基于增强卷尾猴搜索算法的分布式电源定容选址方法

doi:10.3969/j.issn.1006-2475.2024.04.005

摘要/Abstract

摘要： 摘要：在新能源特征和分布情况的影响下，大规模的分布式电源（Distributed Generator, DG）与电动汽车（Electric Vehicle, EV）接入电网，使得电网的结构和运行方式发生了根本性变化。为了提高DG的利用率，降低电网波动，以配电网的年综合成本最小为目标函数，在节点电压、支路功率等安全约束的条件下，建立包含EV充电的配电网DG定容选址的规划模型，并提出一种增强卷尾猴搜索算法对模型进行求解。该算法将野马优化算法中领导者选择的社会行为对传统卷尾猴搜索算法进行改进，以避免出现陷入局部最优的情况。最后对IEEE-33节点典型配电网系统进行仿真计算，并与其他算法结果进行比较，验证本文提出的算法的优越性。

关键词: 关键词：分布式电源, 定容选址, 电动汽车, 配电网, 增强卷尾猴搜索算法

Abstract:
Abstract： Under the influence of the characteristics and distribution of new energy， large-scale distributed generator （DG） and electric vehicles （EV） are connected to the distributed network， which makes a fundamental change in the structure and operation mode of the power grid. In order to improve the utilization rate of DG and reduce the fluctuation of the distributed network， the minimum annual comprehensive cost of the distribution generation is taken as the objective function. Under the constraint conditions of node voltage and branch power， a planning model of constant volume location of distributed network DG is established including EV charging， and an enhanced capuchin search algorithm is proposed to solve the model. This algorithm improves the social behaviors selected by the leader in the wild horse optimizer on the traditional capuchin search algorithm to avoid falling into the local optimal situation. Finally， the typical distribution system of IEEE-33 bus is simulated and compared with other algorithms to verify the superiority of the proposed algorithm.

Key words: Key words： distributed generator （DG）, location and capacity determination, electric vehicle （EV）, distribution network, enhanced capuchin search algorithm （ECapSA）

中图分类号:

TM715

李佳多, 闫秀英. 基于增强卷尾猴搜索算法的分布式电源定容选址方法[J]. 计算机与现代化, 2024, 0(04): 27-32.

LI Jiaduo, YAN Xiuying. Method of Location and Capacity Determination for Distributed Generator Based on#br# Enhanced Capuchin Search Algorithm[J]. Computer and Modernization, 2024, 0(04): 27-32.

