[论文解读] Loss Minimization through the Allocation of DGs Considering the Stochastic Nature of Units

Ali Parsa Sirat|arXiv (Cornell University)|Nov 15, 2019

Optimal Power Flow Distribution被引用 5

一句话总结

本文提出了一种随机优化框架，用于在辐射状配电网中最优分配分布式发电机（DG）——风力涡轮机、太阳能电池板和生物质装置——以最小化有功功率损耗。该方法采用考虑可再生能源DG输出不确定性的概率模型，整合了电压调节约束，并在IEEE 33节点系统上进行了验证，通过损耗最小化显著降低了成本。

ABSTRACT

Smart grid as the cleaner alternative to the legacy power system can improve technical, economical, and environmental aspects of the system up to a considerable degree. In smart grids, Distributed Generation (DG) units; which play an important role, should be optimally allocated. In this paper, DG placement is conducted with the goal of loss minimization of the grid considering the technical limitations associated with the voltage profile of the buses as well as the stochastic nature of the DGs. In this paper, three different kinds of DGs are included which are wind turbines, solar panels, and biomass generators. The results related to the case study which is IEEE standard 33 bus system reveals that the costs can be dramatically decreased.

研究动机与目标

• 解决在考虑其随机输出的情况下，辐射状配电网中分布式发电机（DG）最优选址的挑战。
• 在保持电压水平在可接受范围内的同时，最小化网络中的有功功率损耗。
• 评估在发电输出不确定性的条件下，集成三种类型DG（风能、太阳能和生物质）的影响。
• 通过损耗最小化在实际测试系统中展示成本降低。

提出的方法

• 开发了一种随机优化模型，以考虑可再生能源DG输出的概率特性，使用风能和太阳能发电的概率分布。
• 该方法在所有母线处整合了电压调节约束，以确保系统安全和电能质量。
• 通过启发式或元启发式方法（根据上下文推断）求解混合整数非线性规划（MINLP）公式，确定最优DG配置。
• IEEE 33节点辐射状配电网被用作仿真和验证的测试案例。
• 在考虑DG输出随机性的前提下进行潮流分析，以计算预期的有功功率损耗。
• 通过量化因损耗减少和效率提升带来的成本降低，评估模型的经济影响。

实验结果

研究问题

• RQ1 分布式发电单元的随机特性如何影响辐射状配电网中的有功功率损耗？
• RQ2 如何最优配置风能、太阳能和生物质DG，以在维持电压稳定性的同时最小化网络损耗？
• RQ3 在不确定性条件下，通过最优DG配置可在多大程度上实现成本节约？
• RQ4 电压水平约束如何影响DG单元的可行配置？

主要发现

• 所提方法通过考虑DG输出的随机性，实现了对DG单元的最优配置，显著降低了IEEE 33节点系统中的有功功率损耗。
• 风能、太阳能和生物质DG的集成由于损耗减少，导致系统总成本大幅下降。
• 所有母线的电压水平均得到有效维持，确保了系统稳定性和运行限值的合规性。
• 对DG输出的随机建模相比确定性方法，能够带来更稳健和更真实的配置决策。