[论文解读] Optimal DG allocation and sizing in power system networks using swarm-based algorithms

Kayode E. Adetunji, I.W. Hofsajer+1 more|arXiv (Cornell University)|Feb 19, 2020

Optimal Power Flow Distribution参考文献 38被引用 6

一句话总结

本文提出一种混合方法，结合粒子群优化（PSO）与鲸鱼优化算法（WOA），以确定在环网输电网络中分布式发电（DG）单元的最佳安装位置与容量。通过将损失灵敏度因子（LSF）用于候选母线选择，并结合元启发式优化，两种算法均显著降低了有功与无功功率损耗，其中在IEEE 14-和30母线系统上，WOA在技术经济约束下表现优于PSO，实现更优的损耗最小化与电压水平改善。

ABSTRACT

Distributed generation (DG) units are power generating plants that are very important to the architecture of present power system networks. The benefit of the addition of these DG units is to increase the power supply to a network. However, the installation of these DG units can cause an adverse effect if not properly allocated and/or sized. Therefore, there is a need to optimally allocate and size them to avoid cases such as voltage instability and expensive investment costs. In this paper, two swarm-based meta-heuristic algorithms, particle swarm optimization (PSO) and whale optimization algorithm (WOA) were developed to solve optimal placement and sizing of DG units in the quest for transmission network planning. A supportive technique, loss sensitivity factors (LSF) was used to identify potential buses for optimal location of DG units. The feasibility of the algorithms was confirmed on two IEEE bus test systems (14- and 30-bus). Comparison results showed that both algorithms produce good solutions and they outperform each other in different metrics. The WOA real power loss reduction considering techno-economic factors in the IEEE 14-bus and 30-bus test system are 6.14 MW and 10.77 MW, compared to the PSOs' 6.47 MW and 11.73 MW respectively. The PSO has a more reduced total DG unit size in both bus systems with 133.45 MW and 82.44 MW compared to WOAs' 152.21 MW and 82.44 MW respectively. The paper unveils the strengths and weaknesses of the PSO and the WOA in the application of optimal sizing of DG units in transmission networks.

研究动机与目标

• 解决因分布式发电（DG）配置与容量不理想而导致输电网络损耗增加与电压不稳定的技术挑战。
• 开发一种稳健的基于元启发式方法的最优DG配置方法，以平衡技术性能与经济可行性。
• 评估并比较PSO与WOA在最小化有功与无功功率损耗以及改善电压水平方面的性能。
• 将损失灵敏度因子（LSF）作为预处理技术，以缩小最优DG配置的搜索空间。
• 评估在优化框架中引入经济约束的影响，以反映现实世界中的投资与运行成本。

提出的方法

• 计算损失灵敏度因子（LSF），以识别对有功功率损耗高度敏感的候选母线，从而缩小DG配置的搜索空间。
• 应用PSO与WOA元启发式算法，对LSF识别出的候选母线上的DG单元容量与配置进行优化。
• 采用两个目标函数：(1) 技术目标，聚焦于有功与无功功率损耗最小化及电压水平改善；(2) 技术经济目标，整合投资与运行成本约束。
• 在IEEE 14母线与30母线测试系统上测试算法，通过总功率损耗、DG单元容量与电压水平质量等指标进行结果对比。
• 通过迭代优化，基于功率损耗、电压偏差与成本分量的综合评估进行适应度评价，技术经济情形下采用加权目标函数。
• 通过收敛性分析与多次运行结果的对比，评估各算法的性能。

实验结果

研究问题

• RQ1 PSO与WOA在集成DG单元的环网输电网络中，最小化有功与无功功率损耗的效率如何？
• RQ2 在技术与技术经济目标下，PSO与WOA中哪种算法在电压水平改善方面表现更优？
• RQ3 与纯技术目标相比，引入经济约束对最优DG容量与配置的影响程度如何？
• RQ4 使用损失灵敏度因子（LSF）在多大程度上提升了元启发式优化过程的效率与收敛性？
• RQ5 在不同优化目标下，PSO与WOA在总DG单元容量与功率损耗降低之间的权衡关系如何？

主要发现

• 在IEEE 14母线系统中，WOA在技术经济目标下实现了6.14 MW的有功功率损耗降低，优于PSO的6.47 MW降低。
• 在IEEE 30母线系统中，WOA在技术经济目标下将有功功率损耗降低了10.77 MW，而PSO降低了11.73 MW。
• 在IEEE 30母线系统中，PSO在技术目标下产生的总DG单元容量（58.106 MW）低于WOA（137.547 MW），表明其在容量配置方面效率更高。
• 在技术经济目标下，PSO在30母线系统中实现的总DG容量为82.44 MW，与WOA的82.44 MW相近，但WOA在损耗最小化方面仍表现更优。
• 在IEEE 30母线系统中，WOA在技术经济目标下实现了最低的无功功率损耗（45.870 MVaR），优于PSO的49.167 MVaR。
• 在IEEE 14母线系统中，WOA实现了更优的电压水平改善；而在IEEE 30母线系统中，PSO在相同目标下表现更佳。