配电网络重构算法比较

介绍了配电网络重构的目的及意义，重点论述了配电网络重构的几种常用算法：支路交换法、最优流法、专家系统法、人工神经网络法、模拟退火法、遗传算法及进化规划法，详细介绍了它们的特点，提出了目前配电网络重构面临的问题。     

配电网络重构的改进最优流模式算法

本提出了一个配电网络重构的改进最优流模式法（ＩＯＦＰ）。并用一个快速有效的单环网潮流算法求解最优流模式。本了网络重构的实际运动约束，如最大刀闸操作次数，支路过载等。经测试系统的验算表明，本算法快速有效，可以用于实时环境。     

模糊遗传算法和蚁群算法相结合的配电网络重构

通过开关的优化组合可以提高配电系统运行的可靠性、电能质量和经济性.为改善配电网络重构模糊遗传算法的优化速度,提出了一种模糊遗传算法和蚁群算法相结合的方法.该方法将总的种群分为两部分进行搜索,一方面通过选择算子寻找总的种群中较优个体作为模糊遗传算法的子种群进行交叉、变异操作;另一面通过设定适应度函数阈值筛选总的种群中优秀个体,并将其适应度函数值对网络信息矩阵进行全局更新,用蚁群搜索另一部分子种群.该方法设定适应度函数阈值改进了蚁群算法的信息素更新机制;把模糊遗传算法和蚁群算法的子种群融合构成总的新种群,并用选择操作和信息素更新实现了种群之间的信息共享.通过对IEEE 69节点测试系统的计算和分析表明,该方法在解决配网重构问题上比模糊遗传算法具有更好的寻优效率.     

模糊遗传算法和蚁群算法相结合的配电网络重构

通过开关的优化组合可以提高配电系统运行的可靠性、电能质量和经济性。为改善配电网络重构模糊遗传算法的优化速度,提出了一种模糊遗传算法和蚁群算法相结合的方法。该方法将总的种群分为两部分进行搜索,一方面通过选择算子寻找总的种群中较优个体作为模糊遗传算法的子种群进行交叉、变异操作;另一面通过设定适应度函数阈值筛选总的种群中优秀个体,并将其适应度函数值对网络信息矩阵进行全局更新,用蚁群搜索另一部分子种群。该方法设定适应度函数阈值改进了蚁群算法的信息素更新机制;把模糊遗传算法和蚁群算法的子种群融合构成总的新种群,并用     

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。     

配电系统重构研究

配电系统重构通过改变主干线路上开关的状态来改变网络结构，从而提高配电系统的可靠性水平。该方法不增加投资，是提高配电系统可靠性最为经济有效的一种方法。通过分析配电系统的可靠性指标，建立了配电系统重构的优化模型。为提高计算速度和解决组合爆炸问题，将模拟退火算法应用于模型的求解过程中，并对模拟退火算法的优缺点进行了详细的分析和论证。     

基于协同进化算法的配电网络重构方案

提出了一种基于协同进化算法的配电网络重构方案,将配电网络重构分解为各个回路优化的子问题,采用分开进化、定期协同的思想来处理各个子问题,即生成与回路数目相等的种群,在确保全局最优解为优化方向的前提下,各种群独立进化对应各回路的优化过程。特殊的基因操作减少了不可行解的数量,提高了优化效率;使用"确定树"方法进行不可行解的修复,降低了陷入局部最优解的概率。算例结果表明所提算法具有较好的计算结果和较高的计算效率。     

拟全局最优的配电网实时网络重构法

为了开发出一种通用的、规范化的和适用于配电重构的解析算法，该文提出了一个新颖的概念——最优匹配回路流，它可以应用于单相模型和三相模型。最优匹配回路流是从回路分析法和电路叠加原理推导而来的。基于这种概念本文开发出一种高效的重构算法，该算法可以同时处理经济和安全两个目标，是一种高效的解析算法，即可以应用于规划研究，也可以应用于实时控制。算法主要由两步构成：在第一步计算中合上所有联络开关；然后计算全网的最优匹配回路流以决定每个回路中最适合打开的开关。由于有些回路可能存在共同的支路集，所以有时会出现有多个被选中的开关存在于同一回路中的情况，为了解决该问题，文中提出了一个实用判据以决定开合顺序。经过第一步的计算，得到了一个优化后的辐射状电网，为了进一步优化网络，文中提出了面向辐射电网的最优匹配回路流。它可以很好地模拟联络开关两端的局部负荷的转移。最后的数值算例表明本文提出的算法具有很高的效率和很好的鲁棒性，完全可以应用于实时控制。     

配电系统最优网络重构的一种算法

模拟退火法是一种求解组合优化问题全局最优解的有效方法.它模拟融熔金属的物理退火过程,在可行解空间中进行随机搜索迭代而求得最优解.本文将这一方法应用于配电网络重构问题的计算中.首先,简要介绍了模拟退火法的基本原理.其次,给出了配电网络重构的模拟退火算法流程.最后,给出数值试验结果,计算结果表明,只要退火方案选择适当,便能以较高的概率找到或接近全局最优解.而且,此方法不依赖于初始点的选择.     

