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。     

粒子群优化算法含分布式电源配电网故障定位

为了提高含分布式电源配电网故障定位的准确性,针对传统含分布式电源配电网故障定位方法的不足,提出了基于粒子优化算法的含分布式电源配电网故障定位方法。根据含分布式电源配电网故障的监测函数设计粒子群优化算法的适应度函数,通过粒子之间的相互协作实现含分布式电源配电网故障定位,采用Matlab 2014仿真工具箱对故障诊断性能进行测试。结果表明,粒子群优化算法提高了含分布式电源配电网故障定位的正确率,加快了分布式电源配电网故障定位的速度,而且综合性能明显优于其他含分布式电源配电网故障方法。     

混合型粒子群算法在含分布式电源配电网重构中的应用

针对蚁群算法面临收敛速度慢与粒子群算法易陷入局部最优的问题,将蚁群算法和粒子群算法相融合,生成了新的混合型粒子群算法,具有较高的收敛速度与全局搜索能力,将其用于含分布式电源的配电网重构。最后以IEEE33节点配电网作为算例进行仿真。结果验证了算法的可行性和有效性。     

基于混合算法的含分布式电源的配电网重构研究

在建立含分布式电源的配电网重构数学模型的基础上,将模拟退火算法与差分进化算法融合,提出新型的混合算法,它有效利用了差分进化算法强大的搜索速度和模拟退火算法理论上可以达到全局最优值的优点,使混合算法既能避免陷入局部最优值无法跳出,又能提高算法的收敛速度。将混合算法应用到含分布式电源的配电网络重构中,以IEEE33节点系统作为算例进行仿真,结果表明运用该算法对含分布式电源的配电网进行重构,迭代次数少,重构后的电压质量以及网损都处在优势范围,验证了该算法是有效并且可行的。     

改进粒子群算法在含分布式电源配电网优化重构中的应用

针对配电网中各种类型分布式电源接入所造成的配电网拓扑结构的复杂性,提出了一种改进粒子群优化算法应用于配电网重构,把粒子群算法和布谷鸟算法有效地结合在一起,采用两层种群框架。为了提高粒子群优化算法的全局搜索能力,采用中值聚类算法对下层粒子群进行重组,粒子群算法用于优化下层的各类小种群,然后将其发送到上层,使用布谷算法进行深度寻优。通过算例对多种情况进行仿真分析,验证改进算法在配电网重构中的优越性。结果表明,该算法能有效地降低配电网的有功网损,提高各节点的电压水平。本研究为我国分布式电源接入配电网的发展提供了参考和借鉴。     

基于免疫粒子群算法的分布式电源多目标规划

针对标准粒子群算法在求解过程中容易陷入局部最优解的问题,提出了一种将免疫算法的免疫信息处理机制和自我调节机制引入到标准粒子群优化算法的新型优化算法,即免疫粒子群优化算法。以分布式电源建设运行费用、有功网损和环境成本最小为多目标函数,建立了分布式电源接入配电网的规划模型,采用免疫粒子群算法对模型进行求解,最终得到分布式电源接入配电网的最优配置方案。以风力发电为例,对IEEE 33节点算例进行仿真分析,结果表明,免疫粒子群算法与标准粒子群优化算法和混沌粒子群算法相比,收敛速度快、收敛精度高。     

基于鸡群粒子群混合算法的配电网重构研究

为使配电网接入分布式电源后能快速、准确地重构,针对配电网重构的算法进行改进。对于粒子群算法易陷入局部最优的问题,提出与鸡群算法进行融合,以扩大搜索范围,避免搜索过程陷入局部极小,从而得到质量更好的解。最后在IEEE 33节点系统中,考虑分布式电源的接入,运用鸡群粒子群算法进行算例验证。     

含分布式电源优化调度的配电网络重构

配电网络重构是配电网优化的重要措施,分布式电源（DG）接入配电网将改变网络潮流分布,直接影响网络重构结果,而网络重构引起的DG相对位置变化也将引起DG最优输出功率的变化,进行单个优化不能达到整体最优的效果。针对这一问题提出了一种含分布式电源优化调度的配电网络重构方法。采用改进最小生成树算法和改进粒子群算法将网络重构和DG的优化调度相结合进行交叉迭代。首先,进行DG的优化调度;其次,进行网络重构。只要网络结构发生变化,就需要重新进行DG优化调度,直到重构和DG优化调度均无操作时算法收敛,停止计算。实际算例表明,该方法能有效降低配电网的网络损耗、改善电压质量,可以达到配电网总体最优。     

计及分布式电源接入的配电网重构

分布式电源的接入使得配电网重构需要考虑更多的安全因素。基于配电网支路潮流模型,建立以重构周期内网络有功损最低,以满足分布式电源接入下网络运行安全为约束的配电网重构。为有效求解该重构数学模型,利用凸松弛方法将原问题中二次项进行松弛,使之形成混合整数二阶锥规划形式,从而可利用YALMIP商业软件进行高效求解。最后,通过改进的IEEE 33节点测试系统进行仿真分析,并与现有基于粒子群算法及启发式算法的配电网重构方法进行对比,结果表明基于凸优化技术的重构结果不仅能够有效避免算法陷于局部最优,而且稳定性好、计算效率高。     

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。     

基于改进PSO 的含DG 配电网无功优化研究∗

分布式电源(DistributedGeneration,DG)在并入配电网后,可以有效支撑电压,并且增加配电网运行灵活 性,但也会导致配电网系统网损增加、电压波动等问题.提出对含多个DG配电网进行无功优化的方法.该方法的目 标是降低系统有功网损和减小电压偏移,建立一种含DG 配电网的无功优化数学模型,改善标准PSO 算法中粒子种 群易陷入局部最优而难以解得全局最优的情况.以IEEE３３节点标准算例进行仿真验证,结果表明所提改进算法可以 有效减小有功损耗并提高电压质量.     

