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。     

基于改进禁忌搜索的配电网重构

为解决配电网的重构问题,提出了一种改进的禁忌搜索(Tabu search)方法.该方法结合配电网络的闭环设计和开环运行的特点,将遗传算法中的优化编码技术引入到Tabu搜索算法中,并以有功网损最小为目标函数对配电网络进行优化.对3个典型IEEE测试系统进行了优化计算,将其结果与模拟退火算法和遗传算法的计算结果进行比较证实,改进的Tabu搜索算法比模拟退火算法和遗传算法具有更高的搜索效率.     

基于禁忌搜索及模糊评价的配电网网架规划

提出了一种基于禁忌搜索及模糊评价的配电网网架规划优化算法.首先根据地理拓扑,通过Dijkstra最短路径算法生成树生成初始网架.在初始网架的基础上采用禁忌搜索策略按照模糊评分规则及网架的可行扩展供电范围对网架进行调整,得出基于地理信息的优化网架以及各回馈线出线路径的可行优化方案.随后给出了所述算法在实际算例中的应用.算例结果表明算法是可行而有效的.     

基于禁忌搜索及模糊评价的配电网网架规划

提出了一种基于禁忌搜索及模糊评价的配电网网架规划优化算法。首先根据地理拓扑,通过Dijkstra最短路径算法生成树生成初始网架。在初始网架的基础上采用禁忌搜索策略按照模糊评分规则及网架的可行扩展供电范围对网架进行调整,得出基于地理信息的优化网架以及各回馈线出线路径的可行优化方案。随后给出了所述算法在实际算例中的应用。算例结果表明算法是可行而有效的。     

基于蚁群最优的配电网规划方法

详细探讨了现代启发式方法家族中新兴成员蚁群最优(Ant Colony Optimization, ACO)在配电网络扩展规划中的应用。蚁群最优是一种通用的内启发式(meta-Heuristic)算法,能够有效地求解大规模组合优化问题。文中给出了同时考虑配电网络扩展的固定费用和与电能损失相关的可变费用的配电网络规划的非线性混合整数规划模型,探讨了基于ACO的配电网络规划方法,并用该方法对一具有6个变电所、102条馈线的配电网络进行了测试。结果表明,文中所提方法是可行的、有效的。     

基于蚁群是优的配电网规划方法

详细探讨了现代启发式方法家族中新兴成员－蚁群最优（Ant Colony Optimization,ACO)在配电网络扩展规划中的应用，蚁群最优是一种通用的内启发式（meta-Heuristic)算法，能够有效地求解大规模组合优化问题。文中给出了同时考虑配电网络扩展的固定费用和与电能损失相关的可变费用的配电网络规划的非线性混合整数规划模型，探讨了基于ACO的配电网络规划方法，并用该方法对一具有6个变电所，102条馈线的配电网络进行了测试，结果表明，文中所提方法是可行的，有效的。     

基于蚁群最优的配电网网架规划方法

配电网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,能有效地求解大规模组合优化问题.文中结合单阶段配电网规划问题的特点,应用蚁群算法来解决配电网规划问题,建立了相应的数学模型,并给出求解算法.算例的计算结果表明了这种方法是可行、有效的.     

基于蚁群最优的配电网网架优化规划

配电网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随机化内启发式全局搜索技术,能有效地求解大规模组合优化问题。文中结合单阶段配电网规划问题的特点,应用蚁群算法来解决配电网规划中网架规划绕障碍问题,建立了相应的数学模型,并给出求解算法。算例计算结果表明了该方法是可行的、有效的。     

基于蚁群最优的配电网网架规划方法

配电网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,能有效地求解大规模组合优化问题。文中结合单阶段配电网规划问题的特点,应用蚁群算法来解决配电网规划问题,建立了相应的数学模型,并给出求解算法。算例的计算结果表明了这种方法是可行、有效的。     

蚁群算法在配电网规划中的应用

配电网规划是一个复杂的组合优化问题,传统的优化方法往往难以解决此类问题,但是近年出现的一些智能算法有效地解决了此类问题。蚁群算法是一种新型的模拟进化算法,研究表明该算法在求解组合优化问题时是有效的。算法中,蚂蚁之间通过信息素进行交流,相互协作,使得蚁群表现出智能行为,针对配电网络的辐射性特点,提出了基于蚁群算法的单期配电网优化规划方法,该方法避免了辐射性检查过程,提高了算法效率,算例表明该算法具有实用性和可行性。     

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。     

基于蚁群最优的配电网络重构算法

配电网络重构是一个非常复杂的大规模组合优化问题。本文提出了一种新颖的基于蚁群最优的算法来求解正常运行条件下的配电网络重构问题,以达到损失最小,蚁群最优算法法（Ant Colony Optimization,简称ACO算法）是一种新型通用内启发式算法。在求解组合最优问题上,ACO算法已被证明是非常有效的。ACO算法本质上是一个多代理系统,在这个系统中单个代理之间的交互导致了整个蚁群的复杂行为。这种方法的主要特征是正反馈,分布式计算以及富有建设性的贪婪启发式搜索的运用,为了证明本文提出的算法的可行性和有效笥,我们研究了两个算例系统,并给出了计算结果,结论表明,本文提出的算法是相当有希望的。     

