基于双态二进制粒子群优化算法的配电网故障定位

针对二进制粒子群算法在复杂配电网故障定位时易出现早熟收敛情况,本文提出一种双态二进制粒子群优化算法。通过引入进化因子,把粒子群分成捕食状态和探索状态两个部分,让陷入或即将陷入局部极值的粒子跳出来进行全局搜索。构造故障定位的评价函数,以33节点配电网为例,在故障信息完整和部分畸变的情况下,用该算法与二进制粒子群算法分别对配电网中的单点故障定位和多点故障定位进行仿真分析,结果验证了该算法的高效性和高容错性。     

基于二进制粒子群算法的辐射状配电网故障定位

粒子群算法是一种群体智能优化算法,具有简单易行、容易实现、收敛性好等优点.通过建立适当的优化模型,提出了基于二进制粒子群算法的辐射状配电网故障定位算法,并通过算例验证了该算法的可行性和有效性.结果表明该算法收敛速度快,能够对辐射状配电网中单点和多点故障进行准确定位,并在部分故障信息畸变的情况下,能得出正确结果,容错性能好.     

基于二进制粒子群算法的辐射状配电网故障定位

粒子群算法是一种群体智能优化算法,具有简单易行、容易实现、收敛性好等优点。通过建立适当的优化模型,提出了基于二进制粒子群算法的辐射状配电网故障定位算法,并通过算例验证了该算法的可行性和有效性。结果表明该算法收敛速度快,能够对辐射状配电网中单点和多点故障进行准确定位,并在部分故障信息畸变的情况下,能得出正确结果,容错性能好。     

基于信息畸变修正和粒子群算法融合的配电网故障定位

针对馈线终端单元(FTU)上传节点状态信息易发生畸变而造成误判的问题,引入一种故障信息修正的概念。先将修正方法进行分类,并用其对FTU上传的故障信息进行校正。算例仿真表明,利用粒子群算法对修正后的故障状态信息进行迭代求解,能够对配电网单故障、多故障快速定位,且修正后的故障信息相较于未修正的故障信息定位准确率更高、耗时更少。     

基于改进二进制粒子群算法的配电网故障恢复

鉴于现有的配电网故障恢复算法普遍存在着计算速度慢或难以搜索到全局最优解的问题,提出了一种基于改进二进制粒子群算法的配电网故障恢复算法。首先采用等效负荷模型简化网络;在确定目标函数时,引入了层次分析法求解各指标的权重值,较之传统的经验确定法更符合实际;然后从惯性权重和学习因子的选取及粒子相似性控制2个方面对基本二进制粒子群算法进行了改进。算例分析表明,文中所提出的方法计算速度快,易收敛到全局最优解,能有效地求解配电网故障恢复问题。     

基于免疫算法的配电网故障定位方法研究

提出一种基于免疫算法的配电网故障定位新方法。免疫算法依据个体的亲和度对个体进行评价,根据个体的亲和度和浓度选择进行交叉、变异的个体,增大了群体多样性,避免了算法快速陷入局部最优,同时进化过程建立记忆单元,保留部分最优解,以免交叉、变异过程后群体退化,保证算法终止时得到的结果是历代出现过的最高亲和度的个体。针对多电源开环运行的配电网,结合区域划分思想,通过判断变电站变压器低压侧开关的故障信息,提出一种提高故障定位速度的方法。仿真结果表明该算法可有效实现配电网的故障定位,并通过与遗传算法相对比,验证了免疫算法用于配电网故障定位的有效性及可靠性。     

基于二进制粒子群算法的交直流混合配电网故障恢复方法

针对交直流混合配电网特殊的网架结构和电气特性,构建交直流混合配电网故障恢复模型。所提出的模型以故障恢复综合满意度指标为目标函数,并计及潮流约束、节点电压约束、支路传输约束和网络辐射状约束等约束。对所建立的模型设计两阶段优化求解流程,第一阶段采用二进制粒子群算法进行求解,第二阶段采用粒子群算法进行求解。最后通过一个算例表明,交直流混合配电网故障位置对故障恢复策略以及故障恢复综合满意度指标有着较大影响,同时所提出的模型适用于交直流混合配电网故障恢复问题。     

基于二进制粒子群算法的配电网重构

分析了配电网运行的特点,将配电网中分段开关和联络开关作为基变量,将网络闭合环路作为分组限制条件,用粒子的变量表示开关的闭合状态,以降低系统的有功损耗为目的,采用二进制粒子群算法进行了配电网的重构,经过算例分析,表明该算法是有效的。     

基于E占优的多目标二进制粒子群算法求解配电网故障恢复

针对基于Pareto占优机制和拥挤距离的经典多目标智能算法在迭代过程中没有考虑决策者的偏好知识,从而影响了算法收敛性的问题,提出了一种基于E占优的多目标二进制粒子群算法求解配电网故障恢复。通过采用改进原点距离的E占优机制,可以将决策者的偏好知识有效地融入到故障恢复方案的评价过程中。在算法迭代过程中,采用轮盘赌策略更新群体极值,采用方案的综合值对外部档案进行维护,使得决策者的偏好知识可以有效地指导下一代种群的产生。最后,通过算例验证了所提算法的可行性和有效性,并且该方法比基于Pareto占优机制和拥挤距离的多目标智能算法拥有更好的收敛性能,得到的最优前沿数量更少,质量更高。     

基于自适应免疫粒子群优化算法的配电网状态估计

考虑了配电网中的一些设备如分布式发电机的非线性特性和配电网的量测配置特点,结合粒子群优化算法(PSO)的特点,提出了采用自适应免疫PSO算法来进行配电网状态估计。该算法解决了配电网状态估计中的非线性特性,引入免疫系统的免疫信息处理机制和自动调整动量系数的自适应因子的粒子群算法,克服了基本PSO算法容易陷入局部最优解的缺点,增强了全局搜索能力,而且收敛速度和精度都很理想。算例证实了算法的有效性,并通过和基本粒子群算法比较显示其优越性。     

