近年来,随着电力技术的进步和电力行业的持续发展,DG(Distributed Generation,分布式电源)得到了广泛的研究和应用。DG并入电网可以节省投资、降低能耗、提高供电可靠性,但是DG大规模接入电网,使得电网规划、电力系统负荷预测面临更多不确定因素。同时,DG并网的位置和容量对配电网网损、电能质量、继电保护等方面会带来一定的影响,为保证电网安全可靠运行,有必要对DG的位置和容量进行合理规划。本文在总结国内外学者研究的基础上,分析了目前常见算法的缺陷,以及规划模型的不足,提出ISAPSO(Improved Simulated Annealing Particle Swarm Optimization,改进退火粒子群)算法对DG进行选址和定容的规划。论文主要完成以下研究内容:(1)针对PSO(Particle Swarm Optimization,粒子群)算法容易陷入局部最优,且后期收敛速度慢的情况,对算法进行改进。将SA(Simulated Annealing,模拟退火)算法与PSO算法结合形成SAPSO(Simulated Annealing Particle Swarm Optimization,模拟退火粒子群)算法,并且在SAPSO算法的基础上,引入了遗传算法中的交叉运算与变异运算进行改进,得到了ISAPSO算法。该算法提高了种群的多样性,能有效地使算法跳出局部最优。通过经典测试函数分别对ISAPSO算法、SAPSO算法以及PSO算法进行仿真分析,得出ISAPSO算法相比其他两个算法具有较高的收敛精度,寻优效果明显增强。(2)采用ISAPSO算法进行DG选址和定容的规划。首先将DG分别等效为不同的节点类型,通过前推回代法求解含不同DG的潮流计算。在处理PV节点时,通过无功分摊原理设定无功初值,采用无功补偿的方法进行功率修正。然后在DG个数、位置和单个电源容量均不确定的情况下,建立了DG选址和定容的经济费用最小的数学模型。该模型以DG投资及运行费用、网络损耗费用、年购电费用和环境污染费用为目标函数,并考虑了潮流约束、节点电压约束、导线电流约束和DG容量约束。最后应用ISAPSO算法,实现DG的选址和定容问题的精确求解。(3)IEEE33节点配电系统算例仿真表明,采用ISAPSO算法能有效解决DG选址和定容的规划问题,将规划结果与SAPSO算法及PSO算法进行对比分析,结果表明ISAPSO算法能够得到更高经济效益的规划方案。此外,DG接入配电系统后,有提高系统电压水平的作用,使电网能更加经济、安全和可靠地运行。