基于序优化禁忌混合算法的配电网无功优化

配电网无功优化控制是解决配电网电能损耗大、电压水平低这一问题的有效手段.针对禁忌搜索(TS)算法的收敛速度对初始解有较强的依赖性这一明显不足,提出序优化禁忌(OOTS)混合优化算法,将基于赛马规则的序优化(OO)算法和Ts算法相结合,利用OO算法较强的全局搜索能力为TS算法提供较好的初值.用OOTS混合算法对某28节点配电系统进行无功优化计算,并和OO算法及TS算法的优化结果进行了比较,结果表明OOTS混合算法具有更好的收敛性和更强的全局寻优能力.     

基于遗传禁忌混合算法的配电网无功优化

为了有效解决由配电网分布式电源(distribution generation,DG)渗透率逐渐升高带来的电压越限、网损增加问题。建立了配电网无功优化模型,以网损最小和电压不越限为综合目标,通过采用一种遗传禁忌混合算法(genetic/tabu hybrid algorithm,GATS)研究了接入DG的配电网无功优化问题。在MATLAB软件上以IEEE-33节点配电系统为算例对所研究问题进行了分析与验证。结果表明:GATS混合算法的可行性和优越性较强,通过该算法进行无功优化可以有效改善系统电压水平、降低网损;并且适当提高DG渗透率,同样有利于网损降低、电压水平提高;但若DG渗透率过高,会导致网损增加、电压越限问题,通过GATS算法进行无功优化这些问题可得到有效解决。     

基于遗传禁忌混合算法的电力系统无功优化

为了使遗传算法(GA)和禁忌搜索算法(TS)的优点被保持,缺点被削弱,提出了电力系统无功优化的遗传禁忌混合算法(GATS);针对电力系统无功优化中控制变量的离散性和连续性相混合的特点,提出了混合编码策略并相应地采用启发式算术进行杂交.用GATS算法对IEEE30节点系统进行了无功优化计算,并就优化结果和简单遗传算法(SGA)及二进制编码的禁忌搜索法(TSB)的优化结果进行了比较,结果表明GATS方法具有更好的收敛性和更强的全局寻优能力.     

基于混合混沌算法的电力系统无功优化

提出了一种基于混沌算法的主动禁忌混合混沌算法(RTSCOA),该算法结合了混沌算法的全局遍历性和禁忌算法的“记忆”功能,利用主动禁忌法的反馈机制控制管理禁忌表长度,能够有效地跳出局部极小点。分别对IEEE 6和IEEE 30节点进行仿真,并与标准遗传算法/改进遗传算法(SGA/AGA)进行比较,以证明该算法在电力系统无功控制中应用的有效性。经比较,该方法较其他算法在计算速度、寻优能力上有一定的提高。     

基于蚁群禁忌搜索混合算法的配电网重构

介绍了以最小化配电网网损为目标函数,以网络拓扑约束、潮流约束、运行约束以及辐射状约束为约束条件,在基本蚁群算法基础上的改进型蚁群禁忌混合算法在配电网重构中的应用,在IEEE 69节点系统的计算中,蚁群禁忌混合算法与禁忌算法相比提高了优化效果,从而证明了蚁群禁忌混合算法的实用性。     

基于改进禁忌搜索算法的配电网电压无功优化控制

建立了综合考虑配电网电压质量和网络损耗两方面因素的电压无功优化控制数学模型,运用改进禁忌搜索算法(MTS)求解该模型。算法中采用的记忆指导搜索策略重点搜索了各记忆段的局部最优值,避免了全局搜索的盲目性;采用的禁忌频率限制信息避免了大范围的迂回搜索,提高了新区域的搜索效率。禁忌频率的信息压缩技术节约了大量存储空间。数值对比试验表明,该文方法是合理的和可行的,具有一定的实用意义。     

基于改进禁忌搜索算法的配电网电压无功优化控制

建立了综合考虑配电网电压质量和网络损耗两方面因素的电压无功优化控制数学模型,运用改进禁忌搜索算法(MTS)求解该模型.算法中采用的记忆指导搜索策略重点搜索了各记忆段的局部最优值,避免了全局搜索的盲目性;采用的禁忌频率限制信息避免了大范围的迂回搜索,提高了新区域的搜索效率.禁忌频率的信息压缩技术节约了大量存储空间.数值对比试验表明,该文方法是合理的和可行的,具有一定的实用意义.     

配电网无功优化算法综述

本文简要介绍了配电网无功优化的现状,总结了近年来配电网无功优化的模型、优化方法及其主要成果,且对各种方法进行了比较,提出了存在的问题。     

基于禁忌搜索粒子群优化算法的无功优化

针对粒子群算法局部搜索能力较弱和存在早熟收敛的问题,提出将粒子群优化算法结合禁忌搜索的混合算法,并应用它来求解电力系统无功优化问题。该混合算法是以粒子群优化算法为主框架,以禁忌搜索算法作为个体群继续在邻域中寻优,寻优结果对粒子群算法的输出做了更新。混合算法保留了粒子群优化算法的并行处理性,同时利用了禁忌搜索算法的较强的"爬山"能力,加快了混合优化算法的收敛时间和提高了收敛解的有效性。     

