花授粉算法优化配置中的分布式电源

可在www.sciencedirect.com上在线ScienceDirect电气系统与信息技术学报3（2016）14花授粉算法在配电网分布式电源优化配置中的应用P. Dinakara Prasad Reddya， V.C.Veera Reddyb， T.Gowri Manoharaa印度蒂鲁帕蒂，Sri Venkateswara大学电子电气工程系b印度蒂鲁帕蒂AITS电气工程系接收日期：2014年12月12日;接收日期：2015年7月25日;接受日期：2015年10月23日2016年4月14日在线发布摘要分布式发电机（DG）资源是小型的、独立的发电厂，可以在配电馈线中为家庭、企业或工业设施提供电力。通过分布式电源的优化配置，可以降低系统的功率损耗，改善系统的电压分布。然而，DG的价值在很大程度上取决于它们的类型，尺寸和安装在配电馈线中的位置。本文的主要贡献是找到DG单元和大小的最佳位置采用指数向量法进行分布式电源的优化选址。本文提出了一种新的优化算法，即提出了花授粉算法来确定最优DG大小。本文采用三种不同类型的DG单元进行补偿。所提出的方法已在15总线，34总线和69总线的径向配电系统进行了测试。使用MATLAB 8.3版软件进行仿真。© 2016 电 子 研 究 所 （ ERI ） 。 Elsevier B. V. 制 作 和 托 管 这 是 CC BY-NC-ND 许 可 证 下 的 开 放 获 取 文 章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。关键词：花授粉算法;指标向量法;分布式电源配置;辐射状配电网介绍配电系统是电力系统中连接高压输电系统和低压用户的部分。总损耗的70%发生在一次和二次配电系统，而其余30%发生在输电线路和子输电线路。配电损耗为发电容量的15.5%，而目标水平为7.5%。因此，必须对一次和二次配电系统进行适当的规划，以确保损耗在可容忍的范围内。配电系统具有更多的损耗和差的电压调节。几乎13%的发电量被浪费在I2R损失上.应用优化方法降低配电系统的损耗是当前潜在的研究领域良好的配电系统的基本要求是良好的电压分布，*通讯作者。联系电话：+91 9395112112。电子邮件地址：dinakarp@msn.com（P.D.P. Reddy）。电子研究所（ERI）负责同行评审http://dx.doi.org/10.1016/j.jesit.2015.10.0022314-7172/© 2016电子研究所（ERI）。Elsevier B. V.制作和托管这是CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。个人发展计划Reddy等人/电气系统与信息技术学报3（2016）1415需求和可靠性。采用无功补偿、网络重构、分布式发电和混合方式可以提高配电系统的效率每种方法都有其自身的优点和缺点。分布式发电机通常用于提供配电系统中的有功功率和无功功率补偿。然而，DG单元安装在配电网中需要适当的位置和大小。因此，最佳布局在通过使用优化技术可以实现的适当的安装和大小来最小化损失方面起着重要的作用。Hung等人（2014年）提出了一种整合可调度和不可调度可再生分布式发电（DG）单元的方法，以最大限度地减少年度能量损失。Jalali等人（2014年）提出了一种新的多阶段模型，该模型基于混合整数非线性规划（MINLP）方法，用于确定最佳子输电系统扩展规划（SSEP）。该模型考虑了在规划期内分布式发电（DG）机组在配电网中的布置。GopiyaNaik等人（2013年）提出了基于灵敏度的电容器和DG的同时优化布置。本文采用解析法进行了定径。Injeti和PremaKumar（2013）开发了DG单元优化布置的模拟算法。Kansal等人（2013）在本文中使用粒子群优化算法用于DG分配。所得结果与解析法比较，有一定的应用前景. Kayal和Chanda（2013）提出了一种新的基于约束多目标粒子群优化（PSO）的风力发电机组（WTGU）和光伏（PV）阵列布局方法，用于降低辐射状配电系统的功率损耗和提高电压稳定性阿隆索等人（2012）提出了一种广义优化公式来确定分布式发电机的最佳位置，以提供无功功率容量。 