基于PAM时段划分的配电网动态重构

为保证配电网的安全稳定运行,提出一种基于PAM(Partitioning Around Medoid)时段划分的配电网动态重构方法。以配电网网络损耗、电压偏移和负荷均衡为目标函数,建立配电网动态重构模型。针对配电网动态重构过程中的时段划分问题,给出一种以相异度为分段指标的PAM时段划分方法。为提升协同粒子群算法(Cooperative particle swarm optimization,Co-pso)的寻优能力,对其速度更新公式进行修正,并引入正态分布随机调整因子对协同粒子群算法进行改进。选择IEEE33节点系统进行算例分析计算,算例结果验证了上述方法的有效性。     

基于改进量子粒子群算法的配电网络优化重构

为了更好地利用分布式电源(DG),需要调整配电网开关状态优化网络结构。基于此,旨在利用一种智能算法对含DG的配电网进行优化重构。以网损最小为目标函数,建立配电网重构模型,并给出重构需要满足的约束条件;按照DG接入配电网的接口类型将其分为PQ型、PV型、PI型和PQ(V)型四种类型,选择前推回代法对含DG的配电网进行潮流计算;通过分析二进制粒子群算法(BPSO)与量子粒子群算法(QPSO),提出了一种改进的量子粒子群算法—加权的二进制量子粒子群算法(WBQPSO)。以IEEE33节点配电系统为例,采用二进制编码方式,通过仿真结果可以发现WBQPSO通过对粒子的平均最好位置加权处理,改善种群多样性,提高收敛速度,可以得到更好的网络重构的优化结果。     

基于连锁环网与改进离散粒子群算法的多目标配电网重构

配电网重构本质上是一个复杂的高维数非线性组合优化问题。为避免其不可行解的影响,同时实现快速寻优,提出了一种通过连锁环网矩阵快速判断粒子是否满足配电网拓扑约束的方法。采用基于Pareto准则的离散二进制粒子群算法(Binary Particle Swarm Optimization,BPSO)以求解配电网重构多目标优化问题。从三方面对BPSO算法进行改进:改进粒子更新策略以提升新代粒子的可行概率;改进sigmoid函数同时提出邻域搜索机制以强化算法后期的收敛能力;提出基于次优解保留策略的小生境共享机制以改进群体最优粒子更新方式,进而强化算法的全局搜索能力。对IEEE33系统算例进行仿真,结果表明改进BPSO算法在求解含分布式电源(Distributed Generation,DG)的配电网重构多目标优化问题时,能够更加精确高效地收敛至Pareto最优前沿。     

基于量子粒子群算法多目标优化的配电网动态重构

为保证配电网动态重构后系统安全稳定的运行,提出了以网损和节点电压稳定性为目标函数的量子粒子群算法的配电网动态重构。针对配电网动态重构过程中时段划分问题,提出以负荷曲线的单调性和幅值变化大小为依据初步划分时间段落。采用整数型量子粒子群算法进行动态重构,重构过程中以相邻时段的网损变化值的关系获取最佳重构段落,然后综合考虑配电网网损最小和节点电压值最大且波动最小为目标寻找最佳重构结构。以IEEE33配电系统为例验证了所提方法的有效性和实用性。     

基于改进二进制粒子群算法的配电网多目标重构

配电网重构作为配电自动化系统的一个重要组成部分,能够有效提高配电网运行的经济性和可靠性。提出以网络有功网损和网络电压偏移构建配电网重构的多目标数学模型,根据系统初始状态将各指标归一化处理,利用权重系数法将多目标重构问题转化为单目标问题。为克服二进制粒子群算法容易陷入局部最优而难以跳出的问题,将非线性动态调整的惯性权重系数引入到粒子速度更新公式之中,以提高二进制粒子群算法的全局搜索效率和收敛速度。算例结果验证了所提方法的有效性。     

基于BPSO和育种算法的配电网重构

分析了配电网络运行时的特点,在满足运行和安全约束的前提下,将目标函数设定为以系统有功功率损耗最少,并针对二进制粒子群算法的缺点,加入了育种算法,采用育种算法和BPSO算法相结合的混合算法对配电网进行了重构.对IEEE33节点系统进行配电网重构求解的算例表明,提出的混合算法在降低迭代次数地同时,提高了计算效率和速度,对配电网重构是有效的.     

