基于改进模拟植物生长算法的输电网络扩展规划

输电网络规划是一个复杂的组合优化问题,若以选择线路回数为变量抽象出模型,则输电网扩展问题可以归结为一类整数规划问题.对模拟植物生长算法进行改进,形成了适于解整数规划问题的改进模拟植物生长算法,并将此算法应用到电力系统输电网络扩展规划中.为了加快算法收敛,采用了Kruskal算法来获取初始点,提出了一种快速判别网络连通的算法.最后,实例计算结果表明了该方法的可行性.     

基于DPSO算法以负荷恢复为目标的网络重构

研究了大停电事故后输电系统的重构优化问题，提出了一种求解最优目标网的离散粒子群优化（DPSO）算法。将网络重构问题表示为以重要负荷恢复量占已恢复负荷总量的比例最高为目标的非线性优化问题，在求解目标网时考虑了负荷重要性、网络连通性、电网所需满足的各种安全和运行约束等问题。该算法在求解输电网重构问题时，编码容易且能方便地处理网络连通性问题，求解效率高、速度快。在IEEE 57节点系统和IEEE 118节点系统中的应用结果验证了文中方法的有效性。     

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。     

基于改进粒子群算法的分布式电源经济性最优规划

分布式电源接入运行对系统造成的影响是多方面的。建立了综合系统费用模型,在货币量纲下将DG投资、发电成本、短路电流水平、可靠性水平、网损等因素纳入同一个目标函数进行优化。DG的选址定容是一个复杂的非连续性、非凸、非线性优化问题,引入疫苗接种和稀释等策略,对传统离散粒子群算法（DPSO）进行改进,得到求解效果更佳的改进离散粒子群算法（MDPSO）。应用IPLAN环境下的MDPSO算法对IEEE 43节点系统进行分布式电源优化规划,并与传统DPSO算法优化结果进行比较,说明MDPSO算法可以成功应用于此类问题的求解。     

计及短路电流限制的输电网双层扩展规划模型

在传统输电网规划中考虑限流措施的优化配置,建立计及短路电流限制的输电网双层扩展规划模型。上层规划模型以输电线路投资和限流电抗器配置投资总成本最小为目标,下层规划模型在上层规划模型得出的线路方案下以限流电抗器优化配置投资最小为目标,上下层交互影响作用,最终由上层规划模型给出满足短路电流水平要求的总体规划方案,包括输电线路建设方案和限流电抗器配置方案。将遗传算法和粒子群算法相结合求解所建立的输电网双层扩展规划模型,并通过18节点算例及其扩展算例验证了该模型和算法的有效性。     

粒子群算法及其在电网规划中的应用

提出了一种适用于电力网络规划的粒子群算法离散化方法(DPSO),并对粒子群算法优化适应度函数的构造、参数的选择、收敛的判断条件进行了分析比较,为粒子群算法在电网规划中的应用奠定了基础.     

基于粒子群及其改进算法的电力系统无功优化

介绍了电力系统无功优化的数学模型,论述了现代智能算法在解决无功优化的非线性规划问题中的应用,实现了粒子群优化(particle swarm optimization,PSO)算法在电力系统无功优化问题中的应用。引入离散粒子群(discrete particle swarm optimization,DPSO)算法,采用两种方法对离散变量进行处理。IEEE-30节点系统的算例分析验证了PSO和DPSO的可行性。这两种算法具有相近的优化效果,但PSO的收敛性优于DPSO,而DPSO对离散变量的处理比PSO更准确,也更切合实际。     

基于改进粒子群优化算法的输电系统多阶段协调规划

提出了一种输电系统多阶段协调规划模型,模型中计入了以N-1静态安全条件表示的可靠性约束,并对采用粒子群优化算法PSO(Partic le Swarm Optim ization)来求解该模型进行了研究,引入新的变异策略对基本PSO算法进行了改进,改进后的算法可以处理多维的离散变量,有可能使粒子摆脱局部最优,提高搜索效率。仿真算例表明该方法用于输电系统的多阶段协调规划是可行的。     

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.     

A novel modified GBMO algorithm based static transmission network expansion planning

Due to the growing demand of electricity, transmission sector has become important part of the power sector. The penetration level of renewable energy resources has increased presently, which gives more challenges to the transmission expansion planner. To overcome this problem better transmission expansion planning (TEP) needs to be done. Hence, it is necessary to incorporate the impact of high wind power penetration in TEP problem. In this paper wind farm are considered as an alternative source for supplying the load to the transmission networks. The complex wind energy cost model is incorporated with the traditional transmission network expansion planning (TNEP) problem. Factors accounting for wind power utilization cost, underestimation, and overestimation cost model of wind power are included. Static transmission network expansion planning (STNEP) problem is modeled using the DC power flow model. The main objective function is to minimize the total cost of the system, which consists of transmission line investment cost, fuel cost of generators and wind energy cost. To solve this non-linear, non-convex optimization problem with a novel optimization algorithm i.e. Modified Gases Brownian Motion Optimization (MGBMO) algorithm is applied. To validate the capability of the proposed method is tested with modified Garver’s 6-bus system, IEEE 24-bus system and IEEE 25-bus system.     

