电动汽车充电站最优规模和布局

为了合理确定电动汽车充电站的规模和布局,引入了电动汽车投资周期费用和用户便利性指标的概念,在此基础上,以投资商和用户费用最小为目标,确定充电站的规模和布局.该目标函数以高峰期的交通状况模拟电动汽车,以线路传输功率、无功补偿上下限、站内电池数量和服务半径为约束条件,以初期建设投资、网损费用和新建线路投资作为投资周期费用,以用户到电池充电站的行驶耗电费用衡量用户便利性,综合考虑了投资商成本、用户成本和电网运行限制.应用混沌粒子群算法优化充电站布局,利用混沌对初值的敏感性和混沌遍历性初始化种群;再通过逻辑自映射函数形成混沌序列和优化变量取值范围的对应关系.用某小区作为算例,通过与粒子群算法的对比,证明了该算法的有效性.     

基于小生境渔夫捕鱼算法的变电站规划

针对渔夫捕鱼算法容易陷入局部最优的不足,提出了一种共享适应度的小生境策略来提高基本渔夫捕鱼算法的全局寻优能力,并应用于解决配电网络变电站规划。由个体之间相互距离进行聚类组成小生境种群,并在生成的不同小生境种群内运用渔夫捕鱼算法进行寻优,在进行目标函数计境种群内利用共享机制改变个体适应度进一步提高群体全局寻优能力。通过实际算例分析,证明了所提方法能较好地解决变电站选址定容问题。     

基于量子差分进化算法的电力系统无功优化

以系统有功网损最小为目标,建立了一种电力系统无功优化数学模型,并提出了一种基于量子差分进化算法的电力系统无功优化方法。该算法采用量子计算中的并行、坍缩等特性,增强了对解空间的遍历能力;同时在传统选择策略的基础上加入了量子计算的概率表达特性,有效地避免了算法的早熟现象。对IEEE-30节点测试系统进行仿真分析,并将优化结果与传统差分进化算法和粒子群优化算法进行对比分析,结果表明量子差分进化算法在解决系统无功优化问题上更科学、更有效。     

基于云理论和元胞自动机理论的城市配电网空间负荷预测

针对城市电网规划中电力负荷空间分布和时间动态演化预测难题,提出一种采用元胞自动机(cellular automata,CA)模拟城市土地利用的逐年发展过程进而进行城市配电网空间负荷预测方法。该方法基于云模型的知识,将影响因素的定性概念所具有的模糊性、随机性有机地结合在一起,构成定性和定量间的相互映射。综合考虑多种影响负荷发展的因素,运用云理论训练CA转换规则,制定多种转换规则来预测规划区域地块的发展程度。通过应用所提模型和方法对某规划小区负荷发展进行预测及实际对比,验证了其有效性。     

基于量子粒子群优化算法的城市电动汽车充电站优化布局

针对如何确定电动汽车充电站位置及规模的问题,建立考虑地理信息、建设成本和运行成本的综合优化目标函数。此目标函数以土地成本、配电变压器的投资等建设成本及包含供电损耗的运行费用为基础,以交通流量为约束条件,比较科学、全面地反映电动汽车充电站选址、定容问题的实质。电动汽车充电站选址定容问题是非凸、非线性、组合优化问题。在确定目标函数的基础上,提出用量子粒子群优化算法对此问题进行求解。此算法采用了量子理论中的叠加态特性和概率表达特性,潜在地增加了种群的多样性和全局寻优能力及寻优效率。运用此算法和构建的优化模型,对某区域的电动汽车充电站进行规划,通过对比分析,表明该方法可行、有效。