俊杰等（2012）提出了基于环境补偿成本、传统DG容量成本、DG运行维护成本、购电成本和网损成本的智能电网分布式发电动态模型。 Aman等人（2012）提出了一种基于新索引的配电系统分布式发电机（DG）布局和定容的黄金分割搜索（GSS）算法。Moradi和Abedini（2012）提出了一种新的组合遗传算法（GA）/粒子群优化算法（PSO），用于配电系统上DG的优化位置和规模本文提出了改进的组搜索优化器（iGSO）（Kang等人， 2012）通过将粒子群优化（PSO）结合到组搜索优化器（GSO）中来优化DG的设置。Singh和Goswami（2010年）提出了一种基于节点定价的新方法，用于优化分配分布式发电，以实现利润、减少损失和提高电压（包括电压上升现象）。Teng等人（2007）提出了一种基于值的方法，以提高可靠性并获得DG布局的好处。Acharya等人（2006）提出了一种基于精确损耗公式的分析方法，以找到DG的最佳尺寸和位置，但没有考虑电压约束。不同类型的DGI型DG只能注入有功功率。例如，光伏、微型涡轮机、燃料电池在转换器/逆变器的帮助下集成到主电网，如果它们以单位功率因数运行，则是I型的良好示例。仅能注入无功功率以改善II型DG中电压分布下降的II型DG，例如无功补偿器、同步补偿器、电容器等。能够注入有功功率和无功功率的III型DG，例如同步电机（热电联产、燃气轮机等）。能够注入有功功率但消耗无功功率的IV型DG，例如风力发电场使用的感应发电机本文提出了一种新的优化算法，即花授粉算法（FPA）用于DG的大小。在本文中，类型I，类型II和类型III DG的被认为是最佳布局。以精确的损失公式为目标函数，采用花授粉算法（FPA）求解最优布局问题。由于FPA技术是一种基于花授粉过程的启发式全局优化方法该算法是新的和快速发展的，其易于实现和较少的粒子需要调整相比，其他启发式方法。所提出的技术已在15总线，34总线和69总线系统上进行了测试从该技术获得的结果也进行了比较的基础上，不同类型的DG单位。16个人发展计划Reddy等人/电气系统与信息技术学报3（2016）14我我我基于指标向量法指标向量法已被用于分布式电源在辐射状配电系统中的优化配置（Murthy和Kumar，2013）。通过在给定的辐射状配电网上运行基本情况潮流，并计算支路中电流的无功分量和每个节点处的无功负荷集中度，来制定指标向量。本文将指标向量法应用于最优选址问题。基于索引向量的元素，该方法识别要与DG连接的节点序列。总线n的索引向量由下式给出：（Murthy和Kumar，2013）指数（n）= 1Iq（k）Qeff（n）++（一）V（n）2Ip（k）总Q其中，Index（n）=第从而直接得到DG的潜在位置。按降序排列索引向量，使优先级最高的总线排在第一位，优先级最低的总线排在最后。通过以下公式计算所有母线的归一化电压幅值：V（i）=V（i）/0.95。总线，其标准化值小于1.01被认为是DG的最佳尺寸的最佳位置。对于15、34和69母线系统，最佳位置分别在母线6、26和母线61处，因为在这些母线处，归一化电压低于1.01。花授粉算法已被用于在这些位置的DG的最佳尺寸。花授粉算法本文提出了一种基于花授粉过程的分布式电源优化设计新算法。该算法由Yang等人（2014）提出。花授粉过程的目标是植物在数量上的最佳繁殖以及最适合。这是一种全新的基于花授粉特性的优化方法花授粉算法（FPA）的理想特性是1. 生物和异花授粉被认为是全球授粉过程，携带花粉的传粉者进行利维飞行。2. 非生物授粉和自花授粉被认为是本地授粉。3. 花恒常性可以被认为是繁殖概率与所涉及的两朵花的相似性成正比4. 局部授粉和全局授粉由切换概率p∈[0，1]控制由于物理上的接近和其他因素，如风，当地授粉可以有一个显着的分数p在整个授粉活动。事实上，每株植物都可以有多朵花，每一朵花通常会释放数百万甚至数十亿的花粉配子。然而，为了简单起见，假设每株植物只有一朵花，并且每朵花只产生一个花粉配子。因此，没有必要区分花粉配子、花、植物或问题的解决方案。这种简单性意味着溶液xi等价于花和/或花粉配子。有两个步骤，即全球授粉和本地授粉。