基于连锁环网与改进离散粒子群算法的多目标配电网重构

配电网重构本质上是一个复杂的高维数非线性组合优化问题。为避免其不可行解的影响,同时实现快速寻优,提出了一种通过连锁环网矩阵快速判断粒子是否满足配电网拓扑约束的方法。采用基于Pareto准则的离散二进制粒子群算法(Binary Particle Swarm Optimization,BPSO)以求解配电网重构多目标优化问题。从三方面对BPSO算法进行改进:改进粒子更新策略以提升新代粒子的可行概率;改进sigmoid函数同时提出邻域搜索机制以强化算法后期的收敛能力;提出基于次优解保留策略的小生境共享机制以改进群体最优粒子更新方式,进而强化算法的全局搜索能力。对IEEE33系统算例进行仿真,结果表明改进BPSO算法在求解含分布式电源(Distributed Generation,DG)的配电网重构多目标优化问题时,能够更加精确高效地收敛至Pareto最优前沿。     

基于改进蚁群算法的配电网重构

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的建设和应用具有重要意义。以网络损耗最小为目标,提出了一种改进的蚁群算法来求解正常运行条件下配电网络的重构问题。针对基于蚁群算法在求解过程中存在搜索易陷入局部最优解和收敛到全局最优解的时间较长的缺点,从蚁群算法的转移概率和信息素动态更新2方面进行了改进,提高了蚁群算法全局搜索能力与收敛到最优解的速度。最后通过对69节点配电系统算例的仿真,取得了较好的效果,证明了该算法的有效性和可行性。     

分布式电源的配电网重构和电容器优化投切

综合考虑最优潮流、配电网重构和电容器优化投切,建立了计及分布式电源的配电网经济运行模型。鉴于模型的复杂性,采用结合最优潮流和改进蚁群算法的混合优化方法进行求解。该方法将最优潮流嵌入改进蚁群算法中,利用最优潮流求解考虑网络安全约束的分布式电源优化调度问题,利用改进蚁群算法优化配电网结构和电容器档位。为了提高蚁群算法的优化效率,建立含有局部搜索蚂蚁的混合蚁群,平衡蚁群算法的全局和局部搜索能力。通过对16节点和33节点的测试系统仿真,表明提出的模型和算法正确有效。     

邻域退火粒子群算法在配电网重构中的应用

为求解多目标非线性整数组合优化的配电网络重构问题,建立了以电压均衡指数和网损为目标的配电网重构数学模型。为了克服粒子群算法容易局部收敛的不足,提出了一种基于正态分布的局优邻域闭锁方法的退火技术的粒子群算法(LA-PSO),改进了扰动机制,设计了自适应退火策略,对邻域内的粒子执行并行化退火操作,从而弥补粒子群算法爬山能力的不足,提高了算法的全局寻优能力。用3个不同规模的算例测试提出的算法并与基本算法的性能进行了比较。结果表明,该算法有效改进了粒子群优化算法的局部收敛问题,与单一算法相比,在收敛特性、全局寻优能力和稳定性等方面都有所提高。     

配电网络重构的研究

总结了求解配电网重构的各种方法。指出由于组合数学的特性,数学优化理论不适用于配电网重构;基于模拟退火方法的配电网重构算法可以获得全局最优解,但存在算法依赖参数和计算量大的缺点;基于人工神经网络的算法,其精度取决于样本,获得完整样本困难,而且训练样本的时间较长;遗传算法的很多特点适于求解配电网重构的问题,如果能结合配电网重构的特点对算法收敛性进一步研究,提高其速度,则将在配电网重构中得到更好的应用;模糊数学和专家系统必须依赖于其他技术的发展;最优流模式和基于开关交换的算法不能保证得到全局最优解,但与启发式规则结合后,可以较快地得到满意的结果,是目前解决配电网重构的有效算法。     

基于最优流法和遗传算法的配电网重构

提出了一种基于改进最优流和遗传算法的配电网重构算法.该算法先利用配电网的同胚图将重构问题的全局寻优空间划分为若干子空间,然后利用改进最优流法寻找子空间内的最优解,之后再利用遗传算法搜索全局最优解所在的子空间,从而实现在局部最优解中寻找全局最优解.该算法既通过压缩寻优空间提高了遗传算法的搜索效率,又利用改进最优流法改善了局部寻优能力.算例计算结果表明了文中所提算法的可行性和有效性.     

