基于蚁群最优的配电网规划方法

详细探讨了现代启发式方法家族中新兴成员蚁群最优(Ant Colony Optimization, ACO)在配电网络扩展规划中的应用。蚁群最优是一种通用的内启发式(meta-Heuristic)算法,能够有效地求解大规模组合优化问题。文中给出了同时考虑配电网络扩展的固定费用和与电能损失相关的可变费用的配电网络规划的非线性混合整数规划模型,探讨了基于ACO的配电网络规划方法,并用该方法对一具有6个变电所、102条馈线的配电网络进行了测试。结果表明,文中所提方法是可行的、有效的。     

基于蚁群最优的输电网络扩展规划

输电网络扩展规划是一个非常复杂的大规模组合优化问题。章提出了一种基于蚁群最优的输电网络扩展规划法（ACO）。ACO法来自对蚁群收集行为的研究,是一种求解组合最优问题的新型通用型发式方法。这种方法的主要特征是正反馈、分布式计算以及富于建设性的贪婪启发式搜索的运用。作初步研究了ACO法在单阶段输电网扩展规划中的应用。建立了相应的数学模型,设计了相应的算法,并在IEEE Garver-6系统上进行了测算。结果表明所提方法是有效的。     

基于蚁群最优的配电网络重构算法

配电网络重构是一个非常复杂的大规模组合优化问题。本文提出了一种新颖的基于蚁群最优的算法来求解正常运行条件下的配电网络重构问题,以达到损失最小,蚁群最优算法法（Ant Colony Optimization,简称ACO算法）是一种新型通用内启发式算法。在求解组合最优问题上,ACO算法已被证明是非常有效的。ACO算法本质上是一个多代理系统,在这个系统中单个代理之间的交互导致了整个蚁群的复杂行为。这种方法的主要特征是正反馈,分布式计算以及富有建设性的贪婪启发式搜索的运用,为了证明本文提出的算法的可行性和有效笥,我们研究了两个算例系统,并给出了计算结果,结论表明,本文提出的算法是相当有希望的。     

基于Tabu搜索的配电网络规划

详细探讨了现代启发式方法家族中的一个新兴成员——Tabu搜索在配电 网络规划中的应用。首先,在同时考虑配电系统扩展的固定费用和与电能损失相关的变化费 用的基础上对配电网络规划问题进行了描述,并建立了相应的数学模型。其次,详细探讨了 基于Tabu搜索的配电网络规划问题。最后,将文中提出的方法在一具有6个变电站、98条馈 线段的试验网络上进行了测试。结果表明,所提出的方法是有效、可行的。     

基于改进蚁群算法的输电网络扩展规划

输电网络扩展规划问题是一个复杂的组合优化问题。蚁群算法是用于解决组合优化问题的一种高效的随机化内启发式全局搜索技术。文中结合单阶段输电网络扩展规划问题的特点，应用改进的蚁群算法来解决输电网络扩展规划问题，建立了相应的数学模型，并给出求解算法。2个算例系统的计算结果表明了这种方法可有效减小搜索空间，并具有计算速度快和收敛性好等优点。     

基于改进蚁群算法的中压配电网络规划方法研究

研究基于改进蚁群算法的中压配电网络规划方法,设计合理的中压配电网络规划方案,降低中压配电网络的费用。构建以负荷要求、潮流限制为约束条件,投资和运行费用最低为目标函数的中压配电网络规划数学模型。通过变换状态转移准则改进蚁群算法,以数学模型为基础采用改进蚁群算法规划中压配电网络方案。实验表明该方法能使中压配电网络的负荷处于合理范围内,降低投资与运行费用。     

基于改进蚁群算法的"N-1"安全输电网优化规划

满足N-1安全准则的输电网络扩展规划是一个复杂的非线性组合优化问题。蚁群算法是一种解决组合最优化问题的高效的启发式方法,但容易出现停滞和陷入局部最优。为此,结合满足N-1安全准则的输电网络规划问题的特点,用罚函数方法建立了网络扩展规划性能指标。通过改变蚁群算法中信息增量的选择方法,有效地减小了算法的全局搜索能力和计算效率之间的矛盾。该方法不需初始可行解,在提高计算效率的同时加大了找到全局最优解的概率。通过对IEEE-6节点和IEEE-24节点两个算例的测试,验证了这种方法能有效地解决直接求解满足N-1安全检验的输电网最优扩展规划问题。     

