基于遗传拓扑混合算法的配电网多故障抢修策略

从中国配电网的实际情况出发,建立了电力系统在多故障情况下的多目标抢修策略优化模型。针对配电网接线呈辐射状的特点,提出了一种遗传拓扑混合算法作为寻优策略。该算法通过遗传算法寻优,通过拓扑分析算法判断出失电区域、待修复设备以及负荷情况,综合进行适应度评价,反复迭代得到最佳抢修方案。在寻优计算过程中,针对遗传算法在复杂配电网计算中易产生大量不可行解的问题,引入了智能选择的混合交叉因子进行改进。算例结果证明了该混合智能算法的有效性和鲁棒性。     

含分布式电源的配电网多故障抢修与恢复协调优化策略

针对含分布式电源(DG)的配电网发生多故障时的快速故障抢修和供电恢复问题,根据动态规划原理,建立了含DG的配电网多故障分阶段、分层的抢修与恢复协调优化模型。在紧急抢修与恢复阶段,以负荷恢复价值最大和综合经济损失最小分别作为内、外层优化目标;在抢修与恢复网架阶段,以网损最小和抢修时间最短分别作为内、外层优化目标,得到最优抢修顺序和供电恢复方案。针对内、外层模型的不同特点,分别采用了改进蚁群算法和离散化处理的细菌群体趋药性(DBCC)算法进行模型求解。同时,在抢修与恢复过程中,利用DG孤岛、可控负荷联盟及应急发电车的动态调度优先恢复重要负荷的供电,并采用馈线等效法及故障等效法来简化求解流程。以改进的IEEE 69节点系统为例,验证了所述策略的可行性和有效性。     

基于区间三相潮流的配电网故障恢复优化算法

本文采用区间值来描述负荷并计算三相潮流。由于粒子群算法存在早熟的问题,采取非线性递减惯性权重的策略,使惯性权重随着迭代次数的增加而减小,同时,采用种群适应度方差判断算法是否陷入早熟,以便对早熟的种群进行自适应变异,动态的变异数目先大后小地控制了变异过程,保证了前期粒子的多样性和后期粒子算法的收敛。改进的粒子群算法保证了粒子在迭代初期有较强的全局搜索能力和后期有较高的搜索精度,保证了算法能够得到全局最优解,并提高了搜索速度。算例表明,基于区间三相潮流的改进粒子群算法能够有效地解决配电网故障恢复的问题,具有一定的工程价值。     

含分布式电源的配电网故障紧急恢复与抢修协调优化策略

随着分布式电源的规模化接入,传统配电网故障恢复策略逐渐难以适应实际需要.为此,提出一种含分布式电源的配电网故障紧急恢复与抢修协调优化策略.首先,在故障紧急恢复模型中引入典型负荷时变性需求模型,优先恢复需求度高的负荷.以抢修时间最短和社会经济损失最小为综合目标函数得到故障抢修模型.然后,研究故障紧急恢复与抢修协调优化策略,利用主网与孤岛协调控制进行故障恢复,通过改进粒子群算法得到最优抢修顺序.在抢修过程中,考虑负荷及时变性需求变化,调整故障紧急恢复与抢修最优方案,保证配电网可靠、快速恢复正常运行状态.最后,通过算例仿真验证了所提策略的有效性.     

虑及负荷时变性的配电网故障抢修恢复策略

配电网的故障抢修与网络恢复需综合考虑电量损失、供电安全、运行经济等因素。首先基于负荷时变,以积分方式表达单节点各时段负荷量,据此择定以恢复负荷价值最大为目标的优先抢修故障点。其次以电压偏移和网损的加权和最小为考量,兼顾拓扑约束和电气量约束,构建故障修复后网络重构模型。再次将二进制粒子群算法与节点分层、环网编码等技术融合,给出抢修与恢复的交替式递进流程。最后以算例实证,表明由于对负荷时变进行了充分考量,因此抢修位次和恢复策略全局最优。     