基于最短路算法和遗传算法的配电网络重构

提出了通过组合负荷实现寻优的重构方法。利用最短路径法按照某一顺序为每个负荷分别寻找供电路径,然后利用遗传算法选择最优的负荷排列顺序,从而实现在局部最优解中寻求全局最优解。通过将容量约束和电压约束转换成弧的权值,在网络形成的过程中就考虑这些约束,从而进一步保证了该算法高效地找到全局优化解。此方法很容易实现树状约束,并对多环的复杂结构网络也能高效地实现重构寻优。     

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Tabu搜索的配电网络重构算法

配电网络重构是一个非常复杂的、大规模的组合优化问题。该文提出了一种非常有效的、鲁棒性很好的算法来求解正常运行条件下配电网络的重构问题,以减少网络中的能量损失费用。该算法基于Tabu搜索方法(TS)。作为现代启发式方法家族中的重要一员,Tabu搜索方法是近几年来发展起来的用于求解组合最优问题的一种通用算法。文中详细阐述了用于配电网络重构问题时Tabu搜索方法中各成员的设计。为了证明该文方法的可行性和有效性,还研究了3个不同规模的IEEE测试网络的重构问题。结果表明,该文提出的方法是一种非常有效的方法。     

用于降低网络损耗的配电网重构算法

提出了用于降低网络功率损耗的配电网重构算法。算法从原树状网潮流分布出发,将负荷转化为相应的注入恒电流,合上所有联络支路形成网络状网络并求得其经济电流分布。在经济电流分布的网络状纯电阻网络中叠加模拟断开相应支路的纯电阻环流网即可求得断开支路后网络的电流分布,且后一网络的功率损耗为前二网络损耗之和,从而将问题转化为求取网损最小的模拟断开支路的环流网的问题。计算求得相应的断开支路可得对应网损最小的树状网     

基于禁忌搜索与蚁群最优结合算法的配电网规划

禁忌搜索(TS)算法具有强大的全局优化性能,但其局部搜索性能易受分散性的影响;蚁群最优(ACO)算法的正反馈机制使其具有强大的局部搜索性能,但其全局优化性能的优劣在很大程度上与蒸发系数的选择有关,如选择得不合适易使算法陷于局部最优.文章将TS算法与ACO算法组合起来,提出了TS-ACO混合算法,用于求解配电网规划问题,在同时考虑扩展配电网所需的固定费用和与电能损失相关的变化费用的基础上,设计了非线性混合整数配电网规划数学模型,在一具有6个变电所、102条馈线段的配电网上进行的测试结果表明了TS-ACO混合算法的有效性.     

LOSS REDUCTION IN DISTRIBUTION NETWORKS USING NEW NETWORK RECONFIGURATION ALGORITHM

ABSTRACT

Network reconfiguration is an operation task, and consists in the determination of the switching operations such to reach the minimum loss conditions of the distribution networks. In this paper, a general formulation of the network reconfiguration for loss minimization is given for the optimization of distribution loss reduction and a solution approach is presented. The solution employs a search over different radial configurations, created by considering branch exchange type switches. The solution algorithm for loss minimization has been developed based on the two stage solution methodology. The first stage of this solution algorithm finds a loop which gives the maximum loss reduction in the network. For this purpose a simple-to-use formula, called loop loss reduction formula, has been developed. To find a branch exchange, which results in the maximum loss reduction in the loop, the second stage applies a proposed technique called distance-center technique. Therefore, the solution algorithm of the proposed method can identify the most effective branch exchange operations for loss reduction, with a minimum computational efforts. The solution algorithm of the proposed method has been tested, with very promising results, on a 69-bus radial distribution system. Test results prove that, via proposed network reconfiguration for loss minimization, real power loss is reduced significantly, and that the voltage profile of the network is considerably improved. As compared to the established methods the proposed method eliminates the need to run numerous load flows.     

遗传算法在配电网重构中的应用

配电网重构是配电网络优化的主要措施,通常可以降低整个网络的网损。本文采用遗传算法来确定开关的开／合状态,以解决降低网损的问题,并给出了一个３３节点的算例以验证本算法的有效性。     

基于广义蚁群算法的电力系统经济负荷分配

提出了一种可用于求解一般形式的非凸、非线性约束优化问题的广义蚁群算法，以用于求解复杂的非凸、非线性电力系统经济负荷分配问题，与用于组合优化的蚁群算法类似，该算法运用了正反馈，分布式计算和贪婪式启发搜索，基于不动点理论，给出了该算法收敛的充分条件，多个算例结果表明，文中提出的算法是有效可行的。     

配电网络重构的优化可信度度量的区间方法

提出了一种以能量损耗减小的可信度度量值最大化作为目标函数的配电网络重构区间算法。考虑每时段上负荷的不确定性,采用区间潮流算法,按照区间化的日负荷曲线得到一日之内系统能量损耗的变化区间,然后根据能量损耗减小的可信度度量值来决定一日的网络最优结构。该方法可用于实现以星期或月为周期的配电网络重构。33母线和69母线测试系统的计算实例表明了算法的应用价值。     

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。