優(yōu)磷蝦群個(gè)體迭代曲線??基本遺傳算法GA算法模擬生物進(jìn)化論中的自然選擇機(jī)理,通過染色體信息??的選擇、交叉、變異實(shí)現(xiàn)種群個(gè)體的優(yōu)勝劣汰,最終求得最優(yōu)基因組合。圖5.3??中將基本遺傳算法GA、原始磷蝦群算法與改進(jìn)磷蝦群算法的收斂曲線進(jìn)行比較,??可以看出遺傳算法得到的最優(yōu)開關(guān)組合對(duì)應(yīng)主動(dòng)配電網(wǎng)網(wǎng)絡(luò)損耗為153.6kW???h,??而磷蝦群算法所得開關(guān)組合使得網(wǎng)絡(luò)損耗大大降低,值為124.3kW*h,磷蝦群算??法相比遺傳算法具有更好的全局尋優(yōu)能力。迭代次數(shù)方面,原始磺蝦群算法迭代??次數(shù)為39次多于遺傳算法的32次,但改進(jìn)后磷蝦群算法在保留全局尋優(yōu)能力的??同時(shí)
進(jìn)化代數(shù)??EvDlutionary?algebra??圖5.3?ffiEE33節(jié)點(diǎn)測試系統(tǒng)收斂曲線??169?[-??1641??4??154[\??-??143?L?\??ll??11144^?U??^0-?\??K?139-?\??134?-?\??129'???[?[?[?[?[?[?[?[?[?[??5?10?15?20?25?30?35?40?45?50??進(jìn)化代數(shù)??Evolutionary?algebra??圖5.4最優(yōu)磷蝦群個(gè)體迭代曲線??基本遺傳算法GA算法模擬生物進(jìn)化論中的自然選擇機(jī)理,通過染色體信息??的選擇、交叉、變異實(shí)現(xiàn)種群個(gè)體的優(yōu)勝劣汰,最終求得最優(yōu)基因組合。圖5.3??中將基本遺傳算法GA、原始磷蝦群算法與改進(jìn)磷蝦群算法的收斂曲線進(jìn)行比較,??可以看出遺傳算法得到的最優(yōu)開關(guān)組合對(duì)應(yīng)主動(dòng)配電網(wǎng)網(wǎng)絡(luò)損耗為153.6kW???h,??而磷蝦群算法所得開關(guān)組合使得網(wǎng)絡(luò)損耗大大降低,值為124.3kW*h,磷蝦群算??法相比遺傳算法具有更好的全局尋優(yōu)能力。迭代次數(shù)方面,原始磺蝦群算法迭代??次數(shù)為39次多于遺傳算法的32次,但改進(jìn)后磷蝦群算法在保留全局尋優(yōu)能力的??同時(shí)
本文編號(hào):3376774
本文鏈接:http://sikaile.net/kejilunwen/sousuoyinqinglunwen/3376774.html
最近更新
教材專著