一种基于改进最小生成树算法的GIS配电网架优化规划方法

配电网架优化规划方法是基于GIS的配电网规划工作的重要组成部分。图论是研究图的组合关系及结构的一个数学分支,可以方便地实现图形同计算机算法的结合。因此,采用图论中的重要理论——最小生成树算法作为GIS软件处理配电网架优化规划问题的基本方法。阐述了从配电网架优化规划论域转化到加权图的一些处理措施,提出了一种采用基于限定主干网架线路的改进最小生成树算法的配电网网架优化规划方法。     

基于最小生成树算法的配电网架扩展规划

基于改进最小生成树算法，提出了一种高效率的配电网扩展规划方法。以最大投资额度为约束条件，以建设费用与运行费用的加权和最低为目标函数，采用prim算法求取最小生成树获得初步规划结果，根据潮流计算结果调整导线截面并计算运行费用，依此反复迭代调整规划网架直至最优。规划过程中考虑了对道路交叉点区别对待，并且只将采用Dijkstral算法获得的顶点间的最短路径作为边，还考虑了拆除线路的残值和拆除费用。对两个典型算例进行了规划，结果表明所提出的方法是可行的且具有较高的效率。     

基于最小生成树算法的配电网架扩展规划

基于改进最小生成树算法,提出了一种高效率的配电网扩展规划方法。以最大投资额度为约束条件,以建设费用与运行费用的加权和最低为目标函数,采用prim算法求取最小生成树获得初步规划结果,根据潮流计算结果调整导线截面并计算运行费用,依此反复迭代调整规划网架直至最优。规划过程中考虑了对道路交叉点区别对待,并且只将采用Dijkstral算法获得的顶点间的最短路径作为边,还考虑了拆除线路的残值和拆除费用。对两个典型算例进行了规划,结果表明所提出的方法是可行的且具有较高的效率。     

一种基于改进最小生成树算法的GIS配电网架优化规划方法

配电网架优化规划方法是基于GIS的配电网规划工作的重要组成部分.图论是研究图的组合关系及结构的一个数学分支,可以方便地实现图形同计算机算法的结合.因此,采用图论中的重要理论--最小生成树算法作为GIS软件处理配电网架优化规划问题的基本方法.阐述了从配电网架优化规划论域转化到加权图的一些处理措施,提出了一种采用基于限定主干网架线路的改进最小生成树算法的配电网网架优化规划方法.     

基于改进最小生成树算法并考虑负荷不确定性的配电网架最优规划

为在规划过程中考虑负荷的不确定性,提出了一种新的配电网规划优化方法.将不确定性负荷分为单条件负荷和多条件负荷两类.对于所有负荷都是单条件负荷的情形,根据流过各条边的电流的二阶原点矩确定各条边的权,在此基础上利用改进最小生成树算法获得最优规划方案.对于规划区域中存在多条件负荷的情形,将各个多条件负荷的各种可能性进行组合构成场景,对于每一个场景采用单条件负荷规划方法获得初步网架和初始费用,并分别计算该初步网架在各个场景下的补偿费用,选取初始费用与补偿费用之和的数学期望最小的方案为最优规划方案.算例分析表明了该配电网规划方法的可行性.     

一种改进最小生成树算法在配电网架优化规划中的应用

配电网架优化规划方法是基于GIS的配电网规划工作的重要组成部分.图论是研究图的组合关系及结构的一个数学分支,可以方便地实现图形同计算机算法的结合.鉴此,采用图论中的重要理论——最小生成树算法作为GIS软件处理配电网架优化规划问题的基本方法.阐述了从配电网架优化规划论域转化到加权图的一些处理措施,提出了一种采用基于限定主干网架线路的改进最小生成树算法的配电网网架优化规划方法,并给出了算例.     

