考虑负荷控制的配电网故障恢复

用户参与市场程度的逐步提高为配电网的调度运行提供了更多、更灵活的手段。文中将负荷控制引入到配电网故障恢复问题中,建立了考虑可中断负荷参与的配电网故障恢复优化模型。可中断负荷的引入不仅有利于在系统供电容量不足时最大限度地保证重要负荷供电,而且有利于在配电网仍存在大量手动开关的现状下,降低开关操作时间,以保证重要负荷供电的快速恢复。针对该多目标多约束的优化问题,应用改进的非支配排序遗传算法Ⅱ(NSGA-Ⅱ)进行求解。与传统的遗传算法相比,NSGA-Ⅱ无须通过权重系数将多目标转换为单目标,因此所得到的最优解集更能够反映优化问题的本质。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。     

基于图论和OBDD的含分布式电源配电网故障恢复算法

为快速确定含分布式电源(DG)配电网故障恢复的最优方案,首先,提出了基于改进Bellman-Ford算法的含多DG配电网孤岛划分图论模型,该模型综合考虑DG发电成本、网损及负荷优先级确定孤岛范围,转换为孤岛运行以提高重要负荷的供电可靠性。然后将DG孤岛外故障恢复问题转化为约束满足的布尔型决策问题的三步法:(1)根据节点类型将节点按位编码分区枚举生成初始解空间;(2)定义电源约束、负荷损失约束和辐射状约束的布尔函数,合成为OBDD模型减少解空间中解数量;(3)对解空间中的解逐一进行校验、寻优切负荷及排序,稳定获得系统故障恢复的全局最优解。最后通过IEEE33节点系统和某地区实际配电网验证了该算法的有效性。     

配电网多故障抢修与供电恢复联合优化模型

建立了多故障抢修与供电恢复的联合优化模型,通过故障抢修顺序和停电负荷恢复路径的交互影响和反复迭代,最终得到最优的抢修计划和各个阶段最优的供电恢复策略。应用快速非支配排序遗传算法(NSGA-Ⅱ)对所建立的模型进行求解,通过动态操作系统回支关联矩阵来修正在寻优过程中产生的违背"配电网辐射运行"约束的不可行解。算例计算证明,采用不同的抢修顺序和供电恢复策略将对配电系统的供电可靠性产生不同的影响,所建立的模型是正确有效的。     

考虑节点电价机制的主动配电网两阶段动态故障恢复方法

针对含分布式发电并网的主动配电网故障恢复问题,考虑系统节点电价机制提出基于两阶段优化的主动配电网故障恢复方法。该方法第一阶段优化以开关状态集为控制变量,以失电负荷价值最小为目标函数,计及功率平衡约束,网络拓扑辐射状约束等必要约束条件。第二阶段优化首先建立配电网节点电价制定机制以及负荷响应模型,以决定系统节点电价方案的支路容量约束拉格朗日乘子为控制变量,以支路容量越限量最小为目标函数,计及节点电价机制约束等约束条件建立模型。最后通过一个仿真算例表明,考虑节点电价机制的主动配电网故障恢复方案相比于不考虑的情形下故障恢复指标更优,说明所建立的模型能够降低失电负荷量,提升系统在故障恢复期间运行的可靠性。     

计及分布式电源动态行为的配电网重构优化策略

解决分布式电源高渗透率地区电压越限的根本方法是实施合理的配电网规划。现有方法存在着人工智能算法初始域搜索半径过大以及动态时段划分与拓扑寻优分离的问题。引入半不变量法计算随机潮流来处理分布式电源动态行为带来的不确定性,并采用改进的NSGA-II算法实现配电网重构,提出了一种计及分布式电源动态行为的配电网重构概率约束优化策略和求解方法。特别提出了在网架寻优的基础上再在时间层面上依据优压参数再次整合优化来构建配电系统动态重构数学模型,最后采用嵌套基因回路搜索策略改进NSGA-Ⅱ算法并求解上述优化模型,以解决传统配电网规划中对强相关性随机变量考虑较少的不足。IEEE-33节点配电系统算例验证了所提方法的有效性。     

