基于粒子群遗传混合算法的配电网无功规划

提出了一种基于粒子群算法(PSO)和遗传算法(GA)相混合的配电网无功规划算法。该算法利用遗传算法收敛效果好和粒子群算法收敛速度快的特点,计算结果表明:该算法是收敛的、有效的。     

基于改进粒子群算法的配电网重构的研究

提出了基于改进二进制粒子群算法的配电网重构策略,在保证系统及用户供电质量的前提下,使得配电网重构的综合费用最低。从配电网重构实际应用出发,提出了综合考虑系统的电能损耗费用、开关运行维护及投切费用和停电损失费用四方面的目标函数。针对普通粒子群算法易陷入局部极值的缺点,采用改进的惯性权值策略,增强了算法的调节功能,克服了普通粒子群算法的早熟收敛现象。算法还对开关操作次数约束进行了处理使之不影响全局最优性。仿真结果表明,这种配电网策略可以明显降低系统网损和综合费用。改进的粒子群算法计算速度快,目标函数更贴近配电网重构的实际情况。     

基于粒子群算法的配电网网架规划

针对配电网网架规划问题,提出了一种改进的混合粒子群算法,引入与以往的进化粒子群混合算法不同的动态邻域间极值粒子的交叉操作,提高了算法的收敛速度;提出一种“尽量满足辐射状约束”的方法,有效地解决了离散变量的处理和辐射网判断之间的矛盾。算例计算表明,该算法收敛速度快,具有很好的全局搜索能力,是可行且有效的,对于推广PSO在电力系统中的应用具有积极的意义。     

基于改进粒子群算法的配电网无功优化研究

采用改进粒子群算法对配电网进行无功优化,以IEEE14节点电力系统为例,建立粒子群算法的数学模型,引入线性递减惯性权重对粒子群算法进行改进,使用MATLAB软件进行仿真运算。比较两种算法对节点系统无功优化后的网损大小和收敛速度,验证采用研究方法的有效性和可行性。     

一种新颖的人工鱼群算法

为了克服基本人工鱼群算法(AFSA)收敛速度慢、求解精度不高和易陷入局部最优的不足,提出了一种新颖的人工鱼群算法(AO-AFSA).该算法结合人工鱼与粒子群(PSO)中的粒子都具有个体学习能力和社会学习能力,模拟粒子群中粒子的速度位置更新公式去分别修改人工鱼群算法中人工鱼的觅食行为、聚群行为、追尾行为的更新公式.并采用5个典型的测试函数进行仿真实验,分析算法的寻优精度、收敛速度以及稳定性.测试结果表明改进后的算法能够较快地收敛至全局较优解,有更强的稳定性,并具有较好的寻优性能.     

基于改进粒子群算法的配电网网架优化研究

配电网网架优化是一个多目标综合优化问题,粒子群算法因其易实现、收敛速度快等特点逐渐成为电力系统优化领域研究热点之一. 针对粒子群算法易陷于局部最优问题,提出一种基于聚类策略的改进粒子群算法,动态地将粒子聚类为三种级别的粒子并对应采用不同的学习模型更新速度,增强了粒子群体多样性和全局搜索能力. 通过算例仿真验证了算法在配电网网架优化问题上的可行性.     

基于改进粒子群算法的配电网电压无功优化控制

建立了配电网电压无功综合优化数学模型,以便提高配电网运行的电压质量,降低网络损耗。运用改进粒子群算法(MPSO)求解该模型。算法中采用的随机变异机制,提高了粒子的多样性,从而改善了电压无功控制效果。数值对比试验表明,本文方法是合理的和可行的,具有一定的实用意义。     

基于改进粒子群算法的配电网检修计划优化方法

为提高配电网检修计划的合理性与经济性,提出一种基于改进粒子群算法配电网检修计划优化方法.首先,以检修成本、供电损失和故障损失最小为目标,以实际检修过程中存在的检修资源限制、检修先后顺序、安全稳定运行等问题为约束条件,建立符合实际配网检修过程的检修计划优化模型;其次,为减小求解问题的复杂度,提出对不同类型的约束采取相应的预处理方法;最后,通过将自然选择思想融入到种群粒子的迭代更新中,提高种群粒子的整体质量,克服标准粒子群算法存在的早熟收敛、易于陷入局部最优解的问题.将改进的粒子群算法应用于具体算例的求解,结果表明提出的模型和算法具有很好的可行性与合理性.     

