基于改进遗传算法的配电网优化规划

在遗传算法的基础上，引入改进机制，对配电网网架规划进行求解。优化模型中考虑线路投资的时间价值，以年费用最小为目标，以线路传输容量、电压降、配电网的辐射性等为约束条件；以备选网络的生成树作为初始解，避免了随机产生初始可以解时速度较慢的弊端；借鉴支路交换的思想设计杂交算子和变异算子，避免了辐考检查过程，使算法的寻优能力大为增强。算例结果表明：在精度相同的情况下，该方法的计算速度比普通遗传算法有较大提高。     

配电网络重构的改进支路交换法

根据配电系统中存在大量独立拓扑调整的特点,提出一次可以实施多个独立拓扑调整的配网重构方法,并通过节点流过的负荷电流值与理想转移负荷之间的距离确定打开的分段开关,进一步提高了处理效率,当降损效率小于给定值时不再进行网络重构;避免了无实际意义的拓扑调整。该算法考虑并非所有配网支路上都安装开关,更符合实际情况。给出的算例表明该方法是有效的。     

基于支路交换的模拟退火算法在配电网规划中的应用

本文提出的配电网优化规则方法是以配电网的年综合费用为目标函数，以模拟退火法为寻优策略，其中新解产生器则以支路交换为基本思想。这样既可以利用模拟退火法能较大可能地找到全局最优解、最终解不依赖于初始解的特点，又可以利用支路交换法减小模拟退火过程的计算量，提高算法的效率。     

序优化理论在配电网重构中的应用

配电网重构是非线性组合优化问题,针对大规模配电网解空间过于庞大的特点,提出基于序优化理论的配电网重构算法。该算法从配电网运行和开关调整方式入手,借助开关支路交换法简化网络结构,得到解环生成原始可行解空间的方法。运用序优化理论制定一种按照评估值优先准则,进行解集的选择和排序,改进的粗糙函数不仅能够进行序曲线的确定,而且能去除大量的无效解,提高重构速度。通过实际24节点和美国PGE69节点系统的算例测试,验证了方法的有效性。     

蚁群算法在配电网规划中的应用

配电网规划是一个复杂的组合优化问题，传统的优化方法往往难以解决此类问题，但是近年出现的一些智能算法有效地解决了此类问题。蚁群算法是一种新型的模拟进化算法，研究表明该算法在求解组合优化问题时是有效的。算法中，蚂蚁之间通过信息素进行交流，相互协作，使得蚁群表现出智能行为，针对配电网络的辐射性特点，提出了基于蚁群算法的单期配电网优化规划方法，该方法避免了辐射性检查过程，提高了算法效率，算例表明该算法具有实用性和可行性。     

应用进化规划变异算子的配电网重构算法

针对进化规划算法普遍存在的进化过程缓慢和进化后期难以平稳收敛等问题,考虑到配电网重构功率损耗最小和负荷均衡2个目标,提出一种新的进化规划变异算子。为保证变异产生的新个体积极地向最优个体靠拢,一方面使变异算子的拓扑调整次数与进化代数成反比,另一方面在拓扑调整过程中增加待合开关选择算子和待分开关选择算子。同时,为提高整个配电网重构算法的计算速度,研究了功率损耗、二次负荷矩、待合开关选择算子和待分开关选择算子的简化计算方法。所提方法的可行性在河南省商丘供电局的10 kV配电网运行优化与辅助决策系统上得到了验证。     

基于支路交换法的配网重构方法分析

根据配电系统特点,建立配网重构数学模型,详细介绍了启发式方法中的支路交换算法,提出对该算法的改进思路,对当前研究较多的解析类、启发式、随机优化及智能优化方法进行分析,就部分算法提出相应改进措施,并提出结合四类方法中的两种或多种方法的思路以求解连续变化的大规模复杂配电网络重构问题。     

基于群搜索优化算法的配电网重构

提出了基于群搜索优化算法的配电网重构方法,以系统有功网损最小为目标建立了配电网重构模型,选择种群中网损最小的个体为发现者,剩余个体分别作为加入者和游荡者。在寻优过程中,应用快速支路交换法对发现者进行局部物理寻优,加入者向发现者逐步靠近执行追随搜索,游荡者在解空间中随机搜索。该方法实现了全局搜索与局部寻优的良好配合,提高了搜索效率,具有较好的全局收敛性。算例结果验证了该方法的有效性。     

灵敏度分析与支路交换法相结合的配电网重构算法研究

针对大型城市配电网结构复杂、负荷密集、不均衡、功率损耗高等特点,提出了一种基于灵敏度与支路交换法相结合的配电网络重构算法。第一步用线路损耗对支路导纳的灵敏度来近似计算打开开关引起的网络有功损耗增量,以此确定应打开的环路上的支路开关;结合第一步的计算结果,第二步运用启发式规则进行支路交换,从而减少单独运用一种方法的不足,提高优化效果。算法兼顾了计算量与优化效果。算例表明：基于灵敏度和支路交换相结合的配电网重构算法正确有效,且计算量少、速度快,易于实时运用。     