基于改进二进制粒子群优化算法的负荷均衡化配电网重构

提出了基于改进的二进制粒子群优化算法、以均衡负荷为目标的配电网重构方法。将配电网重构问题表示为以负荷均衡指标最小为目标函数的非线性优化问题,针对配电网开环运行的结构特点对配电网拓扑结构模型进行了简化,并对二进制粒子群优化算法加以改进,以保证配电网的辐射状结构,同时大大减少迭代次数。算例分析结果表明,该方法能够有效解决负荷均衡化的配电网重构问题,计算速度快,收敛性好。     

基于CAPSO的含分布式电源的配电网动态重构

对含分布式电源的配电网重构进行了研究,考虑配电网系统中各节点上的不同种类型负荷的不同占比和分布式电源日出力波动引起的日负荷变化,使用KMeans聚类算法对总的变化的日负荷进行时段划分,更具客观性;使用"解环"的重构策略,在满足动态重构的约束条件下以综合运行总费用最低为目标,使用较标准粒子群优化算法寻优性能更强的自适应惯性粒子群优化算法(CAPSO)进行配电网动态重构,得到最优重构策略,并用IEEE33节点系统进行了仿真验证。     

基于混合优化算法的配电网动态重构研究

本文提出了一种混合了混沌粒子群与教学优化的算法来解决配电网动态重构问题。建立以网络损耗最小,开关操作次数最少的运行费用模型。将配电网络的损耗和电压偏差这两个指标通过归一化处理形成一个综合指标,并设定最大标准差及系统最大重构次数,确定重构时段。所提出的方法结合了混合粒子群优化算法和教学优化算法的特点成为了一种更有效率的全局优化算法。为了在配电网动态重构中可以动态调整惯性参数,在一般的粒子群算法中引入了混沌理论,同时具有教学优化的混合算法可以保证初始种群的多样性和防止过早收敛,提高了算法寻优的能力。最后使用了IEEE 33节点配电网测试系统证明了所提算法的合理性与有效性。     

基于粒子群优化算法的配电网重构和分布式电源注入功率综合优化算法

随着分布式电源(distributed generation,DG)在配电网中安装比例逐年增加,配电自动化应加强对DG的优化调度功能,发挥DG对配电网优化的有利作用。配电网重构是配电网优化的重要措施,DG联网后,DG注入配电网功率直接影响配电网重构结果。为使配电网性能达到整体最优,提出了一种基于粒子群优化算法(particle swarm optimization,PSO)的配电网重构和DG注入功率综合优化算法。该算法根据PSO并行计算的特点,采用PSO和二进制粒子群优化算法(binary particle swarm optimization,BPSO)相结合的方式,对转换开关状态和DG注入功率2种控制变量同时处理,达到配电网网损、电压偏差最小的目的。将DG作为可调度设备,对配电网重构和DG注入功率进行综合优化,提高了含DG配电网的电能质量和供电可靠性。将该算法应用到3馈线配电系统,仿真结果验证了所提算法的有效性。     

采用时段动态划分和分层优化策略的配电网重构

为更好地处理配电网动态重构中重构时刻、开关操作费用、降损效果之间的平衡问题,提出了采用时段动态划分和分层优化策略的配电网重构方法。首先利用功率矩法进行重构时段动态划分,该划分方法可控制最大重构次数;然后利用免疫算法进行分层优化,第1层优化用以网损最小为目标,采用传统静态重构优化方法确定各时段内不考虑开关动作次数限制及操作费用的开关动作方案,并将该开关动作方案作为第2层优化的搜索空间,且第2层优化中加入了开关动作次数限制及操作费用约束,根据方案运行费用最低原则确定最优重构方案。算例结果验证了该方法的有效性。     

基于时间区间的实用配电网重构方法

目前,基于时间区间的配网动态重构还没有很好的解决办法。为把重构技术引入配网的实际运行中,提出一种基于时间区间的实用重构方法,它能快速、有效地求解二次以内的重构问题。首先,文章通过对基于时间区间的配网一次重构进行分析,得出了关于最佳一次重构时间的推论,并用算例对其进行了验证。根据此推论,对二次重构进行了求解。由于不用考虑两次重构时间之间的组合问题,大大地提高了求解的速度。最后文章对实用法所能节省的网损进行了分析,进而讨论了多次动态重构的必要性。     

配电网动态重构的多代理协调优化方法

提出一种配电网动态重构的新方法,并利用多代理系统(multi-agent system,MAS)技术来实现。将一天分为多个时段,每一时段由一个工作代理负责,利用混合粒子群算法进行静态重构,求得一个解集,并通过相邻代理间的相互学习,对解集进行补充和完善。然后对解集进行评估,从中选出种子解和优先替补解,计算出每一工作代理减少一次开关操作将增加的最小损耗。最后经协调代理多次迭代协调,令部分工作代理更换种子解,直到满足开关操作次数约束条件为止,此时,各工作代理的种子解即共同组成了动态重构结果。给出MAS的系统框架和各代理的功能模块。最后对一个IEEE69节点标准算例和一个实际算例分别进行仿真,仿真结果表明该方法不仅可快速获得不同约束条件下的最优解,还能为相关部门制定合理的开关操作次数提供依据。     

