粒子群优化算法在配电网网架优化规划中的应用

粒子群优化(PSO)算法已经成功地用于求解连续域问题,但是对于离散域问题的求解研究还很少。文中使用模糊离散粒子群优化算法,用于求解配电网网架优化问题。采用模糊矩阵表示粒子的位置和速度。为了处理配电网辐射性结构的约束条件,引入了图论中的最小生成树问题。最后对算例进行测试,检验该方法的有效性及应用效果。     

粒子群优化算法在配电网网架优化规划中的应用

粒子群优化(PSO)算法已经成功地用于求解连续域问题,但是对于离散域问题的求解研究还很少.文中使用模糊离散粒子群优化算法,用于求解配电网网架优化问题.采用模糊矩阵表示粒子的位置和速度.为了处理配电网辐射性结构的约束条件,引入了图论中的最小生成树问题.最后对算例进行测试,检验该方法的有效性及应用效果.     

离散粒子群优化算法在输电网络扩展规划中的应用

输电网络扩展规划是一个非常复杂的大规模组合优化问题。文中研究了离散粒子群优化(DPSO)算法在单阶段输电网络扩展规划中的应用,提出一种基于黑板系统的多智能体协调模型。该模型中,DPSO算法利用黑板系统进行粒子间信息共享,有效地提高了算法的全局收敛能力。通过构造节点扩展矩阵和速度矩阵,建立了输电网络扩展规划问题的求解模型和DPSO求解算法。该算法已成功用于IEEE Garver-6等两个系统,计算结果表明了该方法的可行性和有效性。     

基于离散粒子群算法的移动变电站选址规划

移动变电站(MS)的存放位置对城区高压配电网的可靠性和经济性有着重要影响,对移动变电站的选址规划进行了开创性研究。以包含停电损失在内的系统总费用最小为目标,考虑城区内各变电站的地理分布以及变电站供电负荷的单位停电损失,建立移动变电站选址规划模型,以确定移动变电站的数量和存放位置。针对决策变量为离散变量的特点,利用离散粒子群算法求解选址规划模型。通过算例计算,得到移动变电站的最优数量和存放位置,算法可有效规划移动变电站的选址,移动变电站的最优存放位置通常位于区域中心和重要负荷区域。     

基于负载率的配电网变电站与开闭所规划

根据配电网中变电站和开闭所规划的特点,以负载率为主线,推导出用负荷密度和负载率表示的费用公式,并建立了以单位容量的年总费用最小为目标函数的变电站规划模型,用该数学模型进行了变电站经济供电半径、供电容量以及最优配置个数的规划。对于已建成变电站的区域又有新增负荷点的情况,根据负载率的大小考虑是否增设开闭所。根据负荷矩最小原则,将优化理论引入开闭所的规划,利用粒子群优化算法对变电站和开闭所进行选址。仿真结果表明利用粒子群优化算法进行变电站与开闭所的规划是可行的。     

基于多目标离散粒子群优化算法的微电网重构

将多维度精英粒子扰动策略与粒子群优化算法相结合,得到一种多目标离散粒子群优化算法,用于求解微电网重构问题。这一多目标离散粒子群优化算法以粒子的速度信息为概率,由粒子向正方向或负方向移动来更新自身位置信息;通过多维度精英粒子扰动策略,动态调整粒子群跳出陷阱的能力和局部精细搜索能力;引入线路负荷均匀度,作为辅助评价指标。算例求解表明,基于多目标离散粒子群优化算法的搜索效率和可靠性高,收敛性好,适用于微电网重构及其它的多目标离散组合优化问题。     

电力系统无功补偿点的确定及其容量优化

电力系统无功优化是一个复杂的非线性组合优化问题,针对该问题提出一种基于奇异值分解理论和改进的粒子群优化算法的无功优化方法。首先对系统潮流计算中雅可比矩阵进行奇异值分解,由奇异值分解理论可以得出矩阵的右奇异向量指标,依据该指标判断电压稳定弱节点,以此作为候选的无功补偿点;然后以有功网损最小为目标函数,构建无功优化数学模型,并提出改进的粒子群优化算法,在算法中引入二次插值算子,增强了算法的局部搜索能力,避免早熟,提高其寻优能力和收敛速度。最后,对IEEE30节点系统进行仿真计算,验证了该方法的有效性。     

