33节点符合分布式电源电力系统配电网的潮流计算

分析含分布式电源的配电网故障恢复模型,综述几种目前比较流行的智能算法在含分布式电源配电网故障恢复问题中的应用及优缺点,并对整合不同算法后的组合智能算法在含有分布式电源的配电网故障恢复中的优化效果进行比较;针对当前能源局势与输配电要求日益提高的情况,分析智能算法在考虑多目标含分布式电源配电网故障恢复中的应用;最后,对含分布式电源的配电网故障恢复问题发展趋势进行展望.

matlab程序（pso粒子群算法实现）复现自《基于改进萤火虫算法的分布式电源的选址和定容——史吏》 摘 要：针对分布式电源的选址定容问题，提出了基于自适应遗传机制的萤火虫算法。首先，设计了以 各节点电压、可接入最大功率及线路电流作为约束条件，以配电网网损最小作为目标的配电网优化模型， 其次，改进了遗传算法中交叉、变异算子公式，并提出了改进的高斯扰动方法，将两者应用到萤火虫算法中，提高了萤火虫算法全局寻优能力和收敛速度。最后，借助于 MATLAB 软件，以 IEEE33 节点系统为例进 行了测试，仿真结果与自适应遗传算法进行了比较，证明了本方法的有效性和优越性。 关键词：分布式电源；萤火虫算法；自适应遗传机制

针对含分布式电源(DG)的接入会使传统的前推回代法失效的问题,对DG并网后的前推回代法进行了改进。由于传统的无功初值取值方法与实际值偏差较大,使迭代次数增加,本算法基于无功分摊原理确定PV型DG的无功初值,改进了无功修正值的求法。传统的前推回代法不能处理PV型节点,因此需要把PV节点转换为PQ节点进行求解,给出了无功修正量与节点的电压偏差和节点电杭的关系。结果表明:对于PV恒定型DG单独并网时的潮流,PV型DG从1～3台并网计算中,分别迭代到5、7、7次收敛,收敛次数增加小于2次,迭代时间增加少于0.01

含分布式电源配电网可靠性评估的点估计法，十分有效有用

针对分布式电源（Distributed Generation， DG）出力的随机性和负荷的波动性，以有功网损、电压偏移为目标函数建立有源配电网多目标无功优化模型。采用改进三点估计法将不确定潮流计算转化为确定潮流计算，处理模型中的不确定因素的影响，利用Nataf变换解决输入变量之间的相关性。为克服萤火虫算法（Firefly Algorithm，FA）存在的早熟收敛、过度依赖控制参数等缺陷，引入惯性权重和混沌理论，提出一种改进萤火虫算法对所建优化模型进行求解。对含DG的IEEE-33节点系统进行仿真测试，算例结果验证了所提出的概率无功优化模型和求解方法的可行性和有效性。

行业-电子政务-基于牛顿拉夫逊法的含分布式电源配电网潮流计算.zip

风光类分布式电源的接入使得配电网的故障定位问题由单电源模式变为多电源模式。为了研究多电源配电网的故障定位,研究了应用神经网络进行电源配电网故障定位的可行性。通过训练样本对神经网络进行训练,实现了故障过电流信息到故障区域的映射。算例的结果证明应用神经网络求解多电源配电网故障区域是可行的,具有一定的理论指导意义。

#资源达人分享计划#

#资源达人分享计划#