电网中分布式电源(distributed generation,DG)出力的随机波动性,以及负荷与电网互动性的增强,使得基于电网最大运行工况进行的传统变电站规划不再适应新形势下智能电网的发展。针对该问题,首先建立了负荷和分布式电源(distributed gene...电网中分布式电源(distributed generation,DG)出力的随机波动性,以及负荷与电网互动性的增强,使得基于电网最大运行工况进行的传统变电站规划不再适应新形势下智能电网的发展。针对该问题,首先建立了负荷和分布式电源(distributed generation,DG)出力的时间序列,并基于该序列建立了配电网变电站选址定容的时序模型,在该模型中考虑了各变电站供区内DG渗透率的平衡,有效计及了DG的地理分布及其波动性;然后,基于变电站供区内的负荷及DG出力特性,研究了变电站综合负荷特性,并根据各负荷点的调节能力,提出了改善变电站综合负荷特性的负荷平移策略;通过将交替定位分配法与自适应调整搜索范围的遗传算法相结合,提出了交替迭代遗传算法(location and allocation with genetic algorithm,LA-GA),用以对变电站规划的时序模型进行优化求解;最后,对一实际规划区域进行仿真计算,验证了文中模型和算法的有效性。展开更多
文摘电网中分布式电源(distributed generation,DG)出力的随机波动性,以及负荷与电网互动性的增强,使得基于电网最大运行工况进行的传统变电站规划不再适应新形势下智能电网的发展。针对该问题,首先建立了负荷和分布式电源(distributed generation,DG)出力的时间序列,并基于该序列建立了配电网变电站选址定容的时序模型,在该模型中考虑了各变电站供区内DG渗透率的平衡,有效计及了DG的地理分布及其波动性;然后,基于变电站供区内的负荷及DG出力特性,研究了变电站综合负荷特性,并根据各负荷点的调节能力,提出了改善变电站综合负荷特性的负荷平移策略;通过将交替定位分配法与自适应调整搜索范围的遗传算法相结合,提出了交替迭代遗传算法(location and allocation with genetic algorithm,LA-GA),用以对变电站规划的时序模型进行优化求解;最后,对一实际规划区域进行仿真计算,验证了文中模型和算法的有效性。
