基于加权Voronoi图的变电站优化规划

针对变电站优化规划这一城市电网规划工作中的重要环节,提出了一种基于加权Voronoi图的变电站规划方法,可以最终完成对变电站数量、容量、站址及供电范围的优化。该方法首先给出一种确定新建站容量组合的数学模型,并采用整数规划的优化技术同时得到其最优解和几组次优解。进而,根据是否含有已有站,分别给出利用常规Voronoi图法及综合考虑规划区域地形特点、区域面积和负荷分布情况的坐标几何方法产生初始站址。在此基础上,通过对Voronoi图进行加权来考虑负荷分布不均匀、各站额定容量和负载率不同对变电站供电范围的影响,进行变电站供电范围的整体优化,并确定新建站站址。实际算例表明,所提出的方法能够较好地满足变电站规划工作的要求。     

基于计算几何方法的电动汽车充电站规划

综合分析了影响电动汽车充电站规划的若干因素,建立了电动汽车充电站规划的最大收益模型。根据电动汽车充电特性和出行特征,计算电动汽车充电功率需求期望值,从而得出规划区充电站的容量需求。根据电动汽车的分布特点,通过调节加权伏罗诺伊图的权重,使得服务区域划分更合理,同时保持各充电站负载率的均衡。利用粒子群优化算法的全局寻优能力,结合加权伏罗诺伊图,对充电站进行选址定容和服务区域划分的优化规划。算例分别针对不同电动汽车数量和不同分布方式的情况进行计算,结果验证了所述模型和方法的有效性和可行性。     

基于粒子群遗传算法的变电站优化规划

文章综合考虑了变电站规划的经济性和安全性,提出了一种基于粒子群算法(PSO)和遗传算法(GA)相混合的变电站优化规划算法.该算法运用繁殖因子动态划分子种群、最佳保持策略和PSO算子等思想,并通过实例进行编程计算,结果表明该算法比遗传算法或粒子群算法求得的解更优.     

基于自适应粒子群算法的电动汽车充电站优化规划

为了确定合理的电动汽车充电站位置及规模,建立了一种考虑多因素的电动汽车充电站选址定容模型,目标是使充电站的综合成本及建站位置最优化.在电动汽车充电站的建设费用、运行费用等条件的约束下,目标函数还考虑了充电站的供电损耗费用、人员工资和配电变压器的投资等因素.针对建立的模型,采用自适应粒子群算法进行求解,并通过一个算例验证了该模型的可行性.     

基于改进粒子群算法的变电站选址规划

变电站站址的选择是电网规划的重要环节,给出一种确定的变电站选址模型,该模型不仅包含了以往的变电站选址的可量化因素,还将地理信息作为惩罚因子融合入模型中,增加了变电站选址模型的实际价值。并且提出一种新的改进粒子群算法,从初始解和变量搜索方面进行了改进。算例证明所提模型和改进算法正确、有效,其规划结果科学、可行。     

基于改进粒子群算法的变电站选址规划

变电站站址的选择是电网规划的重要环节,给出一种确定的变电站选址模型,该模型不仅包含了以往的变电站选址的可量化因素,还将地理信息作为惩罚因子融合入模型中,增加了变电站选址模型的实际价值.并且提出一种新的改进粒子群算法,从初始解和变量搜索方面进行了改进.算例证明所提模型和改进算法正确、有效,其规划结果科学、可行.     

基于差分粒子群算法的变电站选址定容规划

针对标准粒子群算法(particle swarm optimization,PSO)易陷入局部最优,差分进化算法(differential evolution,DE)后期收敛速度慢的缺点,提出差分粒子群算法(differential particle swarm optimization,DEPSO)将二者进行混合优化,提高群体的收敛速度和全局寻优能力,并应用于配电网变电站规划。在变电站选址数学模型中结合Voronoi图来确定变电站供电范围和规划容量,继而校验变电站实际负载率,简化计算过程,提高搜索效率。通过某市城区远期规划实例验证得知该算法正确有效,可以满足城区配电网的规划要求。     

考虑储能的变电站优化规划

基于储能在电网的巨大应用前景,本文研究了储能对变电站优化规划的影响。在确定了储能控制策略的基础上,建立了考虑储能的变电站规划模型。再根据是否含有已建变电站,分别利用常规Voronoi图和结合专家经验的负荷矩最小方法产生初始站址。最后通过作加权Voronoi图的方法,根据规划地区内是否受到储能的调节,分别对新建变电站进行优化规划。     

基于改进加权Voronoi图和遗传算法的变电站规划

针对城市电网规划中的变电站规划优化问题,提出一种基于改进加权Voronoi图和遗传算法的规划算法(improved weighted Voronoi diagram-genetic algorithm,IWVD-GA)。通过改进定权重和引入变权重对加权Voronoi图进行改进,并利用元胞自动机(cellular automata,CA)动态生成改进加权Voronoi图,在生成过程中,权重可根据变电站负载率和供电半径约束动态调整,使供电范围的划分过程可控且更为合理。通过交替定位算法(alternate location algorithm,ALA)对新建站的位置和供电范围进行局部深度寻优,通过遗传算法进行全局寻优,实现了变电站规划优化。为解决CA在元胞个数较多的情况下,在每个演化过程都需要对所有元胞进行判定而导致计算速度较慢的问题,根据元胞状态改变发生在扩张边界的特点,确定需要进行判定的元胞,有效减少了元胞判定次数。算例结果验证了所提算法用于变电站规划的有效性。     