基于最小生成树算法和改进遗传算法的配电网络综合优化

配电网络重构和电容器优化配置是进行配电网络优化的两大重要手段。两者都有降低网络有功损耗和提高供电电压质量的功能,但单个的网络重构和电容器投切都不能达到配电网络总体优化的效果。且两者一个是非线性组合优化问题,一个是非线性规划优化问题,用传统方法将两者结合进行配电网综合优化容易产生＂组合爆炸＂,计算效率低。文章采用最小生成树算法和改进遗传算法将网络重构和电容器投切相结合,同时优化网络结构和网络参数,实现配电网络的综合优化。     

一种新的最小生成树算法

针对在最小生成树求解中常用的Prim算法和Kruskal算法适合直接在图上作业而不适于计算机求解,提出了一种新的最小生成树算法：根据最小生成树的定义和性质,对权矩阵进行操作。其优点是：求解过程简单清晰,形象直观,快速有效,易于编程,且具有更广泛的适用性,在求解多节点网络的最小生成树时更能体现其计算速度快的优越性。最后用大庆油田电网作为具体的实例验证了本算法的正确性。     

一种新的最小生成树算法

针对在最小生成树求解中常用的Prim算法和Kruskal算法适合直接在图上作业而不适于计算机求解,提出了一种新的最小生成树算法:根据最小生成树的定义和性质,对权矩阵进行操作.其优点是:求解过程简单清晰,形象直观,快速有效,易于编程,且具有更广泛的适用性,在求解多节点网络的最小生成树时更能体现其计算速度快的优越性.最后用大庆油田电网作为具体的实例验证了本算法的正确性.     

基于改进最小生成树算法的油田电网网架优化研究

对现有的基于改进最小生成树的网架优化算法进行了改进。在原算法的基础上,提出了一种新的最小生成树算法。该算法简单易行,易于编程,提高了算法的计算效率。并把用户侧停电损失与线路建设费用和运行费用三者之和作为目标函数,以线路不过负荷为约束条件建模,以破圈迭代法求解最终网架。最后以大庆油田电网为例进行了网架优化,结果表明通过此方法获得的网架优化结果实现了经济性与可靠性的协调最优。     

基于蚂蚁算法的配电网网络规划

利用蚂蚁算法进行配电网网架结构规划。为了使优化过程同时考虑到网损最小和投资最小两个因素，提出将各个负荷点作为食物。食物给各条街道赋予一定的“味道”，“味道”的求取公式和网损的计算公式类似。“味道”在一定程度上反映了网损的情况。蚂蚁在计算的开始阶段将根据“味道”决定自己选择街道的概率，在计算的中间阶段将根据信息素决定自己选择街道的概率。实例计算表明该方法可行、有效，可以方便地求得配电网网络规划问题的最优或近似最优解。     

基于改进多种群遗传算法的配电网规划

提出了改进的多种群遗传算法并将其应用于配电网规划.根据优化目标数学模型确定统一目标函数和多个子目标函数,并将其作为父、子种群的适应度评价函数,用迁徙算子决定父子种群的联系程度.采用"0"和"1"逐线逐点方式对馈线和变电站进行编码,并构成网架的染色体.用变电站的容载比作为约束条件决定变电站的负荷规模.在此基础上提出了包括孤链、闭环、孤岛的修复方案,将遗传操作所产生的非辐射性网络修复成辐射性网络.该方法可以处理同时涉及变电站和馈线优化的多目标配电网规划问题.算例结果表明了该方法的有效性.     

