储能系统的选址定容在接入新能源的电力系统中具有重要意义,合理选择储能容量可以很好地平抑风电接入后的系统有功功率波动,同时减少能源浪费。提出了一种混合智能优化算法(hybrid intelligent optimization algorithm,HIOA),以电压偏...储能系统的选址定容在接入新能源的电力系统中具有重要意义,合理选择储能容量可以很好地平抑风电接入后的系统有功功率波动,同时减少能源浪费。提出了一种混合智能优化算法(hybrid intelligent optimization algorithm,HIOA),以电压偏差、负荷波动最小及最少储能配置容量为目标进行优化配置。该算法将多目标粒子群算法改进后(IMOPSO)与精英非支配排序算法(NSGA-II)结合,与常规多目标粒子群算法相比,大幅提高了算法的寻优性能,保证了Pareto解的多样性和分布性。通过非支配排序求解获得Pareto最优解集,采用逼近理想解排序(technique for order preference by similarity to an ideal solution,TOPSIS)选出储能的最优接入方案。通过IEEE-33节点测试系统的仿真实验验证了算法的准确性及有效性,在求解配电网储能选址定容问题中有很好的收敛性和全局寻优能力。展开更多
针对现行方法在500 k V变电站继电保护定值校验中应用存在灵敏度较低、保护动作时间较长的问题,提出基于改进非支配排序遗传算法的500 k V变电站继电保护定值校验。以用于评估不同定值整定方案的优劣的适应度值最大为目标,结合继电保护...针对现行方法在500 k V变电站继电保护定值校验中应用存在灵敏度较低、保护动作时间较长的问题,提出基于改进非支配排序遗传算法的500 k V变电站继电保护定值校验。以用于评估不同定值整定方案的优劣的适应度值最大为目标,结合继电保护极差约束、潮流约束、灵敏度约束,建立继电保护定值校验数学模型。利用改进非支配排序遗传算法对模型求解,得到最优继电保护定值校验方案,实现基于改进非支配排序遗传算法的500 k V变电站继电保护定值校验。经实验证明,设计方法灵敏度不低于95%,保护动作时间不超过1 s,可以实现对500 k V变电站继电保护定值精准实时校验。展开更多
文摘储能系统的选址定容在接入新能源的电力系统中具有重要意义,合理选择储能容量可以很好地平抑风电接入后的系统有功功率波动,同时减少能源浪费。提出了一种混合智能优化算法(hybrid intelligent optimization algorithm,HIOA),以电压偏差、负荷波动最小及最少储能配置容量为目标进行优化配置。该算法将多目标粒子群算法改进后(IMOPSO)与精英非支配排序算法(NSGA-II)结合,与常规多目标粒子群算法相比,大幅提高了算法的寻优性能,保证了Pareto解的多样性和分布性。通过非支配排序求解获得Pareto最优解集,采用逼近理想解排序(technique for order preference by similarity to an ideal solution,TOPSIS)选出储能的最优接入方案。通过IEEE-33节点测试系统的仿真实验验证了算法的准确性及有效性,在求解配电网储能选址定容问题中有很好的收敛性和全局寻优能力。
文摘针对现行方法在500 k V变电站继电保护定值校验中应用存在灵敏度较低、保护动作时间较长的问题,提出基于改进非支配排序遗传算法的500 k V变电站继电保护定值校验。以用于评估不同定值整定方案的优劣的适应度值最大为目标,结合继电保护极差约束、潮流约束、灵敏度约束,建立继电保护定值校验数学模型。利用改进非支配排序遗传算法对模型求解,得到最优继电保护定值校验方案,实现基于改进非支配排序遗传算法的500 k V变电站继电保护定值校验。经实验证明,设计方法灵敏度不低于95%,保护动作时间不超过1 s,可以实现对500 k V变电站继电保护定值精准实时校验。