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。     

基于量子序优化混合算法的输电网规划

序优化理论是一种基于绝对随机抽取可行解的优化算法,最优解具有高概率的可信度.量子算法是一种局部搜索能力强的搜索算法.利用量子算法的强大的局部搜索功能与序优化混合,构造出随机性和方向性比较平衡的量子序优化混合算法.针对输电网规划这样一个复杂的组合优化问题,建立相应的数学模型,采用量子序优化混合算法求解.18节点系统算例的...     

基于混沌自适应分组和声搜索算法的输电网规划

针对目前大规模输电网规划求解中难以快速地求得全局最优解的问题,给出了基于线路的建设费用、网络损耗费用、输电线路走廊的建设费用、各支路总的过负荷惩罚费用和N-1约束的过负荷惩罚费用为目标函数的输电网规划模型。分析了和声搜索算法随着输电网规模的扩大、优化问题维数的增加,算法求解精度和收敛速率明显降低且易陷入局部寻优的现象及其原因的基础上,设计了一种混沌自适应分组和声搜索算法。该算法通过维数分组、变异和混沌扰动来提升算法的搜索能力,使其能够快速地求解大规模的输电网规划问题。通过对IEEE18节点和巴西南部46节点系统的计算,证明了算法及模型应用于输电网规划的可行性,为实际工程应用打下了基础。     

人口迁移算法在“N-1”安全输电网规划中的应用

提出了一种改进人口迁移算法求解输电网扩展规划的大规模组合优化问题。针对标准人口迁移算法在求解过程中搜索容易陷入局部最优解和后期收敛时间较长等缺点,对算法的迭代初始化、种群生成策略以及参数设置进行了改进,将遗传算法的最优保留思想引入到算法中,提高了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到满足"N-1"安全准则的输电网扩展规划问题中,建立了输电网扩展规划的数学模型,设计了相应的算法。比较该算法与粒子群算法、标准人口迁移算法对IEEE Garver6节点系统和IEEE Garver18节点系统的仿真计算结果,证明了改进人口迁移算法能有效地解决满足"N-1"安全检验的输电网扩展规划优化问题。     

计及风险约束的多阶段输电系统规划方法

多阶段输电系统规划问题是一个复杂的非线性组合优化问题。与传统的输电系统规划问题相比,电力市场环境下的输电系统规划更加复杂,需要处理的不确定性因素更多。在不确定性环境下所制定的输电系统规划决策不可避免地会带有一定的风险,包括安全风险与经济风险。因此,在制定输电系统规划方案时需要适当考虑风险的影响,亦即需要进行风险管理。在此背景下,文中利用机会约束规划可以显式描述风险的特点,构造了计及风险约束的多阶段输电系统规划的模型框架,并给出了相应的求解算法,为解决这一重要而困难的问题做了一些新的尝试。最后通过一个算例系统说明了所提出的方法的可行性。     

A simulated rebounding algorithm applied to the multi-stage security-constrained transmission expansion planning in power systems

This research discusses the multi-stage security-constrained transmission network expansion planning. In modern power systems, the problem is formulated as a large-scale, mixed-integer, non-linear programming problem, which for a real power systems is very difficult to solve. Although remarkable advances have been made in optimization techniques, finding an optimal solution to a problem of this nature can still be extremely challenging. In this paper, a new constructive heuristic approach, based on a local controlled random search (simulated rebounding algorithm) is proposed to choose the decision variables. The model can produce better solutions than other references techniques such as particle swarm optimization, evolutionary particle swarm optimization, genetic algorithms, and simulated annealing algorithm, among other evolutionary methods. The methodology is applied to assess the capabilities of the proposed approach in the Ecuadorian and Chilean Power Systems as an example of application. Simulation results show that the proposed approach is accurate and very efficient, and it has the potential to be applied to real power system planning problems. The algorithm has been presented and applied to the multi-stage security-constrained transmission expansion planning.     

基于改进TLBO算法的输电网规划

输电网规划问题维数高、变量多以及约束条件复杂,导致问题难于求解。本文采用新型的智能算法教与学算法(TLBO)对问题进行求解。教与学算法具有收敛速度快、设置参数少的优点,但在求解时容易陷入局部最优解。本文通过加入自主学习环节和反思环节以及自适应扰动策略,提高算法寻找全局最优解的能力,使其适应大规模输电网规划问题的求解。采用目标函数为线路投资费用、网损费用、过负荷费用之和的输电网规划模型,通过在Garver-6节点系统和IEEE-18节点系统中的计算,验证了该算法可以正确有效地解决输电网规划问题。