1. 南昌大学 信息工程学院,江西,南昌,330031
2. 天津天大求实电力新技术股份有限公司,天津,300392
3. 国网江西省电力有限公司,江西 南昌 330077 4.天津大学 电气自动化与信息工程学院,天津,300072
纸质出版:2025
移动端阅览
夏鹞轩,吴丽红,夏侯元,吴朝晖,刘学,崔明建,蔡木良.基于IPO算法的配电网储能优化配置[J].智慧电力,2025,53(9):91-98.
XIA Yaoxuan, WU Lihong, XIAHOU Yuan, et al. Optimal Energy Storage Allocation in Distribution Networks Based on IPO Algorithm[J]. 2025, 53(9): 91-98.
夏鹞轩,吴丽红,夏侯元,吴朝晖,刘学,崔明建,蔡木良.基于IPO算法的配电网储能优化配置[J].智慧电力,2025,53(9):91-98. DOI: 10.20204/j.sp.2025.09011.
XIA Yaoxuan, WU Lihong, XIAHOU Yuan, et al. Optimal Energy Storage Allocation in Distribution Networks Based on IPO Algorithm[J]. 2025, 53(9): 91-98. DOI: 10.20204/j.sp.2025.09011.
针对分布式电源接入配电网造成电能质量下降等问题,提出一种基于改进鹦鹉算法(IPO)的配电网储能优化配置模型。首先,建立以最小化电网脆弱性指标、储能成本、有功网损为目标的储能多目标优化配置模型;其次,通过混沌Tent映射、反向学习初始化,结合混合高斯-柯西变异及Pareto最优解集动态维护策略增强鹦鹉算法性能;最后,引入基于灰靶理论的优劣解距离法(TOPSIS)从Pareto最优解集中确定最优方案。仿真分析表明,所提方法可有效提升系统的整体运行性能,显著改善配电网的经济性与结构稳定性。
To address issues such as power quality degradation caused by the integration of distributed generation into distribution networks, this paper proposes an optimal energy storage allocation model based on the improved parrot optimization (IPO) algorithm. First, a multi-objective optimization model for energy storage allocation is established, aiming to minimize the grid structural vulnerability index, energy storage investment cost, and active power losses. Second, the performance of the parrot optimization algorithm is enhanced through chaotic Tent mapping and opposition-based learning initialization, combined with hybrid Gaussian-Cauchy mutation and the dynamic maintenance of the Pareto optimal solution set. Finally, the technique for order preference by similarity to ideal solution (TOPSIS) based on grey target theory is introduced to determine the optimal solution from the Pareto optimal solution set. Simulation results demonstrate that the proposed method effectively improves overall system operational performance while enhancing the economic efficiency and structural stability of the distribution network.
张东辉,康重庆,卢洵,等. 高比例新能源系统中储能配置规模论证 [J ] .南方电网技术,2022,16(4):3-11.
闫大威,张天宇,李天翔,等. 考虑静态电压稳定性的城市电网储能优化配置研究 [J ] .浙江电力,2024,43(7):76-85.
张伟骏,李智诚,陈大玮,等. 配网侧分布式储能系统的随机优化配置和选址方法 [J ] .高压电器,2023,59(7):125-135.
TIAN C,LIU M,ZHANG D,et al. Energy storage optimal configuration in new energy stations considering battery life cycle [J ] .Electrical Engineering,2024,106(6):1-12.
闫群民,穆佳豪,马永翔,等. 分布式储能应用模式及优化配置综述 [J ] .电力工程技术,2022,41(2):67-74.
马会萌,李相俊,吴荣宇,等. 兼顾新能源消纳和主动支撑电网能力提升的多类型储能容量优化配置 [J ] .电力建设,2024,45(6):111-119.
赵斌,梁告,姜孟浩,等. 光储系统并网功率波动平抑及储能优化配置 [J ] .发电技术,2024,45(3):423-433.
孙建华,王佳旭,杜晓勇,等. 考虑频率安全约束的高比例风电电力系统储能优化配置策略 [J ] .电力科学与技术学报,2024,39(5):151-162.
桑丙玉,杨波,陶以彬,等. 计及新能源功率概率分布特征的储能配置优化方法 [J ] .可再生能源,2024,42(4):561-568.
