基于模糊熵权Vague集的配电网检修决策优化

为提高供电可靠性和经济性,科学合理地制定配电网检修计划具有重大意义。目前检修决策优化仅优化检修时间,尚不能合理地融合决策者的偏好因素和配电网的实际情况。针对配电网检修决策优化问题,以检修时间和检修方式为优化变量,以配电网检修风险和故障风险最小化为目标,综合考虑电网安全和检修关系等约束条件,建立配电网检修多目标优化模型。针对模型采用基于拥挤距离排序的多目标粒子群算法求解出Pareto最优解集。综合决策者的偏好因素和决策矩阵的客观信息,采用基于模糊熵权的Vague集多属性决策方法进行决策,选取出最满意的配电网检修方案。最后,分别以RBTS Bus2系统和RBTS Bus6系统为例,验证了所提模型和算法的可靠性和有效性。     

考虑恢复安全裕度的扩展黑启动方案多目标优化与决策

目前黑启动阶段的恢复策略都未保留恢复安全裕度,单纯追求效益型指标的最大化,不利于黑启动小系统的安全恢复和稳定运行,且现有的黑启动决策方法尚不能合理地融合决策者的偏好因素和系统恢复的实际情况。提出兼顾功率支持和恢复安全裕度的扩展黑启动方案多目标优化方法,以初期阶段内发电量加权和最大化、电压稳定裕度最大化和维持节点电压在满意水平为优化目标,综合考虑各类约束,建立扩展黑启动方案的多目标优化模型;结合快速非支配排序遗传算法与最短路径法对扩展黑启动方案求解出Pareto最优解集。综合决策者的偏好因素和决策矩阵的客观信息,进行基于模糊熵权的Vague模糊集多属性决策分析,选取出最满意的扩展黑启动优化方案。最后,以新英格兰10机39节点系统和河北南网实际系统为算例,验证了所提方法的有效性。     

考虑后续恢复影响的扩展黑启动方案多目标优化与决策

综合考虑恢复初期阶段和后续阶段,提出一种扩展黑启动方案的多目标优化方法。以初期阶段内加权发电量最大化、尽快搭建系统的骨架网络和选择运行性能尽可能利于后续系统电压调整的被启动机组为优化目标,综合考虑机组启动约束和系统运行约束,建立扩展黑启动方案的多目标优化模型,然后结合快速非支配排序遗传算法(NSGA-Ⅱ)与Dijkstra法对扩展黑启动方案求解出Pareto最优解集。最后综合决策者的偏好因素和决策矩阵的客观信息,进行基于模糊熵权的Vague集多属性决策分析,选取出最满意的扩展黑启动优化方案。以新英格兰10机39节点系统为算例验证了所提方法的有效性。     

基于熵权决策的Halbach直线发电机分层优化设计

为了实现直驱式波浪发电装置的高功率密度及高转化效率,针对Halbach阵列直线发电机,提出了一种基于熵权多属性决策的分层优化设计方法。在分析电机基本原理、发电性能以及试验验证的基础上,以开环电动势幅值、电压波形畸变率为目标,采用灵敏度方法筛选关键变量,建立分层优化模型,进一步结合NSGA-II优化方法开展多目标优化设计;最后,提出通过熵权多属性决策TOPSIS算法对pareto非劣解集开展决策评估,获得电机结构尺寸的最优解。结果表明,电机优化前后电动势幅值提升了13.7%;THD降低了1.06%,验证了所提出的优化设计方法的高效性、可行性,以及决策方法的科学客观性。     

基于多目标优化随机权系数加权和的机组负荷分配

火电厂机组负荷优化分配不仅要考虑机组煤耗,还要考虑机组的污染物排放水平。采用随机权系数方法将多目标优化问题转换成单目标问题,基于试验方法确定初始样本集,利用序列二次规划方法获得多目标问题最优解。由于权系数的随机性,多次运行能够得到多目标优化问题的Pareto解和Pareto前沿。与固定权系数相比,这种方法能够找到非凸均衡面上所有的Pareto最优解。由Pareto最优解构成决策矩阵,使用赋权的信息熵方法对最优解的属性进行权值计算,然后用逼近理想解的排序方法进行多属性决策研究,对Pareto最优解排序。讨论了3台机组间负荷分配的多目标优化和决策,算例表明文中提出的联合方法能够迅速搜寻到Pareto解。     

风光联合优化配置的多目标机会约束规划方法

针对风速、太阳辐射、负荷的随机性和相关性,综合考虑成本、网损和电压质量,应用蒙特卡洛模拟法和机会约束规划法建立了风力发电机组和光伏方阵两种分布式可再生能源接入现有配电网的多目标优化配置模型。在蒙特卡洛法的基础上,提出了多区间划分、建立概率分布的方法,从而减少抽样次数。在求解模型过程中,首先利用多目标微分进化算法进行全局寻优,得到一组pareto最优解集,然后采用基于熵的模糊多属性决策方法选取折衷最优解。IEEE-33节点配电系统规划结果验证了模型的合理性和方法的有效性。     

考虑电网安全约束的节能发电调度

对传统电力系统经济调度模型进行修正.以发电成本、有功网损和污染气体排放量最小为目标,构建了节能减排环境下的多目标发电调度模型,模型中计及了支路潮流约束和系统备用约束.针对模型呈现出多目标、多约束、非线性的特点,结合多目标优化和多属性决策技术对其进行求解.利用自适应多目标差分进化算法求出Pareto最优集后,采用熵权决策法从中提取出最优调度方案.IEEE 30节点系统算例结果验证了所提发电调度方法的有效性.     

