Comparing with the traditional distribution network, a significant feature of the active distribution network (ADN) is that the performance of distributed generation (DG) units, energy storage units and micro-grid (MG) in the network is controllable for the distribution network operator. Considering the characteristics of the distributed power supply and micro-grid, and giving full play to the advantages of distributed generation technology in the economic, environmental and energy aspects, this paper highlights an environmental protection and energy saving optimal schedule model for ADN. The scheduling model focuses on the minimum network loss, minimum voltage deviation and minimum difference between peak and valley load. In addition, the two stage algorithm is presented to solve the proposed multi-objective scheduling model of ADN. First, a set of Pareto solutions are obtained by using the proposed particle swarm optimization combined with bacterial foraging algorithm (PSO-BFO) to solve multi-objective optimization problems, then the optimal schedule strategy of ADN is gained through evaluating the Pareto solutions with entropy weight decision-making method. To avoid the search falling into local optimal solution, the two-value crossover operator is introduced to exchange the information among subpopulations and update the position of related particles. Meanwhile, the adaptive adjusting inertia constant strategy is used to improve the algorithm convergence speed. Finally, the case study results demonstrate the rationality of the proposed optimal schedule model and the validity of its solution algorithm for ADN

چکیده

یکی از ویژگی های قابل توجه شبکۀ توزیع اکتیو (ADN) در مقایسه با شبکۀ توزیع سنتی این است که عملکرد واحدهای تولید پراکنده (DG)، واحدهای ذخیره سازی انرژی و ریز شبکه (MG) در شبکه برای اپراتور شبکۀ توزیع قابل کنترل است . در این مقاله با در نظر گرفتن مشخصه های منبع قدرت و ریز شبکه و با استفاده از مزایای فن آوری تولید پراکنده از نظر اقتصادی، محیطی و انرژی، مدل زمان بندی بهینه ای را برای حفاظت محیطی و صرفه جویی در انرژی در ADN مورد تاکید قرار می گیرد. این مدل زمان بندی بر روی حداقل تلفات شبکه، حداقل انحراف ولتاژ و حداقل اختلاف بین بار پیک و دره متمرکز است. علاوه بر این، یک الگوریتم دو مرحله ای برای حل مدل زمان بندی چند هدفۀ پیشنهادی برای ADN ارائه شده است. ابتدا مجموعه ای از راه حل های پارتو با استفاده از ترکیب پیشنهادی بهینه سازی ازدحام ذرات و الگوریتم کاوش باکتریایی (PSO-BFO) برای حل مسائل بهینه سازی چند هدفه به دست آمده است، سپس استراتژی زمان بندی بهینه در ADN از طریق ارزیابی راه حل های پارتو با استفاده از روش تصمیم گیری وزن آنتروپی حاصل شده است. برای جلوگیری از گیر افتادن جستجو در راه حل بهینۀ محلی، عملگر تقاطعی دو مقداری برای تبادل اطلاعات در میان گروه های جمعیتی و به روز رسانی موقعیت ذراتِ مرتبط ارائه شده است. همچنین به منظور بهبود سرعت همگرایی الگوریتم، از استراتژی تنظیم تطبیقی ​​ ثابت اینرسی استفاده شده است. در نهایت اینکه نتایج حاصل از بررسی موردی، منطقی بودن مدل زمان بندی بهینۀ پیشنهادی و صحت الگوریتم راه حل آن برای ADN را ثابت می کنند.

1-مقدمه

تعریف پایه ای شبکۀ توزیع اکتیو (ADN) که توسط تیم پروژۀ CIGRE C6.11 در سال 2008 ارائه شد، سیستم توزیعی است که می تواند کنترل اکتیو و مدیریت اکتیو در تولید پراکنده (DG) به صورت محلی را با استفاده از توپولوژی انعطاف پذیر شبکه برای مدیریت جریان تحقق بخشد [1].

واحدهای زمان بندی اصلی در ADN عبارتند از تولید پراکنده (DG)، ریز شبکه (MG) و بار [2، 3]، و موضوع مورد بحث در این پژوهش در مورد زمان بندی MG و DG [6-4] می باشد...