考虑弹性运行的含微电网配网系统重构优化

为提高含微电网配网系统的承载能力和弹性裕度，建立了含微电网配网系统拓扑弹性优化模型，通过对配电网拓扑的动态重构来实现含微网配电网的弹性优化目标。同时针对传统粒子群易陷入局部最优并且收敛速度较慢的缺点，采用具有全局搜索能力和良好搜索效率的量子粒子群算法进行求解。并将十进制编码技术应用于优化量子粒子群算法来减少粒子长度和不可行解的产生。最后将设计的策略在改进的IEEE 33节点辐射状配电系统上进行了测试，并将算法与其他传统智能算法进行比较，验证了设计的策略对含微电网的配电网系统具有良好的优化性能和有效性。     

基于蚁群算法的配电网故障恢复重构

研究了故障后输电线路的重构优化问题,提出了一种求解目标最优的故障恢复重构算法。该算法基于蚁群算法,以电压稳定为前提,建立了以降低网损和操作开关数目最少为目标的数学模型。该算法不依赖初始参数的设置,具有全局搜索的能力,可通过改变权重系数将网损、开关操作数目等多目标优化问题转化为单目标优化,提高算法效率。实例证明该算法可以准确得到配电网故障后电网重构的最佳方案。     

基于改进多元宇宙算法的主动配电网故障定位方法研究

针对现有智能优化算法在求解主动配电网故障定位问题时存在的收敛速度慢、易陷入局部最优解、容错性差、种群质量低等问题,提出一种改进的多元宇宙优化算法(improved multi-verses optimization, IMVO)。首先构建具有容错能力的主动配电网模型,根据故障定位问题的特点对多元宇宙的种群进行离散化编码。其次将自适应精英策略融入改进算法的多元宇宙种群的更迭中,以保证多元宇宙的种群质量。设计基于非线性曲线变化的虫洞存在概率(wormhole existence probability, WEP)与旅行距离率(travel distance rate, TDR)的更新机制,以提高算法前段搜寻相对最优宇宙的能力与后段调整最优探测距离的精度。最后通过自适应突变操作增强改进算法的局部搜索能力,进而提高全局寻优能力。仿真实验结果表明,改进多元宇宙优化算法在单点、多点以及信息畸变故障定位中全局寻优能力显著,相较于其他优化算法在解决配电网故障定位问题上具有更高的准确率与收敛速率。     

复杂有源配电网供电路径快速优化

配电网络结构日益复杂化以及分布式电源广泛接入带来的不确定性,增加了配电网供电路径优化的难度,传统配电网重构方法很难满足其快速性要求。针对风机、光伏出力的波动性,在构造的概率场景模型基础上,基于时间尺度进行出力分割,并利用无重复生成树策略对复杂搜索空间进行简化,避免重复性辐射型校验,减少解空间的冗余度,采取改进的编码策略以及改进的教学优化算法对重构模型进行求解,提高搜索的速度和全局寻优能力。算例分析证明了所提方法的快速性和有效性。     

基于单环寻优策略的有源配网重构方法

配网DG接入导致智能优化算法在重构求解时易陷入局部收敛且寻优率较低.考虑配网拓扑特性与算法的关系,将两者深度结合,提出基于单环寻优策略的有源配网重构方法.首先引入莱维飞行对量子粒子群算法进行改进,建立了莱维系数量子粒子群算法.其次提出自适应环压有序环矩阵作为算法的解空间.最后根据配网拓扑与算法全局最优解之间的对应关系提出单环寻优策略,与算法深度结合进行求解.通过改进算法、优化解空间、配网拓扑与算法深度结合三个角度提高算法全局搜索能力和寻优效率.通过对多个电力系统进行仿真分析,验证所提算法和策略的有效性和适用性.     

基于双种群CSO算法重构的含DG配网故障恢复

为兼顾配网故障恢复的快速性和最优性,提出一种基于重构的分级响应故障恢复方法,并应用双种群纵横交叉(crisscross optimization algorithm,CSO)算法寻求重构方案。首先在故障隔离后利用启发式规则进行局部重构,以较少的开关动作次数快速恢复配网连通性。然后在局部重构后有安全指标越限时,利用改进的双种群二进制纵横交叉算法在可行域内搜索最优解进行全局重构。若全局重构后安全指标依然越限,按负荷重要性指标切除部分非关键负荷,恢复配电网安全运行。最后,改进的PG&E配电系统仿真结果验证了该方法的可行性和有效性。     

