基于浓度的粒子群算法在含分布式电源配电网重构中的应用

针对现有基于粒子群算法的配电网重构易陷入局部最优的问题,本文将一种基于粒子浓度的新型粒子群算法应用于含分布式电源配电网的重构,该方法基于粒子浓度对粒子群的更新进行引导,有效提高了粒子的全局搜索能力,优化了含分布式电源配电网的重构结果。对IEEE33节点标准算例进行了仿真计算分析,结果表明重构后最优解较大的降低了网络损耗,验证了论文中新型算法能有效应用于含分布式电源配电网的重构;对比基于标准粒子群算法的配电网重构结果,验证了论文中的重构方法有效提高了含分布式电源配电网的重构性能。     

粒子群优化算法含分布式电源配电网故障定位

为了提高含分布式电源配电网故障定位的准确性,针对传统含分布式电源配电网故障定位方法的不足,提出了基于粒子优化算法的含分布式电源配电网故障定位方法。根据含分布式电源配电网故障的监测函数设计粒子群优化算法的适应度函数,通过粒子之间的相互协作实现含分布式电源配电网故障定位,采用Matlab 2014仿真工具箱对故障诊断性能进行测试。结果表明,粒子群优化算法提高了含分布式电源配电网故障定位的正确率,加快了分布式电源配电网故障定位的速度,而且综合性能明显优于其他含分布式电源配电网故障方法。     

基于改进量子粒子群算法的配电网络优化重构

为了更好地利用分布式电源(DG),需要调整配电网开关状态优化网络结构。基于此,旨在利用一种智能算法对含DG的配电网进行优化重构。以网损最小为目标函数,建立配电网重构模型,并给出重构需要满足的约束条件;按照DG接入配电网的接口类型将其分为PQ型、PV型、PI型和PQ(V)型四种类型,选择前推回代法对含DG的配电网进行潮流计算;通过分析二进制粒子群算法(BPSO)与量子粒子群算法(QPSO),提出了一种改进的量子粒子群算法—加权的二进制量子粒子群算法(WBQPSO)。以IEEE33节点配电系统为例,采用二进制编码方式,通过仿真结果可以发现WBQPSO通过对粒子的平均最好位置加权处理,改善种群多样性,提高收敛速度,可以得到更好的网络重构的优化结果。     

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。     

基于Tabu-PSO的含分布式发电配电网重构

针对分布式发电对配电网重构的影响,对包含分布式发电的配电网进行数学建模;应用改进的粒子群优化算法提高算法的搜索速度;把分布式发电作为并网节点上的功率值为负的负荷。研究结果表明,对含有分布式发电的配电网优化重构后,系统的网损有较大降低,系统电压有所提高。     

配电网优化重构方法研究与应用

以含分布式发电的配电网为重构对象,研究内容主要为网络优化智能决策重构。网络优化重构主要目的是减少网络损耗、平衡负荷和提高电压质量等,旨在提高供电可靠性和经济性。以最小网络损耗和负荷平衡为目标函数,基于潮流算法利用改进粒子群算法对网络进行重构优化。首先对这些分布式发电的节点进行特殊处理,使潮流方法能够适应含有DG的配电网,利用含DG的标准节点网络作为算例,验证了配网重构算法的准确性、有效性和实用性。     

基于CAPSO的含分布式电源的配电网动态重构

对含分布式电源的配电网重构进行了研究,考虑配电网系统中各节点上的不同种类型负荷的不同占比和分布式电源日出力波动引起的日负荷变化,使用KMeans聚类算法对总的变化的日负荷进行时段划分,更具客观性;使用"解环"的重构策略,在满足动态重构的约束条件下以综合运行总费用最低为目标,使用较标准粒子群优化算法寻优性能更强的自适应惯性粒子群优化算法(CAPSO)进行配电网动态重构,得到最优重构策略,并用IEEE33节点系统进行了仿真验证。     

