基于增广LagrangeHopfield神经网络的分布式电源最优配置的研究.pdfVIP

■●●豳 ELEe下RICPOWERENGlNEER}NG 第29卷第6期 电力科学与工程 V01．29．No．6 ElectricPowerScienceand 2013年6月 Engineering Jun．，2013 电源最优配置的研究 刘跃文，刘啸宇，韩 涛，王启明 (莱芜供电公司，山东莱芜271100) 摘要：为了解决配电网中分布式电源的最优配置问题，首先构建了以总体投资费用和购电费用为主体的 目标函数，并且建立了配电网潮流、节点电压、电流和有功功率的约束方程，提出了一种基于增广拉格 朗日松弛法作为其能量函数的连续型Hopfield神经网络来计算配电网中配置分布式电源的位置和容量。 最后通过IEEE33配电网系统，分析了在目标函数中不同的投资费用和购电费用权重时，分布式电源的配 置位置对系统网络损耗和有功损耗影响，验证该算法具有可行性、操作简单和计算速度快的特点。 关键词：增广Lagrange-Hopfield神经网络；能量函数；分布式电源；最优配置 中图分类号：TM72·文献标识码：A DOI：10．3969／j．issn．1672—0792．2013．06．006 种蚁群算法来搜索最优的DG规划方案。但该算 0引言 法必须调节出十分合理的各参数的比例，才能获 得最优化结果。文献[7]以电力公司的经济效 随着社会与经济的飞速发展，世界各国对节 益最大为目标，提出了一种改进的粒子群算法来 能减排更清洁、更高效、可再生能源方面的研究 求解DG的最优安装位置、装机容量和输出功率。 日益增多¨“。。太阳能电池、风力发电机、燃料 本文提出的一种新的DG接人和最优化配置的算 电池、光伏电池等一系列小容量的分布式电源DG ted (DistributionGeneration)以其高效率、能源种类Lagrange—Hopfield 多等独特的性能∞“o，在电力行业扮演着越来越 增广拉格朗Et松弛法的采用能量函数的连续性 重要的角色。分布式电源不仅能减少常规能源所 Hopfield神经网络。该神经网络通过增广拉格朗 造成的环境污染，而且还能根据配电系统在不同 日函数和S型函数能有效处理最优问题中的复杂 时间和环境下所体现的用电特性，有针对性地进 的等式和不等式约束。而且，该算法是一个周期 行补偿，降低系统的网络损耗，提高用电效率。 性的神经网络，对于大规模优化问题能在短时间 因此，进行合理的分布式电源配置，能保证电能 内寻找到最优解。因此，ALHN非常适合解决配 质量，实现了对用户提供可靠、经济、清洁、互 电网中分布式电源的最优配置，操作简单，收敛 动的电力供应。但是分布式电源的最优配置是一 速度快，能较准确获得最优解。 个复杂的非线性最优问题，其中不仅包含了配电 网中潮流的等式约束问题，还包含了各节点电源、 1分布式电源规划的模型 电流和分布式电源容量等不等式约束问题。文献 [5]针对放射性配电网，采用数值算法，根据配 在满足相关的节点电压、电流约束条件的同时， 电网网损和连续电流模型，确定DG的接入位置 综合考虑分布式电源的投资总费用，网络损耗费用 和容量，但是计算时间太长。文献[6]采用一以及相关的购电费用，最大程度上降低系统网损和 收稿日期：2013—04—09。 EL￡e