模糊遗传算法和蚁群算法相结合的配电网络重构

通过开关的优化组合可以提高配电系统运行的可靠性、电能质量和经济性.为改善配电网络重构模糊遗传算法的优化速度,提出了一种模糊遗传算法和蚁群算法相结合的方法.该方法将总的种群分为两部分进行搜索,一方面通过选择算子寻找总的种群中较优个体作为模糊遗传算法的子种群进行交叉、变异操作;另一面通过设定适应度函数阈值筛选总的种群中优秀个体,并将其适应度函数值对网络信息矩阵进行全局更新,用蚁群搜索另一部分子种群.该方法设定适应度函数阈值改进了蚁群算法的信息素更新机制;把模糊遗传算法和蚁群算法的子种群融合构成总的新种群,并用选择操作和信息素更新实现了种群之间的信息共享.通过对IEEE 69节点测试系统的计算和分析表明,该方法在解决配网重构问题上比模糊遗传算法具有更好的寻优效率.     

模糊自适应遗传算法在配电网络重构中的应用

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的优化数学模型。针对遗传算法的局限性,提出了一种新的模糊自适应遗传算法,缩短了染色体编码长度、设计了与进化代数、适应度、及个体排序相关的自适应交叉率与变异率,从而使得该算法能够有效地提高收敛速度,避免早熟收敛。重构算例说明该优化方法有效、实用。     

基于自适应有限元法和改进遗传算法的边坡临界滑动面搜索

本文采用自适应有限元法进行边坡稳定分析,将改进的遗传算法和自适应有限元法相结合,建立基于应力场的边坡任意形状临界滑动面的全局搜索方法，该改进的遗传算法采用十进制编码,并根据个体适应度不同对交叉概率和变异概率进行自适应调整,使群体中的优良个体不易被破坏,同时又保证种群个体的多样性,从而提高算法的搜索效率.通过典型算例分析,证明这种基于自适应有限元分析和改进遗传算法的边坡任意形状临界滑动面搜索方法可行、高效。     

基于多种群遗传算法的含分布式电源的配电网 故障区段定位算法

构建了可动态适应多个分布式电源投切的开关函数,同时针对遗传算法的早熟收敛问题,引入多种群遗传算法,提出基于多种群遗传算法的含分布式电源配电网故障区段定位方法。该算法在故障区段定位时规定以系统电源指向用户的方向为馈线正方向,采用多个种群对解空间协同搜索,避免算法陷入局部最优,以最优个体保持代数作为收敛条件,充分提高收敛效率,适用于复杂的含分布式电源的配电网络。通过算例对配电网的故障定位进行仿真,结果表明算法能准确定位,并具有一定的有效性和容错性。     

基于多种群遗传算法的含分布式电源的配电网故障区段定位算法

构建了可动态适应多个分布式电源投切的开关函数,同时针对遗传算法的早熟收敛问题,引入多种群遗传算法,提出基于多种群遗传算法的含分布式电源配电网故障区段定位方法。该算法在故障区段定位时规定以系统电源指向用户的方向为馈线正方向,采用多个种群对解空间协同搜索,避免算法陷入局部最优,以最优个体保持代数作为收敛条件,充分提高收敛效率,适用于复杂的含分布式电源的配电网络。通过算例对配电网的故障定位进行仿真,结果表明算法能准确定位,并具有一定的有效性和容错性。     

基于小生境渔夫捕鱼算法的变电站规划

针对渔夫捕鱼算法容易陷入局部最优的不足,提出了一种共享适应度的小生境策略来提高基本渔夫捕鱼算法的全局寻优能力,并应用于解决配电网络变电站规划。由个体之间相互距离进行聚类组成小生境种群,并在生成的不同小生境种群内运用渔夫捕鱼算法进行寻优,在进行目标函数计境种群内利用共享机制改变个体适应度进一步提高群体全局寻优能力。通过实际算例分析,证明了所提方法能较好地解决变电站选址定容问题。     

基于IGSO优化LM网络的变压器故障诊断方法

针对现今电力变压器故障诊断方法中存在编码边界区间过于绝对、准确率不高等一系列问题,提出了一种自适应搜索萤火虫算法（IGSO）优化列文伯格·马夸尔特（Levenberg Maquardt,LM）网络的变压器故障诊断方法.该方法采用萤火虫个体代表神经网络的权值和阈值、LM网络的均方误差函数作为萤火虫个体的适应度函数,利用改进萤火虫算法迭代寻优得到LM网络的最优权值和阈值.同时,运用模糊理论对改良三比值法的边界模糊化,将得到的特征气体比值编码作为网络模型的输入,不仅有利于去除冗余信息,并且克服了编码边界区间过于绝对的缺点.然后,建立基于自适应搜索萤火虫算法优化的神经网络模型,并将典型变压器故障数据代入仿真,通过与贝叶斯正则化神经网络模型以及粒子群模型的仿真结果对比,表明该方法具有较好的分类效果,准确率达到88.57％.     