基于差分粒子群算法的变电站选址定容规划

针对标准粒子群算法(particle swarm optimization,PSO)易陷入局部最优,差分进化算法(differential evolution,DE)后期收敛速度慢的缺点,提出差分粒子群算法(differential particle swarm optimization,DEPSO)将二者进行混合优化,提高群体的收敛速度和全局寻优能力,并应用于配电网变电站规划。在变电站选址数学模型中结合Voronoi图来确定变电站供电范围和规划容量,继而校验变电站实际负载率,简化计算过程,提高搜索效率。通过某市城区远期规划实例验证得知该算法正确有效,可以满足城区配电网的规划要求。     

电力系统建设中的变电站规划与设计优化研究

首先介绍了变电站的作用和重要性,以及变电站规划与设计优化的研究背景和意义,然后针对变电站选址、 容量规划和布局优化等方面提出了具体的研究内容和方法,包括多目标规划、粒子群算法、GIS等技术的应用,最后 结合实际案例对不同研究方法的效果进行评价和比较,以期为电力系统建设中的变电站规划与设计提供参考和借鉴. 研究结果表明,综合考虑多个因素的多目标规划和基于GIS的规划方法可以更好地优化变电站的选址和布局,粒子群 算法和其他优化算法可有效提高变电站的容量利用率和经济性.     

水电站水库优化调度的改进粒子群算法

粒子群优化算法是通过粒子记忆、追随当前最优粒子,并不断更新自己的位置和速度来寻找问题的最优解。为了克服标准粒子群算法存在着早熟收敛、难以处理问题约束条件等缺点,本研究对递减惯性权值进行了改进,将其表示为粒子群进化速度与群体平均适应度方差的函数;给出了适合PSO算法的约束处理机制,提出了一种改进自适应粒子群算法,并将其应用于水库优化调度中。实例计算并与经典方法相比,表明该方法原理简单、易编程实现,能以较快的速度收敛于全局最优解。     

改进粒子群算法在变电站选址规划中的应用

提出了一种利用改进的粒子群算法来解决配电网变电站选址问题.在改进的方法中,引入模糊的方法,根据粒子适应度高低来确定粒子的惯性权重的取值,对同一代的不同粒子使用不同惯性权重来更新粒子速度,从而获得了更高性能的PSO算法.通过某开发区规划实例验证了该文所提模型和方法正确性和有效性,其规划结果科学、可行.     

基于网络的故障行波定位算法

为了解决电网故障双端行波定位中任一定位装置故障、启动失灵或时间记录错误等导致的定位失败难题,提出了基于网络的故障行波定位算法,根据电网中故障行波到达各变电站的精确时间和行波传输的最短路径进行综合定位计算。运用Floyd算法计算电网的最短路径矩阵,匹配行波波头到达各变电站的精确时间;分析不经过故障线路的最短路径,在线计算行波传播速度;并寻找经过故障线路的最短路径,在线计算故障点位置;为每个变电站设置权重,对所有不同路径的计算结果加权求和,得到故障点的精确位置。EMTP仿真分析和现场运行结果表明,该定位算法误差小于150 m,可靠性高、鲁棒性强,较好地满足了电网运行要求。     

基于智能空间的变电站机器人复合全局定位系统设计

变电站机器人对于坚强智能电网的建设具有重要意义,针对室外大范围环境下巡检机器人在没有任何初始位姿先验知识情况下通过传感器观测全局定位的问题,结合智能空间技术,本文提出了一种智能空间下基于ZigBee指纹定位与改进粒子滤波的复合全局定位系统。该方法首先利用变电站环境下已有的无线网络,通过UPnP技术将机器人接入智能空间,在智能空间中采用BP神经网络进行ZigBee指纹初步定位,然后在初定位基础上利用粒子群优化的粒子滤波算法完成精确定位。实验结果表明,本文设计的算法实现了变电站机器人与智能空间的零配置与松耦合,可有效提高初始全局定位精度并改善算法性能,缩短迭代时间。     

带分布式电源的配电网电能质量扰动源定位

为实现带分布式电源的智能配电网发生电能质量扰动时的自动精确定位,提出了一种粒子群优化算法和矩阵算法结合的电能质量扰动源自动定位算法。采用矩阵描述配电网拓扑结构和电能质量监测信息,建立了矩阵粒子群优化模型,构建了一种新的评价函数,通过矩阵粒子群迭代进行全局寻最优解。MATLAB仿真表明,该算法能实现在接入分布式电源情况下的扰动源自动精确定位,并具有定位准确、收敛性好、容错率高等优点。     

