考虑供电可靠性的智能配电网优化重构

配电网馈线联络的不断加强和配电自动化的建设使网络重构成为可能,通过对网络开关的调度控制来优化调整配电网的网络结构,从而提高配电网的供电可靠性.在传统经济性重构的基础上,进一步考虑了供电可靠性,提出了一种计及网损和系统停电损失的智能配电网优化重构模型,并采用改进遗传算法对IEEE 33节点配电系统进行优化重构问题的求解,结果表明,所提模型和算法具有可行性.     

计及静态负荷模型的配电网重构

传统的配电网络重构都是基于恒功率负荷来进行计算的,该方法对负荷电压特性的敏感程度较弱.针对上述缺点提出了一种基于负荷电压特性的配电网络重构方法,在每次的潮流计算迭代中对初始负荷进行一定程度的修正,从而反映负荷电压特性对配电网络重构的影响.设置配电网辐射状网络的生成判定原则,建立了以最小网损为目标函数的重构模型,并采用改进二进制粒子群算法进行寻优,得到重构结果.最后以IEEE 33节点配电系统为重构算例,验证了算法的有效性和正确性,并比较了负荷电压特性对重构结果的影响.     

免疫遗传算法在配电网重构中的应用

配电网重构是配电网络优化的主要措施,其实质是一个多目标非线性混和优化问题.采用免疫遗传算法来研究重构问题的求解方法.免疫遗传算法在传统遗传算法的基础上,借鉴生物免疫机制中抗体的多样性保持策略和记忆抗原的特点,大大提高了算法的全局搜索和局部搜索能力.实验表明,免疫遗传算法具有很好的全局收敛性,能有效解决配电网重构问题.     

基于蚁群最优算法的配电网重构

在电力系统中配电网的重构是配电网降低网络损耗的重要途径。但是由于配网本身的结构,其重构是一个非常复杂的大规模组合优化问题。提出了基于蚁群最优的算法来求解故障情况下的配电网络重构问题,通过改变开关的闭合状态来改变网络的拓扑结构,以达到网络损失最小。蚁群最优算法(Ant colony Optimization,简称 ACO 算法)是模仿现实中的蚂蚁寻食的过程来求解配电网的重构问题。这种方法的主要特征是正反馈、分布式计算以及富有建设姓的贪婪启发式搜索的运用。该算法不依赖各种初始参数,不易陷于局部最优,为了验证本文提出的算法的可行性和有效性,我们研究了一个算例。结果表明,蚁群算法与现有各种方法相比,具有适应性好、计算效率高、优化效果好的优点。     

基于禁忌搜索的同步开关法在配电网重构中的应用

在配电网的运行中,常通过配电网重构达到减小网络损耗,改善电能质量等目的.为了解决配电网优化重构问题,一种基于禁忌搜索(TS)的同步开关法被提出.该方法根据配电网在正常运行的情况下呈辐射状的特点,将同步开关法的思想用于TS优化编码策略中,以系统有功网损最小为目标函数对配电网进行重构.通过对典型系统的计算,结果表明该算法具有更高的搜索效率和可靠性.     

配电网络重构的FPT-算法

将地区电网停电恢复问题转化为顶点覆盖问题,针对规模巨大的实际配电系统,将FPT-算法的思想引入配电网络重构,提出一种配电网络重构的FPT-算法,通过用图的多划分方法来化简配电网络重构问题的核心及对划分后子图的限定搜索树方法两个步骤对问题求最优解,这具有实用前景,也为人们对此问题寻找新方法提供更多的参考信息．     

配电网络重构的FPT-算法

将地区电网停电恢复问题转化为顶点覆盖问题,针对规模巨大的实际配电系统,将FPT-算法的思想引入配电网络重构,提出一种配电网络重构的FPT-算法,通过用图的多划分方法来化简配电网络重构问题的核心及对划分后子图的限定搜索树方法两个步骤对问题求最优解,这具有实用前景,也为人们对此问题寻找新方法提供更多的参考信息．     

基于诊断策略遗传算法的配电网络重构算法

为减小网损,提出基于诊断策略遗传算法的配电网络重构方法.针对基因诊断策略,提出新的编码方案,改进遗传操作。对优质基因进行诊断,存入优质基因库;并且将诊断出的劣质基因（即不可行解）通过打开回路和连通孤岛的方法,将其修复为可行解,从而提高收敛速度和遗传算法搜索效率.最后对典型IEEE 33节点和IEEE69节点测试系统进行网络重构仿真实验,证实了算法的有效性,并与快速支路交换算法的计算结果相比较,表明了该算法可有效减小重构配电网的网损.     

配电网重构的算法研究综述

配电网重构是配电网络优化的主要措施,可以有效地降低网损、提高系统的可靠性,其实质是一个多目标非线性混和优化问题。文章介绍了配网重构问题中的优化算法,包括:数学优化理论、最优流模式算法、支路交换法、禁忌搜索算法、模拟退火法、遗传算法、人工神经网络、专家系统、模糊数学等。对各种算法进行了分类归纳,并分析了各种算法的优缺点。     

基于深度卷积生成网络的冲击波信号压缩感知方法

因信号的重构效果受到稀疏矩阵选取或设计的影响,传统压缩感知技术在处理冲击波信号时要求信号在某个变换域上满足稀疏先验性.为了避免稀疏矩阵不易选取的问题,提出了一种基于深度卷积生成网络与压缩感知技术相结合的算法.该算法将固定的随机信号作为网络输入值,网络的输出结果为重构信号,利用文中设计的损失函数对网络中的参数进行优化,实现信号端到端的恢复,并通过仿真验证了重构结果误差的减少.在15 psi和5 psi传感器实测冲击波信号的实验结果中表明,本文算法相比于传统压缩感知技术具有更好的重构结果,重构误差在稳定时约为DFT-OMP算法和DCT-OMP算法在M为2400时误差值的0.5倍.     