基于差分粒子群算法的含DG配电网优化重构

为解决含分布式能源的配电网优化重构问题,提高配电网对分布式能源的消纳能力,提出了一种基于差分粒子群算法的含DG配电网优化重构方法。以配电网系统有功网损最小为目标函数,综合考虑各类约束条件,建立了含DG配电网优化重构模型,采用差分粒子群算法对模型进行求解,并与其他优化方法进行对比。结果表明,差分粒子群算法能够有效减少迭代次数,提高收敛精度,文章所提方法的重构策略为断开开关6-7、8-9、13-14、27-28、31-32,对应的配电网有功网损为106.06 kW,降损率为37.50%,优于其他方法,验证了文章所提方法的实用性和优越性。     

基于链式遗传——模拟退火算法的配电网络重构

以网损最小为目标函数,节点电压、网络辐射性和电源容量的限制为约束条件,建立了配电网络重构优化数学模型。针对各种单一算法的局限性,提出了一种基于链式遗传-模拟退火算法。该算法将环境压力映射为待优化问题,进化链（食物链）上每条染色体（个体）则对应问题的一个候选解,通过模拟退火Metropolis取舍准则控制算法搜索最优方案的进程。最后,在IEEE16节点系统上验证了所提方法的有效性。     

基于蚁群算法的配电网重构

本文提出了一种基于蚁群系统的配电网重构算法（ACSA）[12],该算法用于减少在正常运行情况下的电能损耗的问题。结合相应的数学模型和算法,对一个典型的配电网重构的问题进行了验证。基本蚁群算法的缺点是收敛速度慢和进化停滞,本文提出了一些新的措施来克服这些缺点。     

基于改进细菌觅食算法的配电网重构

提出一种改进细菌觅食算法,能使配电网重构计算更加实际有效,通过IEEE33和IEEE69节点系统的仿真计算,结果表明所提方法在全局寻优和收敛速度上有较好能力,适用于当前配电网结构复杂,计算量大的特点.     

基于改进蚁群算法的含分布式电源的配电网重构

提出了含分布式发电以降低网络损耗为目标的配电网重构,通过改进的蚁群算法来寻找配电网的最优网络结构,利用关联函数来优化支路更新支路信息素,采用局部信息素与全局信息素相结合,减小局部最优解,提高算法收敛速度。最后以IEEE69节点系统为例进行仿真计算,结果验证了该算法的可行性和有效性。     

单亲遗传算法在配电网重构中的应用

将单亲遗传算法引入配电网重构,直接在优化过程中实现对导线截面的选择,避免确定网架结构和选择导线截面时可能带来的局部最优问题,缩短了切除故障和恢复供电的时间,提高了供电可靠性.     

基于拓扑搜索的配电网故障重构系统的实现

分析了配网重构两类方式的优缺点,主要研究了集中式配网重构的方法,提出了基于拓扑搜索的配电网故障重构算法.该方法的特点是直观,计算速度快,可得出多种故障恢复方案供调度员选择.同时,也给出最优方案建议.基于该算法,采用VC 6.0编程和图模一体化技术,开发了配网故障重构系统.     

基于全局人工鱼群算法优化的DV-Hop定位算法

无线传感器网络具有大规模、自组织、可靠性、以数据为中心、集成化等特点,被广泛应用于军事、医疗、矿山监测、安全生产等领域。然而现有的无线传感器网络非测距定位算法还存在定位偏差较大问题。针对上述问题,本文提出一种基于全局人工鱼群算法优化的DV-Hop（Distance Vector Hop）定位算法（DEWF-D）。该算法对非测距定位算法中的DV-Hop算法出现误差的步骤进行优化处理,通过减小算法过程中出现的误差,最终得到较为精准的定位坐标。首先使信标节点以两种不同的通信半径传递消息,将跳数进行精确化处理,以减少跳数带来的误差,然后用最小均方误差准则和误差加权方式计算平均每跳距离,最后利用人工鱼群算法替换三边测量法进行坐标计算,同时又在人工鱼选择下一个位置时引入全局最优信息,并引入人工鱼的吞食行为,提高人工鱼群算法的精度以及收敛速度。通过仿真验证,在不同信标节点密度下,本算法与DV-Hop算法以及其他算法相比定位精度分别提升28.3%、6.9%、12.5%,而在不同通信半径下,定位精度提升了24.4%、7.6%、14.8%。证明DEWF-D算法能有效提升定位精度,解决了定位算法中出现的定位偏差较大问题。     

基于分层模型以负荷均衡化为目标的配电网络重构

配电网负荷均衡是降低配电网线损、优化配电网运行、实现网络重构的一个目标。而网络重构的结果其实是将一个配电网分割成几部分,各部分通过常开的联络开关相连。基于此,提出了配电网负荷均衡的新算法——网络分割法。通过网络分支、分层,寻找联络开关的最优位置,实现网络重构。     

基于分层模型以负荷均衡化为目标的配电网络重构

配电网负荷均衡是降低配电网线损、优化配电网运行、实现网络重构的一个目标。而网络重构的结果其实是将一个配电网分割成几部分,各部分通过常开的联络开关相连。基于此,提出了配电网负荷均衡的新算法——网络分割法。通过网络分支、分层,寻找联络开关的最优位置,实现网络重构。     

配电网网络重构策略研究

针对离散优化问题,以粒子群优化算法(PSO)信息更新的本质机理为基础,在基本PSO算法的基本思想、算法框架下,引入分布估计算法思想,重新定义离散粒子的表示方式。将分布估计离散粒子群算法应用到配电网优化重构中,每一维粒子的取值,须根据概率向量产生,在寻优过程中,根据粒子能力的差异,自适应调整其惯性权重,从而寻找对配电网拓扑结构的优化策略,达到降低配电网的网络损耗、提高电压可靠性的目的。