基于Tabu搜索的配电网络规划

详细探讨了现代启发式方法家族中的一个新兴成员——Tabu搜索在配电 网络规划中的应用。首先,在同时考虑配电系统扩展的固定费用和与电能损失相关的变化费 用的基础上对配电网络规划问题进行了描述,并建立了相应的数学模型。其次,详细探讨了 基于Tabu搜索的配电网络规划问题。最后,将文中提出的方法在一具有6个变电站、98条馈 线段的试验网络上进行了测试。结果表明,所提出的方法是有效、可行的。     

双层遗传算法应用于配电网重构的研究

为解决以网损最小为目标的配电网重构问题 ,构建了一个双层遗传算法计算体系 ,使同一代的个体适应度计算即配电网的潮流计算被分配在几台计算机上同时进行 ,明显提高了求解效率。同时采用一种简单的编码方式使底层遗传操作只在可行解范围内进行 ,利用改良的遗传操作 ,在高层遗传操作中避免形成不可行解。最后通过两机并行计算的仿真验证该算法的可行性     

用演化算法求解多阶段配电网规划问题

为了动态地考虑不同时间段的负荷变动情况,配电网规划常常要分成几个阶段进行。为此将演化算法应用于多阶段配电网规划问题的求解,提出一种能够自动保证方案可行的染色体编码策略。这种编码策略使得演化算法只搜索可行解区域,避免了辐射性检查过程,提高了寻优速度。算例证明了算法的有效性和优越性。     

基于蚁群算法的配电网网架优化规划方法

蚁群算法是一种求解组合优化问题的新型通用启发式方法，该方法的主要特点是正反馈、分布式计算和富于建设性的贪婪启发式搜索。配电网网架优化规划是一个复杂的非线性组合优化问题。本文将蚁群算法用于配电网网架优化规划问题的研究，建立了网架规划的数学模型，该模型以线路的年综合费用和过负荷征罚费用之和最小为目标函数，并在此基础上设计了相应的算法。算例证明了该算法在配电网网架优化规划中应用的可行性和有效性。     

基于最短路算法和遗传算法的配电网络重构

提出了通过组合负荷实现寻优的重构方法。利用最短路径法按照某一顺序为每个负荷分别寻找供电路径,然后利用遗传算法选择最优的负荷排列顺序,从而实现在局部最优解中寻求全局最优解。通过将容量约束和电压约束转换成弧的权值,在网络形成的过程中就考虑这些约束,从而进一步保证了该算法高效地找到全局优化解。此方法很容易实现树状约束,并对多环的复杂结构网络也能高效地实现重构寻优。     

基于Agent行为和范例学习的遗传算法在城网规划中的应用

城市配电网优化规划(简称城网规划)目前还缺乏高效、实用的算法。传统遗传算法由于受确定编码形式的制约而缺乏对复杂问题的表述能力。文中通过吸收有关文献提出的“行为遗传”思想,进一步提出了一种基于Agent行为和范例学习的新型遗传算法。该算法由Agent基于知识的一系列决策行为,生成待优化问题的一个可行解的非编码方式,取代了传统遗传算法基于编码的可行解生成方式;用基于“范例学习”的进化寻优机制,取代了传统遗传算法基于模仿基因遗传和变异的进化寻优机制。最后,分别采用新型遗传算法和传统遗传算法对同一算例网络进行优化规划,对比的结果证明了新型遗传算法具有更好的复杂问题表述能力、计算效率、收敛稳定性以及可扩展性。     

基于地理信息系统和遗传算法的配电网优化规划

提出一种新的配电网规划模型,目标函数中不仅包含投资、维护和运行费用,还包含用户停电损失,即考虑配电网的可靠性价值,以取得最好的社会效益。分析了国外2种配电网接线方案构造方法的不足,提出了一种工作在地理信息系统平台上适用于各种复杂网络结构的配电网接线构造方法——根节点融合法。利用最小路法求取配电网可靠性数据,用遗传算法求解该问题。     

基于改进多种群遗传算法的配电网规划

提出了改进的多种群遗传算法并将其应用于配电网规划.根据优化目标数学模型确定统一目标函数和多个子目标函数,并将其作为父、子种群的适应度评价函数,用迁徙算子决定父子种群的联系程度.采用"0"和"1"逐线逐点方式对馈线和变电站进行编码,并构成网架的染色体.用变电站的容载比作为约束条件决定变电站的负荷规模.在此基础上提出了包括孤链、闭环、孤岛的修复方案,将遗传操作所产生的非辐射性网络修复成辐射性网络.该方法可以处理同时涉及变电站和馈线优化的多目标配电网规划问题.算例结果表明了该方法的有效性.     

基于蚂蚁算法的配电网网络规划

利用蚂蚁算法进行配电网网架结构规划。为了使优化过程同时考虑到网损最小和投资最小两个因素，提出将各个负荷点作为食物。食物给各条街道赋予一定的“味道”，“味道”的求取公式和网损的计算公式类似。“味道”在一定程度上反映了网损的情况。蚂蚁在计算的开始阶段将根据“味道”决定自己选择街道的概率，在计算的中间阶段将根据信息素决定自己选择街道的概率。实例计算表明该方法可行、有效，可以方便地求得配电网网络规划问题的最优或近似最优解。