基于人工鱼群和粒子群混合算法的配电网重构

配电网重构是优化配电系统运行的重要手段,提出人工鱼群和粒子群混合优化算法,该算法综合利用人工鱼群算法的良好全局收敛性和粒子群算法的局部快速收敛性、易实现性等优点,克服人工鱼群算法收敛速度慢及粒子群算法后期全局收敛差的缺点,发挥了两者的优越性,并成功应用于配电网重构;最后通过对IEEE33节点系统算例的仿真,取得了较好的效果,证明了该混合算法的有效性和可行性.     

基于二次协作优化方法的配电网重构

针对现今配电网线损大的问题,构建以网损最优为目标函数的配电网重构数学模型,提出二次协作优化方法.该方法利用模拟渔夫捕鱼算法的局部寻优能力来寻找遗传算法的初始种群,再通过遗传算法的全局寻优能力寻找最优解,从而提高算法的搜索效率.对IEEE 69节点测试系统的算例仿真结果表明:所构建的配电网重构数学模型能有效地降低配电网中的网损;所提出的二次协作优化方法具有搜索效率高、性能好的特点.     

基于实数编码的遗传算法在配电网络重构中的应用

配电网络是一个复杂的网络,对其进行网络重构的目的就是为了使网损最小.提出了一种基于实数编码的遗传算法,并在遗传算法中引入了模糊理论,建立了模糊控制器,对交叉率和突变率进行模糊控制,从而很好地解决了配电网络的重构问题.通过算例的分析比较,说明该方法是行之有效的.     

基于改进万有引力算法的配电网多目标故障重构

针对配电网在发生故障后产生的重构问题,基于改进万有引力算法提出了一种切实、可行的多目标故障重构方案.通过调研配电网的故障重构过程,优化了多个目标的权重系数,提出了综合考虑网络损耗与开关动作数量的故障重构模型.利用反向学习法、共轭梯度法和Tent映射实现了经典万有引力算法的有效改进.软件仿真与实际工程测试结果表明,所提故障重构方法具有较强的实用性、更低的网络损耗和更少的开关动作.     

基于均匀网络理论的配电网协调优化

针对含可调度式分布式电源的配电网优化问题,提出一种基于均匀网络理论的配电网协调优化方法。首先通过基尔霍夫电压和电流定律,建立出以网损最小为目标的网络均匀性条件;其次,提出均匀网络逼近算法解决电源出力的约束问题;最后,结合提出的高效单环网重构算法,给出考虑电容器投切、重构和可调度式电源优化的配电网协调优化算法。算例首先验证了均匀网络逼近算法的准确性,在此基础上,采用IEEE33标准节点系统验证了方法的高效性和实用性。     

基于分层模型以负荷均衡化为目标的配电网络重构

配电网负荷均衡是降低配电网线损、优化配电网运行、实现网络重构的一个目标。而网络重构的结果其实是将一个配电网分割成几部分,各部分通过常开的联络开关相连。基于此,提出了配电网负荷均衡的新算法——网络分割法。通过网络分支、分层,寻找联络开关的最优位置,实现网络重构。     

基于分层模型以负荷均衡化为目标的配电网络重构

配电网负荷均衡是降低配电网线损、优化配电网运行、实现网络重构的一个目标。而网络重构的结果其实是将一个配电网分割成几部分,各部分通过常开的联络开关相连。基于此,提出了配电网负荷均衡的新算法——网络分割法。通过网络分支、分层,寻找联络开关的最优位置,实现网络重构。     

面向有源配电网的DG与网架日前综合调度

为在日前时间尺度上解决有源配电网优化调度问题,实现网架结构与分布式电源(distributed generation,DG)出力的协调调度,采用改进模糊聚类分析对负荷-DG等值负荷曲线进行时段划分,根据DG出力优化值对分段结果进行动态调整;采用机会约束方法处理不可调度DG随机出力问题,采用二层规划模型处理网架结构与DG有功出力协调问题,建立日前协调调度模型.实验结果表明:网络重构与可调度DG的出力调整相互影响.调度DG出力能减少开关动作次数,延长开关设备的寿命;网络重构能增加DG的渗透率,提高能源利用效率,增强配电网消纳DG的能力.所提出的方法能够有效应对负荷变化,在提高配电公司经济效益的基础上,实现配电网资产与DG资源的综合利用.     

基于链式遗传——模拟退火算法的配电网络重构

以网损最小为目标函数,节点电压、网络辐射性和电源容量的限制为约束条件,建立了配电网络重构优化数学模型。针对各种单一算法的局限性,提出了一种基于链式遗传-模拟退火算法。该算法将环境压力映射为待优化问题,进化链（食物链）上每条染色体（个体）则对应问题的一个候选解,通过模拟退火Metropolis取舍准则控制算法搜索最优方案的进程。最后,在IEEE16节点系统上验证了所提方法的有效性。     

考虑分布式储能与电动汽车充电网络的配电网多目标规划

电动汽车和风光储技术的快速发展对配电网规划起到关键作用.首先基于车配电池组的需量来分析充电需求,并通过充电站截获的交通流量将电动汽车负荷功率计入网络中,提出一种考虑储能优化策略的配电网多目标规划模型.该模型以规划成本最小、配电网电压水平最优、交通网络满意度最佳来构造多目标函数,对风光储及充电站相关设备布点定容,并采用嵌入NDX交叉算子的改进NSGA-II算法进行求解.最后以耦合了交通网络的33节点配电系统为例,对所研究的模型和方法进行仿真验证.仿真结果表明,所提方法能有效改善配网规划相关指标,提升规划综合效益.