? ? ? ?通過分析分布式電源對配電網的影響，以有功功率損耗、電壓質量及分布式電源總容量為優化目標，基于模糊理論建立了分布式電源在配電網中選址定容的多目標優化模型，并提出了一種改進粒子群算法進行求解。在算例仿真中，基于IEEE-14標準節點系統，采用MATLAB仿真工具對所提算法進行了測試，證實了所提算法全局搜索能力較強、收斂速度較快，并通過比較分析驗證了該模型和算法的可行性及有效性。

?1.含DG的配電網潮流計算

? ? ? 連接到配電網的 DG所采用的模型既可簡化為 PV節點，也可以是PQ節點。本文將其當成具有恒定功率因數的PQ節點，由于DG 的位置一般靠近負荷中心，因此假設DG的位置就在負荷節點上。ＤＧ接入負荷節點的模型如下圖所示，只需考慮改變接入DG 節點的負載功率變化即可。

? ? ? ?建立了DG接入配電網模型后，便可以根據相應的節點發電負載功率參數和配電網線路參數進行潮流計算，進而得到配電網中各個節點的電壓以及功率分布。本文在算例仿真過程中采用牛頓拉夫遜法進行潮流計算，該方法具有良好的線性收斂性能。

2.基于改進粒子群優化算法多目標優化的DG選址定容的流程

3.仿真代碼

clc;
clear;
close all;
nbus=14;
V=without_DG_process(nbus);%初始電壓
voltval1=V;
%% 設置種群迭代參數
iter_max=100;        %迭代次數    
no_of_pop=100;       %種群數量 
prop_crsval=0.7;    %交叉概率
no_of_crs=2*round(prop_crsval*no_of_pop/2);  prop_mutval=0.3;    %突變概率                          
no_of_mut=round(prop_mutval*no_of_pop);   
mu=0.02;   
sigma=2;
% runpf(case14)
% mpc=case14;
% mpc.branch ;linedt =bus_line_data(14);%% 初始化種群
int_tmp_pop.Position=[];
int_tmp_pop.Cost=[];
int_tmp_pop.Rank=[];
int_tmp_pop.DominationSet=[];
int_tmp_pop.DominatedCount=[];
int_tmp_pop.CrowdingDistance=[];% 擁擠度
%儲存每次迭代結果
population_func_data=repmat(int_tmp_pop,no_of_pop,1);
%B = repmat(A,m,n)，將矩陣 A 復制 m×n 塊，即把 A 作為 B 的元素，B 由 m×n 個 A 平鋪而成。B 的維數是 [size(A,1)*m, size(A,2)*n] 。
%% dg位置與容量約束
minval1=1;     %dg位置
maxval1=nbus;  %dg位置，在1-14節點中
minval2=0;     %dg容量
maxval2=50;    %dg容量
no_of_dg=4;    %dg數量%% randsrc函數，無參數形式，隨機輸出
for locm=1:no_of_pop%產生變量，隨機生成dg位置與容量，population_func_data(locm).Position=[randsrc(1,no_of_dg,minval1:maxval1) randsrc(1,no_of_dg,minval2:maxval2)];%計算出隨機生成對應位置與容量情況下的目標函數值population_func_data(locm).Cost=feed_power(nbus,population_func_data(locm).Position);end
[population_func_data, rankval]=non_dominate_sorting_process(population_func_data);%% 非支配種群排序過程
population_func_data=cal_crown_dist(population_func_data,rankval);%% 計算種群擁擠度
[population_func_data, rankval]=sort_process(population_func_data);%% 排序過程
%% 迭代
for iter=1:iter_max%% 種群交叉population_cross=repmat(int_tmp_pop,no_of_crs/2,2);%B = repmat(A,m,n)，將矩陣 A 復制 m×n 塊，即把 A 作為 B 的元素，B 由 m×n 個 A 平鋪而成。B 的維數是 [size(A,1)*m, size(A,2)*n] 。for k=1:no_of_crs/2loc1=randi([1 no_of_pop]);loc1_data=population_func_data(loc1);loc2=randi([1 no_of_pop]);loc2_data=population_func_data(loc2);[population_cross(k,1).Position, population_cross(k,2).Position]=cross_over_process(loc1_data.Position,loc2_data.Position,minval1,maxval1,minval2,maxval2);population_cross(k,1).Cost=feed_power(nbus,population_cross(k,1).Position);population_cross(k,2).Cost=feed_power(nbus,population_cross(k,2).Position);endpopulation_cross=population_cross(:);%% 種群變異population_mute=repmat(int_tmp_pop,no_of_mut,1);for k=1:no_of_mutlocm=randi([1 no_of_pop]);data_locm=population_func_data(locm);population_mute(k).Position=mutation_process(data_locm.Position,mu,sigma,minval1,maxval1,minval2,maxval2);population_mute(k).Cost=feed_power(nbus,population_mute(k).Position);end%% 完成篩選population_func_data=[population_func_data;population_cross;population_mute]; [population_func_data, rankval]=non_dominate_sorting_process(population_func_data);population_func_data=cal_crown_dist(population_func_data,rankval);population_func_data=sort_process(population_func_data);population_func_data=population_func_data(1:no_of_pop);[population_func_data, rankval]=non_dominate_sorting_process(population_func_data);population_func_data=cal_crown_dist(population_func_data,rankval);[population_func_data, rankval]=sort_process(population_func_data);resout_final=population_func_data(rankval{1});res1=[resout_final.Cost];plot3(res1(1,:),res1(2,:), res1(3,:),'b*')
xlabel('1網損')
ylabel('2電壓穩定性')
zlabel('3容量和')
grid on
hold off
title('目標優化結果')
drawnowend
%% 結果輸出
datart=resout_final(end).Position;
%最優變量，位置和容量
DG_LOCATION=datart(1:4)
DG_UNIT_SIZE=datart(5:8)
load resg.mat 
POWER_LOSSES_WITH_DG=POWER_LOSSES
STABILITY_INDEX_WITH_DG=STABILITY_INDEX;%穩定性指數
voltval2=V;
EIGEN_VALUE=diag(d1).';%特征值
%% 畫圖
figure,plot(1:nbus,voltval1,'p-s','linewidth',2);
hold on,
plot(1:nbus,voltval2,'b-s','linewidth',2);
grid on;
legend('無DG時電壓分布','有DG時電壓分布');
xlabel('節點');
ylabel('電壓幅值/pu');

4.仿真算例與結果分析仿真

? ? ? 在算例仿真中，基于IEEE-14標準節點系統，采用MATLAB仿真工具對所提算法進行了測試，證實了所提算法全局搜索能力較強、收斂速度較快，并通過比較分析驗證了該模型和算法的可行性及有效性。

代碼地址：

基于改進粒子群算法的多目標分布式電源選址定容規劃

參考論文：

基于改進粒子群算法的多目標分布式電源選址定容規劃