在全球授粉步骤中，花粉由昆虫等传粉者携带，花粉可以传播很长的距离，因为昆虫通常可以在更长的范围内飞行和移动。这确保了最适者的授粉和繁殖，因此我们将最适者表示为g*。第一个规则加上花恒常性可以在数学上表示为Xt+1=Xt+L（Xt−g）（2）个人发展计划Reddy等人/电气系统与信息技术学报3（2016）1417我JK我我JK其中，Xt是迭代t处的花粉i或解向量Xi，并且g*是在当前代/迭代处的所有解中找到的当前最佳解参数L是授粉的强度，其本质上是步长。由于昆虫可以以不同的距离步长移动很长的距离，我们可以使用levy飞行。这是L> 0的Levy分布λ r（λ）sin（λ/2）L1s1+λ（三）其中，Γ（λ）是标准伽马函数，并且该分布对于大步长s> 0有效这里使用λ= 1.5局部授粉，规则2和规则3都可以表示为Xt+1=Xt+ε（Xt−Xt）（4）其中XtXt是同一种植物不同花朵的花粉这本质上是模仿花在有限的街区保持稳定从数学上讲，如果Xt和Xt来自同一物种或选自JK相同的总体，如果我们从[0，1]中的均匀分布中提取ε，则这等价地成为局部随机游走。虽然花授粉活动可以发生在所有尺度上，无论是本地还是全球，邻近的花补丁或花在不那么遥远的邻居更有可能被当地的花花粉授粉比那些遥远的。为了模拟这一点，我们可以有效地使用切换概率（规则4）或邻近概率p来在普通的全局授粉和密集的局部授粉之间切换。该算法的流程图如图1所示。1.一、具体算法如下。第一步，读取系统的线路和负荷数据，用潮流法求解系统的馈线潮流。本文采用支路电流潮流法步骤2使用基于索引向量的方法找到最佳DG位置。步骤3初始化种群/解决方案，它的max，接近概率p= 0.8，λ= 1.5。危险品地点d= 1，DGmin = 60，DGmax = 3000。第4步：使用随机生成Sol（i，：）=DGmin+（DGmax- DGmin）Δ rand（1，d）（5）步骤5通过执行负荷潮流来确定发电群体的有功功率损耗。第6步选择低损耗的DG值作为当前最佳解决方案。第7步：使用等式，基于p（2）和（4）。第8步通过执行潮流计算来确定更新总体的损耗。步骤9如果获得的损失小于当前最佳解，则用更新的值替换当前最佳解。否则返回步骤7。步骤10如果达到最大迭代次数，则打印结果。问题公式化分布式电源的优化配置和规模的目标是最小化配电网中的有功功率损耗，并改善电压剖面。目标函数：minf= min（TLP）（6）其中TLP是径向配电系统的总功率损耗约束条件：等式约束幂约束P损失+P损失Di=P损失DGi（7）18个人发展计划Reddy等人/电气系统与信息技术学报3（2016）14没t是Itmax停止并打印结果是如果Rand p是新流行音乐最好是更新流行音乐计算世代人口的最佳解决方案使用ng生成新的全局种群（2）计算初始弹出（g*）的最佳解决方案没初始化所有变量Pop、p、Itmax、DGmin、Dgmax、λ使用ng生成随机总体（5）没有使用ng生成新的本地填充（4）Fig. 1.花朵授粉算法流程图。电压约束|≤ Vi≤|V imax|i=1，2，.|i = 1, 2,. . ......你好。. . N（8）其中PDGi是在总线i处使用DG的实际发电，PDi是总线i处的功率需求。Vimin和Vimax分别是第i条总线的最小和最大电压。为了最小化总功率损耗，在等式中给出的约束下（7）和（8），开发了花授粉算法，并对结果进行了分析。算法实现使用FFA解决三个测试系统的最佳DG布置和尺寸的工作的完整结构如图所示。1.一、 首先用潮流法计算出系统的总网损。之后，放置DG并使用FPA算法逐步改变大小对于不同的DG大小计算损失。重复该过程，直到不再实现DG放置的最小损耗。开始个人发展计划Reddy等人/电气系统与信息技术学报3（2016）1419表115总线系统。测试系统优化位置DG类型不同类型DG的最佳尺寸有功功率损耗最小电压（单位：p.u.）kWkVARkVA无DG（kW）带DG（kW）无DG（p.u.）带DG（kW）我675––45.80350.952715条公交6II–682–61.793345.32280.94450.9544III––68129.91080.9607案例研究模拟结果与分析为了评估所提出的算法，从Devi和Geethanjali（2014）和Reddy等人中选取了三个不同的测试系统。