基于适应度的配电网多故障抢修任务分配策略

配电网发生多处故障时,配备的物资和抢修小队不能满足每个故障任务的需求,因此提出基于适应度的配电网多故障抢修任务分配策略。首先量化配电网抢修故障任务、抢修小队和物资仓库的模型,然后定义小队适应度、物资适应度这2个外部适应度指标,分别描述抢修小队、物资仓库与故障任务之间的匹配程度;定义优先级适应度、进度适应度这2个内部适应度指标,分别描述各个故障任务的优先顺序和其抢修进行程度。综合外部适应度指标和内部适应度指标可得出各个故障任务的总适应度值,进行比较后得出最优的任务分配策略。对IEEE 33节点系统进行仿真,仿真结果验证了所提分配策略的有效性和实用性。     

基于最优效用的配电网多故障抢修任务分配策略

配电网多故障抢修不只是优化故障抢修顺序的问题,多小队协同抢修时,故障任务的合理分配才是抢修工作顺利、高效完成的前提。本文同时考虑抢修小队初始位置不同及负荷本身故障,定义了抢修小队偏好、抢修小队能力向量和故障任务需求向量,然后基于属性向量建立了可解决小队协作问题的效用函数模型,形成效用函数矩阵;最后结合轮盘赌选择方法得到基于最优效用的故障任务分配方案集。采用属性向量的形式量化抢修信息,可以随时改变属性向量维数,解决抢修资源以及现场故障需求的不确定性问题,实现故障任务的动态分配。仿真结果给出了10种任务分配方案,并用改进的细菌群体趋药性(BCC)算法优化得到最优方案及最佳抢修顺序,验证了所提方法的有效性和正确性。     

考虑需求响应的配电网故障恢复策略

为研究需求响应对故障恢复的影响,提出了考虑需求响应的配电网故障恢复策略。首先,分析了配电网故障恢复一般方法,并将需求响应成本引入目标函数,建立了考虑需求响应的配电网故障恢复策略优化模型。然后,引入混沌理论提出改进的粒子群优化PSO(particle swarm optimization)算法,以提高算法的优化效率和运行速度,求解混合整数非线性问题进行优化。通过IEEE 33节点算例,验证了需求响应的作用及所提改进PSO算法的有效性,有利于减小故障恢复后网络的网络损耗及经济成本。     

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。     

基于改进BPSO算法的含微网的配电网故障恢复方法研究

针对配电网中微网的接入使故障恢复需要考虑的安全因素更多,目前的故障恢复方法存在计算量大、故障恢复时间长等问题。以最小网损、最少开关动作次数和最少失电量为目标函数建立了含微网的配电网故障恢复模型,并将改进的二进制粒子群算法和遗传算法相结合用于模型求解。对多种故障恢复情况进行分析,验证了该故障恢复方法的可行性。结果表明,相比于传统恢复方法,所提方法收敛速度快、适应性强、恢复效果好。研究成果为我国智能电网的发展提供了一定的参考。     

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.     

配电网故障抢修可视化管理的探索与实践

配电网故障抢修可视化管理,就是通过技术、信息手段,使抢修指挥人员可以在地图上实时看到故障停电涉及的设备地点和客户位置,便于抢修人员及时赶到现场;对于停电信息的发布和咨询,可以做到点对点的个性化服务。并且,通过GPS系统对抢修车辆实现实时定位,抢修现场通过PDA进行抢修信息实时交换,通过现场摄像头把抢修现场画面实时传达到抢修中心,使整个抢修管理可视化,提高了故障抢修的效率,提升了客户服务的质量。     

基于二次插值粒子群算法的配电网多目标双阶段故障恢复策略

随着人们对供电质量要求的提高,为了满足配电系统的可靠性、安全性和经济性方面的要求,配电网的故障恢复策略相关研究成为了目前专家学者研究的重要课题。提出了基于二次插值粒子群算法的适用于配电网多目标下故障恢复的双阶段策略。首先建立了配电网故障恢复时基于不同目标函数下的数学模型,制定了适合基于二次插值粒子群算法的配电网多目标双阶段故障恢复策略的编码策略,并利用基于二次插值的粒子群算法对其进行求解。最后以某实际电网为例,在不同故障情况下验证了所提策略的正确性和实用性。     

基于改进离散多目标BCC算法的配电网灾后抢修策略

根据配电网的实际情况,建立了配电网突发多处故障情况下的故障抢修和故障恢复相结合的多目标优化模型,将模型中的开关操作变量作为虚拟故障点处理并与抢修控制变量有机结合,考虑了一种多队协同抢修的恢复策略.在多目标细菌群体趋药性(BCC)算法的基础上引入区间归位方案,改善了多目标BCC算法解决离散域问题的性能,同时引入局部更新机...     

