配电网中基于人工鱼群算法的分布式发电规划

应用人工鱼群算法对配电网扩展规划中分布式发电的选址和定容进行了优化,优化求解采用了两层人工鱼群算法的嵌套。外层对分布式发电的位置和容量进行优化,并将优化过程中生成的分布式发电个体加到线路扩展规划中,计及分布式发电对配电网潮流的影响进行内层线路扩展规划。针对人工鱼群算法后期收敛速度慢、所得解精确度不高的问题,对基本人工鱼群算法进行了改进。通过对网架优化和分布式发电优化综合规划结果进行经济性评估以衡量个体方案的优劣,具体算例验证了算法的可行性和有效性。     

改进人工鱼群算法在配电网网架规划的应用

针对配电网网架规划组合优化复杂性的问题,在网架规划中以人工鱼群算法的寻优框架为基础进行优化。针对人工鱼群算法自身上的不足,对人工鱼群的行为中觅食、集群和追尾等行为进行改进。以网络年综合费用最小为优化目标建立了配电网网架规划的数学模型,并利用改进后的人工鱼群算法求得该模型的优化解,并与遗传算法及粒子群算法等做对比。实验结果表明了该改进的可行性和有效性。     

基于人工鱼群算法的配电网网架优化规划

人工鱼群算法是一种新型的群智能随机全局优化技术.然而该算法很难得到精确的最优解,而且算法在收敛性、计算复杂度等方面还有很大的缺陷.针对人工鱼群算法的这些不足,引入了改进的模拟退火算法和精英选择的思想对人工鱼群算法进行改进.以网络年综合费用最小为优化目标建立了配电网网架规划的数学模型,并利用改进后的人工鱼群算法求得该模型优化解,通过对具体实例的仿真实验,比较了人工鱼群算法改进前后对配电网网架规划进行优化的结果,同时验证了该方法的可行性和有效性.     

配电网扩展规划中分布式电源的选址和定容

分布式电源的位置和容量对配电网有重要影响。文中提出一种配电网扩展规划中进行分布式电源选址和定容的方法,应用遗传算法优化分布式电源的位置和容量。对遗传过程中生成的每个分布式电源位置和容量方案个体,考虑了分布式电源对配电网潮流和线路负载能力的影响,运用基于支路交换的模拟退火算法规划扩展网络,对分布式电源和网络的综合规划结果进行经济性评估以衡量个体方案的优劣。实际算例表明,文中方法能得到较合理的分布式电源位置和容量方案。     

基于人工鱼群算法的配电网网架优化规划

人工鱼群算法是一种新型的群智能随机全局优化技术。然而该算法很难得到精确的最优解,而且算法在收敛性、计算复杂度等方面还有很大的缺陷。针对人工鱼群算法的这些不足,引入了改进的模拟退火算法和精英选择的思想对人工鱼群算法进行改进。以网络年综合费用最小为优化目标建立了配电网网架规划的数学模型,并利用改进后的人工鱼群算法求得该模型优化解,通过对具体实例的仿真实验,比较了人工鱼群算法改进前后对配电网网架规划进行优化的结果,同时验证了该方法的可行性和有效性。     

人工鱼群算法在配电网网架规划中的应用

为解决配电网规划的多约束复杂优化组合问题,在中压配电网网架规划中以基本的人工鱼群寻优框架为基础,根据配电网的辐射性约束特点,设计和应用了一种适合配网规划的新现代启发式算法—人工鱼群算法。该法以年费用最小为目标函数建立配网规划的数学模型,以可能建设的所有线路为优化变量,采用二进制编码和"根节点融合法"对人工鱼种群初始化,给出以保证"基本辐射性"的觅食、聚群和追尾行为算子为基础的寻优策略,保证了寻优过程中多数的解方案可进行配网潮流计算。对一个10节点的中压配电网规划算例计算的结果表明:该算法能快速获得规划问题的最优解,且具有很强的全局搜索能力,用于配电网规划是可行的、有效的。     

兼顾分布式发电商利益的有源配电网规划

分布式电源并网容量增长快速,配电网的规划工作面临巨大挑战,如何兼顾好配电公司及分布式发电商的利益,促进整体效益的提升,是亟待解决的问题。为此在保障分布式发电商利益的前提下,以配电公司收益最大化为目标,综合考虑了系统安全约束、DG出力及电价限制等约束条件,构建了分布式发电接入后有源配电网的综合投资规划模型;利用启发式人工鱼群算法,通过改进的IEEE37节点配电网测试系统对所构建的规划模型进行模拟仿真。结果表明,较低的燃料价格以及无双边合同的情景可有效促进分布式发电商的积极性,并能够引导配电公司接收更多分布式电能。     

基于改进的人工鱼群算法的配电网无功优化

研究了基于变异算子与模拟退火算法混合的人工鱼群算法,对算法中的变异算子进行了改进,并提出了1种试探确定变异概率的方法：同时对配电网无功优化的模型进行了改进．将经济性目标和安全性目标相结合。将改进的人工鱼群算法运用到配电网无功优化中．实际系统的仿真计算结果表明,基于改进人工鱼群算法的配电网无功优化方法合理可行。     

含分布式电源的配电网扩展规划研究

建立了分布式电源和线路年综合费用最小、线路损耗最小和分布式电源安装容量最大的多目标函数规划模型,针对多目标优化问题,提出了一种改进的多目标粒子群优化算法。网架规划采用离散二进制粒子群算法,分布式电源规划采用改进的粒子群算法。该算法利用Pareto非支配排序和计算拥挤距离方式更新粒子的个体最优位置和全局最优值。针对粒子群算法容易陷入局部最优的问题,引入Boltzmann学习策略,在算法前期温度较高粒子能够向不同的粒子学习,保持粒子个体多样性,提高算法全局寻优能力。在算法后期温度降低粒子群将向全局最优粒子学习,提高收敛速度。最后将该算法应用于某10KV配电网扩展规划,结果表明文中提出的方法能够得到合理的配电网扩展规划方案,并且提供了多样化的解集,方便用户根据实际情况灵活选择方案。     

基于人工蜂群算法的分布式电源规划

研究了在现有配电网中分布式电源的优化规划问题,为实现分布式电源投资商收益最大,建立了以分布式电源售电费用与运行维护费用之差最大为目标的规划模型,考虑分布式电源接入后对配电网的影响,将节点电压与线路潮流加入到约束条件中。针对分布式电源规划模型离散、非线性的特点,采用人工蜂群算法进行模型求解,最后得到了最优的分布式电源接入方案。实际算例验证了所建立模型的有效性以及所采用算法的良好的收敛性。