基于地理信息因子及自适应小生境微分进化算法的变电站规划

针对现代城市配电网变电站选址定容问题,提出一种充分考虑地理信息因子影响的自适应小生境微分进化算法。建立基于区间层次分析法,考虑用地性质、交通情况、防洪排水、地质地貌、施工条件等因素的地理信息因子和变电站建设、运行等费用的综合规划模型。在问题寻优过程中,在微分进化算法的基础上引入小生境中共享机制构成小生境微分进化算法,该算法改变个体适应度值,通过淘汰运算加快收敛速度,并根据个体间相对距离判断种群的聚集情况以自适应调整小生境半径,从而较大提高了算法的全局寻优能力和搜索效率。实际算例表明,所提算法能较好地解决城市配电网变电站规划问题。     

基于改进小生境遗传算法的电力系统无功优化

针对电力系统无功优化问题,提出一种改进小生境遗传算法来克服小生境遗传算法中小生境难以确定的不足,改善遗传算法容易陷入局部收敛和早熟的缺点。通过模糊动态聚类分析方法实现小生境群体的划分,然后利用适应度共享技术对小生境内个体适应度进行调整,以提高全局寻优能力。提出和运用隔代小生境共享机制、最优个体邻域搜索及保留策略等以提高算法的计算速度和收敛速度。通过对IEEE 57节点测试系统进行无功优化计算及结果分析,说明所提出算法的全局搜索能力强、效率高,能得到较好的结果。     

基于自适应小生境的改进入侵性杂草优化算法

为提高入侵性杂草优化算法(IWO)的种群多样性,使算法在处理高维多峰问题时具有更好的全局收敛性。结合小生境思想提出一种小生境杂草优化算法(NIWO)。该算法根据种群内个体间的欧式距离对杂草种群进行分类,并采用自适应小生境数策略确定分类个数,对种群进行繁殖竞争等其他操作,从而增强种群的多样性,提高算法的全局寻优能力,保证算法的收敛精度。利用4个标准测试函数测试算法的寻优能力,仿真结果表明,无论对于低维还是高维多峰函数,NIWO算法的收敛精度和稳定性都优于标准IWO算法。     

考虑负荷不确定性的变电站选址定容

提出了一种参数自适应微分进化算法(PSADE)来解决配电网变电站选址定容问题.根据算法中变异权重因子和交叉因子对进化过程的影响,经分析认为提高算法性能的关键在于平衡大范围搜索和小范围集中寻优之间的矛盾,通过为种群中个体设置单独的变异权重因子和交叉因子,以进化过程中个体适应度函数值的增量为依据对参数进行动态调整,提高算法的全局寻优能力.在变电站选址定容的数学模型中,考虑负荷预测结果误差对规划的影响,采用三角模糊数描述负荷的不确定性,根据投资费用的模糊期望值构造适应度函数.通过对典型的函数优化问题和实际变电站规划问题的寻优结果分析,验证了所提方法具备更好的全局寻优能力,规划方案经济可行.     

考虑负荷不确定性的变电站选址定容

提出了一种参数自适应微分进化算法（PSADE）来解决配电网变电站选址定容问题。根据算法中变异权重因子和交叉因子对进化过程的影响,经分析认为提高算法性能的关键在于平衡大范围搜索和小范围集中寻优之间的矛盾,通过为种群中个体设置单独的变异权重因子和交叉因子,以进化过程中个体适应度函数值的增量为依据对参数进行动态调整,提高算法的全局寻优能力。在变电站选址定容的数学模型中,考虑负荷预测结果误差对规划的影响,采用三角模糊数描述负荷的不确定性,根据投资费用的模糊期望值构造适应度函数。通过对典型的函数优化问题和实际变电站     

基于自适应小生境粒子群优化算法的电力系统无功优化

针对电力系统无功优化问题,提出用自适应小生境粒子群优化ANPSO(Adaptive Niche Panicle Swarm Optimization)算法来克服粒子群优化(PSO)算法容易早熟而陷入局部最优解的缺点.以粒子的位置状况及其2个向量点积的符号动态生成小生境半径,根据各粒子之间的距离组成小生境种群.在小生境群体中运用粒子群优化算法进行寻优,对于更新后的群体根据粒子间的距离,利用共享机制改变粒子的适应度,用以提高整个群体的全局寻优能力.通过对IEEE 6、14、30和118节点测试系统的无功优化问题计算及结果分析,并且与其他算法进行比较,结果表明该算法收敛成功率高,能获得较好的解.     

考虑初始站址的多阶段变电站规划方法*

针对变电站规划结果对初始站址依赖度高的问题,提出了一种考虑初始站址的多阶段变电站规划方法。第一阶段,对传统渔夫捕鱼算法进行改进以提高搜索能力,并用于寻找优良初始站址集。然后提出一种基于变电站负荷总量的加权距离法,以选择出优良的初始站址方案。第二阶段,根据各负荷区域负荷密度对加权Voronoi图的权值进行动态改进,避免负荷分布不均对规划区域产生不良影响,并基于局部寻优结果对规划区域进行全局寻优求解。最后通过算例的计算结果,证明了算法的实用性。     

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.     

