基于改进和声搜索算法的配电网重构

提出一种改进的和声搜索算法,并将其应用在求解配电网络重构的复杂问题中。在初始化和声库时,引入混沌序列;同时在产生新的和声时,有效利用和声库中最优解的信息,在最优解的基础上进行扰动生成额外两个新解,以加快算法的收敛速度;最后,当算法陷入到某个局部最优解时,随机产生一组和声,再引入整体分布优化算法对其进行简单寻优,使算法迅速跃出局部最优。对IEEE33节点测试系统进行了仿真分析计算,结果说明该算法是可行的,并且该改进算法的寻优效率和收敛性都较好。     

基于改进麻雀搜索算法的光伏功率短期预测

为提高光伏输出功率预测精度、保证电网的优化调度和稳定运行,提出一种改进麻雀搜索算法（SSA）的光伏输出功率预测模型。首先,对实验平台收集到的历史数据进行分析,得到关键气候影响因素;然后,用经验模态分解和主成分分析法对数据进行维稳和降维处理;并建立改进麻雀搜索算法的BP神经网络预测模型;最后,进行实例验证。结果表明,该预测模型在敛散精度方面有所提升。     

基于麻雀搜索算法优化支持向量机的区域水资源安全评价

针对我国水资源安全评价问题,结合支持向量机(SVM)对小样本、非线性问题分类效果好的特点,用麻雀搜索算法(SSA)对支持向量机的惩罚因子(C)和核函数参数(g)进行优化,建立基于麻雀搜索算法优化的支持向量机模型(SSA-SVM)用于区域水资源安全评价,以洛阳市某区域为例进行研究。结果表明,SSA-SVM法与T-S模糊神经网络法得到的评价等级结果基本一致,SSA-SVM模型具有寻优速度快,不易陷入局部最优等特点,可用于区域水资源安全评价。     

基于改进麻雀搜索算法优化RBF神经网络的光伏阵列故障诊断

针对传统BP神经网络在光伏阵列故障诊断时受初始权值阈值的影响,易导致全局搜索过程陷入局部最优这一问题,提出了一种基于改进麻雀搜索算法优化RBF神经网络（ISSA-RBF）的光伏故障诊断方法。首先,利用Matlab建立光伏阵列故障仿真模型,提取出故障诊断模型的特征参数;其次,融入Levy飞行和自适应权重φ对麻雀搜索算法进行改进,用优化后的算法建立ISSA-RBF故障诊断模型;最后,与传统BP和SSA-RBF模型进行对比验证,实验结果表明,ISSA-RBF模型在故障诊断精度上达到94.8%,可以有效诊断光伏阵列的故障类型。     

基于改进麻雀搜索算法优化深度学习网络超参数的短期风电功率预测

提出了一种CNN-Attention-BiGRU网络模型,以及采用ISSA优化网络模型超参数的短期风电功率预测方法。首先,设计CNN-Attention-BiGRU深度学习网络,利用CNN-Attention提取数据特征,再利用BiGRU对时间序列的预测;然后,采用ISSA优化CNN-Attention-BiGRU网络超参数,提高模型的预测精度;最后,采用甘肃省某风电场数据集进行验证该预测方法,结果表明,该预测模型有效地提高了预测精度和输出结果的稳定性。     

基于改进群搜索算法的含光伏发电的配电网优化重构研究

配电网中光伏发电装机容量迅速上涨,针对其所带来的波动性和间歇性对配电网重构后的可靠性和经济性产生的影响,提出一种含光伏发电的配电网优化重构策略。首先。以网损最小化为目标函数,建立含光伏发电的配电网数学模型;其次,运用模糊理论对群搜索算法进行改进,并将改进群搜索算法应用到配电网重构路径的优化中;最后,通过算例对含光伏发电的配电网进行分析。结果表明,该方法收敛速度快、寻优时间短且动作次数少,有效提高了配电网的运行经济性。     

基于改进离散花授粉算法的继电保护定值优化方法的研究

提出一种基于改进花授粉算法的继电保护定值优化方法,利用约束区间编码,以整定时间最短和灵敏度最优为目标,以满足继电保护选择性、灵敏性、速动性、可靠性要求为约束,寻找得到使电力系统稳定运行的最优整定结果.通过与传统的继电保护整定方法和基于遗传算法的整定值寻优方法进行比较,结果表明改进花授粉算法收敛速度快,寻优效率高,适用于...     

