学位论文 > 优秀研究生学位论文题录展示

配电网中基于遗传算法的分布式发电规划

作　者: 张云
导　师: 王艳君
学　校: 河北农业大学
专　业: 农业电气化与自动化
关键词: 分布式发电配电网规划多目标模糊规划遗传算法改进自适应遗传算法
分类号: TP18
类　型: 硕士论文
年　份: 2008年
下　载: 537次
引　用: 9次
阅　读: 论文下载

内容摘要

随着发电技术的进步和日益增长的负荷需求,发电容量和电力系统规模不断扩大,大电网难以灵活跟踪负荷变化、系统可靠性降低、输配电网络损耗较大以及严重的环境污染等问题逐渐暴露出来,已经不能满足当今社会对电力供应质量与安全可靠性的要求。分布式发电(Distributed Generation,DG)具有减轻环境污染、降低终端用户费用、改善电能质量、提高供电可靠性、灵活地跟踪负荷变化、能满足能源可持续发展等众多优点,因此分布式发电与大电网供电相互补充、协调,是综合利用现有资源和设备、为用户提供可靠和优质电能的最佳方式。分布式发电除了在偏远或特殊的地区作为唯一的供电电源外,大部分用户希望既能使用分布式发电供电又可以由当地电网供电,或由它们同时供电。因此配电网络必须考虑与分布式发电的配合,当大量的分布式发电出现在规划方案中时,大量的随机变化使得系统的复杂性大大地增加。传统的规划方法没有足够的能力解决含分布式发电的配电网规划问题,这主要是因为传统的规划方法都不同程度地将规划问题进行了简化,对于规划中客观存在的难以定量表达的不确定性因素缺乏较好的处理方法。本文对含分布式发电的配电网规划问题进行了较深入的分析和探讨。首先,介绍了分布式发电的概念、分类和国内外发展现状,并列举了几种分布式发电技术及其优越性;分析了分布式发电接入配电网后对其运行和规划方面的影响。其次,针对配电系统中计及分布式发电的单一规划问题,在考虑分布式发电的经济性和安全性的基础上,建立了以分布式发电投资成本最小、系统网损最小和静态电压稳定裕度最大为优化子目标的多目标规划模型。为了获得全局最优方案,应用模糊理论制定了总体满意度,将多目标优化转化为单一目标的总体优化。最后,采用遗传算法求解模型,并针对遗传算法在求解过程中暴露的缺陷,如收敛速度较慢,易早熟等现象,提出了改进自适应遗传算法。采用算例验证了规划模型制定的正确性,还证明了改进自适应遗传算法比遗传算法收敛更快,全局优化能力更强。

全文目录

摘要  4-5
Abstract  5-9
1 绪论  9-13
  1.1 引言  9
  1.2 分布式发电给配电网规划带来的挑战  9-10
  1.3 国内外研究现状  10-11
  1.4 本文的主要研究内容  11-12
  1.5 本文结构  12-13
2 分布式发电技术  13-20
  2.1 分布式发电的概念  13
  2.2 国外发展现状  13-14
  2.3 我国发展分布式发电的必要性及发展现状  14-16
  2.4 分布式发电的分类  16-17
  2.5 分布式发电技术简介  17-18
  2.6 分布式发电的优越性  18-20
3 分布式发电对配电网及其规划的影响  20-24
  3.1 分布式发电对配电网运行和保护的影响  20-23
    3.1.1 对损耗的影响  20
    3.1.2 对电能质量的影响  20-21
    3.1.3 对系统保护的影响  21-22
    3.1.4 对系统可靠性的影响  22
    3.1.5 对故障电流的影响  22
    3.1.6 对配电网潮流的影响  22-23
  3.2 分布式发电对配电网规划的影响  23-24
4 含分布式发电的配电网规划模型  24-37
  4.1 含分布式发电的配电网规划  24-28
    4.1.1 分布式发电的布点规划  24-26
    4.1.2 含分布式发电的配电网扩展规划  26-28
  4.2 含分布式发电的配电网多目标规划模型  28-37
    4.2.1 投资成本目标函数  28
    4.2.2 系统网络损耗目标函数  28-32
    4.2.3 电压稳定度目标函数  32-35
    4.2.4 约束条件  35
    4.2.5 模糊理论的应用  35-37
5 含分布式发电的配电网规划优化算法  37-45
  5.1 引言  37-38
  5.2 遗传算法  38-42
    5.2.1 编码  38-39
    5.2.2 初始化  39
    5.2.3 适应度函数  39-40
    5.2.4 选择  40
    5.2.5 交叉  40-41
    5.2.6 变异  41
    5.2.7 控制参数选择  41-42
  5.3 改进自适应遗传算法  42-45
    5.3.1 随机联赛和最优保存选择法  42
    5.3.2 自适应变异和交叉算子  42-43
    5.3.3 终止判据  43
    5.3.4 约束条件的处理  43-45
6 算例分析  45-58
  6.1 配电网数据  45-48
  6.2 遗传算法求解  48-52
    6.2.1 关于分布式发电接入位置和容量的染色体编码  48
    6.2.2 遗传算法的流程图和参数设置  48-49
    6.2.3 优化结果  49-52
  6.3 改进自适应遗传算法求解  52-58
    6.3.1 编码  52
    6.3.2 改进自适应遗传算法的流程图和参数设置  52-53
    6.3.3 优化结果  53-58
7 结论与展望  58-60
  7.1 结论  58
  7.2 展望  58-60
参考文献  60-65
在读期间发表的学术论文  65-67
作者简介  67-68
致谢  68-69
附件  69-76

配电网中基于遗传算法的分布式发电规划

内容摘要

全文目录

相似论文