基于粒子群优化算法的配电网重构和分布式电源注入功率综合优化算法

随着分布式电源(distributed generation,DG)在配电网中安装比例逐年增加,配电自动化应加强对DG的优化调度功能,发挥DG对配电网优化的有利作用。配电网重构是配电网优化的重要措施,DG联网后,DG注入配电网功率直接影响配电网重构结果。为使配电网性能达到整体最优,提出了一种基于粒子群优化算法(particle swarm optimization,PSO)的配电网重构和DG注入功率综合优化算法。该算法根据PSO并行计算的特点,采用PSO和二进制粒子群优化算法(binary particle swarm optimization,BPSO)相结合的方式,对转换开关状态和DG注入功率2种控制变量同时处理,达到配电网网损、电压偏差最小的目的。将DG作为可调度设备,对配电网重构和DG注入功率进行综合优化,提高了含DG配电网的电能质量和供电可靠性。将该算法应用到3馈线配电系统,仿真结果验证了所提算法的有效性。     

基于鸡群粒子群混合算法的配电网重构研究

为使配电网接入分布式电源后能快速、准确地重构,针对配电网重构的算法进行改进。对于粒子群算法易陷入局部最优的问题,提出与鸡群算法进行融合,以扩大搜索范围,避免搜索过程陷入局部极小,从而得到质量更好的解。最后在IEEE 33节点系统中,考虑分布式电源的接入,运用鸡群粒子群算法进行算例验证。     

考虑节能效益的企业分布式电源优化配置

针对企业供配电系统分布式电源规划问题,以企业节能效益最大化为目标,建立企业分布式电源优化配置模型。采用改进粒子群算法进行求解,将参数自适应调节、粒子交叉、模拟退火算法融入粒子群算法,有效提高了粒子群算法的寻优效率。采用IEEE33节点配电系统进行了算例仿真分析,仿真结果表明,利用此模型对分布式电源进行优化配置后,配电网损耗降低、电压质量显著提高、企业节能经济效益得到最大化提升。算例有效验证了优化配置模型与改进粒子群算法的可行性。     

基于混合算法的多目标配电网重构

配电网重构是配电管理系统的重要内容,从本质上讲,它是一个非线性组合优化问题,若采用传统的遗传算法处理,由于其易于陷入局部最优解和随着配电网规模的扩大搜索效率低的问题,难以得到理想结果。提出一种混合算法来处理配电网重构问题,根据遗传算法和粒子群算法各自的原理特点,将遗传算法和粒子群算法相结合,充分地利用粒子群算法的快速性、随机性、全局收敛性,较好地解决了遗传算法用于配电网重构时的缺点和不足。理论分析和算例表明,该方法高效可行,适合配电网自动化的实际应用要求。     

基于量子行为粒子群算法的含分布式电源的配电网故障定位

分布式电源的大量接入,使得传统配电网故障定位方法的适用性变差。针对这一问题,引入量子行为粒子群算法实现含分布式电源的配电网的故障定位。在对量子行为粒子群算法进行改进后,使其更适用于包含0-1离散变量的配电网故障定位。同时算法融入了自然选择的淘汰机理,提高了算法的收敛性和精确性。考虑到在实际应用中故障信息的缺失,对信息采用了相应的补漏措施,提高了算法的容错性。算例的仿真结果验证了该算法定位的准确性、适用性及可行性。     

基于免疫粒子群算法的分布式电源多目标规划

针对标准粒子群算法在求解过程中容易陷入局部最优解的问题,提出了一种将免疫算法的免疫信息处理机制和自我调节机制引入到标准粒子群优化算法的新型优化算法,即免疫粒子群优化算法。以分布式电源建设运行费用、有功网损和环境成本最小为多目标函数,建立了分布式电源接入配电网的规划模型,采用免疫粒子群算法对模型进行求解,最终得到分布式电源接入配电网的最优配置方案。以风力发电为例,对IEEE 33节点算例进行仿真分析,结果表明,免疫粒子群算法与标准粒子群优化算法和混沌粒子群算法相比,收敛速度快、收敛精度高。     

