基于多Agent演化算法的多目标配电网故障恢复

针对大规模配电系统,定义了配电网运行均衡度指标,在完成重要负荷的优先恢复基础上,尽可能多地恢复失电负荷,再综合考虑配电网运行均衡度与网损两方面,建立了配电网多目标故障恢复数学模型。提出一种基于多Agent演化思想的多目标配电网故障恢复算法,每个目标作为一个代理（AG）,代理（AG）拥有各自的演化群体,以各自的单个目标作为演化过程中的评价函数,在寻优过程中协调代理（CAG）将代理（AG）发送过来的最优解的概率分布进行合成,然后再发回给单个代理（AG）,作为产生下一代解的依据。算例表明,该方法在很少的演化代数内将解群体收敛到Pareto最优解集,证明了该方法的高效性和实用性。     

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。     

配电网固定串联补偿多目标优化

为了更好地利用固定串联补偿电容器改善网架薄弱、供电半径大以及长线路末端有重负荷配电网的电压偏差,研究了确定固定串联补偿电容器选址定容的多目标优化方法。以电压整体偏差、串联补偿容抗和有功网络损耗最小为目标建立配电网固定串联补偿多目标优化模型。基于灵敏度方法和固定串联电容器减小线路电压损耗的原理确定安装固定串联电容器候选线路和补偿容抗取值范围。运用带精英策略的快速非支配排序遗传算法求解建立的模型。算例验证了方法的可行性和有效性。结果表明串联电容器能够有效地提高电压质量和降低有功网络损耗。     

基于多目标粒子群算法的电力系统无功优化

针对电力系统有功损耗和电压偏差,提出一种带有变异的多目标粒子群算法.该算法采用非支配排序和拥挤距离来提高算法的多样性.通过ZDT1～ZDT4基准函数验证该算法的性能,比较它与其他多目标进化算法的优劣.将该算法应用于对多目标无功优化求解,采用IEEE30节点系统验证算法在无功优化中的优势.优化结果表明,该算法能清晰地给出电力系统有功损耗与电压偏差间的竞争关系,并能为用户提供均匀分布的多样化的备选解,让用户可以根据不同情况灵活选择.通过多次结果的叠加显示了该算法的稳定性.     

基于小生境多目标粒子群优化算法的配电网混合储能配置研究

随着风光接入比例不断增加,配电网中弃风、弃光和弃负荷的现象时有发生,储能系统对维持能量平衡和提高配网供电质量起到关键作用,并可有效平抑功率波动、降低弃风弃光率以及提高电能质量.本文综合考虑分布式电源、储能装置及配网安全运行约束条件,建立以储能成本、网损率以及电压稳定性作为优化指标的配网储能优化配置模型,并以IEEE33节点配网为算例,运用小生境多目标粒子群优化算法对该模型进行求解,验证了模型及算法的有效性.     

基于多目标粒子群算法的电力系统无功优化

针对电力系统有功损耗和电压偏差,提出一种带有变异的多目标粒子群算法。该算法采用非支配排序和拥挤距离来提高算法的多样性。通过ZDT1～ZDT4基准函数验证该算法的性能,比较它与其他多目标进化算法的优劣。将该算法应用于对多目标无功优化求解,采用IEEE30节点系统验证算法在无功优化中的优势。优化结果表明,该算法能清晰地给出电力系统有功损耗与电压偏差间的竞争关系,并能为用户提供均匀分布的多样化的备选解,让用户可以根据不同情况灵活选择。通过多次结果的叠加显示了该算法的稳定性。     

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。     

基于混合编码方式的配电网故障恢复算法研究

为提高遗传算法求解配电网故障恢复问题的效率,提出了一种染色体混合编码模型。对配电网的网络拓扑进行节点深度法编码,通过相应的交叉变异操作,产生可行的配电网生成树。非故障失电区的可中断负荷采用0-1编码,实现切负荷控制,增加故障恢复的灵活性。这种混合编码方式可以大大降低不可行解的数量,加快算法收敛速度。采用多目标优化算法NSGA-Ⅱ,减少权重系数主观性对最优解的影响,实现各个优化目标的协同进化,可以为调度人员提供多个最优恢复方案。算例计算结果验证了所提出的模型和算法的正确性和有效性。     

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NSGA-II-PSO算法的微电网多目标优化运行模式

解决微网中新能源出力的随机性与波动性是微电网优化运行的前提和关键,为此,提出一种快速非支配排序遗传算法NSGA-II （non-dominated sorting genetic algorithm）和基本粒子群优化算法PSO（particle swarm optimization）相结合的NSGA-II-PSO算法,考虑将经济运行成本和环境污染成本作为优化的目标函数,建立常见发电单元以及蓄电池储能的多目标优化运行模型。通过Matlab仿真对比PSO、NSGA-II和NSGA-II-PSO算法的适应度收敛曲线,验证所提算法具有收敛速度快、全局和局部搜索能力强的优点,较单一的PSO算法和NSGA-II算法具有更优的特点;结合经典微网系统进行算例仿真,通过对单目标与多目标的分析,结果表明该算法能有效降低经济成本和使环境效益达到最优;并且进一步验证所提算法的优越性。     

