基于链式多智能体遗传算法的分布式电源优化配置研究

摘要

发电技术凭借其灵活、高效、清洁等特点近年来得到了大力提倡与发展。分布式电源（Distribution Generation,简称DG）与配电网联合供电将是未来电力行业的主流趋势。
　　介绍了多智能体和多智能体系统,针对基本遗传算法易早熟收敛的现象和多智能体能加强个体之间信息协调合作的优点，提出了网格式多智能体算法，通过二维空间的测试发现了此方法的不足。另外针对网格式多智能体算法在进行智能体更新的时候易加大计算量，不利于应用在实时性强的实际应用中。通过采用链式多智能体算法与遗传算法相结合，提出了链式多智能体遗传算法。通过综合分析标准函数的测试结果可知，链式多智能体遗传算法在收敛精度、收敛速度和稳定性等方面都有显著提高。
　　介绍了各种分布式电源并网的工作原理以及并网接口的节点类型，给出了在含分布式电源的配电网潮流计算中各类节点类型的处理方式；结合配电网节点分层方法，并通过前推回带法求配电网潮流，同时建立了以系统有功损耗最小为目标函数的含分布式电源的配电网优化配置数学模型，通过在IEEE33节点系统进行多个方案的仿真测试，实验表明在解决分布式电源并网上用此潮流计算方法具有一定的优越性。
　　提出了以有功网损耗为单目标函数的DG并网优化配置的数学模型和以系统有功损耗和电压稳点性综合为目标函数的DG并网优化配置数学模型。通过考虑在孤立场景情况下对DG选址和定容的测试以及考虑规划地区的24-h负荷时序特性和气候特点的24-h负荷变换的情况下的DG优化配置。针对以上两种情况，分别在IEEE33节点系统以及PG&E69节点系统的多种算例进行测试，研究分析了DG的接入位置、容量、功率因素的不同等对配电网有功损耗以及电压分布的影响。实验表明合理加入DG能有效的提高配电网系统的电压稳定性以及降低系统的有功损耗。同时也证明了链式多智能体遗传算法在处理含DG的配电网优化配置上具有一定的正确性和实用性。