基于免疫算法的配电网开关优化配置模型

给出了开关优化的数学模型及基于免疫算法的求解方法。分析了开关投资和运行维修费用、停电损失的计算方法，基于等年值法建立开关优化配置模型。该模型是一含约束、不可微、非连续的组合优化模型。基于免疫算法给出了模型的求解算法。通过模型计算确定开关的最优配置数量和位置，并得到系统的可靠性、投资费用和停电损失等。计算实例表明：提出的模型和算法有较强的工程实用性，免疫算法具有较好的全局收敛性和较快的收敛速度。     

多目标优化改进遗传算法在电网规划中的应用

针对电网规划的多目标性,提出一种改进的多目标优化遗传算法。该算法利用多种群概念很好地完成了优化过程中的多目标归一问题,提高了优化速度,算法中的变权重因子使规划工作人员可以方便地将决策的侧重倾向加入到优化过程中,从而更好地符合实际需要。     

配电网模糊优化规划(Ⅰ)——模型与方法

配电网规划的特点和难点是不确定性的处理，以往对配电网规划不确定性的研究大多是对某一步骤进行，文中应用模糊数学理论，形成了贯通的配电网模糊规划方法，可以考虑负荷，投资，电价等相关因素的不确定性，建立相应的模糊优化规划数学模型，结合配电网的特点，提出了配电网的模糊负荷预测方法，模糊潮流算法和模糊优化方法，采用L－R型模糊数进行负荷预测和潮流计算，提出了简便实用的边界法，即用负荷模糊预报值的左，右边界和中心值分别进行潮流计算，再综合计算结果，这在输电网的模糊潮流计算中是不可行的，但配电网的幅射状结构决定了这种模糊潮流算法的简单性，可以满足模糊规划的需要，算例表明，模糊规划方法可以得到鲁棒性强的规划方案。     

基于灾变遗传算法的无功规划优化

摘要： 提出了应用于电力系统无功规划优化的灾变遗传算法。算法中引入“灾变”的概念来保证解空间的多样性;采用了分组整数编码技术和锦标赛选择机制;提出采用与十进制整数编码策略相结合的邻近变异操作算子,以避免二进制编码中的海明悬崖。将此算法应用在佛山226个节点的电力系统中。结果表明它能克服一般遗传算法（GA）的早熟收敛倾向和改善GA的局部搜索能力,比常规GA的寻优效率高得多。     

抑制谐波的配电网无功优化规划

在配电网中,为进行无功优化以降低网损,装设了大量的电容器.这些电容器的装设,导致了在谐波频率下,容易产生系统与电容器之间的谐波谐振或谐波放大,从而使系统的谐波畸变率大为增加,破坏了系统的安全运行.针对这一问题,文中提出了谐波畸变情况下对配电网进行无功优化规划的模型,给出了用灵敏度指导遗传算法进行求解的具体步骤,并用VB编制了仿真程序,对实际配电网进行了仿真计算.计算结果表明,该模型能使电网在满足电压和谐波标准约束的情况下,系统网损和谐波畸变率均得到改善,且大大提高了寻优效率,验证了文中所提方法的有效性.     

多阶段输电网络最忧规划的遗传算法

多阶段输电网络最优规划问题是一个复杂的非线性组合优化问题,尝试利用遗传算法来解决输电网络动态规划问题,提出了相应的数学模型,构造了染色体的编码方法和适应函数,并用退大选择遗传算法进行了计算。算例系统的计算结果证明了这种方法的可行性及有效性。     

配电网拓扑结构概念聚类及其在优化规划中的应用

聚类分析是一种无监督的机器学习方法。被广泛应用于各研究领域。在城市配电网优化规划的研究中，现有的关于网络拓扑结构分析的一些方法并不适用于配电网优化规划工作，而关于配电网拓扑结构聚类分析的研究更是鲜见报道。基于对配电网结构、运行特点以及优化规划工作实际需要的认知，提出了一种结合模糊逻辑的配电网拓扑结构概念聚类方法，对于推进配电网优化规划问题的研究具有广泛的实际意义。为检验该方法的有效性，在该方法的基础上引入几个简单的概念，构成一个基本的机器学习模块，该模块可以方便地“嵌入”基于Agent行为和范例学习的新型遗传算法中，以提高原算法的计算性能。并用算例证明了在引入基于配电网拓扑结构概念聚类的机器学习模块后，新型遗传算法具有更高的计算效率和求解质量。