采用PSO-BF算法的微电网多目标电能优化调度

考虑到微电网中各分布式电源的特点以及充分发挥分布式发电技术在经济、环境和能源方面的优势,在满足系统约束条件下,提出了一种综合考虑微电网的运行成本、电压偏差以及微电网削峰填谷能力的微电网多目标经济调度模型。同时针对粒子群算法(PSO)在求解优化问题时易陷入局部最优的缺点,提出一种粒子群-细菌觅食算法(PSO-BF)用于求解微电网电能优化调度问题。仿真结果表明该算法具有较强的全局、局部搜索能力且收敛速度快、精度高的特点。     

A combination of genetic algorithm and particle swarm optimization for optimal DG location and sizing in distribution systems

Distributed generation (DG) sources are becoming more prominent in distribution systems due to the incremental demands for electrical energy. Locations and capacities of DG sources have profoundly impacted on the system losses in a distribution network. In this paper, a novel combined genetic algorithm (GA)/particle swarm optimization (PSO) is presented for optimal location and sizing of DG on distribution systems. The objective is to minimize network power losses, better voltage regulation and improve the voltage stability within the frame-work of system operation and security constraints in radial distribution systems. A detailed performance analysis is carried out on 33 and 69 bus systems to demonstrate the effectiveness of the proposed methodology.     

基于变异粒子群算法的主动配电网故障恢复策略

为提高主动配电网故障恢复的快速性和可靠性,提出一种基于变异粒子群算法的恢复策略.光储系统与负荷特性模型的构建是研究策略的基础,利用光储模型保证负荷可靠恢复,在构建负荷特性模型时考虑负荷时变性、需求时变性及负荷可控性的特点.在建立的光储系统与负荷特性模型基础上研究故障恢复策略,首先对配电网进行动态孤岛划分,利用光储系统对孤岛内负荷进行可靠恢复,保证用户侧需求度高的负荷优先恢复,然后以总失电负荷最少、网损最小及开关动作次数最少为综合目标函数,运用变异粒子群算法得到孤岛与主网配合的配电网综合恢复策略,提高了主动配电网可靠性.最后,采用IEEE 33节点系统进行算例分析,结果验证了模型与恢复策略的优越性.     

Economic dispatch using particle swarm optimization with bacterial foraging effect

This paper presents a novel modified particle swarm optimization (MPSO), which includes advantages of bacterial foraging (BF) and PSO for constrained dynamic economic dispatch (ED) problem. The proposed modified PSO consists of problem dependent four promising values in velocity vector to incorporate repellent advantage of bacterial foraging in PSO for the complex dynamic ED problem. It reliably and accurately tracks a continuously changing solution of the complex cost functions. As there is no differentiation operation in this method, all cost functions can easily be handled. The modified PSO has better balance between local and global search abilities and it can avoid local minima quickly. Finally, a benchmark data set and existing methods are used to show the effectiveness of the proposed method.     

基于二进制量子粒子群算法的含分布式电源配电网重构

配电网重构是一个复杂的非线性组合优化问题。为了克服基本优化算法易陷入局部最优解的问题,提出了一种改进的二进制量子粒子群算法(BQPSO),对含分布式电源(DG)的配电网重构模型进行求解。通过引入遗传算法的交叉操作和变异操作来避免早熟来提高算法的全局搜索能力,改进了算法的性能。并且选择了适当的不可行解处理方式来提高了算法的计算效率。最后通过对IEEE33节点配电系统进行仿真,验证所提算法在求解重构问题时得到的解更好,收敛速度和全局寻优能力都有提升。     

粒子群优化算法在配电网网架优化规划中的应用

粒子群优化(PSO)算法已经成功地用于求解连续域问题,但是对于离散域问题的求解研究还很少。文中使用模糊离散粒子群优化算法,用于求解配电网网架优化问题。采用模糊矩阵表示粒子的位置和速度。为了处理配电网辐射性结构的约束条件,引入了图论中的最小生成树问题。最后对算例进行测试,检验该方法的有效性及应用效果。     

PSO加速寻优的免疫算法在配电网重构中的应用

提出了一种新的使用PSO加速寻优的免疫克隆算法用于配电网重构,以减少网损。高频变异和免疫补充算子的采用,能有效维持种群的多样性,避免算法早熟收敛。同时提出利用PSO更新个体的速度和位置,提高收敛速度。通过对PG&E69节点配电网络算例的仿真分析,进一步表明该算法具有较高的计算效率。     

