模拟退火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线性组合优化问题,文中用模拟退火算法有效地解决了该问题.首先用直流潮流模型建立该问题的非线性整数规划模型,然后用模拟退火算法求解该模型的最优解,并对具体实施步骤作了多处优化改进.最后,通过分别对Garver 6节点和IEEE 24节点两个算例的测试,并与Lingo软件得出的计算结果做比较,表明改进的模拟退火算法能更快搜索到较优可行解.     

Benders分解技术在输电网络规划中的应用

提出了一种基于Benders分解技术的非线性混合整数规划模型,并将其应用于输电网络扩展规划.输电网络扩展规划中的目标函数是使新线路投资和运行费用之和最小,用Benders分解技术求解,可把原始问题分解为投资决策主问题和运行模拟子问题,通过交替求解投资决策主模型和运行模拟子模型可以得到原规划问题最佳规划方案.并对6节点Garver系统进行了仿真计算,结果表明该方法是正确可行的.     

基于改进蚁群算法的输电网络扩展规划

输电网络扩展规划问题是一个复杂的组合优化问题。蚁群算法是用于解决组合优化问题的一种高效的随机化内启发式全局搜索技术。文中结合单阶段输电网络扩展规划问题的特点，应用改进的蚁群算法来解决输电网络扩展规划问题，建立了相应的数学模型，并给出求解算法。2个算例系统的计算结果表明了这种方法可有效减小搜索空间，并具有计算速度快和收敛性好等优点。     

基于改进蚁群算法的输电网络扩展规划

针对基本蚁群算法在求解过程中经常出现搜索陷入局部最优解和收敛到全局最优解的时间较长这2个问题,对蚁群算法的转移概率和信息量全局更新进行了改进,提高了蚁群算法搜索全局最优解的能力与收敛到最优解的速度.将改进后的算法应用于单阶段输电网络扩展规划问题,建立了单阶段输电网络扩展规划的数学模型,设计了相应的算法.实例计算结果表明该方法的可行性和有效性.     

模拟植物多向生长的配电网重构算法

应用植物多向生长模拟算法求解配电网络静态重构问题。在植物生长过程中,其总体形态处处蕴涵着分形的性质。从优化数学角度来看,生长点对应优化问题的控制变量;树干和树枝构成控制变量解空间;光照条件最好点对应目标函数最优解;树根对应控制变量初始值。因而植物向光性生长机制可用于求解配电网络重构的整数规划问题。植物多向生长模拟算法在基本的植物生长模拟算法基础上对植物形态素浓度的求解进行了改进,且增加了新枝的随机生长方向;同时从丰富随机生长方向的角度进一步改进了植物多向生长模拟算法。在算法计算过程中以基本环路作为控制变量,采用3个经典测试系统IEEE16、IEEE33、PGE69和3个大型实际网络Taipower84、Bus119、Bus136作为算例进行重构计算,结果表明植物多向生长模拟算法具有良好的全局寻优能力,且可行解的多样性使算法收敛速度加快。     

多阶段输电网络最优规划的模拟植物生长算法

为解决输电网络规划中的多阶段之间的耦合问题,基于待选线路具有规划期间不建设或只能在某一个阶段建成并在后续阶段一直使用的特点,提出了以待选线路为决策变量,规划阶段序号为搜索域的思想,将多阶段输电网络优化规划问题转化成静态优化问题,并采用模拟植物生长算法对模型进行了求解。应用所提方法对一个19节点系统进行了分析,得到了现有文献中有关该系统的最优规划方案,说明了所提方法的可行性及有效性。     

基于改进人工鱼群算法的输电网络扩展规划

研究大规模输电网络扩展规划问题,建立了考虑投资运行费用、网损费用及过负荷费用的多目标优化数学模型。针对传统鱼群算法初始化复杂、收敛速度慢和收敛精度较低的问题,在其觅食、追尾过程中引入自适应变步长策略以提高算法的寻优性能,并将改进的人工鱼群算法用于求解输电网络扩展规划模型。对Garver-6节点和18节点测试系统进行仿真计算,验证所提模型和算法的高效可行性。     

含抽水蓄能电站的输电线路扩展规划启发式算法

针对含抽水蓄能电站的输电线路规划中存在的非线性和非凸问题,提出了一种基于MILP的输电线路扩展规划启发式算法。首先将混合整数线性问题(MILP)传输扩展规划(TEP)模型的精确解与元启发式算法的随机解相结合;然后引入了基于MILP的启发(MBH)算法来解决线性近似和元启发式过程中出现的问题;最后在IEEE RTS-24节点测试系统的单阶段TEP验证了所提出算法的有效性。     

考虑可再生能源并网的多阶段电源与电网协调规划模型

综合考虑可再生能源并网的技术要求和节能减排的现实需要,以需求侧响应成本、碳排放成本、可再生能源发电并网比例为规划要素,将协调规划期划分为多个阶段,分场景模拟未来负荷需求、发输电成本等变量的变化趋势,建立多阶段电源与电网协调规划模型;引入有限元法,利用Sierpinski地毯构造搜索空间改进模拟植物生长算法,开发基于改进模拟植物生长算法的协调规划模型求解流程;以改进IEEE-24节点系统(含可再生能源并入节点)为例,测试所构建的协调规划模型的合理性和求解方法的可行性。     

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。     

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.     

