Результаты исследований: Вклад в журнал › Статья › Рецензирование
Результаты исследований: Вклад в журнал › Статья › Рецензирование
}
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.
N1 - Publisher Copyright: © 2022 Belarusian National Technical University. All rights reserved.
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