大规模风电并网必然会给电力系统带来一系列的电能质量问题,为保证电网投资经济性和电能质量最优,考虑风机出力以及负荷预测的不确定性,利用机会约束规划方法构建了以线路总长度最短,风电场并网公共连接点处的电压闪变水平最低为目标的...大规模风电并网必然会给电力系统带来一系列的电能质量问题,为保证电网投资经济性和电能质量最优,考虑风机出力以及负荷预测的不确定性,利用机会约束规划方法构建了以线路总长度最短,风电场并网公共连接点处的电压闪变水平最低为目标的风电场多目标电网规划模型。针对传统优化算法的目标权重人为选择以及常规NSGA2算法的局部收敛等问题,提出将正态分布交叉(normal distribution crossover,NDX)算子引入到NSGA2算法中,借助NDX算子加强算法的全局搜索能力,优化出最佳的电网规划方案。对IEEE6节点系统的仿真结果表明所提方法具有较高的决策效率,得到的含风电场电网的规划方案,在保证经济性的同时,也使风机并网点的电能质量达到更高的品质。展开更多
风电并网在实现节约化石能源和减少有害气体排放等效益的同时,也将对电力系统的可靠性造成一定的负面影响。为达到投资经济性、系统可靠性、环保效果的整体最优,构建了多目标风电场接入的输电线路与电网的联合优化规划模型;针对目标权...风电并网在实现节约化石能源和减少有害气体排放等效益的同时,也将对电力系统的可靠性造成一定的负面影响。为达到投资经济性、系统可靠性、环保效果的整体最优,构建了多目标风电场接入的输电线路与电网的联合优化规划模型;针对目标权重未知、人工神经网络(artificial neuralnetwork,ANN)收敛困难、无法合理决策等问题,采用方差最大化决策和分类逼近理想解的排序方法(technique fororder preference by similarity to an ideal solution,TOPSIS)缩小最优解的范围,并在此基础上提出了随机模拟、神经元网络和非劣排序遗传算法II(non-dominated sorting geneticalgorithm II,NSGA-Ⅱ)相结合的混合智能算法;对增加风电场的改进IEEE Garver-6系统进行计算分析,结果表明该方法具有较高的决策效率和计算精度,从而验证了所提出模型和方法的合理性和有效性。展开更多
文摘大规模风电并网必然会给电力系统带来一系列的电能质量问题,为保证电网投资经济性和电能质量最优,考虑风机出力以及负荷预测的不确定性,利用机会约束规划方法构建了以线路总长度最短,风电场并网公共连接点处的电压闪变水平最低为目标的风电场多目标电网规划模型。针对传统优化算法的目标权重人为选择以及常规NSGA2算法的局部收敛等问题,提出将正态分布交叉(normal distribution crossover,NDX)算子引入到NSGA2算法中,借助NDX算子加强算法的全局搜索能力,优化出最佳的电网规划方案。对IEEE6节点系统的仿真结果表明所提方法具有较高的决策效率,得到的含风电场电网的规划方案,在保证经济性的同时,也使风机并网点的电能质量达到更高的品质。
文摘风电并网在实现节约化石能源和减少有害气体排放等效益的同时,也将对电力系统的可靠性造成一定的负面影响。为达到投资经济性、系统可靠性、环保效果的整体最优,构建了多目标风电场接入的输电线路与电网的联合优化规划模型;针对目标权重未知、人工神经网络(artificial neuralnetwork,ANN)收敛困难、无法合理决策等问题,采用方差最大化决策和分类逼近理想解的排序方法(technique fororder preference by similarity to an ideal solution,TOPSIS)缩小最优解的范围,并在此基础上提出了随机模拟、神经元网络和非劣排序遗传算法II(non-dominated sorting geneticalgorithm II,NSGA-Ⅱ)相结合的混合智能算法;对增加风电场的改进IEEE Garver-6系统进行计算分析,结果表明该方法具有较高的决策效率和计算精度,从而验证了所提出模型和方法的合理性和有效性。