基于蚂蚁算法的配电网无功优化

电力系统中无功功率的优化配置在电网经济运行中占有十分重要的地位,无功优化问题是一个复杂的组合优化问题,蚁群算法是用于解决组合优化问题的一种高效的随机化内启发式全局搜索技术。文中采用改进的蚁群算法来解决配电网络无功优化问题,建立了相应的数学模型。并以某城市配电网无功优化结果表明这种方法搜索效率高易于找到全局最优解的优点。     

基于蚂蚁算法的配电网无功优化

电力系统中无功功率的优化配置在电网经济运行中占有十分重要的地位,无功优化问题是一个复杂的组合优化问题,蚁群算法是用于解决组合优化问题的一种高效的随机化内启发式全局搜索技术。文中采用改进的蚁群算法来解决配电网络无功优化问题,建立了相应的数学模型。并以某城市配电网无功优化结果表明这种方法搜索效率高易于找到全局最优解的优点。     

多阶段输电网络最优规划的并行蚁群算法

多阶段输电网络最优规划是一个复杂的非线性组合优化问题,难以采用传统的数学优化方法求解。蚁群算法是近年来出现的用于解决组合优化问题的一种高效的内启发式搜索技术,但存在着未成熟收敛问题。文中给出了多阶段输电网络最优规划的数学模型及其解的向量形式;详细分析了传统蚁群算法的未成熟收敛现象及其原因;提出一种并行蚁群算法并用于求解多阶段输电网络最优规划问题。并行蚁群算法无需初始可行解,能很好地协调局部搜索与全局搜索,在加快计算速度的同时有效地避免了因参数设置、种群规模等不同而引起的未成熟收敛。对实际算例的计算结果表明,该方法具有很高的计算效率和良好的全局收敛性。     

基于禁忌搜索与蚁群最优结合算法的配电网规划

禁忌搜索(TS)算法具有强大的全局优化性能,但其局部搜索性能易受分散性的影响;蚁群最优(ACO)算法的正反馈机制使其具有强大的局部搜索性能,但其全局优化性能的优劣在很大程度上与蒸发系数的选择有关,如选择得不合适易使算法陷于局部最优.文章将TS算法与ACO算法组合起来,提出了TS-ACO混合算法,用于求解配电网规划问题,在同时考虑扩展配电网所需的固定费用和与电能损失相关的变化费用的基础上,设计了非线性混合整数配电网规划数学模型,在一具有6个变电所、102条馈线段的配电网上进行的测试结果表明了TS-ACO混合算法的有效性.     

基于启发式蚁群算法的中压配电网络规划方法研究

结合数据库技术,根据城市中压配电网络规划问题的具体特征,对基本蚁群算法中的信息素更新及其寻优方式进行了改进,对基于启发式蚁群算法的中压配电网络规划方法进行了研究。在变电站位置、供电区域及负荷分布已知情况下,利用街道长度和负荷量的信息素和启发信息,选取蚂蚁待选前进街道,确定配电网络的局部优化方案,实现了以区域街道为配电网络走廊的“辐射型”网络优化规划。算例表明该方法能够在保证计算速度的前提下,有效地规划出符合规划要求的方案。方法稳定,规划方案可行。     

基于启发式蚁群算法的中压配电网络规划方法研究

结合数据库技术,根据城市中压配电网络规划问题的具体特征,对基本蚁群算法中的信息素更新及其寻优方式进行了改进,对基于启发式蚁群算法的中压配电网络规划方法进行了研究.在变电站位置、供电区域及负荷分布已知情况下,利用街道长度和负荷量的信息素和启发信息,选取蚂蚁待选前进街道,确定配电网络的局部优化方案,实现了以区域街道为配电网络走廊的"辐射型"网络优化规划.算例表明该方法能够在保证计算速度的前提下,有效地规划出符合规划要求的方案.方法稳定,规划方案可行.     