多源协同的智能配电网故障恢复次序优化决策方法

当因极端事件导致电力系统发生大规模停电时，可以协同配电网中的分布式电源、储能系统等本地资源恢复网内重要负荷，以提升配电网韧性。为了快速平稳地使系统从停电后状态过渡至恢复状态，需要优化开关投切次序。文章提出了多源协同的智能配电网故障恢复操作次序优化决策方法，将问题建模为混合整数线性规划模型，并利用成熟的商业优化求解器快速求解，确定最优的开关投切操作次序以及每次恢复操作后的系统运行状态。优化模型计及负荷重要度权重，以快速恢复重要负荷为目标，考虑了三相不对称潮流约束、系统运行约束以及恢复过程中的恢复操作约束等。通过改进的IEEE 13节点系统和IEEE 123节点系统验证了所提出的配电网故障恢复次序优化决策方法的有效性。     

考虑分布式电源出力随机性的多目标故障恢复

为充分利用分布式电源的出力,并谋求配电网故障恢复时的最优方案。文章充分考虑分布式电源出力的不确定性,建立了光伏发电机和风力发电机的机会约束模型。利用NSGA-Ⅱ算法进行多目标优化控制,并提出了主网进行故障恢复时的动态恢复方案。最后,在改进的IEEE33节点系统中进行了仿真。仿真结果表明应综合考虑失电负荷和有功网损的影响来制定故障恢复的决策。     

基于IELM算法的配电网故障区段定位

针对传统智能优化算法在配电网故障区段定位中存在准确率随配电网规模扩大而大幅下降的问题,提出一种基于改进仿电磁学(IELM)算法的配电网故障区段定位方法.首先,基于分层处理以及全局寻优思想对传统故障定位方法的一体式结构进行优化,通过改变算法结构实现单一故障及多重故障的分层处理并缩减多重故障定位的解空间规模.在结构优化的基础上对仿电磁学(ELM)算法进行改进,忽略全局电荷对单一电荷的影响,突出单一电荷对最优电荷的学习能力,提高其全局寻优能力及运算效率.最后,分别以IEEE 13节点单电源辐射配电网和改进后的4电源119节点配电网为仿真测试系统进行了测试.测试结果表明,所提故障区段定位方法在面对不同结构和规模的配电网时具有准确性高、容错性好、定位速度快以及降维效果佳等优点,在大规模配电网中具有良好的应用前景.     

基于协同进化算法的配电网故障阶段式恢复策略

传统的配电网故障恢复算法难于同时兼顾恢复过程的快速性和恢复策略的最优化。文章提出一种将启发式搜索算法与优化算法相结合的配电网故障阶段式恢复策略：第一阶段采用启发式搜索方法恢复负荷供电;第二阶段利用优化算法处理过载的负荷转移;第三阶段按启发式搜索方法处理过载负荷的切除。为实现快速的网络拓扑分析,采用家族树结构表征配电网,并对传统的粒子群优化(particle swarm optimization,PSO)算法与模拟退火(simulated annealing,SA)优化算法进行改进,提出了协同进化算法(co-evolutionary algorithm of PSO and SA,CPSOSA),CPSOSA算法在求解故障恢复数学模型时具有较高的全局寻优能力。算例分析证明了本文所提恢复策略及算法的可行性和高效性。     

基于拟合剔除的优化小波神经网络太阳辐射量预测

准确预测太阳辐射量,对太阳能相关产业具有重要意义,针对太阳辐射的波动性和间歇性,提出一种基于曲线拟合和拉依达准则的数据处理和优化的小波神经网络的太阳辐射量的预测方法。通过历史太阳辐射数据和气象数据对太阳辐射量进行直接预测。对测量值求拟合曲线,利用拉依达准则对数据的拟合值和测量值的偏差做粗大误差的判断,修正后的数据作为小波神经网络的输入,避免输入极端数据造成预测信息畸形的问题。增加测试数据对小波神经网络做隐含层节点数寻优的计算,克服小波神经网络无法确定隐含层节点数的缺点。通过建立不同预测模型进行对比,验证了所提算法和模型的正确性。     

考虑可平移负荷管理的主动配电网故障恢复方法

针对主动配电网故障恢复问题,计及系统需求侧管理资源中的可平移负荷制定故障恢复方案。首先给出主动配电网负荷平移基本模型,其次以 故障恢复期间失电负荷电量最小为目标函数,计及负荷平移约束、功率平衡约束、网络辐射状等必要约束条件建立主动配电网故障恢复方法。对混沌 粒子群算法引入自适应惯性权重系数进行改进,并基于改进混沌粒子群算法对建立的模型设计求解流程。算例分析验证了所提方法的有效性。     

