基于改进遗传算法的分布式电源并网优化配置

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (16): 251-256.

基于改进遗传算法的分布式电源并网优化配置

包广清1，杨国金2，杨勇3，王晓兰1

1.兰州理工大学电气工程与信息工程学院，兰州 730050
2.国网青海省电力公司经济技术研究院，西宁 810008
3.甘肃省电力科学研究院，兰州 730050

出版日期:2016-08-15 发布日期:2016-08-12

Improved Genetic Algorithm-based optimal planning for grid-connected distributed generation

BAO Guangqing1, YANG Guojin2, YANG Yong3, WANG Xiaolan1

1.College of Electrical Engineering ＆ Automation Engineering, Lanzhou University of Technology, Lanzhou 730050, China
2.Economic Research Institute of Qinghai Province, Xining 810008, China
3.Electric Power Research Institute of Gansu Province, Lanzhou 730050, China

Online:2016-08-15 Published:2016-08-12

摘要/Abstract

摘要： 随着国家电网对分布式电源并网市场的开放，将分布式电源集成到现有配电系统是今后电力系统的发展趋势。以配电网网损和节点电压偏移最小化为优化目标，考虑支路电流约束、分布式发电单元容量和总接入容量等约束条件，构建大规模分布式电源并网优化配置模型。并提出基于均匀设计的改进遗传算法进行寻优计算，避免了遗传算子的盲目试凑，可以较好地兼顾多目标优化Pareto解集的多样性与快速性，有效提高优化精度。算例对比分析结果表明，通过对分布式电源接入配电网的合理优化配置，可以有效降低系统网损，提高配电网电压的稳定性。

关键词: 分布式发电, 系统网损, 节点电压偏移, 多目标优化, 遗传算法

Abstract: With the opening of the national grid for grid-connected Distributed Generation（DG） market, the DG is integrated into existing distribution systems becomes the future development trend of electric power system. To minimize the distribution network loss and node voltage deviation, the optimal location and capability configuration model for grid-connected DG is built, taking into account the branch current constraints, distributed generation units and total access capacity constraints. Then the improved Genetic Algorithms（GA） are applied to the optimization calculation. The genetic operators are set by uniform design to avoid the time consuming blind trials, and both the diversity and fastness of Pareto solution set are coordinated well. The results of example analysis show that the obtained configuration scheme of DG can effectively reduce the power loss and voltage deviation, thus the feasibility and effectiveness of the proposed model and algorithm are validated.

Key words: distributed generation, power loss, node voltage deviation；multi-objective optimization;　genetic algorithm

包广清1，杨国金2，杨勇3，王晓兰1. 基于改进遗传算法的分布式电源并网优化配置[J]. 计算机工程与应用, 2016, 52(16): 251-256.

BAO Guangqing1, YANG Guojin2, YANG Yong3, WANG Xiaolan1. Improved Genetic Algorithm-based optimal planning for grid-connected distributed generation[J]. Computer Engineering and Applications, 2016, 52(16): 251-256.

[1]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[2]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[3]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[4]	胡小兵，陈树念，张盈斐，谷升豪. 求解多目标路径优化问题的涟漪扩散算法[J]. 计算机工程与应用, 2021, 57(23): 81-90.
[5]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[6]	李大海，艾志刚，王振东. 基于全组合策略的多目标阴阳对算法[J]. 计算机工程与应用, 2021, 57(22): 110-124.
[7]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[8]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[9]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[10]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[11]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[12]	冯晓东，黄世荣，戴冠鸥，杨伟家，罗尧治. 天牛须遗传杂交算法的研究与应用[J]. 计算机工程与应用, 2021, 57(15): 90-100.
[13]	苏庆，林华智，黄剑锋，林志毅. 结合CNN和Catboost算法的恶意安卓应用检测模型[J]. 计算机工程与应用, 2021, 57(15): 140-146.
[14]	姜良重，雷航，李贞昊，钱伟中，施甘图. 采用自适应优化权重的出库货位优化方法研究[J]. 计算机工程与应用, 2021, 57(15): 271-278.
[15]	贺娇，谭代伦. 基于视野范围和遗传算法的三维地形路径规划[J]. 计算机工程与应用, 2021, 57(15): 279-285.