superone89的博客

本文介绍了一种基于文献理论的AC-DC混合配电系统双目标优化规划模型。该模型综合考虑经济性（投资、维护、发电成本）和可靠性（EENS、SAIFI、SAIDI）目标，并包含KVL/KCL约束、VSC换流器模型、拓扑约束等关键技术要素。程序采用Python实现，以6节点系统为例，提供了清晰的系统架构展示（包括A/B/C型线路连接方式）、可视化分析（可靠性指标柱状图、成本饼图、电压/电流分布图）和代码实现。结果表明该方法能有效评估交直流混合配电系统的规划方案，具有较好的工程应用价值。

针对大规模分布式光伏并网带来的电力系统协调自治挑战，程序通过集群划分方法研究多个建筑物间电力线路规划策略，从电气距离的模块度、建筑物间线路铺设成本以及电能互补的角度进行优化，采用粒子群算法进行求解，程序以随机生成的20个建筑物为例，建筑物的数量和负荷、光伏数据均可以在应用中进行调整，程序模块化编程，注释清晰，有参考文档，方便研究学习！模块度是用以评价网络结构强度的指标，其数值与网络结构及网络边权有关，模块度指标越大，表示相同区域节点之间功能或性质越相似，不同区域之间耦合性越弱。

程序主要参考《考虑极端天气线路脆弱性的配电网分布式电源配置优化模型-马宇帆》，针对极端天气严重威胁配电网安全稳定运行的问题。基于微气象、微地形对配电网的线路脆弱性进行分析，然后进行分布式电源接入位置与极端天气的关联性分析，最终构建极端天气下的配电网分布式电源接入位置分析模型。实例验证表明该模型能够全面的考虑极端天气的影响，得到分布式电源和储能待选择接入位置。根据配电网和地形统计分析，确定配电网气候-地形状态参数，根据气候-地形状况组合概率构建离散分布函数。

程序是对文章《基于多目标粒子群算法的配电网储能选址定容》的方法复现，具体内容如下：以系统节点电压水平（电网脆弱性）、网络损耗以及储能系统总容量为目标建立了储能选址定容优化模型。求解过程中提出了一种改进多目标粒子群算法(improved multi—objective particle swarm optimizer，IMOPSO)。

该模型采用改进遗传算法优化配电网系统中储能选址位置和容量，程序以IEEE33节点系统为分析对象，以网损最小为目标，采用matpower实现系统潮流计算。

该程序采用自适应遗传算法优化分布式电源的配置问题，以投资运行成本、网络损耗成本、购电成本和碳排放成本之和作为优化目标，潮流计算采用前推回代法进行计算，程序不止复现了参考文献的33节点系统，同时也实现了118节点系统配电网络的选址定容模型，因此文末链接的程序包包括两部分，一个是118节点系统优化程序，一个是33节点系统优化程序，该程序采用matlab编写，注释清晰！

该模型考虑投资成本、网损以及电压稳定性三因素建立了一个三目标的数学模型，采用改进多目标粒子群算法进行求解计算，主要的改进包括：采用混合模拟退火算法和小生境技术进行多目标全局寻优。程序以IEEE69节点系统验证了所提算法在分布式电源选址定容方面的有效性，模型中的约束条件是通过罚函数的形式得以实现，程序不仅得到了多目标帕累托解集，还通过权值多目标方式得到最佳优化结果。