解空间遗传算法在水电站厂内经济运行中的研究

针对水电站厂内经济运行求解方法,提出一种解空间遗传算法。采用避开空蚀振动区、考虑负荷平衡约束和机组出力约束的解空间初始种群生成法,以避免适应度函数设计中的惩罚处理并保证适应度函数非负;运用解空间摄动变异算子,保证变异后的个体仍为可行解。以三峡水电站为例与传统遗传算法进行了比较,不同量级的负荷分配结果表明:解空间遗传算法能够避开空蚀振动区的影响,保证机组的正常运行。同时由于避免了在不可行解区域寻优,改进算法提高了搜索的效率。改进算法避免了适应度函数中惩罚的处理,保持了种群的多样性,为改进遗传算法在水电站厂内经济运行中的研究提供了一种思路。     

基于自适应多种群遗传算法的配电网规划

针对传统遗传算法易于陷入局部最优解和随着配电网规模的扩大搜索效率降低的问题,借鉴多种群和自适应思想,提出了基于自适应多种群遗传算法的配电网规划算法。通过对目标函数进行处理,引入了多个物种,并采用自适应遗传算法和考虑进化稳定的改进多种群遗传算法分别对不同的物种进行操作,通过转移优秀个体,实现了物种之间的协同作用。同时为解决遗传算法应用于配电网规划时产生的大量不可行解的问题,借助图论知识和搜索技术给出了不可行解的修复方案,通过对孤岛,孤链和环进行修复,将非辐射状网络修复为辐射状网络。算例结果验证了该算法的实用性和有效性。     

基于序优化和模糊蚁群算法的多目标配电网重构

针对蚁群算法求解配电网重构问题时搜索时间过长、易陷入局部最优解等问题,提出了一种基于序优化理论和模糊控制理论改进的蚁群算法应用于配电网重构。通过加入模糊规则,结合序优化思想,在信息素更新环节提出了分阶段按序更新策略,扩大解空间的探索;将Prim算法应用于搜索环节,直接得到辐射型可行解,大大减少了构造解的时间;结合模糊理论提出了多目标的目标函数,有利于得出高质量的解。选取IEEE33节点配电系统作为算例验证了算法的有效性和优越性。     

基于蚁群系统(ACS)的配电网重构

配电网络重构是一个非常复杂的大规模组合优化问题。提出了一种新颖的基于蚁群系统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。蚁群系统算法ACS(Ant Colony System)是一种新型通用内启发式算法。结合配电网的特点,应用蚁群算法来解决配电网重构问题,建立了相应的数学模型,并给出求解算法。研究了一个算例系统,并给出了计算结果。结论表明,提出的算法是可行、有效的。     

基于改进教与学优化算法的配电网重构

正常运行工况下的配电网重构能降低配电网损耗。近年来新兴的教与学算法具有自有参数少、简单易懂、收敛迅速等优点,十分适合多目标、多约束的配电网重构优化问题求解。以网损最小和开关操作次数为目标,并考虑运行经济成本,将教与学算法引入到配电网优化重构中,对基本教与学算法中的教学因子进行了自适应改进,给出了算法的编码策略、迭代过程中“学生”信息的修改原则。PG&E 69节点系统以及一个实际城区配电网的优化重构仿真结果表明所提改进算法的有效性。     

离散学习优化算法在含分布式电源的配网重构中的应用

灵活的网架重构作为主动配电网的重要特征,利于高效消纳分布式能源。传统的数学规划方法难以求解非凸的含分布式电源的配电网重构问题。为此,提出了一种离散学习优化算法(DLOA),并将其应用于有源配电网重构问题。所提方法主要包括三个模块:学习优化算法、离散策略以及拓扑结构分析技术。其中,学习优化算法作为程序优化的核心,离散策略用于确定配电网线路的开闭状态,拓扑结构分析技术则用于分析配电网的网架结构。通过33节点测试系统验证离散学习优化算法的有效性,算例分析表明,所提方法能够有效求解高度非凸的含分布式电源的配电网重构问题。     