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。     

基于蚁群算法的配电网故障定位与隔离

蚁群算法是一种求解组合最优化问题的新型通用启发式方法,该方法具有正反馈、分布式计算和富于建设性的贪婪启发式搜索的特点。通过建立适当的数学模型,基于故障过电流的配电网故障定位变为一种非线性全局寻优问题。该文将蚁群算法用于配电网故障定位方面的研究,并通过实例证明了该算法的可行性和高效性。     

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。     

模糊聚类和LM算法改进BP神经网络的变压器故障诊断

在变压器故障诊断中,目前BP神经网络算法存在训练样本分布不均匀,收敛速度慢、容易陷于局部极小点等问题,导致整体的诊断性能下降。通过对模糊聚类及LM算法改进的神经网络深入研究,并引入变压器故障诊断中,该算法应用模糊聚类对搜集到的样本预处理,提高样本的质量,再用LM算法改进的神经网络来优化搜索方向,可以实现网络训练速度及测试精度的提高。通过实例仿真实验,验证了该方法能够有效诊断出变压器的故障。     

基于蚁群算法的配电网网架优化规划方法

蚁群算法是一种求解组合优化问题的新型通用启发式方法，该方法的主要特点是正反馈、分布式计算和富于建设性的贪婪启发式搜索。配电网网架优化规划是一个复杂的非线性组合优化问题。本文将蚁群算法用于配电网网架优化规划问题的研究，建立了网架规划的数学模型，该模型以线路的年综合费用和过负荷征罚费用之和最小为目标函数，并在此基础上设计了相应的算法。算例证明了该算法在配电网网架优化规划中应用的可行性和有效性。     

基于图论的配电网电气连通性分析算法

配电网电气连通性分析是配电网管理系统的基础,目前常用的电气连通性分析算法主要是邻接矩阵法,该方法由于具有结构性强、分析过程清晰而得到广泛的应用;但当网络规模充分大时,该方法用于连通性分析的运算时间将随节点数n的平方增长,算法时间开销大.文章结合图论理论和配电网的特点,提出了一种连通性分析新算法,算法通过构造支路状态矩阵来反映开关运行状态的变化,运用索引表和相邻点表来描述图的结构,压缩了数据的存储空间;并采用连通片生长法进行连通性搜索,降低了算法的时间复杂度.验算结果表明,该算法具有内存开销少,计算速度快等优点.同时,该算法可推广应用于其他与图的连通性分析有关的问题中.     

基于时间分段的配电网络重构

在分析了只针对单个时间断面研究配电网络重构算法的不足的基础上,提出了基于时间分段的配电网络重构方法。利用负荷变化幅度对重构时间进行初步分段,并考虑重构中开关动作对配电网络造成的不利影响对其进行修正。同时,在比较目前研究的各种主流重构算法的基础上,根据配电网的运行特征对网络重构的遗传算法进行了改进。仿真算例表明,提出的这种基于时间分段的配电网络重构方法可以明显地减少重构后的网损,又不致增加操作费用,适于工程实际应用。     

基于QPSO_RBF的电力系统短期负荷预测

针对径向基函数(RBF)网络在电力系统短期负荷预测中存在的问题,提出一种量子粒子群优化(QPSO)算法训练RBF网络的方法,在确定网络隐含层节点个数后,将RBF网络各个参数编码成学习算法中的粒子个体进行优化,由此可在全局空间中搜索最优适应值的参数。用优化后的网络进行负荷预测,结果表明,该方法与传统的负荷预测方法相比,减少了训练时间并提高了预测精度,具有较好的应用前景。     

基于蚁群最优的输电网络扩展规划

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。章提出了一种基于蚁群最优的输电网络扩展规划法（ACO）。ACO法来自对蚁群收集行为的研究,是一种求解组合最优问题的新型通用型发式方法。这种方法的主要特征是正反馈、分布式计算以及富于建设性的贪婪启发式搜索的运用。作初步研究了ACO法在单阶段输电网扩展规划中的应用。建立了相应的数学模型,设计了相应的算法,并在IEEE Garver-6系统上进行了测算。结果表明所提方法是有效的。