郭咏涛,向月,刘俊勇. 面向高比例清洁能源消纳的含灵活性资源电力系统规划方案优选 [J ] .上海交通大学学报,2023,57(9):1146-1155.
刘欣,宁新福,金翼,等. 配电网分布式储能的分层优化配置方法 [J ] .浙江电力,2023,42(5):95-104.
肖小龙,史明明,周琦,等. 基于改进海洋捕食者算法的配电网储能多目标优化配置 [J ] .储能科学与技术,2023,12(8):2565-2574.
崔文倩,魏军强,赵云灏,等. 双碳目标下含重力储能的配电网多目标运行优化 [J ] .电力建设,2023,44(4):45-53.
马速良,武亦文,李建林,等. 面向多服务目标需求的集中式电池储能优化配置方法研究 [J ] .高压电器,2023,59(7):75-86.
向辉,史柯夫,陶俊,等. 改进NSGA-Ⅱ算法的新能源储能系统协调优化模型 [J ] .电子设计工程,2024,32(8):157-161.
程瑜,黄森,刘瑞丰. 面向配电网设备利用率提升的分布式储能优化配置 [J ] .智慧电力,2021,49(8):8-14,22.
于唯一,王慧芳,曹芬,等. 考虑场景缩减和动态寿命的用户侧新能源配储研究 [J ] .电测与仪表,2024,61(9):127-136.
闫群民,李召,马永翔,等. 考虑综合经济性的风光配电网储能优化配置 [J ] .科学技术与工程,2024,24(12):5014-5022.
刘凡,李凤婷,张高航,等. 计及循环寿命和运营策略的风电汇集区域储能电站优化配置 [J ] .电力系统保护与控制,2023,51(8):127-139.
丁伟,苏新凯,廖圣瑄,等. 基于哈里斯鹰优化算法的光伏储能容量配置优化 [J ] .电子设计工程,2024,32(1):96-101.
吴雄,贺明康,何雯雯,等. 考虑储能寿命的风-光-火-储打捆外送系统容量优化配置 [J ] .电力系统保护与控制,2023,51(15):66-75.
李仁杰,罗萍萍,林济铿. 考虑有源配电网可靠性和脆弱性的储能多目标规划 [J ] .南方电网技术,2024,18(8):39-50.
李雪. 基于均匀性理论的电网脆弱性评估与应用 [D ] .徐州:中国矿业大学,2020.
朱佩雪,郭倩,李灵至,等. 考虑主动配电网脆弱性的分布式储能配置 [J ] .电测与仪表,2025,62(2):35-42.
王艳,张嘉琳,赵洪山. 基于Tent映射NSGA-Ⅱ算法的微电网多目标优化方法 [J ] .科学技术与工程,2022,22(14):5643-5652.
舒一鸣,戴毅茹. 基于高斯-柯西混合变异的多目标粒子群算法 [J ] .计算机与数字工程,2024,52(6):1593-1597,1603.
胡迎迎,李强,张琳娜,等. 基于模糊层次分析法-TOPSIS的多元化储能典型场景适用性评估 [J ] .电测与仪表,2024,61(6):126-132.
ZHOU S,WU W,SUN Y,et al. Energy storage configuration and benefit evaluation method for new energy power plants based on game theory [J ] .Journal of Electrical Engineering & Technology,2024,20(4):1-15.
邓诗语. 多重不确定下配电网分布式储能优化规划 [D ] .北京:华北电力大学(北京),2022.
YU Q,CHEN X,LI X,et al. Using grey target theory for power quality evaluation based on power quality monitoring data [J ] .Energy Engineering,2022,119(1):359-369.
高春雨,王海云,朱姝林. 基于电压稳定度的分布式储能选址定容规划 [J ] .科学技术与工程,2023,23(7):2884-2891.
耿光飞,孙亚洲,牛潇昆. 用户侧共享储能的优化配置及对碳排放的影响 [J ] .供用电,2023,40(3):32-39.
温春雪,赵天赐,于赓,等. 基于改进粒子群算法的储能优化配置 [J ] .电气技术,2022,23(10):1-9,58.
0
浏览量
9
下载量
0
CSCD
关联资源
相关文章
相关作者
相关机构
京公网安备11010802024621