Оптимизация топологии сети с ВИЭ-генерацией на основе модифицированного адаптированного генетического алгоритма

Standard

Оптимизация топологии сети с ВИЭ-генерацией на основе модифицированного адаптированного генетического алгоритма. / Bramm, A. M.; Khalyasmaa, A. I.; Eroshenko, S. A. и др.
в: Energetika. Proceedings of CIS Higher Education Institutions and Power Engineering Associations, Том 65, № 4, 2022, стр. 341-354.

Результаты исследований: Вклад в журнал › Статья › Рецензирование

BibTeX

@article{632bea928e914b39987a7b5bed8699b4,

title = "Оптимизация топологии сети с ВИЭ-генерацией на основе модифицированного адаптированного генетического алгоритма",

abstract = "В статье представлен разработанный авторами адаптивный генетический алгоритм, позволяющий оптимизировать топологию электрической сети с распределенной генерацией на основе биоинспирированных методов. Объекты исследования – 15-узловая схема электрической сети с фотоэлектрическими станциями и 14-узловая дополненная схема IEEE с источниками распределенной генерации (три ветровые и две фотоэлектрические станции). Моделирование режимов электроэнергетических систем выполнено с использованием находящейся в открытом доступе библиотеки Pandapower для языка программирования Python. Рассмотрены три типа электрической нагрузки потребителей, отражающие характер потребления электроэнергии в узлах реальных электроэнергетических систем, приведены результаты численных исследований. В предложенном генетическом алгоритме применены две различные функции скрещивания, функции мутации, отбора лучших индивидов и массовой мутации (полного обновления популяции). В конце каждой итерации работы алгоритма выводятся статистические зависимости, характеризующие его работу: лучшая (минимальные потери) и средняя приспособленность в популяции, список лучших индивидов на протяжении всех итераций и т. д. Верификация производилась в сравнении с результатами, полученными методом полного перебора возможных радиальных конфигураций системы, и показала, что разработанный генетический алгоритм обладает быстрой сходимостью, высокой точностью и способен корректно работать при различных конфигурациях схем электрических сетей, структурах генерации и нагрузки. Алгоритм может применяться совместно с системами прогнозирования ВИЭ-генерации на сутки вперед при планировании режимов работы энергообъединений с целью минимизации издержек на покрытие потерь электроэнергии и улучшения качества отпускаемой электроэнергии.",

keywords = "distributed generation, distribution network, genetic algorithm, load curve, metaheuristic methods, mode optimization, power losses, restructuring, solar energy",

author = "Bramm, {A. M.} and Khalyasmaa, {A. I.} and Eroshenko, {S. A.} and Matrenin, {P. V.} and Papkova, {N. A.} and Sekatski, {D. A.}",

year = "2022",

doi = "10.21122/1029-7448-2022-65-4-341-354",

language = "Русский",

volume = "65",

pages = "341--354",

journal = "Energetika. Proceedings of CIS Higher Education Institutions and Power Engineering Associations",

issn = "1029-7448",

publisher = "Белорусский национальный технический университет",

number = "4",

}

RIS

TY - JOUR

T1 - Оптимизация топологии сети с ВИЭ-генерацией на основе модифицированного адаптированного генетического алгоритма

AU - Bramm, A. M.

AU - Khalyasmaa, A. I.

AU - Eroshenko, S. A.

AU - Matrenin, P. V.

AU - Papkova, N. A.

AU - Sekatski, D. A.

PY - 2022

Y1 - 2022

N2 - В статье представлен разработанный авторами адаптивный генетический алгоритм, позволяющий оптимизировать топологию электрической сети с распределенной генерацией на основе биоинспирированных методов. Объекты исследования – 15-узловая схема электрической сети с фотоэлектрическими станциями и 14-узловая дополненная схема IEEE с источниками распределенной генерации (три ветровые и две фотоэлектрические станции). Моделирование режимов электроэнергетических систем выполнено с использованием находящейся в открытом доступе библиотеки Pandapower для языка программирования Python. Рассмотрены три типа электрической нагрузки потребителей, отражающие характер потребления электроэнергии в узлах реальных электроэнергетических систем, приведены результаты численных исследований. В предложенном генетическом алгоритме применены две различные функции скрещивания, функции мутации, отбора лучших индивидов и массовой мутации (полного обновления популяции). В конце каждой итерации работы алгоритма выводятся статистические зависимости, характеризующие его работу: лучшая (минимальные потери) и средняя приспособленность в популяции, список лучших индивидов на протяжении всех итераций и т. д. Верификация производилась в сравнении с результатами, полученными методом полного перебора возможных радиальных конфигураций системы, и показала, что разработанный генетический алгоритм обладает быстрой сходимостью, высокой точностью и способен корректно работать при различных конфигурациях схем электрических сетей, структурах генерации и нагрузки. Алгоритм может применяться совместно с системами прогнозирования ВИЭ-генерации на сутки вперед при планировании режимов работы энергообъединений с целью минимизации издержек на покрытие потерь электроэнергии и улучшения качества отпускаемой электроэнергии.

AB - В статье представлен разработанный авторами адаптивный генетический алгоритм, позволяющий оптимизировать топологию электрической сети с распределенной генерацией на основе биоинспирированных методов. Объекты исследования – 15-узловая схема электрической сети с фотоэлектрическими станциями и 14-узловая дополненная схема IEEE с источниками распределенной генерации (три ветровые и две фотоэлектрические станции). Моделирование режимов электроэнергетических систем выполнено с использованием находящейся в открытом доступе библиотеки Pandapower для языка программирования Python. Рассмотрены три типа электрической нагрузки потребителей, отражающие характер потребления электроэнергии в узлах реальных электроэнергетических систем, приведены результаты численных исследований. В предложенном генетическом алгоритме применены две различные функции скрещивания, функции мутации, отбора лучших индивидов и массовой мутации (полного обновления популяции). В конце каждой итерации работы алгоритма выводятся статистические зависимости, характеризующие его работу: лучшая (минимальные потери) и средняя приспособленность в популяции, список лучших индивидов на протяжении всех итераций и т. д. Верификация производилась в сравнении с результатами, полученными методом полного перебора возможных радиальных конфигураций системы, и показала, что разработанный генетический алгоритм обладает быстрой сходимостью, высокой точностью и способен корректно работать при различных конфигурациях схем электрических сетей, структурах генерации и нагрузки. Алгоритм может применяться совместно с системами прогнозирования ВИЭ-генерации на сутки вперед при планировании режимов работы энергообъединений с целью минимизации издержек на покрытие потерь электроэнергии и улучшения качества отпускаемой электроэнергии.

KW - distributed generation

KW - distribution network

KW - genetic algorithm

KW - load curve

KW - metaheuristic methods

KW - mode optimization

KW - power losses

KW - restructuring

KW - solar energy

UR - http://www.scopus.com/inward/record.url?scp=85138083595&partnerID=8YFLogxK

U2 - 10.21122/1029-7448-2022-65-4-341-354

DO - 10.21122/1029-7448-2022-65-4-341-354

M3 - Статья

AN - SCOPUS:85138083595

VL - 65

SP - 341

EP - 354

JO - Energetika. Proceedings of CIS Higher Education Institutions and Power Engineering Associations

JF - Energetika. Proceedings of CIS Higher Education Institutions and Power Engineering Associations

SN - 1029-7448

IS - 4

ER -

ID: 30978894