基于粒子群算法的配网优化运行建模与仿真

为了提升配网调度效率,针对分布式电源接入电网后的调度控制优化方法进行了研究。在主流分布式发电装置数学模型的基础上对于典型的配网调度场景进行了运行特性和约束性分析,并将配电网优化调度抽象为一个非线性变化的优化问题。以配电网节点流入功率和流出功率平衡为约束条件进行问题的数学建模,并使用粒子群算法对该问题进行优化。通过引入粒子群进化状态的评估算子,根据算法的迭代程度对惯性权重进行调节。最终构建一个包含33个节点的配网网络,仿真结果表明,在进行配电网调度优化时,改进后的算法相较于基本的粒子群算法的收敛速度可以提升约3倍。     

基于粒子群优化算法的配电网优化调度模型

配电网优化调度可以为决策者提供有价值的信息,为了获得理想的配电网优化调度方案,提出基于粒子群算法的配电网优化调度模型。首先对配电网优化调度研究现状进行分析,指出当前模型的不足,并设计了配电网优化调度问题的目标函数和约束条件,然后采用粒子群优化算法模拟粒子群搜索过程找到最优方案,并对标准粒子群算法的不足进行了改进,最后采用配电网优化调度实验测试其有效性。结果表明,该模型可以快速、准确地找到配电网优化调度的最优方案,具有一定的实际应用价值。     

基于云模型的含分布式光伏配电网双层优化调度方法

为提升含分布式光伏配电网双层优化调度效果和该配电网的供电质量、降低运行成本与供电损耗、保障其运行的经济性与平稳性,提出一种基于云模型的含分布式光伏配电网双层优化调度方法。以低节点电压偏移量、低线路损耗及低运行成本为目标函数,为含分布式光伏配电网构建包含上层主动配电网与下层微电网优化调度模型的双层优化调度模型,结合云模型改进的粒子群(Cloud Model Improved Particle Swarm Optimization, CMOPSO)算法求解所构建的调度模型,完成基于云模型的含分布式光伏配电网双层优化调度方法的设计。实验结果表明,采用该方法进行优化调度后,可显著降低含分布式光伏配电网的线路损耗、电压偏移量及运行总成本,提高其各节点电压,使各节点电压更接近于安全电压基准值,减少配电网的供电损耗,提高其供电电能质量,保障其整体运行的平稳性与经济性;CMOPSO算法在求解模型时收敛到全局最优解的速度较高,收敛性能优越。所设计方法的总体效果较好,具有一定应用价值。     

基于蜜獾算法的配电网无功优化

无功优化通常采用降低有功网损和电压偏差、改善电压质量等方式进行优化。文中采用蜜獾算法（HBA）,选取有功网损最小为数学模型,以电压偏差最小以及潮流平衡方程和各时段节点电压为约束条件,以IEEE-30节点系统为例进行配电网的无功优化。将HBA算法与传统的PSO算法、改进后的PSO算法进行算例分析比较,对比算法在收敛速度和寻优性能方面的差异。通过局部电压稳定指标法计算出系统的最佳补偿点,减少搜索空间维数。利用Matlab进行仿真对比,结果表明HBA算法计算速度更快,具有较强的全局搜索能力,寻优能力更佳,可为配电网无功优化安全有效经济运行提供新思路。     

布谷鸟算法的含分布式电源配电网最优潮流优化

针对当前模拟退火方法等算法不能满足多约束变量的电网最优潮流设计问题,提出基于布谷鸟算法的含分布式电源配电网最优潮流优化模型。在多目标非线性约束参量模型下构建电源配电网最优潮流目标函数,以机组的耗量和配电总费用为优化目标,采用布谷鸟算法进行最优解多点搜索,模拟鸟群觅食过程和迁徙行为进行全局优化求解,考虑系统的有功损耗进行确定性规划处理,实现含分布式电源配电网的最优潮流求解。仿真结果表明,采用该方法进行含分布式电源配电网最优潮流优化设计有效提高了电源的利用率,降低了系统的运行成本,确保了含分布式电源配电网的经济、安全运行。     

计及风力发电和储能设备的经济调度模型

随着配电网中风力发电并网容量不断增加和储能设备的大量使用,给系统运行优化分析带来更多的困难与挑战,传统的经济调度模型难以满足目前智能电网的发展趋势。基于上述目的,本文建立了考虑风力发电和储能设备的配电网经济调度模型,该模型是一个非线性优化问题,以调度配电网系统的综合成本为目标函数,采用粒子群算法进行模型求解。通过算例分析,表明该模型较好结合了风力发电系统和储能设备,有效地降低了系统的综合成本。     

