论文部分内容阅读
随着我国电力事业的不断发展,原有的集中式大电网的缺陷已经逐渐凸显,大力发展分布式电源成为社会可持续绿色发展的必然要求,各种分布式电源技术飞速发展,然而分布式电源并入配电网会产生各种各样的影响,如何在控制一些不利影响的前提下,使分布式电源并网产生最佳的经济以及生态效果,是一个亟需解决的问题。本文针对配电网分布式电源的优化配置问题,设计了一种改进的NSGA2算法。一是将改进的K-means聚类算法引入到NSGA2算法的新父代筛选的过程中,解决了原有的拥挤度机制容易造成的Pareto最优解的盲区问题。二是在NSGA2算法的精英保存过程中,把处于劣势的非支配层直接剔除,从而保证了寻优迭代过程中不断向最优解靠近的趋势。由于K-means算法的初始聚类中心是随机生成的,具有较大的波动性,本文运用TD(Tree Distribution)算法,对K-means的初始聚类中心进行设定,通过对个体的最小生成树剪枝,得到一组较有代表性的初始聚类中心,解决K-means算法的波动性,将其引入到NSGA2算法中,来消除Pareto最优解的盲区,得到一组具有代表性和多样性的Pareto解集,为管理者提供更好的方案选择。针对本文设计的改进的NSGA2算法,对一个双目标函数的求解进行仿真验证,仿真结果表明,该算法对双目标函数的求解具有一定的优越性,有效地消除了 Pareto 最优解的盲区,接着又通过MATLAB软件运用NAGA2和本文设计的改进的NSGA2对IEEE33节点系统进行分布式电源的配置,构造两个双目标函数,从经济成本、电能质量、环境友好度这三个方面来寻求分布式电源选址定容的最优解。仿真结果表明,与NSGA2相比,采用改进的NSGA2能够得到一组目标函数值更为优越的Pareto解,在一定程度上消除了 NSGA2算法的寻优盲区,使得解集更具多样性。