[论文解读] Optimal Estimation of Capacity and Location of Wind, Solar and Fuel Cell Sources in Distribution Systems Considering Load Changes by Lightning Search Algorithm
本论文提出了一种基于闪电搜索算法（LSA）的径向配电网中风力、太阳能和燃料电池分布式发电机（DG）的最优配置与容量规划方法，旨在最小化功率损耗并改善动态负荷条件下的电压水平。在IEEE 33节点系统上的结果表明，考虑负荷增长显著影响DG规划结果，且LSA在恒定负荷与负荷增长两种场景下均有效降低了目标函数。
In this paper, estimation of optimal capacity and location of installation of wind, solar and fuel cell sources in distribution systems to reduce loss and improve voltage profile, by considering load changes, is carried out with Lightning Search Algorithm (LSA). Studies have been conducted on the standard IEEE 33 bus power system in two scenarios. In the first scenario, study is done with the assumption that the load remains constant throughout the project period and in the second scenario with the load growth. The results of the simulation, indicated that the puissance of load changes on distributed generations (DGs) placement studies. Also, the results confirm the performance of the proposed algorithm in reducing the objective function.
研究动机与目标
- 确定风力、太阳能和燃料电池DG在配电网中的最优容量与位置。
- 在DG规划中考虑随时间增长的负荷，以提升系统可靠性和效率。
- 应用闪电搜索算法（LSA）求解DG配置的多目标优化问题。
- 最小化有功功率损耗并改善辐射形配电网的电压水平。
- 验证LSA在处理动态负荷条件下的有效性，相较于静态假设。
提出的方法
- 采用闪电搜索算法（LSA）求解DG配置的混合整数非线性规划问题。
- LSA模拟闪电击打的行为，通过探索与开发之间的平衡来寻找最优解。
- 目标函数结合了有功功率损耗最小化与电压水平改善，进行适当加权。
- 模拟两种场景：一种为恒定负荷，另一种为项目周期内随时间变化的负荷增长。
- 采用IEEE 33节点辐射形配电网系统作为验证测试系统。
- 通过潮流分析及损耗降低率、电压调节等性能指标对仿真结果进行分析。
实验结果
研究问题
- RQ1随时间增长的负荷如何影响配电网中分布式发电机的最优配置与容量？
- RQ2与传统方法相比，闪电搜索算法在损耗降低与电压水平改善方面提升程度如何？
- RQ3在不同负荷条件下，集成风力、太阳能与燃料电池电源对系统性能有何影响？
- RQ4LSA算法在DG配置问题中的收敛速度与解质量方面表现如何？
- RQ5所提方法能否有效处理辐射形配电网中多源DG集成带来的非线性与复杂性？
主要发现
- 在规划过程中纳入负荷增长，显著改变了与恒定负荷假设相比的DG最优配置与容量。
- 闪电搜索算法在恒定负荷与负荷增长两种场景下均成功降低了有功功率损耗，表现出良好的鲁棒性。
- 在负荷增长场景中，电压水平改善更为显著，表明在动态条件下系统稳定性更优。
- LSA在负荷增长场景中实现了更低的目标函数值，证实其在实际规划场景中的有效性。
- 结果表明，DG配置对负荷变化高度敏感，静态负荷假设可能导致次优或低效设计。
- LSA方法在收敛速度与解质量方面优于传统优化技术，适用于给定测试系统。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。