改进粒子群算法在变电站选址规划中的应用

提出了一种利用改进的粒子群算法来解决配电网变电站选址问题.在改进的方法中,引入模糊的方法,根据粒子适应度高低来确定粒子的惯性权重的取值,对同一代的不同粒子使用不同惯性权重来更新粒子速度,从而获得了更高性能的PSO算法.通过某开发区规划实例验证了该文所提模型和方法正确性和有效性,其规划结果科学、可行.     

基于变权Voronoi图和混合粒子群算法的电动汽车充电站规划

针对城市电动汽车充电站规划布局及服务范围划分的问题,提出一种基于变权Voronoi图和混合离散粒子群算法的优化算法。为解决离散粒子群算法在达到最优解时容易发生变异的问题,改进了离散粒子群算法中的概率映射函数,提高算法迭代中后期的全局搜索能力;引入加权Voronoi图生成过程中可随充电站的服务能力和最大服务半径约束动态调整的变权重系数,使充电站服务范围的划分可控且更为合理;利用最短路径法求得用户充电行驶过程中的交通路径距离来取代传统的欧式距离,提高算法的准确性。运用改进后的混合离散粒子群-变权Voronoi图算法求解算例模型,通过算例结果验证了所提算法用于电动汽车充电站规划的有效性。     

离散粒子群优化算法在变电站选址中的应用

将离散粒子群优化算法引入变电站选址优化规划问题的求解,并构造矩阵作为离散解值集来表示变电站选址问题的解,同时构造速度矩阵作为离散速度值集表示粒子的速度值,使PSO算法合理地应用于变电站选址问题。并通过算例,验证了算法的有效性。     

基于改进加权Voronoi图算法的有源配电网变电站规划

针对未来规划区域面临大规模分布式电源(DG)接入及多样性负荷的场景,提出了一种基于改进加权Voronoi图算法的有源配电网变电站规划方法。首先,将负荷特性引入DG置信容量评估方法中,分析不同负荷特性与DG出力特性对DG置信容量的影响。其次,建立考虑DG置信容量的有源配电网变电站规划数学模型。继而,提出基于改进加权Voronoi图算法的变电站规划方法,具体改进包括:在Voronoi图一次迭代中,根据供电范围划分情况不断调整原定权值,实现加权Voronoi图算法的层次性改进;根据网供负荷在DG方向大量减少的情况调整Voronoi图在DG方向的权值,实现加权Voronoi图算法的方向性改进。最后,通过实例说明所提方法的科学性和实用性。     

基于自适应粒子群算法的变压器局部放电定位研究

随着对电力系统安全运行的要求越来越高,对变压器局部放电定位的研究也就愈发重要,将智能算法引入变压器局部放电定位中是很有效的途径。提出自适应粒子群算法对变压器局部放电定位,通过实验验证分析,此算法具有精度高,收敛速度快,避免收敛早熟等优点。     

基于改进均值聚类随机粒子群算法的变电站LCC规划

基于设备全寿命周期成本(LCC)建立了配电网变电站选址定容新模型,模型统筹考虑了规划方案的初始投资成本、运行维护成本、故障成本、废弃成本,在满足安全、效能的前提下使得规划模型在全寿命周期内经济性最优。提出一种将均值聚类与随机粒子群算法相结合的改进粒子群算法对上述规划模型进行求解,该算法克服了粒子群优化算法(PSO)的早熟现象。通过规划实例验证了该文所提模型和方法正确性和有效性,其规划结果科学、可行,具有更高的实用价值。     

基于加权Voronoi图和自适应PSO算法的电动汽车充换电站联合规划

充、换电站是为电动汽车提供电能补给的基础设施,合理规划充、换电站对推动电动汽车普及具有重要意义。首先,预测规划区域电动汽车保有量,根据保有量及各类型电动汽车行驶特性数据,得到电动汽车总换电需求和各路网节点换电需求;其次,以充、换电站建设运维成本、用户损耗成本和电池配送成本之和最小为目标,建立了充、换电站联合规划模型;最后,采用加权Voronoi图与自适应粒子群算法对模型进行求解。算例结果表明,在综合考虑电动汽车用户和充、换电站运营商的利益下,所提方法既能满足用户电能补给需求,又能使充、换电站年均综合成本达到最优。     

基于改进粒子群算法的含分布式电源配电网规划

在不考虑网络扩展的情况下,建立了以包含分布式电源建设和维护费用、网损费用以及购电费用在内的配电网年费最小为目标的规划模型,并采用改进的粒子群算法对分布式电源的安装位置和容量进行优化计算,避免了粒子群算法早熟和边界聚集的问题。通过对IEEE33节点配电网系统进行仿真计算,验证了规划模型和算法的正确性和适应性。