基于改进遗传算法的多目标配电网重构

提出一种改进的遗传算法来处理配电网重构问题,采用实数编码,减小了染色体长度和生成不可行解的概率,同时遗传父代优良基因的可能性大大增加。针对适应度函数计算中潮流收敛速度慢的缺点,采用前推回代的方法,大大减少了潮流计算的时间,较好解决了配电网重构问题。理论分析和算例表明,该方法高效可行,适合配电网自动化的实际应用要求。     

基于灰狼算法的多目标配电网重构

为了降低风电和光伏接入配电系统的有功网损以及提高开关利用率,首先建立相应的数学模型,该数学模型建立的基础是要满足两个条件目标,即网损最少和开关次数最少,并设置风电光伏接入配电网潮流计算的约束条件;然后在二进制的灰狼算法基础上设置外部存储空间,并修改收敛因子构建多目标优化算法,为了满足Pareto解集多样性和均匀分布方面的要求,求解过程中运用了拥挤距离测度和逐步淘汰方法;最后利用105节点配电系统进行仿真计算。结果表明：二进制灰狼算法具有较快的收敛速度;多目标灰狼算法可同时降低网损和开关动作次数,求出的7种方案皆可有效降低电网的经济运行成本。该研究结果具有实际应用价值,能为决策者提供多种重构方案。     

基于CAPSO的含分布式电源的配电网动态重构

对含分布式电源的配电网重构进行了研究,考虑配电网系统中各节点上的不同种类型负荷的不同占比和分布式电源日出力波动引起的日负荷变化,使用KMeans聚类算法对总的变化的日负荷进行时段划分,更具客观性;使用“解环”的重构策略,在满足动态重构的约束条件下以综合运行总费用最低为目标,使用较标准粒子群优化算法寻优性能更强的自适应惯性粒子群优化算法（CAPSO）进行配电网动态重构,得到最优重构策略,并用IEEE33节点系统进行了仿真验证。     

基于改进二进制粒子群优化算法的网络重构研究

提出了一种基于改进二进制粒子群优化算法的网络重构方法,该算法在二进制粒子群优化算法的基础上,通过结合破圈法理论以控制粒子的更新过程,使更新后的粒子100％符合网络的辐射状要求,从而减少了以往网络重构中辐射网判断的环节.此外算法还引入了禁忌搜索算法的思想,克服了粒子群算法易陷入局部最优的缺陷.最后对IEEE 单馈线33节点系统进行计算,证实了算法的有效性,并与相关文献中的算法进行比较,表明算法具有较高的搜索效率和较强的全局寻优能力.     

计及电网经济性的配电网供电恢复重构寻优算法

综合考虑开关操作次数和网络损耗2个经济性因素,建立计及电网经济性的多目标配电网恢复重构数学模型。从群体规模和遗传算子的角度,提出了一种新配电网供电恢复重构遗传寻优算法,用群体中个体的年龄和寿命来替代选择算子,并结合配电网自身特点,采用基于环路的策略来减少不可行解的产生,运用与群体规模相适应的的交叉率和变异率,能有效地促进最优个体的生成,从全局和局部角度提高算法的效率,使算法快速稳定收敛到全局最优解,最后通过算例18节点配网系统验证了该算法的高效性和稳定性。     

考虑孤岛划分与网络重构相配合的主动配电网故障恢复策略

在主动配电网发生故障后,通过孤岛划分和网络重构进行故障恢复,可提高供电可靠性.对此,提出一种考虑孤岛划分和网络重构相配合的主动配电网故障恢复策略,构建了包含分布式电源和储能的主动配电网孤岛划分与网络重构统一模型,并考虑故障检修策略;再采用二阶锥松弛技术对模型进行凸松弛,将原模型转化为标准混合整数二阶锥模型,从而降低求解...     