基于博弈论的变电站规划研究

针对城市电网变电站规划问题,提出一种基于博弈论的混合算法。该算法将博弈理论与渔夫捕鱼算法(fisher fishing,FF)、粒子群算法(particle swarm optimization,PSO)相结合,设置两个子群和两个博弈策略(FF算法、PSO算法),构建相应的博弈收益矩阵,由加权Voronoi图划分变电站的供电范围,校验其负载率,再以变电站规划年最小费用为适应度函数。两个子群通过博弈收益矩阵周期性地选择和更换搜索策略,在可行解空间内快速寻优。FF算法搜索盲目性过大,收敛较慢;PSO算法易陷入局部最优解。提出的算法将二者进行混合优化,可以取长补短,收敛速度比FF算法快,求解精度比PSO算法高。通过对某市中心城区的规划实例分析,验证了所提算法能够有效解决变电站规划问题。     

基于渔夫捕鱼优化算法的配电网络重构

针对正常运行条件下配电网络重构问题,提出一种基于模拟渔夫捕鱼寻优算法(SFOA)的配电网络重构算法。以有功网络损耗最小为目标函数,建立配电网络重构的数学模型,并采用易于编码实现、寻优能力较强的渔夫捕鱼算法对重构模型进行求解。根据配电网络的特点,应用一种基于网孔开关的编码策略,在不背离算法本身搜索方法前提下,简化移动搜索和收缩搜索,以实现对解空间的全局搜寻。最后利用Visual C++对IEEE-33节点算例进行重构,结果表明,提出的方法是有效可行的。     

基于改进社会认知算法的电力系统多目标无功优化

针对电力系统无功优化传统算法的局限性,结合当前智能算法的特点,提出采用模拟农夫捕鱼算法改进社会认知算法(ISCO),将其运用到电力系统无功优化中,并在构建无功优化的数学模型时,充分考虑如何降低网损和综合考虑减少电压偏差及提高系统运行的电压稳定裕度.经对标准IEEE14和IEEF30节点系统进行仿真计算,结果表明该算法具有很好的全局寻优能力和较快的收敛速度,能有效提高系统运行的经济性和安全性.     

基于差分粒子群算法的变电站选址定容规划

针对标准粒子群算法(particle swarm optimization,PSO)易陷入局部最优,差分进化算法(differential evolution,DE)后期收敛速度慢的缺点,提出差分粒子群算法(differential particle swarm optimization,DEPSO)将二者进行混合优化,提高群体的收敛速度和全局寻优能力,并应用于配电网变电站规划。在变电站选址数学模型中结合Voronoi图来确定变电站供电范围和规划容量,继而校验变电站实际负载率,简化计算过程,提高搜索效率。通过某市城区远期规划实例验证得知该算法正确有效,可以满足城区配电网的规划要求。     

贪心算法结合Hopfield神经网络优化配电变电站规划

提出了一种城市电网规划中变电站规划优化的新算法.该算法先用贪心算法(greedyalgorithm)快速求解新建变电站的座数及各变电站的容量,再利用Hopfield神经网络校核新建变电站的位置和各变电站的供电范围,最后确定各变电站的真实容量.在求解过程中,该方法考虑了已有变电站的改造问题.从全局最优的原则出发,可求得具有实际价值的最优或近似最优解.该方法在求解变电站供电范围时无需对数据进行归一化处理,且易于编程.该方法可为变电站规划提供一种新的思路.     

改进仿电磁学算法在多目标电网规划中的应用

提出基于仿电磁学(electromagnetism-like mechanism,ELM)算法的高容错性多目标电网规划方法。为提升算法的性能,引入被动聚集思想对基本模型的全局寻优能力进行了改善。采用自适应权重、自适应变异和精英策略等措施来改善仿电磁学算法的收敛性。针对电源规划、变电站布点和负荷需求均已知的电网规划,将反映电网经济性和可靠性指标的多目标函数转化为求电网规划最小耗费的单目标模型。对一个18节点系统进行了十进制编码,计算结果证明了该算法能有效地解决电网规划这类含离散变量的大规模组合优化问题和提高规划方案的综合满意度。通过与遗传算法、基本ELM的仿真对比,改进的ELM模型在寻优效率和容错性方面具有明显优势。     

基于粒子群优化算法的电网GIC-Q多目标优化策略

地磁感应电流(GIC)流经变压器绕组会产生直流偏磁现象,造成变压器无功损耗增加,破坏电网无功平衡,影响电网安全稳定运行。为了有效地抑制GIC对电网的不良影响,以无功补偿设备成本和电压偏移量最小为目标,提出一种基于粒子群优化算法的多目标无功优化策略,保证地磁场扰动下电网无功平衡。所提策略利用小生境共享机制不断更新粒子位置,并依据拥挤距离排序对Pareto最优解进行存档,保持解的多样性和均匀性;引入混沌变异避免陷入局部最优解,同时提高全局搜索能力。GIC标准算例的仿真结果验证了所提策略的准确性和有效性。     

基于最小欧式距离(1+1)小生境遗传算法的无功优化

针对电力系统无功优化存在的问题,提出了利用最小欧氏距离下(1+1)竞争小生境遗传算法,克服了小生境遗传算法中小生境难以确定的不足,改善了遗传算法容易陷入局部收敛和早熟的缺点。通过对IEEE30节点测试系统进行无功优化计算,验证了该算法全局搜索能力强、效率高。