用于配电网多目标无功优化的改进粒子群优化算法

针对配电网多目标无功优化的应用需求以及优化算法存在的收敛性和多样性问题,基于Pareto熵的多目标粒子群优化算法,提出一种应用于多目标无功优化的改进粒子群优化算法。该算法在全局外部档案更新过程中引入冗余集策略,避免迭代过程中陷入局部最优解。将算法应用于配电网无功优化中时,采用离散变量取整方法,加快算法的收敛速度。建立网损、电压偏差及无功补偿装置投资最小的配电网多目标无功优化模型,并以IEEE 33节点配电网络为算例进行仿真,结果表明改进后的算法兼顾了优化的收敛性和多样性,能够在不同的优化要求下得到有效的无功优化方案。     

基于改进粒子群算法的含分布式发电配网孤岛划分

分布式电源(DG)在配电网中的比重越来越大,当配电网上级发生故障时,可以将配电网与上级电网断开,利用配电网内部的分布式电源为配电网中重要负荷提供持续稳定供电。为了最大化利用DG资源,同时保障重要负荷优先供电,本文提出了基于改进二进制粒子群的配电网孤岛划分方案。本文以二进制粒子群作为主程序,并对粒子进行组合变异,为了克服粒子群的早熟问题,采用模拟退火算法对粒子群进行优化。本文采用广度优先搜索算法对孤岛进行功率连通性校验。对不满足连通性要求的孤岛进行调整,最后找出最优方案。最后,采用IEEE69节点配电系统进行算例验证,算例结果表明本文算法的优越性。     

Multi objective load frequency control using hybrid bacterial foraging and particle swarm optimized PI controller

Excessive load demand with reliability in power availability, demands for interconnection of large number of generating units over existing tie lines. Due to sudden change in demand, the power transfer over existing tie lines working close to their thermal limits results in low frequency power oscillations. Thus, in modern power systems the study of mitigation of these frequency oscillations is more involved and formulates the area of Load Frequency Control (LFC). Many conventional and heuristic control techniques have been recently applied to address the issue of LFC. This paper investigates load frequency control of large interconnected power system consisting of conventional and renewable energy sources, using hybrid heuristic approach. The proposed strategy is shown to result in improved system damping resulting in faster mitigation of low frequency oscillations.     

基于粒子群优化算法的AGC机组调配研究

电力市场下AGC机组的调配问题是辅助服务领域中的一个重要研究内容。提出了一种基于粒子群优化算法的AGC机组调配方案。该方法基于AGC机组调配的数学模型,考虑了机组调节容量,调节速率等约束条件。介绍了算法的基本原理,并分析了参数的不同取值对算法收敛性的影响。实际系统的算例表明,利用粒子群优化算法,不仅可以克服整数规划法可能得不到最优解的缺点,而且与遗传算法比较具有收敛性好,收敛速度快的优点,从而为AGC机组的调配问题提供了一种新的有效算法。     

基于量子编码的离散粒子群算法配电网重构

阐述了配电网重构数学模型、二进制粒子群算法、量子编码的基本理论,对量子粒子群算法配电网重构进行了研究,将量子编码应用到离散粒子群算法中,用量子比特概率表示离散粒子的状态,根据二进制粒子群速度更新公式更新粒子的状态,改变开关开合状态进行网络重构.量子比特概率能够表征丰富的信息量,保证粒子的多样性和全局搜索能力.通过2个算...     

基于改进量子粒子群算法的配电网络优化重构

为了更好地利用分布式电源(DG),需要调整配电网开关状态优化网络结构。基于此,旨在利用一种智能算法对含DG的配电网进行优化重构。以网损最小为目标函数,建立配电网重构模型,并给出重构需要满足的约束条件;按照DG接入配电网的接口类型将其分为PQ型、PV型、PI型和PQ(V)型四种类型,选择前推回代法对含DG的配电网进行潮流计算;通过分析二进制粒子群算法(BPSO)与量子粒子群算法(QPSO),提出了一种改进的量子粒子群算法—加权的二进制量子粒子群算法(WBQPSO)。以IEEE33节点配电系统为例,采用二进制编码方式,通过仿真结果可以发现WBQPSO通过对粒子的平均最好位置加权处理,改善种群多样性,提高收敛速度,可以得到更好的网络重构的优化结果。     

