分布式電源位置和容量的優(yōu)化配置可確保其發(fā)揮更好的技術(shù)經(jīng)濟效用。在分析DG特性的基礎(chǔ)上，建立了考慮含分布式電源的有功網(wǎng)損費用最小和綜合投資成本最小的多目標優(yōu)化模型；鑒于傳統(tǒng)粒子群算法具有容易早熟，易于陷入局部最優(yōu)值的缺點，將自適應(yīng)調(diào)整和二次項策略融入到粒子群算法，提出了一種改進型粒子群算法；并將其應(yīng)用在解決含分布式電源的配電網(wǎng)的布局規(guī)劃問題。通過算例驗證所提算法具有良好實用性和適應(yīng)性，并且也驗證所提模型的實際意義。

　　分布式電源接入配電網(wǎng)后，會引起各支路潮流大小和方向改變，使得系統(tǒng)損耗不僅與負荷大小有關(guān)，同時還與DG選址及定容有關(guān)。因此，深入研究DG的合理規(guī)劃具有重要意義。

　　文獻提出基于細菌菌落優(yōu)化算法的含分布式電源優(yōu)化配置，建立了以系統(tǒng)有功網(wǎng)損最小的優(yōu)化模型，但是細菌菌落優(yōu)化算法尋優(yōu)過程復(fù)雜，且難以尋找到高質(zhì)量的優(yōu)化解。

　　提出基于螢火蟲算法的分布式電源的優(yōu)化配置，以配電網(wǎng)有功網(wǎng)損最小以及投資成本最小為目標函數(shù)，將螢火蟲算法應(yīng)用在分布式電源優(yōu)化配置中，驗證該算法的優(yōu)越性。

　　提出基于粒子群算法的含分布式電源的配電網(wǎng)優(yōu)化配置，以分布式電源的接入后發(fā)電效益最大化為目標函數(shù)，但是基本粒子群算法收斂速度過慢，且種群易于陷入局部最優(yōu)值。

　　提出基于改進粒子群算法的分布式電源優(yōu)化配置，將動態(tài)調(diào)整機制以及混沌思想融入到粒子群算法中，對于參數(shù)進行調(diào)整，實現(xiàn)對于粒子群算法的改進，并將改進之后的粒子群算法應(yīng)用在DG的定容和選址中，通過與其他智能算法的比較驗證所提方法的有效性和實際意義。

　　提出基于改進遺傳算法的分布式電源多目標優(yōu)化配置，鑒于遺傳算法尋優(yōu)的不足之處，將粒子群與遺傳算法相結(jié)合，實現(xiàn)兩者結(jié)合的智能優(yōu)化算法，該算法在一定程度上提高算法的收斂速度，能夠?qū)ふ腋哔|(zhì)量的優(yōu)化解，但是兩者的結(jié)合使得算法程序非常復(fù)雜，參數(shù)設(shè)置也比較復(fù)雜。

　　提出基于改進人工魚群算法的含分布式電源的配電網(wǎng)無功優(yōu)化，該文章對于分布式電源與無功優(yōu)化關(guān)系進行分類，在此基礎(chǔ)上，應(yīng)用改進人工魚群算法進行算法分析，結(jié)果表面算法的有效性。

　　本文首先建立了包含有功網(wǎng)損費用最小和分布式電源綜合投資成本最小的多目標優(yōu)化模型，其次，詳細介紹粒子群算法，并對其進行改進，對分布式電源選址和定容問題進行優(yōu)化求解，最后，將計算結(jié)果與粒子群算法、細菌覓食優(yōu)化算法的計算結(jié)果進行比較，驗證了所提算法的有效性與優(yōu)越性。

　　圖1 IEEE-33節(jié)點配電網(wǎng)測試系統(tǒng)圖

　　小結(jié)

　　首先從電力系統(tǒng)經(jīng)濟總利益的角度出發(fā)，在DG接入容量和接入位置不確定的情況下，采用將配電網(wǎng)網(wǎng)絡(luò)損耗轉(zhuǎn)化為經(jīng)濟指標的損耗費用以及分布式單元投資安裝成本最小的目標函數(shù)，合理的建立了分布式電源的綜合成本。運用改進粒子群優(yōu)化算法對該模型進行求解，并與標準粒子群算法和細菌覓食優(yōu)化算法的優(yōu)化結(jié)果進行比較，驗證了該算法的實用性和優(yōu)越性。