基于混沌优化蝙蝠算法的含分布式电源配电网故障区段定位

针对含分布式电源配电网故障区段定位问题,改进了已有的开关函数,并提出了一种基于混沌优化蝙蝠算法的诊断方法。利用蝙蝠算法全局寻优能力对配电网故障区段进行定位搜索,并针对蝙蝠算法易陷入局部最优的缺点,使用混沌策略对部分最优个体进行优化,使其收敛速度加快,定位准确度提高。通过建立算例配电网模型,对其多种故障定位结果分析表明,算法对于含分布式电源配电网故障区段定位具有一定的实用性。     

基于粒子群和差分进化算法的含分布式电源配电网故障区段定位

配电网中引入分布式电源将导致传统的故障区段定位方法不再适用。通过构建新的开关函数,提出了基于二进制混合算法的配电网故障区段定位方法。该方法可动态适应分布式电源的投切,在进行多重故障定位时只需确定一次正方向,利用双种群进化策略和信息交换机制实现了粒子群和差分进化算法的混合。算例分析结果表明该方法能够对含分布式电源的配电网中的单一和多重故障进行准确定位,并且具有一定的容错性和高效性。     

基于蝙蝠算法的含分布式电源配电网故障定位

分布式电源接入配电网使得原来的故障定位方法不再适用,本文通过构造新的评价函数,提出了基于具有混沌搜索策略的二进制蝙蝠算法的含分布式电源配电网故障定位新方法。该方法可以适应分布式电源投切带来的潮流和拓扑变化,对配电网进行故障定位。算例仿真表明,该方法在含分布式电源配电网故障定位中定位准确并且具有较高的实时性和容错性。     

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。     

基于混合算法的含DG配电网故障区段定位

针对现有故障区段定位方法在含分布式电源DG(distributed generation)配电网定位效果不理想,且故障信息畸变会影响故障区段定位准确性的问题,提出了一种基于蝙蝠和差分进化的混合算法的故障区段定位方法。首先在蝙蝠算法中引入差分进化算法,然后建立含DG配电网拓扑结构的开关函数和区段定位评价模型,解决了含DG配电网故障区段定位问题。该混合算法提高了收敛精度、多样性,避免种群个体陷入局部最优,算例仿真结果验证了该算法能够准确地定位含DG配电网的单一和多重故障区段,具有良好的容错性。     

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。     

含分布式发电的配网在细菌群体趋药性算法下的无功优化

文章以含分布式发电的配网无功优化为研究对象,在传统调压方法的基础上,将分布式电源融入到配电网无功补偿当中,提高了系统电压水平的同时有效降低了电力系统网损;对细菌群体趋药性算法BCC进行了改进,将线性幂函数混合映射混沌模型和微进化分算子引入到该算法当中,使得细菌感知范围和移动速度实现自适应调整,算法的全局搜索能力和寻优速度有所提高。最后,通过所举算例验证了算法的有效性和分布式电源融入到无功补偿的必要性。     

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。     

基于改进BCC算法的含分布式发电的配电网无功优化

介绍了含分布式发电的配电网无功优化问题,改进了细菌群体趋药性算法(BCC),引入微分进化算子和线性幂函数混合映射混沌模型,动态调整细菌移动速度和感知范围,提高了算法的寻优速度和全局搜索能力。算例结果表明采用改进的BCC算法优化后的配电网网损最低,迭代次数最少。     

含分布式电源的DEIWO算法配电网无功优化

针对含分布式电源的配电网无功优化的特点,提出一种将入侵杂草算法与差分进化算法相结合的混合求解算法。该算法将一组初始可行解进行繁殖、空间扩散,当达到环境允许的最大值时,通过引入竞争机制,选取适应度较高的部分个体,再通过变异、交叉、选择,最终保留最佳个体。该算法既利用了入侵杂草算法结构简单、参数少和鲁棒性强的优点,又通过结合差分进化算法,克服其易陷入局部最优,精度不高的缺陷。以IEEE33节点系统进行仿真分析,并与传统的入侵杂草优化算法进行比较,结果表明该算法具有较强的全局搜索能力以及较高的收敛精度,能够有效地减少功率损耗。     

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。     

基于IBEGA算法的含分布式电源的配电网重构

<正>采用改进蜜蜂进化型遗传算法(Improved Bee Evolution Genetic Algorithm,IBEGA)求解含分布式电源的配电网重构问题。该算法引入佳点集到种群初始化中,使算法得到的初始种群在搜索空间更加均匀,提高了全局寻优能力;引入自适应调整选择算子与佳点集交叉算子,使算法可以及时开辟新的解空间,进行更加精细的搜索,提高了搜索效率;引入自适应交叉变异操作,有利于算法的开采与勘探能力的平衡;引入驱赶算子。提高了算法的杂交效率,避     