基于方向矩阵的PSO算法在配网重构中的应用

针对配电网重构中,启发式方法难以寻找到全局最优解,智能优化算法搜索效率较低,需要耗费大量机时,且易陷入局部最优的问题,提出一种基于方向矩阵的PSO算法,并将其应用于配电网的重构。首先对基本环矩阵进行改进,使其形成有序环网矩阵;再利用每个环网中电压最低的节点,并结合有序环网矩阵形成方向矩阵;最后使用方向矩阵对粒子群算法中粒子运动的速度进行指导,使粒子向着最低电压节点移动,保证了全局收敛性。利用粒子群算法良好的局部搜寻能力,可以快速的搜寻到全局最优解。最后使用IEEE 33节点和Taipower84配电系统验证了该算法的有效性。     

基于IELM算法的配电网故障区段定位

针对传统智能优化算法在配电网故障区段定位中存在准确率随配电网规模扩大而大幅下降的问题,提出一种基于改进仿电磁学(IELM)算法的配电网故障区段定位方法.首先,基于分层处理以及全局寻优思想对传统故障定位方法的一体式结构进行优化,通过改变算法结构实现单一故障及多重故障的分层处理并缩减多重故障定位的解空间规模.在结构优化的基础上对仿电磁学(ELM)算法进行改进,忽略全局电荷对单一电荷的影响,突出单一电荷对最优电荷的学习能力,提高其全局寻优能力及运算效率.最后,分别以IEEE 13节点单电源辐射配电网和改进后的4电源119节点配电网为仿真测试系统进行了测试.测试结果表明,所提故障区段定位方法在面对不同结构和规模的配电网时具有准确性高、容错性好、定位速度快以及降维效果佳等优点,在大规模配电网中具有良好的应用前景.     

蚁群算法在配电网重构的应用

配电网络重构是一个非常复杂的大规模组合优化问题。蚁群算法作为一种现代启发式寻优技术,适合于求解组合优化问题,其主要特点是正反馈、分布式计算、易与其它算法结合以及富于建设性贪婪启发式搜索。对配电网络从图论拓扑结构上进行分析,将配网重构问题转化为求图的生成树问题,并以破圈法为基础得到快速而有效地求解图的生成树的方法。在应用蚁群算法求解配网重构问题时,通过首支路选择随机化和取消蚁群算法常用的启发值的方法,扩大算法搜索范围,使算法可以跳出局部最优化陷阱,改善算法的搜索效果。对IEEE 69网络的算例表明,该方法能以较少的计算量和较大的概率收敛于全局最优解。     

基于改进和声搜索算法的含分布式电源的配电网重构

采用改进和声搜索算法(Improved Harmony Search Algorithm,IHSA)求解含分布式电源的配电网重构问题。该算法在基本和声搜索算法中引入随机位置更新操作、反向学习技术、小概率变异机制、修正音调微调概率等策略,增强了算法的开采与勘探能力,提高了全局寻优能力,避免了算法过早收敛的问题。把分布式电源以PQ和PV两种方式进行处理,对IEEE33节点系统进行网络重构,并与基本和声搜索算法进行对比,仿真结果证明了文中所提IHS算法具有更佳的性能,能够有效的解决含分布式电源的配电网重构问题。     

改进粒子群算法在含分布式电源配电网优化重构中的应用

针对配电网中各种类型分布式电源接入所造成的配电网拓扑结构的复杂性,提出了一种改进粒子群优化算法应用于配电网重构,把粒子群算法和布谷鸟算法有效地结合在一起,采用两层种群框架。为了提高粒子群优化算法的全局搜索能力,采用中值聚类算法对下层粒子群进行重组,粒子群算法用于优化下层的各类小种群,然后将其发送到上层,使用布谷算法进行深度寻优。通过算例对多种情况进行仿真分析,验证改进算法在配电网重构中的优越性。结果表明,该算法能有效地降低配电网的有功网损,提高各节点的电压水平。本研究为我国分布式电源接入配电网的发展提供了参考和借鉴。     

序优化理论在配电网重构中的应用

配电网重构是非线性组合优化问题,针对大规模配电网解空间过于庞大的特点,提出基于序优化理论的配电网重构算法。该算法从配电网运行和开关调整方式入手,借助开关支路交换法简化网络结构,得到解环生成原始可行解空间的方法。运用序优化理论制定一种按照评估值优先准则,进行解集的选择和排序,改进的粗糙函数不仅能够进行序曲线的确定,而且能去除大量的无效解,提高重构速度。通过实际24节点和美国PGE69节点系统的算例测试,验证了方法的有效性。