基于粒子群-最小二乘混合算法的参数自适应故障测距方法

对于双端故障测距频域法,为了消除线路参数不确定性和双端数据不同步的影响,必须建立多维非线性故障测距观测方程进行求解,其求解方法的有效性将决定测距结果的成败,而目前采用的方法均存在着局限性。为此,利用粒子群优化算法的全局搜索能力与最小二乘迭代算法的快速精确收敛能力,提出一种基于粒子群—最小二乘混合算法的参数自适应故障测距方法。为了提高实用性,还针对前置低通滤波器和具有并联电抗器的输电线路等问题进行了研究。以1 000 kV特高压输电线路故障测距为例,进行全面仿真验证,证明了测距方案的正确性。     

基于改进粒子群动态搜索算法的配电网络重构研究

提出一种基于改进粒子群动态搜索算法的网络重构方法,算法把初始粒子群按照适应度的大小分为两个互不交叉,且具有不同分工的子群,并进行动态搜索.通过引入了交叉和禁忌思想,减少了解陷入局部最优的可能性.与遗传、禁忌搜索算法重构的结果进行比较,表明本文算法具有更高的搜索效率,更容易找到全局最优解.     

基于改进粒子群动态搜索算法的配电网络重构研究

提出一种基于改进粒子群动态搜索算法的网络重构方法,算法把初始粒子群按照适应度的大小分为两个互不交叉,且具有不同分工的子群,并进行动态搜索。通过引入了交叉和禁忌思想,减少了解陷入局部最优的可能性。与遗传、禁忌搜索算法重构的结果进行比较,表明本文算法具有更高的搜索效率,更容易找到全局最优解。     

基于粒子群算法的配电网储能优质优化研究

随着经济发展由粗放式增长向集约型增长转变,对配电网储能进行优化成为了学术界的前瞻性研究,这对于我国加速发展意义重大。此次研究利用粒子群优化算法以及双层多目标优化配置数学方法,构建了基于粒子群优化算法的配电网储能优质优化研究模型,该模型在对主动配电网概率潮流进行计算的基础上,达到了提高广义电源运行效率的效果,从而为相关人员进行含广义电源的配电网管理提供了方法参考。以PG&E-69节点配电系统作为研究对象,对该模型进行验证。研究结果表明,智能算法类型对广义电源优化配置的影响并不大。同时较上层模型,下层模型对广义电源优化配置的效率更高,因而,要实现广义电源的高效运行,进而提高配电网的储能效果,必须实现双层模型的合理运用。所提研究可以为配电网储能优质研究提供一定的指导价值。     

基于变异粒子群算法的主动配电网故障恢复策略

为提高主动配电网故障恢复的快速性和可靠性,提出一种基于变异粒子群算法的恢复策略.光储系统与负荷特性模型的构建是研究策略的基础,利用光储模型保证负荷可靠恢复,在构建负荷特性模型时考虑负荷时变性、需求时变性及负荷可控性的特点.在建立的光储系统与负荷特性模型基础上研究故障恢复策略,首先对配电网进行动态孤岛划分,利用光储系统对孤岛内负荷进行可靠恢复,保证用户侧需求度高的负荷优先恢复,然后以总失电负荷最少、网损最小及开关动作次数最少为综合目标函数,运用变异粒子群算法得到孤岛与主网配合的配电网综合恢复策略,提高了主动配电网可靠性.最后,采用IEEE 33节点系统进行算例分析,结果验证了模型与恢复策略的优越性.     

基于改进多元宇宙算法的主动配电网故障定位方法研究

针对现有智能优化算法在求解主动配电网故障定位问题时存在的收敛速度慢、易陷入局部最优解、容错性差、种群质量低等问题,提出一种改进的多元宇宙优化算法(improved multi-verses optimization, IMVO)。首先构建具有容错能力的主动配电网模型,根据故障定位问题的特点对多元宇宙的种群进行离散化编码。其次将自适应精英策略融入改进算法的多元宇宙种群的更迭中,以保证多元宇宙的种群质量。设计基于非线性曲线变化的虫洞存在概率(wormhole existence probability, WEP)与旅行距离率(travel distance rate, TDR)的更新机制,以提高算法前段搜寻相对最优宇宙的能力与后段调整最优探测距离的精度。最后通过自适应突变操作增强改进算法的局部搜索能力,进而提高全局寻优能力。仿真实验结果表明,改进多元宇宙优化算法在单点、多点以及信息畸变故障定位中全局寻优能力显著,相较于其他优化算法在解决配电网故障定位问题上具有更高的准确率与收敛速率。     

基于免疫算法的含分布式电源配电网的故障定位

分布式电源(DG)的接入,使传统配电网络拓扑结构从单电源辐射状网络变成复杂的多电源网络。在这种情况下,传统的故障定位算法已不再适用。针对这一问题,提出了一种新的基于故障电流的故障定位算法——免疫算法。首先,针对含DG的配电网,构建了适应多个分布式电源的故障电流编码方式和适应多个分布式电源的开关函数。其次,相比传统的遗传算法,免疫算法通过计算抗体的匹配程度和浓度对个体进行评价,并且增加了记忆单元保证了算法进化过程中抗体的多样性从而避免了遗传算法中的‘早熟’收敛问题。最后,通过Matlab建模仿真,验证了该算法适用于含分布式电源(DG)配电网的故障定位,并具有一定的快速性和容错性。