参考文献

［1］王成山，李鹏. 分布式发电、微网与智能配电网的发展与挑战［J］. 电力系统自动化， 2010，34（2）：10-14.
［2］马玲玲，杨军，付聪，等. 电动汽车充放电对电网影响研究综述［J］. 电力系统保护与控制， 2013，41（3）：140-148.
［3］胡骅，吴汕，夏翔，等. 考虑电压调整约束的多个分布式电源准入功率计算［J］. 中国电机工程学报， 2006，26（19）：13-17.
［4］雷亚洲，王伟胜，印永华，等. 一种静态安全约束下确定电力系统风电准入功率极限的优化方法［J］. 中国电机工程学报， 2001，21（6）：25-28.
［5］李滨，梁宇帆，祝靖，等. 一种分布式光伏选线定容的二阶锥规划方法［J］. 电力系统保护与控制， 2018，46（10）：113-122.
［6］ TENG J H. Unsymmetrical open-conductor analysis for unbalanced weakly meshed distribution systems［J］. IET Generation， Transmission & Distribution， 2011，5（1）：136-143.
［7］彭显刚，林利祥，刘艺，等. 计及电动汽车和可再生能源不确定因素的多目标分布式电源优化配置［J］. 电网技术， 2015，39（8）：2188-2194.
［8］刘可，王昕，刘冬平，等. 基于BFOA算法的配电网DG选址定容方法［J］. 智慧电力， 2022，50（9）：90-96.
［9］卢光辉，滕欢，廖寒逊，等. 基于改进天牛须搜索算法的分布式电源选址定容［J］. 电测与仪表， 2019，56（17）：6-12.
［10］郑建，徐青山，施雨松. 基于启发式矩匹配法的分布式电源选址定容方法［J］. 电力系统及其自动化学报， 2021，33（8）：15-23.
［11］陈浩，马平. 基于改进多目标粒子群算法的DG选址定容优化研究［J］. 计算机与数字工程， 2020，48（1）：1-6.
［12］王凯平. 基于鲸鱼粒子群混合算法的分布式电源选址与定容［D］. 沈阳：沈阳农业大学， 2022.
［13］ KENNEDY J， EBERHART R. Particle swarm optimization［C］// Proceedings of the 1995 International Conference on Neural Networks. IEEE， 1995，4：1942-1948.
［14］ NARUEI I， KEYNIA F. Wild horse optimizer： A new meta-heuristic algorithm for solving engineering optimization problems［J］. Engineering with Computers， 2022，38（S4）：3025-3056.
［15］ BRAIK M， SHETA A， AL-HIARY H. A novel meta-heuristic search algorithm for solving optimization problems： Capuchin search algorithm［J］. Neural Computing & Applications， 2021，33（7）：2515-2547.
［16］郑美特. 三峡电力系统与全国联合电网问题的研究［J］. 电网技术， 1995（7）：1-4.
［17］ GUO Y， XIONG J W， XU S Y， et al. Two-stage economic operation of microgrid-like electric vehicle parking deck［J］. IEEE Transactions on Smart Grid， 2016，7（3）：1703-1712.
［18］ ARANI M F M， MOHAMED Y A R I. Cooperative control of wind power generator and electric vehicles for microgrid primary frequency regulation［J］. IEEE Transactions on Smart Grid， 2018，9（6）：5677-5686.
［19］贾清泉，赵美超，孙玲玲，等. 主动配电网中计及时序性与相关性的分布式光伏并网规划［J］. 中国电机工程学报， 2018，38（6）：1719-1728.
［20］王强. 源荷不确定性下微电网风险量化的双层优化配置［D］. 呼和浩特：内蒙古大学， 2022.
［21］ RUDOLPH G. Convergence analysis of canonical genetic algorithms［J］. IEEE Transactions on Neural Networks， 1994，5（1）：96-101.
［22］ CHONG E K P， ZAK S H. An Introduction to Optimization［M］. Wiley， 2013.
［23］彭春华，于蓉，孙惠娟. 基于K-均值聚类多场景时序特性分析的分布式电源多目标规划［J］. 电力自动化设备， 2015，35（10）：58-65.
［24］ BARAN M E， WU F F. Network reconfiguration in distribution systems for loss reduction and load balancing［J］. IEEE Transactions on Power Delivery， 1989，4（2）：1401-1407.
［25］国家能源局. 国家能源局关于2021年风电、光伏发电开发建设有关事项的通知［DB/OL］. （2021-05-11）［2023-04-10］. https：//www.gov.cn/zhengce/zhengceku/2021-05/27/content_5612874.htm.
［26］西安市发展和改革委员会. 关于印发西安市分布式光伏发电项目补贴资金申报发放实施细则的通知［DB/OL］. （2022-05-26）［2023-04-10］. http：//xadrc.xa.gov.cn/xwzx/
tzgg/628f4b98f8fd1c0bdc9adbbb.html.
［27］陕西省发展和改革委员会. 陕西省发展和改革委员会关于调整陕西电网目录销售电价有关事项的通知［DB/OL］. （2021-10-25）［2023-04-10］. https：//m.thepaper.cn/baijiahao_15078110.
［28］罗卓伟，胡泽春，宋永华，等. 电动汽车充电负荷计算方法［J］. 电力系统自动化， 2011，35（14）：36-42.

[1]	李延满, 王必恒, 赵羚焱. 基于轻量化YOLOv5的安全帽检测[J]. 计算机与现代化, 2023, 0(10): 59-64.
[2]	刘显茁, 邓韦斯, 谢恩彦. 考虑分布式发电并网的配电网自适应保护系统[J]. 计算机与现代化, 2023, 0(09): 120-126.
[3]	何玉鹏, 陶勇, 王必恒, 赵英男. 智能配电网边缘计算研究现状与展望[J]. 计算机与现代化, 2023, 0(08): 87-92.
[4]	李彦生. 基于神经网络的配电网负荷预测方法[J]. 计算机与现代化, 2021, 0(06): 69-73.
[5]	张忠, 邹燕飞, 刘淑英. 考虑交通流量的改进型电动汽车充/换电设施选址布局[J]. 计算机与现代化, 2020, 0(06): 114-.
[6]	郭江涛，沈佳，刘昆，邹岳林. 配电安全交互网关报文处理机制[J]. 计算机与现代化, 2018, 0(07): 121-.
[7]	孙立华1，胡牧1，孟庆强1，钱亚康1，王松2. 配网线损大数据高性能计算解决方案[J]. 计算机与现代化, 2016, 0(12): 42-46,50.
[8]	龚文, 张辉, 熊志. 电动汽车远程监控系统[J]. 计算机与现代化, 2014, 0(7): 98-103.
[9]	白羽鹤1，范健文2,3，谭光兴1. 基于Matlab/Simulink的混联式混合动力电动汽车建模与仿真[J]. 计算机与现代化, 2014, 0(3): 24-30.
[10]	杨刘倩，詹昌辉. 电动汽车BMS测试系统的数据通信[J]. 计算机与现代化, 2014, 0(2): 173-177.
[11]	龚文;张辉;陈超. 基于CAN总线的电动汽车车载监控终端[J]. 计算机与现代化, 2013, 1(11): 192-195.