基于改进粒子群算法的微电网运行优化调度

针对目前配电网中能量利用效率低下和运行成本高的问题,提出一种包含火电和抽水蓄能的联合优化调度模型,并使用改进粒子群算法进行求解的优化调度方法。首先,通过对火电机组出力和抽水蓄能机组的数据进行分析,使用更加高效的改进粒子群算法,加入自适应惯性因子策略来优化机组出力;然后,基于分析运行成本和电功率平衡等指标进行仿真实验。实验结果表明,使用所提出的基于改进粒子群算法的联合日运行优化调度方法,能达到减少系统运行成本的要求,与此同时提升了电力系统的稳定性。     

基于改进鲸鱼算法的含DG配电网故障区段定位

针对鲸鱼优化算法存在收敛速度较慢、定位精度不够高等问题,文中提出了一种基于改进鲸鱼算法的含分布式电源配电网故障区段定位方法。构建了一种适用于多电源配电网故障定位的数学模型,采用自适应惯性权重策略来优化鲸鱼算法,并利用改进后的鲸鱼算法对构建的定位模型进行求解。在33节点含分布式电源的配电网上进行算例仿真,仿真结果表明在配电网发生单重、多重故障的情况下,改进后的鲸鱼算法能快速准确地定位出故障区段,且具有良好的容错性能。相较于传统鲸鱼算法,改进鲸鱼算法收敛速度更快,定位准确性更高,定位的可靠性也更高。     

基于改进鲸鱼算法虚拟电厂经济优化调度

针对分布式不可控电源接入系统引起的波动问题,文中基于虚拟电厂提出一种考虑市场电价的经济优化调度模型,根据负荷需求,对虚拟电厂中的各分布式发电的功率输出进行优化,以达到经济最优化。将鲸鱼算法应用于所建立的虚拟电厂经济优化调度模型,并对算例结果进行了分析,结果表明,该模型是合理有效的。针对鲸鱼算法在求解过程中存在的收敛速度慢和收敛速度低的问题,在收敛因子方面又对鲸鱼算法进行了进一步的改进,将改进的鲸鱼算法运用到已建好的虚拟电厂经济优化调度模型中,对比两种仿真结果可知,改进算法的收敛速度和精度都得到了提高。     

基于自适应蚁群算法的医疗资源应急优化调度模型设计

为实现公共卫生事件发生后医疗资源高效、合理的分配调度,文中设计了基于自适应蚁群算法的医疗资源应急优化调度模型。针对传统蚁群算法（ACO）存在计算速度较慢、容易早熟等缺点,提出了一种自适应蚁群算法（AACO）来对蚁群进行分组。采用了融合随机性、确定性的转移点选取策略与基于局部、全局及沟通交流的信息素更新策略,且将其应用于医疗资源应急优化调度模型的求解。算例分析结果表明,文中提出的AACO算法在收敛速度、计算精度等方面均优于传统ACO算法。所设计的医疗资源应急优化调度模型能够兼顾各应急需求点的满意度及运送时间,并在提高满意度的同时降低运输成本,进而实现对医疗资源的科学调度。     

基于叠加原理和前推回代法求解少环辐射网潮流的新方法

在已有的配电网前推回代法基础上,提出了适用于少环辐射配电网的一种潮流计算方法.首先,利用叠加原理将少环辐射网分解为纯环状网和纯辐射网,分别对其进行潮流计算,并将两个网络的潮流进行叠加,求解整个网络的潮流;其次,采用前推回代法进行少环辐射网潮流计算,给出了算法流程,并针对一28节点算例采用C语言编制程序进行计算.结果表明该方法具有收敛速度快,迭代次数少,运算效率高的优点.     

基于分时电价和用户侧储能的配电网调度优化策略

针对分布式电源接入及负荷波动引起配电网线路损耗增加的问题,文中提出将分时电价机制协同用户侧储能参与配电网的优化运行模型。基于分时电价建立用户负荷响应模型,构建以用户日用电成本、配电网网损最小为目标函数的配电网运行优化模型。采用评价函数法将多目标转化成单目标,并在传统遗传算法中引入模拟退火Metropolis准则对用户侧储能充放电策略寻优。仿真结果证明了文中所提策略能有效降低配电网网损及用户用电成本,所提算法寻优速度较快,收敛性能较好。     

基于数据融合与智能分析算法的电网抢修管控技术研究

首先针对数据融合背景下,配电网故障抢修的分类以及影响因素进行了分析。针对配电网络中的优化策略、调度资源、抢修资源分配、抢修策略数据等方面的数据融合提出了体系架构。针对含分布式电源配电网多故障抢修建立了以负荷损失最小和抢修故障用时最小为目标的数学模型,以期望缺电量为原则计算故障损失,并考虑了多组抢修小队对不同配电网故障的抢修时间。利用智能分析算法求解该模型,提出了基于云模型的改进共生生物搜索算法。最后利用IEEE33节点模型进行了仿真分析,说明了抢修策略和算法有效性。     