基于粒子群优化的加权伏罗诺伊图变电站规划

针对变电站规划问题,提出一种基于粒子群优化的加权伏罗诺伊图(weighted Voronoi diagram,WVD)变电站规划方法,在变电站数量和容量组合确定的情况下,对变电站的位置和供电范围进行优化。根据变电站及负荷分布的特点,给出全新的权重计算方法,其权重可自适应调整,从而形成基于加权伏罗诺伊图的变电站规划方法。该方法在保证算法收敛的同时,使变电站的位置及供电范围更合理。利用粒子群优化算法的全局搜索特点,实现了基于粒子群优化的加权伏罗诺伊图(particle swarm optimization-weighted voronoi diagram,PSO-WVD)变电站选址及供电范围规划。算例结果表明所提方法无论在变电站站址的确定方面,还是在变电站供电范围的划分方面都比单一方法可靠、合理。     

穿越森林草原配电线路的一二次融合成套柱上开关优化布置研究

目前供电公司10 kV配电线路的一二次融合成套柱上开关仅凭经验进行安装布置,其安装数量和安装位置会直接影响穿越森林草原配电线路的故障处置效果。为了科学地开展一二次融合成套柱上开关安装选址,文中提出基于改进DBPSO优化的穿越森林草原配电线路一二次融合成套柱上开关优化布置算法。实验结果表明,该算法能通过较少的迭代次数实现最优一二次融合成套柱上开关位置组合的获得,为配电网一二次融合成套柱上开关安装选址提供科学参考,充分发挥其故障处置的实际效果。     

基于博弈论的变电站规划研究

针对城市电网变电站规划问题,提出一种基于博弈论的混合算法。该算法将博弈理论与渔夫捕鱼算法(fisher fishing,FF)、粒子群算法(particle swarm optimization,PSO)相结合,设置两个子群和两个博弈策略(FF算法、PSO算法),构建相应的博弈收益矩阵,由加权Voronoi图划分变电站的供电范围,校验其负载率,再以变电站规划年最小费用为适应度函数。两个子群通过博弈收益矩阵周期性地选择和更换搜索策略,在可行解空间内快速寻优。FF算法搜索盲目性过大,收敛较慢;PSO算法易陷入局部最优解。提出的算法将二者进行混合优化,可以取长补短,收敛速度比FF算法快,求解精度比PSO算法高。通过对某市中心城区的规划实例分析,验证了所提算法能够有效解决变电站规划问题。     

煤矿智能供电系统故障识别与隔离技术

为解决煤矿电网6/10 k V供电系统易发生越级跳闸、故障穿越、扩大停电面积的问题,针对工矿企业常见的多级串供供电网络,以智能变电站为基础,构造煤矿区域集控式智能供电系统。系统间通过GOOSE网络实现信息共享,在此基础上,构造故障识别与隔离系统,对站内信息集中处理、判断,实现多种穿越故障及不正常运行状态的识别与可视化。构造故障矩阵算法实现故障区段的识别,并进一步优化决策算法,探讨GOOSE网络传输关键技术。为智能变电站应用到工矿企业提供了理论分析基础,具有较大的实用价值。     

改进粒子BP神经网络在变电站噪声控制中的应用

为了改善变电站噪声控制中已有自适应降噪滤波算法的自适应能力差、收敛速度慢等弊端,提出了一种新的基于粒子群优化（PSO）的误差反向传播神经网络（BPNN）智能滤波算法。该算法针对PSO算法易出现无法兼顾局部、全局搜索和群体多样性丢失等问题,采用以粒子“亲密”度为依据来自适应调整粒子惯性因子和变异率的改进策略;利用该改进粒子群优化（IPSO）算法取代梯度下降算法,实时优化BPNN的权、阈值,使噪声迅速降低,再用梯度下降算法对BPNN的权、阈值作进一步的精细优化,使噪声得到更大程度上的抑制。文中以某变电站变压器噪声信号为仿真声源,分别利用所提算法、PSO-BPNN算法及BPNN算法对该声源信号进行主动抑制,结果表明所提算法性能明显优于另外2种算法的性能,使变压器降噪系统性能得到较大的改善。