基于GA-BP和POS-BP神经网络的光伏电站出力短期预测

当前在光伏电站出力短期预测方面较多的采用BP或者优化的BP神经网络算法,存在采用的优化算法单一、缺乏多种优化算法比较选优、预测误差大的问题。基于本地5 k W小型分布式光伏电站,综合考虑影响光伏出力的太阳光辐射强度、环境温度、风速气象相关因素和光伏电站历史发电数据,分别采用BP以及遗传算法和粒子群算法优化的BP神经网络算法—GA-BP和POS-BP构建了晴天、多云、阴雨三种天气条件下光伏出力短期预测模型。实测结果表明,三种神经网络算法预测模型在三种不同天气条件下均达到了一定的预测精度。其中GA-BP、POS-BP相比传统的BP预测模型降低了预测误差,且POS算法相比GA算法对于BP神经网络预测模型的优化效果更好,进一步降低了预测误差,适用性更强。     

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。     

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。     

蚁群算法在配电网重构的应用

配电网络重构是一个非常复杂的大规模组合优化问题。蚁群算法作为一种现代启发式寻优技术,适合于求解组合优化问题,其主要特点是正反馈、分布式计算、易与其它算法结合以及富于建设性贪婪启发式搜索。对配电网络从图论拓扑结构上进行分析,将配网重构问题转化为求图的生成树问题,并以破圈法为基础得到快速而有效地求解图的生成树的方法。在应用蚁群算法求解配网重构问题时,通过首支路选择随机化和取消蚁群算法常用的启发值的方法,扩大算法搜索范围,使算法可以跳出局部最优化陷阱,改善算法的搜索效果。对IEEE 69网络的算例表明,该方法能以较少的计算量和较大的概率收敛于全局最优解。     

基于BPA与OPF的电网无功优化研究

对电网主网无功优化中的补偿容量进行了研究,通过对无功优化的算法进行分析比较,最终决定运用遗传算法进行无功优化,并结合某省电网的主网的实际数据,使用BPA潮流计算程序以及OPF无功优化程序进行无功优化的计算,确定了补偿设备的补偿容量,对优化效益进行了分析。     

软件定义网络的流量调度算法研究

目前,NOX、FloodLight等SDN控制器均提供了类似于传统路由器OSPF协议的最短路径转发算法,这些算法通过SDN控制器收集全局交换机静态参数从而进行路径计算,但并没有利用SDN系统的优势即获得运行时的动态信息来优化算法性能,在流量过大时传统算法容易导致网络拥堵。对SDN的路由算法进行研究,应用粒子群算法并利用SDN技术的特点对网络的负载均衡问题进行相关的优化。仿真实验表明与ECMP算法相比,提出的算法可以在一定程度提升网络的整体利用率,降低网络的时延和拥塞。     

基于GSO算法的无线监测网络拓扑优化方法

针对目前无线监测网络拓扑优化模型复杂,难以求解的问题,提出基于GSO算法的无线监测网络拓扑优化方法。首先建立无线单跳网络和多跳网络能耗模型,并以能耗最小为目标,建立多约束的无线监测网络拓扑优化模型,对配电终端监测范围、节点簇间的距离和感知范围等网络拓扑元素进行优化;然后采用GSO优化算法对所提网络拓扑优化模型进行求解,该算法不依赖于初始状态,收敛性好,可有效解决模型难以求解的问题。理论和仿真证明,该优化模型通过拓扑优化可有效降低能耗,且采用GSO算法求解该模型具有速度快和精度高等优越性。     

基于AEPSO-BPNN的光伏阵列多场景参数辨识

针对光伏阵列内部机理较为复杂、参数难以快速准确辨识的问题,提出了一种自适应进化粒子群算法优化BP神经网络（AEPSO-BPNN）的模型建立和参数辨识方法。通过引入自适应、进化和重构等改进策略,可以提高粒子群算法的收敛性能,并将其对BP神经网络的初始权值和阈值进行优化,使神经网络算法在迭代后期不易陷入局部最优解,以提高参数辨识的精确度和速度。根据光伏阵列的实测输出电流和理论计算电流的差值,并考虑环境变化对内部参数的影响,构造均方根误差函数作为算法的适应度函数,从而将复杂的多参数辨识问题转化为带约束条件的非线性多变量最优化问题。最后采用多场景法,验证算法在不同光照强度和温度下的适用性和效果,并与其他算法进行对比,仿真结果表明该算法在误差、收敛速度和运行时间上有较大优势。