含多端SOP柔性互联配电网供电恢复方法

智能软开关（soft open point, SOP）的应用使得多供区电网联合运行成为新趋势。针对含多端SOP柔性互联配电网的供电恢复问题,提出一种基于SOP和网络重构联合恢复供电的策略。在目标函数中考虑经济性与供电恢复效果,建立以总恢复负荷加权值最大、非失电供区负荷均衡指数最小和网络损耗最小为目标函数的供电恢复优化模型,并采用改进粒子群和二阶锥规划的混合优化算法求解网络重构方案与三端口智能软开关的功率转供供电恢复方案。以三端口智能软开关互联 3 个 IEEE33 节点网络为算例进行分析验证,结果表明,所提模型不仅能实现失电供区的最大恢复供电,还能保证非故障供区间的负荷均衡。     

基于改进混沌遗传算法的配网重构

针对现有配网重构算法存在收敛速度慢、局部寻优能力差、计算时间长、易早熟等问题,提出了一种基于改进混沌遗传算法的配网重构算法,即将支路交换算法和混沌遗传算法相结合,在满足电压和线路潮流约束的前提下,先由支路交换算法将配电网网络结构分环,大幅缩短染色体长度,再由混沌遗传算法重构分段开关和联络开关的状态,将种群中适应度较差的个体替换成混沌移民,增加种群中基因个体的随机性和遍历性,防止算法陷入局部最优,并通过算例进行了验证。结果表明,该算法不仅收敛速度快,且降低了网损。     

基于SSAPSO LightGBM的火电厂引风机故障预警方法

为了解决国内对火电厂引风机故障预警方法相对缺乏的问题,本文提出了一种基于SSAPSO LightGBM的故障预警算法。通过建立LightGBM(Light gradient boosting machine)正常轴承温度预测模型,并创新性地引入融合麻雀搜索算法的改进粒子群优化算法（SSAPSO）优化模型超参数,最终获得引风机轴承温度预警阈值,实现引风机早期故障预警。实验证明,基于SSAPSO LightGBM的故障预警方法在预测精度、泛化能力等方面相比传统预算法效果更好;该方法能够提前2 h对风机进行故障预警,对火电厂运维具有一定的指导意义。     

基于Tabu-PSO的含分布式发电配电网重构

针对分布式发电对配电网重构的影响,对包含分布式发电的配电网进行数学建模;应用改进的粒子群优化算法提高算法的搜索速度;把分布式发电作为并网节点上的功率值为负的负荷。研究结果表明,对含有分布式发电的配电网优化重构后,系统的网损有较大降低,系统电压有所提高。     

基于基本环矩阵及改进并行遗传算法的配电网重构

为了快速准确地去除配电网重构过程中的不可行解,给出基本环信息矩阵以包含所有配电网含环路情况,从而在一定条件下保证非基本环信息矩阵内的方案可行,同时避免小生境遗传算法收敛于局部最优解,提出小生境—粗粒度混合遗传算法求解配电网重构模型,即将小生境遗传算法中的子父代共同竞争淘汰机制与粗粒度并行遗传算法中的迁移操作相结合,再通过试验获取最优参数配置。算例结果表明,该方案较传统小生境遗传算法求解配电网重构模型具有更高的寻优成功率和更快的收敛速度。     

基于改进和声搜索算法的主蒸汽温度现场数据辨识

针对主蒸汽温度系统现场数据的模型辨识问题,提出了结合粒子群优化算法的改进和声搜索算法.采用经验模态分解法对带噪声污染的现场数据进行滤波处理,采用离散相似法进行模型辨识的计算机仿真实现和数值计算.应用该改进算法对循环流化床主蒸汽温度系统模型进行了现场数据辨识.结果表明:所辨识的模型具有较高的精度,能够反映实际主蒸汽温度系统的动静态特性;改进和声搜索算法比粒子群优化算法具有更好的稳定性和全局寻优能力,以及更快的收敛速度.     

基于差分变异的混合蛙跳算法在配电网重构中的应用

提出了一种基于差分变异的混合蛙跳算法进行配电网重构。采用基于十进制环状编码方法解决了二进制编码产生大量不可行解的问题。给出了十进制环状编码的变异和选择策略,同时结合蛙跳算法的分组更新特点。应用该算法对IEEE33节点和PG&E69节点网络进行配电网重构仿真,结果表明,该方法能有效降低配电网损耗。