（2014年）。 测试系统15、34和69总线的DG的最佳尺寸和位置由FPA确定。使用MATLAB 8.3版将模拟结果制成表格并进行分析。在这项工作中，FPA的参数取为pop = 20，邻近概率p= 0.8，λ= 1.5，DGmin = 60，DGmax = 3000。测试系统1：15总线系统对于15节点系统，不安装分布式电源的实际，无功功率损失分别为61.7933 kW和57.2977 kVAR。该测试系统由15条总线和14条支路组成。表1显示了放置不同类型DG后的实际功率损耗。从表中可以推断，与其他类型的DG相比，使用III型DG的损失减少得更多Ⅰ、Ⅱ、Ⅲ型分布式电源布置后的损耗分别为45.8035kW、45.3228 kW、29.9108 kW。同样从图2可以推断，当使用DG类型III时，系统的电压分布得到更多的改善。测试系统3：34总线系统对于34节点系统，无功损耗分别为168.3kW和48.0083kVAR。该测试系统由34条总线和33条支路组成表2显示了放置不同类型DG后的实际功率损耗从表中可以推断，与其他类型的DG相比，使用III型DG的损失减少得更多Ⅰ、Ⅱ、Ⅲ型分布式电源布置后的损耗分别为82.4297 kW、132.9023 kW、58.8298同样从图3可以推断，当使用DG类型III时，系统的电压分布得到更多的改善。图二、使用不同DG单元的15节点系统的电压曲线20个人发展计划Reddy等人/电气系统与信息技术学报3（2016）14表234总线系统。测试系统最佳位置DG型最佳尺寸不同类型的DG有功功率损耗最小电压（单位：p.u.）kWkVARkVA无DG（kW）带DG（kW）无DG（p.u.）无DG（p.u.）我2086––82.42970.980234个公交26II–1250–168.3132.90250.94170.9619III––167558.82980.9801图3.第三章。使用不同DG单元的34节点系统的电压曲线测试系统4：69总线系统对于69节点系统，无功损耗分别为225.0446 kW和102.2059 kVAR。该测试系统由69条总线和68条支路组成。表3显示了放置不同类型DG后的实际功率损耗。从表中可以推断，与其他类型的DG相比，使用III型DG的损失减少得更多Ⅰ、Ⅱ、Ⅲ型分布式电源布置后的损耗分别为83.2279 kW、160.0838同样从图4可以推断，当使用DG类型III时，系统的电压分布得到更多的改善。每个母线上的电压与母线编号之间的曲线称为系统的电压曲线表1-3显示了15、34和69总线测试系统所有情况下有和没有DG的最小电压。在所有测试系统中，最小电压（p.u.）当放置第三类危险品时因此，当放置III型DG时，电压分布改善更多，因为它注入有功功率和无功功率。表369总线系统。测试系统最佳位置DG型最佳尺寸不同类型的DG有功功率损耗最小电压（单位：p.u.）kWkVARkVA无DG（kW）带DG（kW）无DG（p.u.）无DG（p.u.）我1873––83.22790.968269总线61II–1384–225.0446160.8380.90920.9277III––164048.19690.9722个人发展计划Reddy等人/电气系统与信息技术学报3（2016）142169母线系统10.990.980.970.960.950.940.930.92010 2030405060 70总线编号图四、使用不同DG单元的69节点系统的电压曲线结论本文通过指数矢量法和花授粉算法确定了降低网损和改善电压分布的最佳DG位置和大小。这里使用索引向量法来找到DG的位置，以最小化搜索空间。最佳DG大小评估的基础上，最大限度地减少总的有功功率损耗的目标函数，使用花授粉算法。花授粉算法是一种新的优化技术，用于寻找最佳DG大小。与其他算法相比，它具有更好的收敛特性。仿真结果表明，DG单元对电压分布的总体影响是积极的，并实现了功率损耗的成比例降低可以干扰的是，使用III型DG可以实现最佳结果致谢作者感谢Sri Venkateswara大学（Tirupati 517502，India）为研究工作提供引用Acharya，N.