考虑负荷不确定性与差异化需求的配电网网架结构混合多属性评价优选模型

传统配电网网架结构选择以定性决策为主,受人为因素影响大,决策繁琐。提出了一种考虑负荷不确定性与差异化需求的混合多属性评价优选模型。从拓扑结构、可靠性、经济性3个方面建立多属性评价指标体系,基于集对分析的混合多属性评价方法在评价过程中量化负荷不确定性,在此基础上进一步利用熵权法得到各指标客观权重及由指标权重表征的各网架性能;引入K-means聚类算法及模糊层次分析法建立多专家决策加权的需求方案静态获取模型,得到差异化需求方案以及指标主观权重;利用基于主客观权重及模糊熵的多属性关联关系分析模型,计算差异化需求方案与各备选网架的关联程度,最终建立考虑负荷不确定性与差异化需求的混合多属性评价优选模型。以多个地区的配电网规划为研究对象,利用所提出的混合多属性评价优选模型,分析了不同地区差异化需求下所适合建设的最优网架,验证了所提模型的有效性。     

计及电压崩溃风险的风电并网系统多目标无功优化

针对风电出力的随机性及电压崩溃给电力系统带来的影响,分析了风机在潮流计算中的处理方法,以系统网损最小和电压崩溃风险最小为目标函数,建立了含风电场的电力系统多目标无功优化模型.首先采用改进差分进化算法对该模型进行求解,得到Pareto最优集;再利用基于熵权的逼近理想解的排序方法对由Pareto最优集构成的决策矩阵进行多属性决策,挑选出最后的折中解,为决策者做出选择提供指导.最后,以含风电场的IEEE24节点系统为例,验证了模型及算法的有效性.     

考虑换流站损耗特性的交直流系统多目标无功优化控制

交直流互联系统中各个直流输电通道在输送大量电能的同时,也会产生很大的电能损耗。通过协调优化多回超/特高压直流输电系统的电压无功控制措施,能够有效地降低整个交直流系统运行的损耗电量。提出一种考虑换流站详细损耗特性的交直流系统多目标无功优化控制方法,以包括换流站内部各主要设备损耗的整个交直流输电系统总网损和所有关键节点电压偏差平方和的最小化为目标,建立交直流互联系统的多目标无功优化控制模型。提出一种自适应加权和算法,结合GAMS/CONOPT解法器求解得到多目标优化问题的均匀分布的帕累托最优解集。并根据各个最优解的模糊隶属度和熵权信息从帕累托前沿曲线中确定出折中最优解,作为多目标无功优化控制方案。通过对某个6056节点交直流互联系统的计算表明,所提出的算法求得的帕累托最优解集分布均匀,且所获得的多目标无功优化控制方案能够有效降低换流站运行损耗,提高关键节点的电压质量。     

基于云模型的输电网规划方案综合决策方法

针对目前输电网规划方案综合决策中存在不确定因素以及确定指标权重方法主观性强的问题,提出了基于组合权重和云模型的输电网规划方案综合决策方法。该方法首先基于层次分析法、序关系法计算的主观权重和熵权法、变异系数法计算的客观权重,利用粒子群优化算法求取各评价指标的组合权重,克服了单一专家赋权或客观赋权的不足。然后采用云模型对各方案进行优劣排序,充分发挥了云模型能反映评价信息的模糊性和随机性的优势。最后结合IEEE Garver-6算例验证了该决策方法的有效性。     

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SE-DEA模型的电网规划方案综合决策体系

为解决电网规划方案综合决策过程的复杂性,建立了基于SE-DEA模型的多属性多目标电网规划方案综合决策体系,给出了一套综合评价指标集,通过合理选择输入、输出指标以及处理指标集中的定量和定性数据,形成了完整的综合决策方法,根据综合产出与综合投入的比率值实现了对电网规划方案的综合排序和选优。实例结果表明,该综合决策体系理论清晰、计算方便、结果直观,具有一定的应用价值。     

面向用户需求的DG与配网网架多目标联合规划

考虑电力用户的多样化供电需求和可再生能源DG出力随机性,提出了面向用户需求的DG与配网网架多目标联合规划方法。根据用户对供电电压质量和可靠性等多样化的需求,对负荷需求整理分类;根据可再生能源DG出力的概率模型和机会约束规划方法,处理不确定性问题;以年社会成本、电压偏移率和用户停电缺失量综合最优为目标函数,建立了DG与配网网架多目标联合规划模型。基于pareto优化理论,采用多目标混合粒子群算法和熵权修正的AHP-TOPSIS多属性决策策略相结合的方法,求解模型。最后,利用算例验证所建模型的合理性和有效性。     

