一种新的混合优化算法求解配电网重构

传统粒子群算法(particle swarm optimization,PSO)容易早熟的问题,限制了其在配电网的应用和发展,故把二进制粒子群遗传算法(genetic binary particle swarm optimization,GBPSO)应用到配电网重构中.该算法利用遗传算法(genetic algorithm,GA)的变异能力改善粒子群算法的早熟情况.同时考虑到配电网的特殊性,采用了十进制编码规则,优化了编码方式.算例证明了该方法用于配电网重构的可行性和优越性.     

一种改进粒子群优化算法的配电网重构

提出了一种改进的粒子群优化算法(RPSO)来解决配电网络重构问题。在RPSO中,根据配电网络的具体特点,将遗传算法中的优化编码技术引入粒子群优化方法中,通过粒子群体对基因代码的操作,提高算法的搜索性能。在寻优过程中,以适应度方差大小衡量粒子群体的"聚集"情况,并根据"聚集"情况来自适应调整群体的变异概率,用以克服粒子群优化算法(PSO)的早熟现象。通过对3个典型的IEEE测试网络重构,并与粒子群算法和遗传算法进行比较,改进的粒子群优化算法比粒子群算法和遗传算法具有更高的搜索效率。     

基于Spark和粒子群算法的分布式配电网重构方法

当前配电网结构日趋复杂且有分布式电源大量接入,现有人工智能算法进行配电网优化重构后会出现大量数据,导致算法搜索空间暴增、处理效率下降。为提高传统粒子群算法的处理效率,提出了一种粒子群优化算法,以配电网故障后重构的网损最小为目标函数,建立配电网故障后重构模型。充分利用分布式集群计算资源,通过Spark框架对优化粒子群算法并行化操作,以提升算法的处理效率。     

基于双重混合粒子群算法的配电网重构

为进一步优化配电网运行结构,将混合蛙跳思想引入粒子群算法,结合配电网结构简化、支路分组,提出一种基于双重混合粒子群算法的配电网重构策略。为提高粒子搜索效率、防止算法早熟,首先,等效简化配电网结构图,对支路分组,缩短编码维数;其次,将各粒子依据一定规则分组,采用基于混合蛙跳思想的二进制粒子群算法进行支路组搜索,且对粒子历史最优值进行多次分组,组内搜索采用二进制粒子群搜索算法。运用该方法分别对IEEE33节点配电系统和136节点配电系统进行仿真,并与遗传算法和粒子群遗传混合算法进行对比分析,结果表明该方法收敛速度快,可得到最优网络重构结果,有效降低网损。     

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。     

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。     

量子粒子群算法在配电网重构中的改进和应用

针对传统算法容易早熟收敛、计算效率低下等缺点,文章提出一种改进量子粒子群算法,并将其应用于含分布式电源的配电网重构问题.文章综合考虑配电网的经济性和可靠性,以有功网损和电压稳定性指标作为目标函数建立配电网重构模型,并对传统算法在全局收敛性、收敛速度和编码策略等方面进行了改进.引入遗传算法中的锦标赛选择策略,扩大种群多样...     

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。     

基于改进二进制粒子群算法的配电网多目标重构

配电网重构作为配电自动化系统的一个重要组成部分,能够有效提高配电网运行的经济性和可靠性。提出以网络有功网损和网络电压偏移构建配电网重构的多目标数学模型,根据系统初始状态将各指标归一化处理,利用权重系数法将多目标重构问题转化为单目标问题。为克服二进制粒子群算法容易陷入局部最优而难以跳出的问题,将非线性动态调整的惯性权重系数引入到粒子速度更新公式之中,以提高二进制粒子群算法的全局搜索效率和收敛速度。算例结果验证了所提方法的有效性。     

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。     

基于自适应多种群遗传算法的配电网重构

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。提出一种改进的遗传算法来处理配电网重构问题,借助多种群进化和种群间个体移植的概念,通过自适应控制参数的调整,有效地避免了早熟,提高了算法的搜索范围和效率,较好地解决了配电网重构问题。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。     

基于改进生物地理学算法计及可靠性的配电网重构

配电网重构是一个多目标、多约束条件的非线性优化问题。在重构过程中,文章综合考虑了系统的经济性和可靠性因素。建立了Pareto多目标重构模型,并运用一种改进的生物地理学优化算法来处理配电网重构问题,避免了加权多目标优化算法解决此类问题而过分依赖个人主观经验的情况。另外,Pareto多目标数学模型的引入使算法更具有实际的工程意义。通过IEEE33节点系统的仿真结果验证了算法的可行性。     