基于鸡群优化算法的配电网络重构

鸡群优化算法是模仿鸡群觅食的群体智慧发展而来的生物启发式算法,将鸡群优化算法应用到配电网重构当中,充分利用鸡群优化算法高效的全局和局部搜索能力,快速寻找使配电网在满足约束条件下目标函数最小的网络状态,保证配电网运行的经济性和可靠性。给出了基于鸡群优化算法的配电网重构具体实现流程,以IEEE33节点系统为例,采用鸡群优化算法(CSO)和粒子群算法(PSO)两种算法进行仿真实验,结果表明鸡群优化算法较粒子群算法搜索效率平均提高了11.6%,寻优速度更快更稳定。     

基于改进二进制粒子群优化算法的负荷均衡化配电网重构

提出了基于改进的二进制粒子群优化算法、以均衡负荷为目标的配电网重构方法。将配电网重构问题表示为以负荷均衡指标最小为目标函数的非线性优化问题,针对配电网开环运行的结构特点对配电网拓扑结构模型进行了简化,并对二进制粒子群优化算法加以改进,以保证配电网的辐射状结构,同时大大减少迭代次数。算例分析结果表明,该方法能够有效解决负荷均衡化的配电网重构问题,计算速度快,收敛性好。     

基于混合优化算法的配电网动态重构研究

本文提出了一种混合了混沌粒子群与教学优化的算法来解决配电网动态重构问题。建立以网络损耗最小,开关操作次数最少的运行费用模型。将配电网络的损耗和电压偏差这两个指标通过归一化处理形成一个综合指标,并设定最大标准差及系统最大重构次数,确定重构时段。所提出的方法结合了混合粒子群优化算法和教学优化算法的特点成为了一种更有效率的全局优化算法。为了在配电网动态重构中可以动态调整惯性参数,在一般的粒子群算法中引入了混沌理论,同时具有教学优化的混合算法可以保证初始种群的多样性和防止过早收敛,提高了算法寻优的能力。最后使用了IEEE 33节点配电网测试系统证明了所提算法的合理性与有效性。     

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。     

基于改进粒子群算法的含分布式发电配网孤岛划分

分布式电源(DG)在配电网中的比重越来越大,当配电网上级发生故障时,可以将配电网与上级电网断开,利用配电网内部的分布式电源为配电网中重要负荷提供持续稳定供电。为了最大化利用DG资源,同时保障重要负荷优先供电,本文提出了基于改进二进制粒子群的配电网孤岛划分方案。本文以二进制粒子群作为主程序,并对粒子进行组合变异,为了克服粒子群的早熟问题,采用模拟退火算法对粒子群进行优化。本文采用广度优先搜索算法对孤岛进行功率连通性校验。对不满足连通性要求的孤岛进行调整,最后找出最优方案。最后,采用IEEE69节点配电系统进行算例验证,算例结果表明本文算法的优越性。     

基于改进粒子群算法的配电网静态重构

针对配电网静态重构问题,结合配电网的辐射状特点,提出了适应于配电网静态重构的改进二进制粒子群算法,建立以系统网损最小为目标函数的静态重构模型。提出的算法运用破圈法生成和更新粒子群,提高搜索有效解的效率,在迭代过程中采取重新初始化粒子策略避免算法陷入局部最优解,提高粒子群算法得到全局最优解的概率。应用于33节点标准测试系统,验证了算法的可行性。     

采用多Agent混沌粒子群算法的配电网重构

针对配电网的辐射状约束条件研究了配电网重构的优化问题,引入破圈法筛选可行解,利用基于多Agent的混沌粒子群算法对筛选后的可行解进行搜索;然后该算法将粒子的群搜索特征与多Agent的智能搜索特征相结合提升算法的搜索效率,并融合混沌局部搜索算法以跳出局部解。以网损为优化目标,分别对33节点和69节点配电网系统进行计算分析,结果表明该算法具有很快的收敛速度,并且对于复杂配电网系统有较好的稳定性与鲁棒性。