，Mahat，P.，Mithulananthan，N.，2006. 一级配电网分布式电源分配的分析方法。Int.J.Electr. PowerwerEnergySyst.28，669-678.阿隆索，M.，Amaris，H.，Alvarez-Ortega，C. 2012. 智能电网中可再生能源集成的进化优化算法。专家系统应用39，5513-5522。阿曼，M.M.，贾斯蒙，G. B.，Mokhlis，H.，巴卡尔，A.H.A.，2012. 基于新的功率稳定指数和线路损耗的分布式电源的最优配置和规模。Int.J.Electr. PowerwerEnergySyst.43，1296-1304.Devi，S.，Geethanjali，M.，2014年。改进的细菌觅食优化算法在分布式种群布局和规模优化中的应用。专家系统应用41，2772-2781。Gopiya Naik，S.，Khatod，D.K.，夏尔马议员2013年。配电网有功网损最小化的分布式电源与电容器组合优化配置。Int.J.Electr.PowerwerEnergySyst.53，967-973.洪，D.Q.，Mithulananthan，N.，Lee，K.Y.，2014. 配电网中可调度和不可调度分布式电源的最优配置以最小化能量损失。Int.J.Electr.PowerwerEnergySyst.55，179-186.Injeti，S.K.，Prema Kumar，N.，2013年。 一种新的方法来确定最佳接入点和容量的多个DG在小型，中型和大型规模的径向分布系统。Int.J.Electr. PowerwerEnergySyst.45，142-151.贾拉拉利，M.，Zare，K.，哈格，MT，2014年。考虑分布式电源配置的次输电系统扩展规划多阶段MINLP模型。Int.J.Electr.PowerwerEnergySyst.63，8-16.DG TypeIDG TypeIIDG TypeIII电压（p.u）22个人发展计划Reddy等人/电气系统与信息技术学报3（2016）14Junjie，M.，Yulong，W.，杨湖，2012. 基于免疫算法的分布式系统中分布式世代的大小和位置。系统 Eng.Procedia4，124-132.Kang，Q.，Lan，T.，Yan，Y.，Wang，L.，美国，吴昆，2012年。基于组搜索优化器的分布式发电的最优位置和容量。神经计算78，55-63。Kansal，S.，库马尔，V.，Tyagi，B.，2013. 配电网中不同类型分布式电源的优化配置。Int.J.Electr. PowerwerEnergySyst.53，752-760.Kayal，P.，Chanda，C.K.，2013. 在配电系统中放置基于风能和太阳能的DG，以最小化功率损耗并提高电压稳定性。Int.J.Electr.PowerwerEnergySyst.53，795-809.Moradi，M.H.，Abedini，M.，2012. 遗传算法和粒子摆动优化相结合的分布式电源的最佳位置和规模在配电系统。Int.J.Electr.PowerwerEnergySyst.34，66-74.Murthy，V.V.S.N.，库马尔，A.，2013年。基于灵敏度方法的辐射状配电系统DG优化配置方法比较。Int. J. 电子 电力能源系统53，450-467。Reddy警察Prasad，C.H.，苏雷什机动车2014. 径向配电系统中电容器配置的最大年节省问题。Int.J.Eng.Res.Appl.4，105-109。辛格，R.K.，Goswami，S.K.，2010. 基于节点电价的分布式电源最优分配，兼顾利润、降低损耗和提高电压，包括电压上涨问题。Int.J.Electr. PowerwerEnergySyst.32，637-644.Teng，J.-H、刘玉-H、陈春，越-地是的，陈春，越-地F.、2007年基于价值的分布式发电机配置，以提高服务质量。Int. J. 电子PowerwerEnergySyst.29，268-274.杨X-美国，Karamanoglu，M.，他X. S2014年。一种新的多目标优化方法--流算法。