改进二进制粒子群优化算法在配电网络重构中的应用

配电网络重构是一个非常复杂的大规模组合优化问题。网络重构中,能否得到有效解,即保证辐射状网络,是一个很关键的问题。对电网拓扑进行简化,配合破圈法更新粒子,得到100％的有效解,大大提高了计算速度。提出一种应用于配电网络重构的改进二进制粒子群优化算法,并结合禁忌搜索算法,使PSO算法跳出局部最优化陷阱,改善了算法的搜索效果,加快了寻优速度。最后对IEEE 69节点系统进行计算,并与相关文献结果进行对比,表明本文改进算法具有快速、高效的全局寻优能力。     

基于混合智能粒子群算法的广义电源主动配电网优化配置

研究广义电源接入主动配电网的优化配置问题。提出一种电压偏差指标。建立综合考虑投资经济效益、电压偏差及污染气体排放指标的多目标优化配置模型。提出一种混合智能粒子群算法,在优化过程中引入快速非支配排序策略、精英保留策略和拥挤距离计算策略以改善其全局搜索能力。对IEEE-33节点、PG&E-69节点配电系统进行计算,分析在不同负荷水平下各指标的变化情况,研究负荷变化时广义电源的最佳配置。研究表明,广义电源的接入与合理配置能够有效提高投资运行效益和系统电压稳定性,同时说明该方法能够保证配置方案的多样性和多目标优化过程的寻优性。     

基于改进粒子群动态搜索算法的配电网络重构研究

提出一种基于改进粒子群动态搜索算法的网络重构方法,算法把初始粒子群按照适应度的大小分为两个互不交叉,且具有不同分工的子群,并进行动态搜索.通过引入了交叉和禁忌思想,减少了解陷入局部最优的可能性.与遗传、禁忌搜索算法重构的结果进行比较,表明本文算法具有更高的搜索效率,更容易找到全局最优解.     

基于混合粒子群智能遗传算法的配电网络重构优化研究

将二进制粒子群优化算法的惯性因子进行了动态化自适应改进,设计了区别于标准遗传操作的高频交叉算子和随机自回馈变异算子,基于此提出了一种新算法——混合粒子群智能遗传算法(PGA)应用与配网的重构。在新型编码方案下,PGA应用两个遗传算子使种群保持多样性,避免陷入局部最优,同时结合PSO的快速群体智能寻优指导染色体的进化方向,能够使种群信息共享的同时提高算法的收敛速度,算例结果验证了新算法的可行性。     

基于改进粒子群动态搜索算法的配电网络重构研究

提出一种基于改进粒子群动态搜索算法的网络重构方法,算法把初始粒子群按照适应度的大小分为两个互不交叉,且具有不同分工的子群,并进行动态搜索。通过引入了交叉和禁忌思想,减少了解陷入局部最优的可能性。与遗传、禁忌搜索算法重构的结果进行比较,表明本文算法具有更高的搜索效率,更容易找到全局最优解。     

基于粒子群算法的配电网储能优质优化研究

随着经济发展由粗放式增长向集约型增长转变,对配电网储能进行优化成为了学术界的前瞻性研究,这对于我国加速发展意义重大。此次研究利用粒子群优化算法以及双层多目标优化配置数学方法,构建了基于粒子群优化算法的配电网储能优质优化研究模型,该模型在对主动配电网概率潮流进行计算的基础上,达到了提高广义电源运行效率的效果,从而为相关人员进行含广义电源的配电网管理提供了方法参考。以PG&E-69节点配电系统作为研究对象,对该模型进行验证。研究结果表明,智能算法类型对广义电源优化配置的影响并不大。同时较上层模型,下层模型对广义电源优化配置的效率更高,因而,要实现广义电源的高效运行,进而提高配电网的储能效果,必须实现双层模型的合理运用。所提研究可以为配电网储能优质研究提供一定的指导价值。     

基于量子粒子群算法多目标优化的配电网动态重构

为保证配电网动态重构后系统安全稳定的运行,提出了以网损和节点电压稳定性为目标函数的量子粒子群算法的配电网动态重构。针对配电网动态重构过程中时段划分问题,提出以负荷曲线的单调性和幅值变化大小为依据初步划分时间段落。采用整数型量子粒子群算法进行动态重构,重构过程中以相邻时段的网损变化值的关系获取最佳重构段落,然后综合考虑配电网网损最小和节点电压值最大且波动最小为目标寻找最佳重构结构。以IEEE33配电系统为例验证了所提方法的有效性和实用性。