遗传粒子群混合算法在配电网络重构多目标优化中的应用

针对配电网络重构多为单一性能最优重构的问题,文章提出了使配电网线损、负荷均衡、供电电压质量最佳的多目标配网优化模型。结合GA中的进化思想和粒子群算法(PSO)中的群体智能技术,采用遗传粒子群混合算法寻优,通过随机权重方法来获得目标是Pareto前沿面的可搜索方向,体现出较GA和PSO更好的寻优性能。寻优过程中,部分个体以PSO方法迭代,其它个体进行GA中的选择、交叉和变异操作,整个群体信息共享,同时采用自适应参数机制和优胜劣汰的思想进化。在此基础上制定的配网优化方案能够在保证配网呈辐射状、满足馈线热容、电压降落要求和变压器容量等的前提下,最大限度地提高配电系统安全性和经济性。算例表明该算法在求解性能和效率两方面都有比较显著的优势。     

基于和声搜索算法的配电网多目标无功优化

首次将一种新型人工智能算法即多目标和声搜索算法(MOHSA)应用于配电网无功优化中,建立了以系统网损最小、无功补偿费用最低为目标函数的无功优化数学模型,考虑配电网的运行要求,以容性无功补偿的定容定址为控制变量。算法通过和声保留、音调调节和随机选择三种方式来更新和声解向量,同时基于非劣化排序,考虑拥挤距离,对和声记忆库优先筛选,确保求得Pareto前沿的非劣性与分布性,并采用理想点法选择工程最优解。最后采用IEEE-33节点系统,对算法的性能以及工程性进行测试,并与NSGA-II算法对比,结果表明了M OHSA在收敛稳定性、计算精度等方面具有一定优势。     

基于层次分析法的配电网运行方式多目标优化

配电网运行方式在正常运行、检修和故障3种不同状态下需要重点解决各自不同的问题,分别需要不同的优化目标进行运行方式优化计算。基于层次分析方法综合评估配电网设备运行状态、技术性和经济性,建立层次分析模型,并通过方案属性决策向量表以及属性权重判断矩阵获得正常运行、故障、检修3种状态下的综合评价指标,将其应用于配电网3种不同状态下的运行方式优化目标。提出了一种多目标的配电网运行方式优化计算方法,以改进的IEEE 69节点配电网为算例,通过遗传算法进行优化计算验证了指标和算法的可行性。     

基于混合算法的多目标配电网重构

配电网重构是配电管理系统的重要内容,从本质上讲,它是一个非线性组合优化问题,若采用传统的遗传算法处理,由于其易于陷入局部最优解和随着配电网规模的扩大搜索效率低的问题,难以得到理想结果。提出一种混合算法来处理配电网重构问题,根据遗传算法和粒子群算法各自的原理特点,将遗传算法和粒子群算法相结合,充分地利用粒子群算法的快速性、随机性、全局收敛性,较好地解决了遗传算法用于配电网重构时的缺点和不足。理论分析和算例表明,该方法高效可行,适合配电网自动化的实际应用要求。     

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。     

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。     

基于混合算法的油田配电网负荷均衡化

提出了基于遗传算法和网络分割算法以均衡负荷为目标的配电网优化方法。将配电网优化问题表示为以负荷均衡指标最小为目标函数的非线性优化问题,针对配电网运行的结构特点对配电网拓扑结构模型进行了简化,然后再通过遗传算法对已分割的网络开关进行优化。算例分析结果表明能够有效解决配电网负荷均衡化的问题,计算速度快,并且收敛性好。     

基于非支配排序差分进化算法的多目标电网规划

在多目标电网规划问题中,综合考虑经济性、安全可靠性和环境影响等因素后,提出了非支配排序差分进化算法。以电网投资、运行维护费用、网损费用、线路走廊面积最小为目标建立了多目标电网规划模型。非支配排序差分进化算法将Pareto非支配排序法与差分进化算法相结合,采用动态调整策略调整差分进化算法控制参数,改进了个体拥挤比较机制,提高了算法的全局搜索能力和种群多样性,并基于模糊集理论选取最优折衷解。Garver-6节点和Garver-18节点系统算例结果表明,该算法可以有效生成分布均匀的Pareto最优解集,在求解多目标电网规划问题中具有可行性和优越性。     

基于自适应多种群遗传算法的多目标配电网故障恢复

包含分布式电源(distributed generation,DG)的配电系统,在发生大面积断电时,其供电恢复是一个多目标、多约束的复杂优化问题.文章考虑用户优先等级,基于负荷恢复量,手动开关和遥控开关的动作次数以及恢复供电后的网损,建立了包含DG的配电系统的多目标供电恢复模型,并提出一种改进的遗传算法来处理配电网故障...