多目标全面学习粒子群算法在分布式电源选址定容中的应用与改进

       摘要: 分布式电源的容量和接入位置关系到其对电网的影响.综合考虑有功网损及电压偏差指标,研究了分布式电源选址定容的优化问题.提出一种改进的多目标全面学习粒子群算法(MOCLPSO),该算法改进了全局最优解的选取方法,引进了非线性递减惯性权重,并结合基于距离的多目标粒子群优化算法(DISMOPSO)改善了非劣解的分布,用于提升算法的精度、收敛性及多样性.10节点算例及IEEE-33节点算例仿真结果表明,本文所提出的分布式电源选址定容优化方法有助于含有分布式电源的系统减少网损、提高电压质量.

作者:
赵娜 朱永强
单位:
新能源电力系统国家重点实验室(华北电力大学),北京,102206
出处:
《智慧电力》
刊期:
2017年第45卷第6期
基金:
国家高技术研究发展计划(863计划)资助(2015AA050102)

多目标全面学习粒子群算法在分布式电源选址定容中的应用与改进

摘要:分布式电源的容量和接入位置关系到其对电网的影响.综合考虑有功网损及电压偏差指标,研究了分布式电源选址定容的优化问题.提出一种改进的多目标全面学习粒子群算法(MOCLPSO),该算法改进了全局最优解的选取方法,引进了非线性递减惯性权重,并结合基于距离的多目标粒子群优化算法(DISMOPSO)改善了非劣解的分布,用于提升算法的精度、收敛性及多样性.10节点算例及IEEE-33节点算例仿真结果表明,本文所提出的分布式电源选址定容优化方法有助于含有分布式电源的系统减少网损、提高电压质量.

说明:如本页面涉及到版权问题或作者不愿意公开,请联系本站管理员删除!

0.287642s