基于改进秃鹰搜索算法的含分布式电源配电网分区故障定位

为解决含分布式电源多分支配电网故障定位中存在快速性和准确性难以兼顾的问题，提出了一种基于改进秃鹰搜索算法的分区故障定位模型。首先利用Sinusoidal映射的均匀分布特性生成初始化种群，通过交叉算子、非均匀变异算子和翻筋斗觅食策略来改进秃鹰的位置更新方式，提高算法的开采和勘探能力。其次构建考虑分布式电源的开关函数和目标函数，在此基础上借鉴“黑盒方法”建立含分布式电源配电网等效分区模型，并加入定位矫正机制保障定位的准确率。最后在含分布式电源多分支配电网中进行仿真验证。与传统的秃鹰搜索算法分区定位模型相比，求解速度平均提高了30.5%，准确率平均提高了1.72%。且在不同故障位置和不同畸变点数情况下，改进秃鹰搜索算法分区定位模型均能够快速准确地定位出故障所在区段。     

含分布式电源的配网无功优化混合算法北大核心CSCD

针对多机电为了保证分布式电源并网后配电网的电压控制在一个合理的水平,同时解决以设备安装容量作为无功上/下限约束可能造成解搜索空间偏大的问题,文中提出一种基于节点补偿容量动态区间法的含分布式电源的配电网无功电压运行优化混合算法。在种群进化后期,引入模拟退火法、罚因子自适应调整机制及动态灾变算法,以改善算法寻优质量及精度。通过算例分析验证了本文算法的高效性及实用性。     

GSO算法在分布式电源选址与定容中的应用

针对分布式电源选址与定容在新型配电网规划中的问题,提出基于群搜索优化算法确定分布式电源接入配电网地址与容量的快速算法。定义了满足配电网节点拓扑结构的分支向量,并将分支向量搜索的更新新方法与群搜索优化算法结合。该方法将智能寻优与物理寻优相结合,提高了全局寻优效率。算例表明,该方法合理得到分布式电源接入配电网的最优位置和容量方案,减少了配电网网损,提高了整体电压水平。     

基于FTU检测方法在含DG配电网故障区段定位的应用综述

本文分析了含分布式电源配电网故障区段定位的关键问题,对基于FTU检测的含分布式电源配电网故障区段定位的矩阵算法和智能优化算法的优缺点进行详细综述;并提出目前含分布式电源配电网故障区段定位方法存在的问题;最后针对当前人们对供电可靠性和电能质量的需求日益增高以及智能配电网快速发展的情况,对未来含分布式电源配电网故障区段定位的发展方向进行了展望。     

基于免疫算法的含分布式电源配电网的故障定位

分布式电源(DG)的接入,使传统配电网络拓扑结构从单电源辐射状网络变成复杂的多电源网络。在这种情况下,传统的故障定位算法已不再适用。针对这一问题,提出了一种新的基于故障电流的故障定位算法——免疫算法。首先,针对含DG的配电网,构建了适应多个分布式电源的故障电流编码方式和适应多个分布式电源的开关函数。其次,相比传统的遗传算法,免疫算法通过计算抗体的匹配程度和浓度对个体进行评价,并且增加了记忆单元保证了算法进化过程中抗体的多样性从而避免了遗传算法中的‘早熟’收敛问题。最后,通过Matlab建模仿真,验证了该算法适用于含分布式电源(DG)配电网的故障定位,并具有一定的快速性和容错性。     

含分布式电源三相不平衡配电网供电能力评估

随着分布式电源特别是光伏等间歇式电源的接入,配电网固有的三相不平衡特征更加突出,基于此探究了含分布式电源的三相不平衡的配电网供电能力评估方法。首先,提出一种含多种分布式电源三相不平衡配电网供电能力评估模型,该模型以配电网供电负荷最大为目标,同时考虑负荷增长功率因数和节点三相电压不平衡度等约束条件;其次,基于量子粒子群优化算法求解配电网供电能力问题,通过量子位的概率幅对连续和离散粒子进行编码,再采用量子旋转门实现连续粒子的更新和取整法实现离散粒子的更新以提高搜索精度,并利用量子与非门实现粒子的变异以避免早熟现象,进而提高算法的全局搜索能力和寻优效率;最后,结合修正的IEEE-33节点三相不平衡配电网对配电网供电能力评估进行算例仿真。算例结果证明了所提模型和方法的有效性。     

基于改进型蚁狮算法的主动配电网优化重构

主动配电网是含有分布式电源(DG)的配电网络,具备主动管理电源以及负荷需求的能力。基于蚁狮算法,以负荷功率损耗最小为目标,对主动配电网进行优化重构。同时,针对蚁狮算法存在的全局搜索能力不强,易陷入局部最优等缺陷,将混沌搜索机制和粒子群算法的全局寻优策略引入蚁狮算法,提出改进型蚁狮算法。以含三个DG的美国PGE69节点系统为对象进行优化重构,结果表明改进后的蚁狮算法在原始蚁狮算法的基础上有效降低了网损。