基于改进小生境遗传算法的Pareto多目标配电网重构

配电网重构是一个多目标、多约束的复杂非线性组合优化问题,若采用传统的遗传算法处理此类问题,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。建立了Pareto多目标重构数学模型并提出一种改进小生境遗传算法来处理配电网重构问题。算法主要有以下几种特点：设置个体之间的距离判别标准L为动态函数,保持了种群的多样性;采用最优保存策略,提高了算法的收敛速度;交叉、变异采用自适应规则,避免了算法陷入局部最优的情况。另外,Pareto多目标数学模型的引入也使算法更具实际工程意义,采用国外一个实际的配电网络对算法进行了验证。理论分析和算例表明,该算法具有高收敛性、快实时性和强全局稳定性的优点。     

基于改进遗传算法的多目标配电网重构

提出一种改进的遗传算法来处理配电网重构问题,采用实数编码,减小了染色体长度和生成不可行解的概率,同时遗传父代优良基因的可能性大大增加。针对适应度函数计算中潮流收敛速度慢的缺点,采用前推回代的方法,大大减少了潮流计算的时间,较好解决了配电网重构问题。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。     

基于启发式算法与遗传算法的配电网重构

提出了一种基于遗传算法的配电网重构方法,此方法的目标函数中同时计及了网络的能量损耗和开关操作费用,因而它是针对时间区间的配电网重构而非通常的在某一固定时刻的配电网重构。在应用遗传算法时考虑了配电网自身的特点,即网络的联络开关仅占全部开关的极小一部分,并且结合了一些行之有效的启发式规则,从而用联络开关的开、合状态来编制染色体,可保证求出的解既有全局优化的性质,又实际可行,并且大大提高了求解的速度。中用一个358节点网络的重构算例,验证了中所提出的有效性,并在同时计及网络能量损耗和开关操作费用的情况下,研究了合同的网络重构间隔。     

混沌遗传混合算法在配电网重构中的应用

指出网络重构是配电系统运行和控制的手段,也是配电管理系统的重要内容。考虑配电网运行特点,建立了以有功网损最小为目标的配电网重构数学模型,并计及潮流、电压、容量及辐射状运行等约束条件。针对该模型的特点,采用一种新型混沌遗传混合算法对配电网进行重构计算,该算法既具有遗传算法的全局性和并行性,又具有混沌搜索的遍历性和快速性。将该算法用于IEEE33节点系统重构计算,并与重构前、单一遗传算法重构结果进行比较,证明了所提出混沌遗传混合算法的有效性和快速性。     

配电网重构的自适应和声搜索算法

采用和声搜索算法（ＨＳＡ）搜索最优方案进行配电网重构时,会受初始参数值的影响。为此,提出自适应和声搜索算法（ＡＨＳＡ）。在和声搜索算法中加入局部搜索进行改进,增强了算法的寻优性能。建立以降低网络的有功和无功功率损耗为目标的配电网重构的数学模型,采用基于节点分层的前推回代法对网络结构进行潮流计算和分析。对IEEE69节点配电网进行仿真,与和声搜索算法,遗传算法（ＧＡ）的结果进行对比分析,表明该算法的迭代次数少,有较好的收敛效果。在配电网重构的算例应用中,证明了自适应和声搜索算法是可行的。     

改进的支路交换算法在配电网重构中的应用

提出了一种改进的配电网重构支路交换算法.该方法中用近似网损代替精确网损,对每个联络开关依次进行环网的重构优化;并通过最佳转移负荷与各支路负荷之间的距离确定打开的分段开关,且在重构过程中无需进行潮流计算,进一步提高了处理效率.算例结果验证了该方法是有效的     

配电网络重构的快速支路交换算法

提出了一种配电网重构的快速支路交换算法.该方法中用近似网损替代精确网损,对每个联络开关依次进行对应环网的重构优化,根据最佳转移负荷的符号和大小确定环网的最大降损开关交换,避免了使用启发式规则,且在重构过程中无需进行潮流计算,从而显著提高了网络重构的计算速度.算例结果验证了该方法的正确性和快速性.     

基于改进自适应遗传算法的配电网络重构

提出了一种用于配电系统网络重构的改进型自适应遗传算法。给出了网络重构问题的数学模型及改进的自适应遗传算法。在应用遗传算法时结合配电网自身的特点,提出以环路开关号为基因、系统环路数为染色体长度的编码方法,在优化过程中采用自适应调整的交叉率和变异率,结合一定的禁忌规则．较好地提高了算法在网络重构方面的效率。在IEEE16节点、33节点、69节点3个不同规模的算例系统上进行了测试,计算结果表明,所提出的方法缩短了染色体长度,较好地抑制了不可行解的产生．无论是在收敛性、稳定性还是在计算效率上都取得了比较满意的结果。