一种基于改进最小生成树算法的配电网架优化规划

提出了一种用于配电网络规划的改进最小生成树算法：将配电网的电源点和负荷点当作顶点，将各个顶点间可能架设线路的走廊当作边，将线路的建设费用和运行费用(主要为线损)之和作为各条边的权，在采用基本最小生成树算法获得初步规划方案的基础上，采取动态调整各条边的权值并反复迭代的方法，获得总费用最小的优化规划结果，并采用随机初始权值的处理方法以提高获得全局最优解的机会。首先选中各个电源点间的最短路径、并以不再产生新的环路为约束条件，运用提出的改进最小生成树算法，实现了多供电途径的网格状配电网架规划，讨论了交叉点的处理方法以及在已建成网络的基础上进行扩展规划的方法。规划实例表明文中提出的方法是可行的。     

基于Tabu搜索的配电网络重构算法

配电网络重构是一个非常复杂的、大规模的组合优化问题。该文提出了一种非常有效的、鲁棒性很好的算法来求解正常运行条件下配电网络的重构问题,以减少网络中的能量损失费用。该算法基于Tabu搜索方法(TS)。作为现代启发式方法家族中的重要一员,Tabu搜索方法是近几年来发展起来的用于求解组合最优问题的一种通用算法。文中详细阐述了用于配电网络重构问题时Tabu搜索方法中各成员的设计。为了证明该文方法的可行性和有效性,还研究了3个不同规模的IEEE测试网络的重构问题。结果表明,该文提出的方法是一种非常有效的方法。     

蚁群算法在配电网重构的应用

配电网络重构是一个非常复杂的大规模组合优化问题。蚁群算法作为一种现代启发式寻优技术,适合于求解组合优化问题,其主要特点是正反馈、分布式计算、易与其它算法结合以及富于建设性贪婪启发式搜索。对配电网络从图论拓扑结构上进行分析,将配网重构问题转化为求图的生成树问题,并以破圈法为基础得到快速而有效地求解图的生成树的方法。在应用蚁群算法求解配网重构问题时,通过首支路选择随机化和取消蚁群算法常用的启发值的方法,扩大算法搜索范围,使算法可以跳出局部最优化陷阱,改善算法的搜索效果。对IEEE 69网络的算例表明,该方法能以较少的计算量和较大的概率收敛于全局最优解。     

基于蚁群算法的配电网网架优化规划方法

蚁群算法是一种求解组合优化问题的新型通用启发式方法，该方法的主要特点是正反馈、分布式计算和富于建设性的贪婪启发式搜索。配电网网架优化规划是一个复杂的非线性组合优化问题。本文将蚁群算法用于配电网网架优化规划问题的研究，建立了网架规划的数学模型，该模型以线路的年综合费用和过负荷征罚费用之和最小为目标函数，并在此基础上设计了相应的算法。算例证明了该算法在配电网网架优化规划中应用的可行性和有效性。     

基于改进蚁群算法的输电网络扩展规划

针对基本蚁群算法在求解过程中经常出现搜索陷入局部最优解和收敛到全局最优解的时间较长这2个问题,对蚁群算法的转移概率和信息量全局更新进行了改进,提高了蚁群算法搜索全局最优解的能力与收敛到最优解的速度.将改进后的算法应用于单阶段输电网络扩展规划问题,建立了单阶段输电网络扩展规划的数学模型,设计了相应的算法.实例计算结果表明该方法的可行性和有效性.     

考虑分布式电源调峰的配电网规划

基于最大负荷的传统配电网规划方法往往需要投入大量资金建设配电网架,带来较大投资风险,并且供配电设备得不到充分利用。对此提出引入分布式电源（DG）调峰的配电网规划方法。该方法从供电公司的角度,以线路投资、网络损耗和DG投资以及DG调峰所增加的附加费用之和最小为目标,规划未来配电网络。文中充分利用配电网正常运行时呈放射状的网络结构特点,提出一种操作简单的启发式方法确定DG的位置和容量,以消除配电网架在最大负荷水平下的支路过载。此外,还讨论了不同类型DG对网架规划方案的影响。算例分析结果验证了所提出的方法的可行性和有效性。     

基于蚁群优化算法的机组最优投入

机组最优投入问题（optimal Unit Commitment,UC)是寻求1个周期内各个负荷水平下机组的最优组合方式及开停机计划，使运行费用为最小。该问题是一个高维数、非凸的、离散的、非线性的优化问题，很难找出理论上的最优解，但由于它能带来显著的经济效益，所以受到了国内外很多学者的广泛关注。作者尝试采用一种新型的模拟进化优化算法－－蚁群优化算法（ACO）来求解该问题。首先，利用状态、决策及作者提出的路径概念把UC设计成类似于旅行商（TSP）问题的模式，从而可以方便地利用ACO来求解。其次，由于ACO处理的是无约束优化问题，对于UC这一约束优化问题，提出了不同的方法来处理各种约束。用tabu表限制不满足旋转备用约束和机组最小启／停时间约束的状态；通过附加惩罚项来处理线路N安全性约束。数值算例验证了此算法的可行性和有效性。