配网重构算法的改进和研究

本文提出了一种将改进的遗传算法和禁忌搜索法结合起来,用以解决配电网络运行时重构问题的新算法。不同于以往简单的组合(先遗传算法后禁忌搜索法),而是将禁忌搜索法的思想运用到遗传进化的每一步,不仅充分发挥遗传算法搜索范围广的优势,而且利用禁忌搜索的思想减少了很多不必要的搜索,提高了进化速度。算法中考虑到配网本身的特点,对网络结构做了适当的简化,并结合拓扑分析提出了一种校验网络连通的简单的方法,大大缩短了计算时间。最后采用IEEE一个3馈线配网算例验证了文中所提的方法的有效性。     

一种改进的蚁群算法在配电网规划中的应用

提出一种应用改进的蚁群算法来解决配电网规划问题的模型,用来选择满足需求的、最好的网络规划,目标函数包含了同未来投资和功率损耗相关联的固定的和变化的费用.用MatLab模拟139个节点的配电网络来应用改进算法,分析表明,可以取得较好的规划结果.     

克隆遗传算法与模拟退火算法相结合的配电网络重构

配电网重构可以提高配电网运行的安全性、经济性和供电质量,对于当前国内配电自动化系统建设和应用具有重要意义。将克隆遗传算法(CGA)与退火算法(SA)结合起来,把退火算法中的Metropolis抽样准则融入到克隆遗传算法中,形成克隆遗传退火算法(CGSA)。以网损最小为目标函数,以配电网电压降的限制、线路电流量的限制等为约束条件,在考虑配电网自身特点的基础上,以IEEE33节点为算例,利用克隆遗传退火算法求解。结果证明该优化算法具有较好的全局收敛性和收敛速度。     

基于改进自适应遗传算法的配电网络重构

提出了一种用于配电系统网络重构的改进型自适应遗传算法。给出了网络重构问题的数学模型及改进的自适应遗传算法。在应用遗传算法时结合配电网自身的特点,提出以环路开关号为基因、系统环路数为染色体长度的编码方法,在优化过程中采用自适应调整的交叉率和变异率,结合一定的禁忌规则．较好地提高了算法在网络重构方面的效率。在IEEE16节点、33节点、69节点3个不同规模的算例系统上进行了测试,计算结果表明,所提出的方法缩短了染色体长度,较好地抑制了不可行解的产生．无论是在收敛性、稳定性还是在计算效率上都取得了比较满意的结果。     

一种基于可靠性指标的复杂配电网络重构算法

以提高可靠性为目标,提出了一种简单、高效的复杂配电系统的网络重构算法。该算法将网络重构的优化过程分解成与动态变化的联络刀闸相对应的重构子问题。依次闭合每个联络开关,就可以得到具有不同网络拓扑结构的单环网,并分别对馈线内单环网和馈线间单环网提出了网络重构方法。通过一个实际的电力系统算例证实了本算法的有效性。     

Novel FGbSA: Fuzzy-Galaxy-based search algorithm for multi-objective reconfiguration of distribution systems

Reconfiguration according to different criteria is an important problem in distribution systems. This paper presents a new method for optimal multi-objective reconfiguration of distribution system based on the Galaxy-based Search Algorithm (GbSA). To avoid the convergence problem, the input and output data are normalized in the same range using fuzzy sets. The main objectives of the proposed algorithm have been considered as power loss reduction, voltage profile improvement and increase of the system load balancing. The proposed technique has been investigated using the IEEE 33-bus test system and a real distribution network i.e. Tai-Power 11.4-kV distribution system. The obtained results revealed the superiority of the proposed fuzzy-GbSA method in terms of accuracy compared to the GbSA and other intelligent search algorithms such as Genetic Algorithm (GA) or Particle Swarm Optimization (PSO). Furthermore, the proposed algorithm efficiently converged to the optimum solution compared to the other intelligent counterpart algorithms.     

遗传算法在配电网停电恢复中的应用

将遗传算法应用于配电网停电恢复中，给出了综合考虑开关操作次数最少，网损最小以及潮流分布合理等方面的停电恢复模型，采用遗虎法对停电区域进行重构，形成恢复方案，通过对实际配电网的测试分析表明，将遗传算法用于电网停电恢复中，能快速有效地提供若干个优化方案，为运行人员提供更多的参考。