基于多目标粒子群的电动汽车优化充电策略

居民区家用电动汽车充电具有较强的集中性,大规模电动汽车充电负荷会对配电网系统造成负荷峰谷差过大等问题。文中提出一种基于多目标粒子群(Multi-Objctive Particle Swarm Optimization, MPSO)算法的用户充电选择控制策略,通过分析预测电动汽车充电负荷建立以系统总负荷方差和调度成本最小为目标函数的多目标优化模型,同时考虑了电动汽车电池及系统功率等约束条件,采用多目标粒子群优化算法求解电动汽车最优起始充电时刻。仿真结果表明,相比居民区内电动汽车无序充电,文中所提电动汽车充电策略能有效降低负荷峰值和调度成本。     

语音识别技术在配电网工程建设中的应用

为了实现配电网调度的智能语音交互，研究基于连续时序分类(CTC)和注意力机制的端到端语音识别技术，构建改进CTC-ATT语音识别模型，并利用循环神经网络自适应映射模型进行优化。实验结果表明，改进CTC-ATT语音识别模型对配电网调度指令和调度术语的识别正确率分别为92.45%和91.99%,能对配电网的调度指令术语进行高效精准地识别，帮助调度人员提升配电网调度的效率，对配电网工程的建设发展具有实用意义，为智能调度领域的发展提供了新的研究思路。     

基于改进BAS算法的配电网多目标优化重构

天牛须搜索（BAS）算法存在早熟收敛、计算效率低下等缺点，文中提出一种改进BAS算法，并应用于解决配电网优化重构问题。首先建立以网络损耗、负荷均衡度、电压偏差以及系统供电可靠性为目标的数学模型；然后针对传统天牛须搜索算法易陷入局部最优，采用模拟退火的蒙特卡洛准则进行改进，提高了算法的稳定性和可重复性，并采用改进后的天牛须搜索算法对数学模型进行迭代求解，给出配电网最优重构方案；最后结合IEEE 69总线系统进行实例仿真分析，与未进行系统重构配置进行对比，所提算法减少了网络损耗，提高了系统运行的经济稳定性。     

基于改进BAS算法的综合能源系统优化调度研究

为进一步改善综合能源系统的经济性,文中针对电、气、热综合能源系统建立了以最小运行成本为目标函数的优化调度模型,综合考虑输送电、气、热输送量上下限,以及各种能量转换设备出力上下限等约束条件.采用改进天牛须搜索(Beetle Antennae Search,BAS)算法对优化调度模型进行求解.算例仿真结果表明,在考虑和不考...     

网格调度的算法研究及改进

优化网格资源调度算法可以提高网格系统执行效率,给任务安排合理的执行顺序和合适的处理器是优化网格资源调度算法需突破的关键技术.文中研究并实现了（Heterogeneous-Earliest-Finish） HEFT[1]算法和新的（Hierarchical Reliability-Driven Scheduling）HRDS算法.采用DAG[2]任务图生成函数,通过对已有HEFT算法进行研究,采用SimGrid为在分布计算环境下进行分布并行应用调度研究提供一个仿真环境,对HRDS算法进行了改进和验证.验证过程中在HRDS算法中加入了可靠性开销作为调度依据,并把算法分为两层调度,本地可靠性驱动调度和全局可靠性驱动调度.两算法的调度结果在SimGrid网格模拟器中仿真调度,仿真成功并且调度结果在可靠性和性能方面HRDS都比HEFT算法要好.     

需求侧响应下的两级优化调度策略研究

通过两级优化策略实现了在配电网中面向双目标的负荷响应计划。首先对参与两级优化策略的利益相关者进行关系分析;其次介绍了用户需求侧响应项目的参与方式;最后提出了两阶段调度的优化模型,包括DRP负荷管理模型和需求响应智能体模型,并利用灰狼优化算法进行模型求解。提出的方法包含了两阶段的优化调度,一是DRP优先响应计划、减少整体电费支付;二是DNO试图实现系统运行目标。该方法将系统损耗降至最小化。     

考虑可平移负荷的综合能源系统动态优化调度策略

综合能源系统因多能互补、协调优化等特性受到了广泛关注,但该系统的热电机组在运行时的调峰能力具有一定局限性。为降低综合能源系统的用能成本,提升系统的用能效率,改善其调峰能力,文中提出了一种考虑可平移负荷的综合能源系统动态优化调度策略。该策略以系统的整体运维成本最小化为目标,结合可平移负荷和相关算例构建仿真模型,并采用自适应混沌粒子群算法进行求解。结果表明在引入可平移负荷时,多能源微网能够较好地达到削峰填谷目的,并降低系统综合运行成本,实现节能减排效果。同时,文中将传统粒子群算法与自适应混沌粒子群算法作比较,证明了自适应混沌粒子群算法在精度与效率上都优于传统的粒子群算法。