及供电可靠性这三方面的影响出发,建立多目标规划模型,并采用NSGA2算法求解,以IEEE33节点配电系统为例进行仿真分析,得出合理的联络线布局和分布式风电选址定容方案。该文献的主要创新点在于考虑分布式风电源的随机性和提出在联络线规划中考虑分布式风电选址定容的方法。文献[17]对负荷和DG的典型时序特性进行分析,并以配电网电能年损失费和年供缺电量成本作为目标函数,提出了考虑时序特性的DG选址定容多目标规划模型,最后采用遗传算法对规划模型进行求解。该文献的创新之处在于根据气候特点,提出了DG及负荷的时序特性,更进一步地考虑DG出力及负荷需求的不确定性。文献[18]重点研究风力发电机接入配电网后的选址定容问题,结合风电的出力特征,将风电出力分为零输出、欠额定输出和额定输出这三个典型状态来构建场景,并取配网网损期望值最小为目标函数,采用场景策略分析与群搜索优化算法结合对目标函数进行寻优,以求解出风力发电机在这三个典型场景中的场景概率及在全场景状态下的配电网接入位置和容量配置方案。该文献较全面地考虑了风力发电机出力的不确定性,所提出的方法不仅适用于单个风力发电机接入配电网,还适用于多个风力发电机同时接入配电网。从以上列出的关于DG规划的文献中可看出,不管是国内还是国外,对于DG的规划问题都有较为深入的研究。对规划模型而言,可概括为经济性模型、可靠性模型、稳定性模型和环保性模型四大类,分别从投资收益增加、网损降低、停电损失最小、电压改善增大、可再生能源利用提高、污染排放量减少等角度对DG规划问题进行思考,多数文章并不只考虑单一的规划目标,而是结合多个目标建立数学模型,使DG的规划更加合理。对算法研究而言,出现较多的是遗传算法、粒子群算法、微分进化算法等,由于单目标算法存在局限性,为了更好地求解多目标规划模型,多目标算法应运而生,如NSGA[24]、NSGA2[25]等具有代表性的算法。
全文预览
