基于改进K-means 算法的多场景分布式电源规划

摘要： 针对恒定调度模型分布式电源选址定容的配置方案实用性差的缺陷，考虑分布式电源( DG: Distributed Generation) 出力和负荷需求的时序性与不确定性，建立以配电网系统总投资成本、总电压偏差和系统网损最小化的多目标调度模型。首先，通过蒙特卡洛算法随机模拟全年风-负荷场景，并采用K-means 聚类法对全年场景进行缩减。其次，引入轮廓系数对其改进以获取最优的聚类数。最后，通过快速非支配排序遗传算法( NSGA-Ⅱ) 与无偏折中策略进行优化处理。以IEEE33 节点配电系统为例与标准遗传算法做对比仿真实验，验证了所提算法的有效性和优越性