配电网无功补偿的动态优化算法

配电网无功补偿动态优化的目的是在考虑负荷变化和电容器操作次数约束的条件下,求得各节点电容器的最优动作时间和投入容量。该文将动态优化问题描述为变约束优化问题,并提出一种求解算法。算法先将动态优化问题分解为一系列单节点电容器动态优化子问题,然后通过迭代求解一系列子问题的方式得到整个动态优化问题的最优解。由于给出的单节点电容器动态优化子问题的求解算法可以在变约束条件下搜索到子问题的最优解,而且在迭代求解过程中电容器的投入容量和动作时问都可以得到修正,因此使整个动态优化问题能得到更好的优化结果。算例表明,提出的算法是可行和有效的。     

一种改进的Tabu Search算法及其在区域电网无功优化中的应用

提出将改进的Tabu(禁忌)搜索算法用于区域电网无功电压优化控制问题的求解.首先根据已知的实际电网的历史数据获得可行的初始解,然后对区域电网采用改进的禁忌搜索方法进行无功优化.在求解的过程中,由于对Tabu表中所记录的"移动"采取"有条件地释放Tabu表中的记录"这一策略,可以使搜索有效地跳出局部极小值点,更好地找到最优解.通过IEEE-14节点算例验证了该算法的有效性.     

基于禁忌搜索算法的变电站电压无功优化控制

为了实现变电站电压无功综合控制,根据有功功率和无功功率的负荷预测曲线,以降损收益最大为适配值函数,以电压约束、电气极限约束和控制约束为约束条件,建议了一种改进的禁忌搜索算法。引入最低收益闯值来限制调节次数的增加,在此基础上建议了一种确定最佳调整次数的方法。还建议了一种有约束线性最小二乘算法,基于变电站内的量测数据以及变压器的参数来估计系统母线电压和系统阻抗参数。算例结果表明建议的方法是可行的,并且具有可以有效地减少调节次数的特点。     

基于禁忌搜索算法的变电站电压无功优化控制

为了实现变电站电压无功综合控制,根据有功功率和无功功率的负荷预测曲线,以降损收益最大为适配值函数,以电.压约束、电气极限约束和控制约束为约束条件,建议了一种改进的禁忌搜索算法.引入最低收益阈值来限制调节次数的增加,在此基础上建议了一种确定最佳调整次数的方法.还建议了一种有约束线性最小二乘算法,基于变电站内的量测数据以及变压器的参数来估计系统母线电压和系统阻抗参数.算例结果表明建议的方法是可行的,并且具有可以有效地减少调节次数的特点.     

基于万有引力搜索算法的配电网无功优化研究

基于配电网的特点,建立了以网损最小为目标的配电网无功优化模型。通过万有引力搜索算法,给出配电网无功优化的步骤,确定并联电容器的无功补偿容量。算例分析表明该无功优化模型可靠有效,可以有效减少系统网损,提高节点电压水平。     

基于禁忌搜索-免疫粒子群算法的无功优化

在考虑经济性网损的基础上,研究了电压稳定对无功的影响,建立了多目标无功优化的数学模型,采用模糊权重法将多目标无功优化转化为单目标无功优化进行求解。针对粒子群算法易早熟和后期收敛性差的缺点,提出免疫算法和禁忌搜索算法协同进行机制,并将该算法应用于IEEE-30节点系统上进行测试,证明了改进粒子群算法的有效性。     

基于混合搜索算法的配电网最优无功补偿

针对目前无功优化算法所存在的问题,提出一种综合三种智能优化方法优点于一身的混合搜索算法。该方法在自适应遗传算法基础上,加入二次邻域变异过程,加快遗传进化速度,引导个体向符合无功优化问题的实际方向发展。然后运用模拟退火进行个体更新,以便增加群的多样性;最后将所得最优解作为禁忌搜索的初始解,进行局部寻优求解过程。以IEEE28-bus系统和一实际配电网系统为例进行优化计算,结果表明混合搜索算法具有较优的性能和求解精度。     

An ordinal optimization based method for power distribution system control

This work presents an Ordinal Optimization Theory based method for power distribution system control. The solution procedure bases on an evolutionary search scheme. The method aims at minimizing the total power losses on network feeders while keeping the node voltages at near rated values against changing loading conditions. By relaxing the definition of optimality and softening the goal of optimization, ordinal optimization makes the problem easier as well as the solution process faster. A solution can be defined as good enough in performance value if it is one of the best m-percent solutions on the search space with probability P%. A solution can be defined as good enough also if its performance value approximates to the optimal value to a pre-defined extent. This work estimates the performance value, the total power loss, of the optimum state of power distribution network at a given loading condition. Then, with the two relaxed definitions for optimality, it finds the optimal settings of on-load tap changers and capacitors in a 24-h time frame. Results verify our method is proper for on-line and off-line operation.     

基于遗传算法的含分布式发电的配电网无功优化控制研究

提出了基于遗传算法的含分布式发电的配电网无功优化算法。构建了包含分布式发电系统的配电网无功优化数学模型,充分考虑了网损最小和节点电压的约束,采用遗传算法对分布式发电的无功功率给定进行了优化,仿真结果表明该优化算法能够有效地减少功率损耗和提高电压质量。     

基于遗传算法的含分布式发电的配电网无功优化控制研究

提出了基于遗传算法的含分布式发电的配电网无功优化算法.构建了包含分布式发电系统的配电网无功优化数学模型,充分考虑了网损最小和节点电压的约束,采用遗传算法对分布式发电的无功功率给定进行了优化,仿真结果表明该优化算法能够有效地减少功率损耗和提高电压质量.