含电动汽车和分布式电源的主动配电网动态重构

分布式电源和大量电动汽车充电功率的间歇性和随机性使配电网重构面临新的挑战。在此背景下,提出了一种基于区间数方法的含电动汽车和分布式电源的动态重构策略。文中引入区间数以描述分布式电源出力和电动汽车充电负荷的不确定性,以区间数描述最小化网损为目标函数,提出依据动态降损参数的动态时段划分,建立配电网动态重构的数学模型,在利用KrawczykMoore区间迭代法对潮流方程进行求解的同时引入仿射乘除运算代替区间乘除运算,改善了区间运算过于保守的问题。最后,结合邻域搜索以及克隆选择算法提出了求解上述模型的优化方法,以实现考虑多种不确定因素下主动配电网动态重构。算例分析证明所提方法相较于传统人工智能算法具有优越性。     

考虑DG及负荷时序性的多目标配电网重构与DG调控综合优化规划

为解决分布式电源（distributed generation,DG）出力及负荷的时变性给实际配电网调度所造成的不利影响,使配电网的优化规划方案更加切实可行,提出了一种基于配电网重构和DG选址定容结合的多目标粒子群动态优化模型,该模型以配电网有功损耗、电压偏差及经济成本为优化目标,考虑负荷及DG出力的时变性,对配电网络重构和DG调度进行综合优化求解。通过基于随机森林模型（random forest,RF）及长短期记忆神经网络(long short-term memory,LSTM)模型的混合预测模型对配电网负荷及DG出力进行预测。采用经帕累托最优理论改进的粒子群算法得到配电网重构及DG调控的帕累托最优解集并利用模糊隶属度函数法来确定帕累托最优解集中的最佳配电网调度方案。基于IEEE 33标准测试系统设计多个算例进行仿真分析,结果表明,所提考虑负荷及DG出力时序性的配电网重构和DG调度联合优化模型可显著改善配电网络运行的经济性和稳定性。     

基于改进递归有序聚类的有源配电网多时段动态重构

为应对分布式电源(DG)和负荷的时变性、不确定性给配电网重构带来的影响以及提高系统运行效益,综合考虑DG和负荷预测值的动态变化,引用欧氏距离描述段内数据的相似程度,通过递归求解的方式确定最优时段划分方案;为了减小不确定因素对配电网重构的影响,将DG出力以及负荷的预测值转换为区间数的形式,综合考虑环保收益与系统损耗费用,建立以净收益最高为目标的有源配电网重构模型;基于仿射算数的区间潮流方程通过构造噪声元的线性优化模型抑制区间扩张,并结合环路编码和基于Bloch球面的量子粒子群优化算法对模型进行求解.IEEE 33节点系统的测试分析结果验证了所提方法的有效性和优越性.     

考虑负荷变化的配电网动态分时段重构

针对负荷是动态随时间变化而我国负荷峰谷差大,提出了一种配电网动态分时段重构方法以满足实际要求。该方法将整个时区分成若干个连续的时间间隔,以网损最小为目标函数,分别进行各时间间隔静态重构,得到最优网损曲线以获得各时间间隔开关操作引起的网损下降量,再据此客观指导时段长度的划分,并通过分析不同时段数与网损下降量的关系,确定最优时段数,得出整个时区内比较理想的重构时段长度和数目,从而得到比较理想的可行解。最后通过IEEE经典算例的验证,结果表明所提方法的有效性。     

考虑事故–经济重构共同影响的配电网智能终端规划

随着智能电网建设的不断推进,信息系统与配电物理系统不断深入耦合,配电自动化程度势必越来越高,智能终端的规划设计在配电自动化建设发展中显得尤为重要。基于此,建立考虑事故–经济重构共同影响下的配电网智能终端双层规划模型。上层模型为系统综合投资成本和运行成本综合最优进行“二遥”(集遥信和遥测功能于一体的智能终端)、“三遥”(集遥信、遥测和遥控功能于一体的智能终端)终端选址、选型以及光缆铺设规划建模。基于上层规划结果,下层事故重构部分基于多场景事故停运时间分解法,结合各类可转移负荷的负荷–电源转移路径上智能终端配置状态,计及断路器是否支持遥控对系统可靠性造成的影响等,建立配电系统可靠性评估量化模型;下层经济重构部分则计及潮流约束、安全约束、拓扑约束和开关动作约束从而建立基于二阶锥松弛(second order cone programming,SOCP)的动态混合整数线性模型以分析规划结果在系统正常运行时的经济性。最终,整个双层模型采用离散二进制粒子群算法(discrete binary particle swarm optimization algorithm,BPSO)进行优化求解,并先后...