计及分布式电源无功出力的ISFLA算法配电网无功优化

摘要： 针对含分布式电源的配电网无功优化的特点,将分布式电源的无功调节能力和传统无功调压手段相结合,研究了考虑分布式电源无功调节能力的配电网无功优化模型和算法。针对分布式电源出力的随机性,采用场景概率的决策方法计算分布式电源的出力情况和对应无功功率极限,以网损最小和节点电压越限惩罚作为目标函数。提出了基于免疫蛙跳算法（ISFLA）的无功优化算法,该算法通过在混合蛙跳算法（SFLA）的算法框架中引入克隆选择算法（CSA）,在蛙群混合后选择较优解进行克隆、变异和选择,克服了SFLA局部搜索能力弱的特点。利用改进IEEE33节点系统作为算例仿真分析,结果验证了模型及算法的有效性。     

基于量子混合蛙跳算法的含分布式 电源配电网无功优化

将分布式电源（DG）的无功调节能力与传统的电压调节手段相结合,研究了含DG的配电网无功优化问题。建立以降低系统网损、抑制电压波动为综合目标的配电网模糊无功优化模型。通过蒙特卡罗仿真对配电网系统进行无功补偿选址,采用量子混合蛙跳算法求解含DG的配电网无功优化问题。最后,通过IEEE 33节点系统进行仿真计算,表明在配电网接入DG的基础上进行无功优化能较大程度地改善系统电压水平和降低系统网损,并且证明了所提算法的快速性和有效性     

基于粒子群蚁群混合算法的配电网故障后重构研究

针对粒子群算法在配电网故障恢复中容易陷于局部干扰和蚁群算法计算速度慢的缺点,提出了适用于配电网故障后重构的基于粒子群蚁群的混合算法,确定了配电网重构时的潮流计算方法和目标函数,根据配电网的网孔对配电网的支路进行分组、编码,并简化网络;最后采用粒子群算法、蚁群算法、混合算法共三种算法对IEEE33节点系统进行了故障后的重构仿真分析,仿真结果验证了混合算法在配电网故障后重构应用中的有效性。     

基于改进混合蛙跳算法的协调控制系统优化

针对混合蛙跳算法寻优精度低、易陷入局部最优的缺陷,将混沌初始化和高斯变异因子引入混合蛙跳算法,经对某二阶被控过程的PID控制器参数优化验证后,表明改进后的算法寻优精度更高、收敛速度更快。结合实际工程实践要求,以1 000 MW机组协调控制系统为对象,采用改进混合蛙跳算法来寻优多变量PID控制器参数。仿真结果表明,与混合蛙跳算法寻优所得PID控制器相比,基于改进混合蛙跳算法的多变量PID控制器负荷跟随性更优、响应速度更快。     

基于小波变换的改进混合蛙跳-差分进化-神经网络预测模型的短期风速预测

针对目前对风速序列短期预测中不同组合算法预测精度较差、适应性不强等问题,提出一种基于小波变换的组合预测模型算法,将风速序列经小波变换降低波动性与无序性,利用混合蛙跳算法(shuffled frog leaping algorithm,SFLA)优化逆向传播(back propagation,BP)神经网络的初始权值与阈值,将差分进化(difference evolution,DE)算法用于混合蛙跳算法子种群个体寻优策略,提高个体收敛速度与精度.通过将经小波变换分解得到的高、低频分量分别经组合模型算法进行风速预测与重构,通过实例验证,10、30 min相较60 min预测结果平均绝对百分比误差分别提高33.59％、12.21％,均方根误差分别提高28.77％、8.22％,三者平均预测误差分别为0.037、-0.014、0.011 m/s,与混合蛙跳-BP神经网络算法、BP神经网络算法横向对比,结果表明所提组合预测模型算法预测性能指标最佳.     

基于分组差分粒子群算法的含分布式电源配电网故障定位北大核心CSCD

针对粒子群算法在对含分布式电源的配电网故障定位时,易陷入局部最优的问题,文章提出了一种分组差分粒子群算法。该算法对粒子群进行了分组操作,每组粒子群均可代表原种群的特性,并对每组全局最优值进行了变异、选择操作。文章构造了配电网故障定位的目标函数,以含分布式电源的IEEE33节点配电网系统为例进行仿真测试,对该算法与其他启发式优化算法进行了对比分析,结果验证了该算法在故障定位时不易陷入局部收敛,且准确性和快速性得到提高。最后通过配网自动化平台对所提算法进行了验证,进一步证明了该算法应用于实际工程的可行性。     

基于差分进化入侵杂草算法的含分布式电源配电网重构

文章提出了差分进化入侵杂草算法(DEIWO),对含分布式电源配电网重构模型及分布式电源(DG)接入位置和容量进行综合优化。利用柯西分布对入侵杂草算法进行空间扩散,在计算初始可以产生更多的可行解;引入差分进化策略,优化竞争生存操作过程,解决了入侵杂草算法收敛速度慢且容易陷入局部最优的问题。IEEE 33节点算例结果表明,优化配置的配电网重构可以有效降低网络损耗和减小节点电压偏差,实现分布式能源的高效消纳,算例结果验证了算法的可行性。     

基于博弈论的含氢能配电网系统优化重构研究

针对含氢能配电网系统提出一种基于博弈论的优化重构模型，该模型从网络安全和负荷均衡度2个角度对含氢能配电网系统进行优化重构研究。同时，提出改进粒子群优化算法（MPSO）求解含氢能配电网系统的优化重构模型。为验证所提模型和求解方法的有效性以及氢能单元对优化重构结果的影响，对修改后的IEEE 33节点系统进行仿真分析。仿真结果表明，利用该文所提基于博弈论的优化重构模型及其求解算法可有效实现含氢能配电网系统的优化重构；同时，相较于未含氢单元的配电网系统，氢能单元的加入可有效降低配电网的优化重构压力，系统的网络安全及负荷均衡度指标均有所改善。     

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。     

基于蛙跳算法与卡尔曼滤波的大坝位移预测模型优化

为提高传统大坝位移统计模型的预测能力,引入蛙跳算法和卡尔曼滤波等,基于最小二乘法确定统计模型回归系数,采用蛙跳算法对回归系数进行优化;运用卡尔曼滤波法将回归系数作为状态方程的状态向量,使预测模型能实时反映监测数据的变化。工程算例应用结果表明,基于蛙跳算法与卡尔曼滤波的大坝位移预测优化模型能有效提高统计模型的预测精度,可为大坝位移预测提供参考。