城市电网网架结构与分区方式的两层多目标联合规划

提出城市电网网架结构与分区方式的联合规划方法。首先提出城市电网分区方法,进而构建联合规划的数学模型,并使用多目标遗传算法求解。设定模型求解的前提条件,将两层规划模型的求解转化为相应的单层多目标优化问题的求解。针对联合编码策略所引起的孤岛问题提出连通网架形成方法。通过适应度计算、精英保存、分层进化等环节的设计,使多目标遗传算法在求解单层多目标优化问题过程中逐渐形成接近分层多目标优化问题有效解集的一组解。对实际系统的应用结果表明该文方法直接、有效。     

基于路径描述的配电网电力廊道规划方法

配电网工程的落地依托于充足的电力廊道资源,而电力廊道规划方案的合理性也将影响到后期配电网建设的经济性。为科学指导廊道的选择,提出一种基于路径描述的配电网电力廊道规划方法。首先根据电力廊道与配电网网架之间的耦合关系,搭建电力廊道连通性模型;然后采用深度优先遍历算法获得满足廊道建设情况的供电路径集合。基于此,以电力廊道综合规划费用为廊道规划方案的评估依据,搭建了配电网电力廊道双层规划模型。最后采用嵌套离散粒子群优化算法进行优化求解,外层粒子群算法以电力廊道综合规划费用最小为优化目标,内层粒子群算法以配电网运行规划成本最小为优化目标。算例分析表明,所述模型可兼顾后期配电网建设的可行性与经济性,得到满足负荷需求的电力廊道最优规划方案,有利于提前对廊道站址进行保护,为配电网建设提供参考。     

Research on optimal schedule strategy for active distribution network using particle swarm optimization combined with bacterial foraging algorithm

Comparing with the traditional distribution network, a significant feature of the active distribution network (ADN) is that the performance of distributed generation (DG) units, energy storage units and micro-grid (MG) in the network is controllable for the distribution network operator. Considering the characteristics of the distributed power supply and micro-grid, and giving full play to the advantages of distributed generation technology in the economic, environmental and energy aspects, this paper highlights an environmental protection and energy saving optimal schedule model for ADN. The scheduling model focuses on the minimum network loss, minimum voltage deviation and minimum difference between peak and valley load. In addition, the two stage algorithm is presented to solve the proposed multi-objective scheduling model of ADN. First, a set of Pareto solutions are obtained by using the proposed particle swarm optimization combined with bacterial foraging algorithm (PSO-BFO) to solve multi-objective optimization problems, then the optimal schedule strategy of ADN is gained through evaluating the Pareto solutions with entropy weight decision-making method. To avoid the search falling into local optimal solution, the two-value crossover operator is introduced to exchange the information among subpopulations and update the position of related particles. Meanwhile, the adaptive adjusting inertia constant strategy is used to improve the algorithm convergence speed. Finally, the case study results demonstrate the rationality of the proposed optimal schedule model and the validity of its solution algorithm for ADN.     

配电网故障区段定位的互补松弛约束新模型与算法

研究快速高容错性馈线故障区段辨识技术对于提升配电网运行安全可靠性具有重要作用。基于故障电流信号并联叠加特性和逼近关系理论,首次提出代数建模机制下馈线故障区段定位的互补松弛约束模型,其优势为:克服了逻辑模型对群体智能算法的依赖,可采用数值稳定性好的梯度算法求解;利用互补松弛约束条件将非线性整数规划模型转化为具有光滑特性的非线性规划模型,降低了决策求解复杂性;无需对配电网进行分层解耦,即可实现单一和多重故障区段的有效辨识。为有效求解互补松弛故障定位模型,基于模型等价转换思想和松弛因子压缩策略,提出具有全局收敛特性的交互式优化决策算法。仿真算例验证新方法可实现配电网馈线单一或多重故障区段的准确高容错性辨识,且数值稳定性好、故障定位效率高。     

基于深度双Q网络的权值时变路网路径规划

针对传统路径规划方法无法根据城市路网权值时变特性规划最优路径的问题，提出了基于深度双Q网络的权值时变路网路径规划方法。首先，构建权值时变的城市路网模型，其中，路段各时间段权值由随机函数产生。然后，设计了状态特征、交互动作和奖励函数对权值时变路网路径规划问题进行建模，利用DDQN算法训练智能体来学习路网权值时变特性，最后根据建模后的状态特征实现权值时变路网的有效路径规划。实验结果表明，DDQN算法训练的智能体在权值时变路网中具有较好全局寻优能力。相比于滚动路径规划算法，所提方法在不同情况下规划的路径均最优，为权值时变路网的路径规划提供了一种新思路。