基于改进人工鱼群算法的配电网络重构

针对大规模分布式电源并网引起的配电网路拓扑结构及潮流分布变化,现有配电网重构算法不足以应对,提出一种改进的人工鱼群算(AFSA)对含分布式电源的配电网进行重构求解。针对AFSA收敛速度慢、觅食方向固定、灵活性低、陷入局部最优及搜索精度较低的缺陷,采用全方位觅食行为,并结合差分进化与AFSA,提高算法灵活性,增加种群多样性,使算法易于跳出局部极值,提高收敛精度。最后通过算例分析,验证所提算法有效。结果表明,与其它智能算法相比,改进的AFSA的收敛精度和收敛速度更佳,能够很好的应用于含分布式电源配电网的重构求解。     

配电网优化重构方法研究与应用

以含分布式发电的配电网为重构对象,研究内容主要为网络优化智能决策重构。网络优化重构主要目的是减少网络损耗、平衡负荷和提高电压质量等,旨在提高供电可靠性和经济性。以最小网络损耗和负荷平衡为目标函数,基于潮流算法利用改进粒子群算法对网络进行重构优化。首先对这些分布式发电的节点进行特殊处理,使潮流方法能够适应含有DG的配电网,利用含DG的标准节点网络作为算例,验证了配网重构算法的准确性、有效性和实用性。     

基于改进粒子群优化算法的DG准入容量与优化布置

为进一步优化配电网中分布式电源（distributed generation,DG）的准入容量和优化布置问题,以节点电压和线路载流量为约束条件建立了单电源和多电源准入容量的数学模型,以有功网损最小为目标函数建立了DG优化布置模型。为有效求解该模型,采用了基于粒子群优化（particle swarm optimization,PSO）算法和二次插值相结合的改进PSO算法,将该改进方法应用于IEEE 33节点标准算例,分别进行了DG的最优接入位置与最优容量的仿真,并与粒子群算法优化结果进行了对比,同时还分析了优化布置下的潮流分布。算例仿真结果表明该方法可有效减少DG接入后配电网的网损,提高配电网的供电质量。     

基于图论的含分布式电源配电网故障恢复算法

含分布式电源配电网的故障恢复策略对于配电网的安全性至关重要。针对含分布式电源和联络开关的配电网络,提出了基于图论的故障恢复算法。在充分考虑负荷恢复总量、开关次数和网络损耗的基础上,建立了含分布式电源的配电网故障恢复模型,以及配网故障恢复下的目标函数;设计了基于图论理论的不可行解修正和调整机制,即通过网络状态生成、网络区域划分、网络结构修正、负荷校验4个步骤,实现对不可行解的修正;利用量子离散粒子群算法其优越的优化特性,实现目标函数的最优;通过算例分析,验证了图论算法在智能优化算法中对不可行解修正的优越性和基于图论算法应用于配电网故障恢复问题上的有效性。     

基于双层改进粒子群算法含DG配电网的重构策略研究

为有效、快速、稳定地实现含分布式电源的配电网重构,在简化配电网拓扑结构的基础上,提出一种双层改进粒子群算法(double layer improved particle swarm optimization,DLIPSO)。在开关组合优化过程中,为避免"组合爆炸"问题,对配电网实际支路进行支路集划分,并进行0/1编码,缩短了编码维数,减少不可行解的产生。采用外层改进粒子群算法优化支路集组合,根据Sigmoid函数确定支路集的断开和闭合;提出内层改进粒子群算法对断开支路集内的实际支路进行优化,通过比较法确定集合内实际断开的支路;网络重构中分布式电源的加入降低了网损,提高了对节点电压的支撑能力。对IEEE 69节点配电系统进行仿真计算,结果表明所提算法能够有效搜索到最优开关组合且收敛性好。     

基于改进粒子群算法的分布式电源接入规划

建立了含分布式电源的配电网规划经济性模型,以折算到每年的分布式电源的投资及运行费用和线路有功网损运行费用最小为目标函数,并应用改进粒子群优化算法进行配电网分布式电源(DG)规划,从而有效地提高了改进粒子群优化算法的全局收敛能力和计算精度。对69节点和33节点配电测试系统进行仿真计算,结果表明了论文采用的DG规划模型和改进粒子群优化算法的正确性和适用性。     

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。     

基于粒子群算法的分布式电源接入位置及容量寻优

为减少大规模分布式电源接入对低压配电网产生的电压冲击,使配电网保持安全、经济的运行状态,文章提出了基于粒子群算法的分布式电源最优接入位置和容量配置。在满足潮流收敛、网损最小、电压变化指标最小的目标条件下,基于粒子群算法对分布式电源并网进行了建模,对其接入位置和接入容量进行寻优求解,将其最优接入位置和最优接入容量通过建模优化转换为求解网损最小和电压变化指标最小的问题。最后,通过案例分析,验证了本文提出算法的可行性。     

基于混合算法的含分布式电源的配电网重构研究

为解决含有分布式电源的配电网重构问题,建立了以系统网损为最小目标的含分布式电源配电网优化模型。根据遗传算法、模拟退火算法和禁忌搜索算法的特点,提出了适用于含分布式电源的配电网重构的混合算法。将禁忌搜索算法和模拟退火算法的思想引入到遗传算法中,可以避开遗传算法中存在的早熟收敛问题,跳出局部最优解,逐渐收敛到全局最优解,同时减小了迭代次数,提高了算法的效率。该算法用于IEEE 33节点系统的计算结果表明,混合算法用于含分布式电源的配电网重构是可行的、有效的。