基于改进多种群遗传算法的配电网规划

提出了改进的多种群遗传算法并将其应用于配电网规划.根据优化目标数学模型确定统一目标函数和多个子目标函数,并将其作为父、子种群的适应度评价函数,用迁徙算子决定父子种群的联系程度.采用"0"和"1"逐线逐点方式对馈线和变电站进行编码,并构成网架的染色体.用变电站的容载比作为约束条件决定变电站的负荷规模.在此基础上提出了包括孤链、闭环、孤岛的修复方案,将遗传操作所产生的非辐射性网络修复成辐射性网络.该方法可以处理同时涉及变电站和馈线优化的多目标配电网规划问题.算例结果表明了该方法的有效性.     

基于遗传算法和TS算法的配电网电容器实时优化投切策略

分析比较了遗传算法（ＧＡ）和ＴａｕｂＳｅａｒｃｈ（ＴＳ）算法的特点,针对配电网电容器实时投切的非线性、整数寻优和快速必的特点,提出了改进的ＧＡ／ＴＳ混合算法并用于配电网电容器的实时投切。该算法用ＧＡ求解ＴＳ的初值,然后用ＴＳ求出量优势。算例结果说明了该算法的有效性和可行性,它具有在线运动的潜力。     

Large-Scale Economic Dispatch by Artificial Ant Colony Search Algorithms

This paper presents a new cooperative agent search approach for solving power economic dispatch problems. One of the main objectives of this paper is to investigate the applicability of an alternative agent search method in power system optimization. The proposed Artificial Ant Colony Search Algorithm (ACSA) is based on the results of real ant trail formation and foraging obtainedfrom theoretical biology science. A new encoding technique is proposed to overcome the difficulties of applying ACSA in a continuous search space, such as economic dispatch problems. An object-oriented ACSA system is developed and programmed. The effectiveness of the proposed technique has been demonstrated on a number of systems, which include an actual utility system of up to 40 units. Comparison with conventional genetic algorithms is presented. The outcome of the study shows that an emergent collective search ability resulted from the massive parallel fashion and positive feedback of ant colony is particularly attractive in addressing some difficult engineering problems; however, it should be observed that current research of Ant Colony Search Algorithm in power system is relatively new and still at a feasibility stage. More potentially beneficial work remains to be done.     

现代启发式算法在电网规划中应用的比较

分析了以遗传算法、模拟退火算法和禁忌搜索算法为代表的现代启发式算法应用于电网规划这类非线性组合优化问题时存在的缺陷。在传统遗传算法的基础上,结合模拟退火算法概率性的突跳搜索机制和禁忌搜索算法能避免迂回的邻域搜索机制提出了一种混合算法,并以地理信息系统为平台来求解电网规划问题。实际应用结果表明,采用文中的混合算法可提高计算速度、收敛性能和计算效率。     

基因/禁忌组合算法在配电网网架优化规划中的应用

在比较了基因算法和禁忌算法各自优缺点的基础上,针对配电网网架优化规划中多约束、非线性和整数寻优的特点,提出采用基因／禁忌组合的算法的策略,并应用于配电网网架优化规划。算法计算证明了该组合算法在配电网网架优化规划中应用的可行性和优越性。     

TS算法在配电网络重构中的应用

配电网络重构作为优化网络、降低线损的一项重要手段,受到广大研究人员的重视.TS算法是一种新兴的现代启发式寻优技术 ,适合于求解组合优化问题,并能以很大的概率跳出局部最优解.本文介绍了配电网络重构的相关知识,并尝试将TS算法用于求解配网重构问题.另外,本文通过对寻优过程的有效控制,避免了在寻优过程中大量不可行解的产生,提高了计算效率.通过对实际算例的演算,证明了TS算法对于求解配网重构问题的有效性和可行性.     

Distribution system reconfiguration using a modified Tabu Search algorithm

This article presents an efficient meta-heuristic method for reconfiguration of distribution systems. A modified Tabu Search (MTS) algorithm is used to reconfigure distribution systems so that active power losses are globally minimized with turning on/off sectionalizing switches. TS algorithm is introduced with some modifications such as using a tabu list with variable size according to the system size. Also, a random multiplicative move is used in the search process to diversify the search toward unexplored regions. The Kirchhoff algebraic method is adopted to check the radial topology of the system. A salient feature of the MTS method is that it can quickly provide a global optimal or near-optimal solution to the network reconfiguration problem. To verify the effectiveness of the proposed approach, the effect of load variation is taken into consideration and comparative studies are conducted on three test systems with rather encouraging results. The obtained results, using the proposed MTS approach, are compared with that obtained using other approaches in the previous work.