基于协同进化算法的配电网故障阶段式恢复策略

传统的配电网故障恢复算法难于同时兼顾恢复过程的快速性和恢复策略的最优化。文章提出一种将启发式搜索算法与优化算法相结合的配电网故障阶段式恢复策略：第一阶段采用启发式搜索方法恢复负荷供电;第二阶段利用优化算法处理过载的负荷转移;第三阶段按启发式搜索方法处理过载负荷的切除。为实现快速的网络拓扑分析,采用家族树结构表征配电网,并对传统的粒子群优化(particle swarm optimization,PSO)算法与模拟退火(simulated annealing,SA)优化算法进行改进,提出了协同进化算法(co-evolutionary algorithm of PSO and SA,CPSOSA),CPSOSA算法在求解故障恢复数学模型时具有较高的全局寻优能力。算例分析证明了本文所提恢复策略及算法的可行性和高效性。     

考虑交通网延误的配电网灾后滚动抢修策略优化

为解决当前配电网灾后抢修策略制定时,未充分考虑道路阻断和交通延误影响抢修进程的问题,提出了考虑交通网延误的配电网灾后滚动抢修策略。首先,建立了计及交通网延误的灾后滚动抢修策略框架,以道路延误函数与路口延误函数建立实时交通网延误模型,通过Floyd算法得到各故障点间最短通行时间矩阵。其次,建立考虑交通网延误的灾后抢修策略双层优化模型,外层以加权失电负荷最小和抢修总时长最短为目标,得到各抢修班组抢修链。内层以最大化恢复失电负荷为目标,得到紧急恢复方案。在抢修过程中根据交通网信息更新最短通行时间矩阵,滚动后续抢修策略。最后,通过算例仿真验证灾后滚动抢修策略的有效性。     

配电网多故障抢修与供电恢复联合优化模型

建立了多故障抢修与供电恢复的联合优化模型,通过故障抢修顺序和停电负荷恢复路径的交互影响和反复迭代,最终得到最优的抢修计划和各个阶段最优的供电恢复策略。应用快速非支配排序遗传算法(NSGA-Ⅱ)对所建立的模型进行求解,通过动态操作系统回支关联矩阵来修正在寻优过程中产生的违背"配电网辐射运行"约束的不可行解。算例计算证明,采用不同的抢修顺序和供电恢复策略将对配电系统的供电可靠性产生不同的影响,所建立的模型是正确有效的。     

配网抢修指挥故障研判策略研究

随着配网抢修指挥业务规范化水平的不断提升,有效的配网故障研判策略对于提升故障抢修效率具有重要作用。确定了配网故障研判的技术原则,分析构建了实现配网故障研判策略的技术支持系统架构。综合客户失电、低压线路失电、配变失电、分支线失电、主干线失电5个层次的故障研判逻辑,提出一种基于分层拓扑模型的配电网故障研判流程。实际案例的分析结果证明了所提策略流程的有效性。     

基于自适应免疫粒子群优化算法的配电网状态估计

针对配电网中分布式发电机等设备的非线性特性和配电网量测配置特点,结合粒子群优化算法(PSO)的特点.提出了采用自适应免疫PSO算法进行配电网状态估计的思路.该算法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.解决了配电网状态估计中的非线性问题,克服了基本PSO算法容易陷入局部最优解的缺点,不仅增强了全局搜索能力,而且获得了理想的收敛速度和精度.算例证实了该算法的有效性,与基本粒子群算法的比较,显示了其优越性.     

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.