一种适用于电网扩展规划问题的边界搜索粒子群优化算法

针对电网扩展规划问题,根据粒子群算法收敛性受初始粒子分布影响较大的特点,结合边界搜索思想,提出了一种粒子群初始化方法。该方法利用边界搜索策略对粒子群进行初始化,使粒子初始化在安全边界附近,优化了粒子群的初始化范围。最后通过算例证明了这种方法应用于电网规划的有效性。     

基于博弈论的"源-网-荷"多主体利益协调互动的ADN分层规划

针对开放电力市场环境下存在的多主体利益博弈规划问题,提出一种基于博弈论的"源—网—荷"多主体利益协调互动的主动配电网(ADN)分层规划模型,结合迭代搜索法和改进的粒子群算法来对模型进行求解.模型上层从规划层面上考虑源、网、荷三方各自的决策,以每一个利益主体效益在博弈模式中达到均衡为目标;下层从主动管理层面考虑分布式电源(DG)削减和有载调压变压器(OLTC)调节等策略,以DG年切除量期望值最小为目标.在上层中运用迭代搜索算法搜索多方均衡解,在上层中的每一方主体决策寻优过程以及下层决策寻优过程中运用改进的粒子群算法.通过改进的IEEE 33节点算例,验证所提模型的可行性,为电力市场开放环境下存在多决策主体利益博弈的ADN规划问题提出思路和建议.     

考虑DESS接入的配电网变电站规划方法

随着分布式电源（distribution generation, DG）渗透率的提高,变电站规划需要考虑分布式储能系统（distributed energy storage system, DESS）的容量价值。DESS的接入能优化电网潮流的稳态分布,有利于配电网工作的灵活调度,同时提高了配电网运行的经济价值。建立了DESS和变电站的双层规划模型,其中上层为选址定容层,考虑系统经济性,以配电网年综合运行成本最小为目标;下层为运行优化层,以配电网网损费用、电压偏差之和最小为优化目标。采用改进的量子粒子群优化(quantum-behaved particle swarm optimization, QPSO)算法对上下两层规划模型进行迭代求解。最后通过2个算例进行规划结果分析,并与传统算法对比,结果表明DESS和变电站的联合规划能有效改善配电网的末端电压并且经济成本最低。     

基于改进自适应权重多目标粒子群算法的分布式电源优化配置

根据配电网和分布式电源相关特性,建立考虑多种约束条件下配电网网损最小、分布式电源成本最低、电网电压稳定性最好的多目标优化数学模型。该文提出一种改进自适应权重多目标粒子群算法对配电网进行分布式电源优化配置,相较于传统的多目标粒子群算法容易陷入局部最优,以及单目标算法只能给出单一配置方案,该方法在保证得到更接近全局最优解的同时提供一系列可供选择的方案(一组Pareto解集)。采用不同算法对IEEE 69节点算例进行求解计算,仿真结果充分证明了算法的优越性,为配电网中分布式电源配置提供了更为灵活的可行性方案。     

基于样条逼近与曲线拟合的欠驱动仿生机器人运动规划

研究欠驱动六足仿生机器人简化模型（RRRobot）运动规划问题。根据RRRobot动力学模型,以能量损耗最小为目标,提出将曲线拟合和样条逼近技术与粒子群优化方法结合的算法,对RRRobot运动规划进行优化。仿真实验结果表明,所提出的算法对解决运动规划的优化问题是有效的,对RRRobot模型终端位形的误差有明显的改善作用。     

计及低碳排放和需求侧管理的主动配电网双层规划

发展主动配电网是提高配电网对间歇性可再生能源发电接纳能力、支撑低碳经济发展的一种重要手段。提出一种考虑碳排放成本和需求侧管理的主动配电网双层规划模型,在上层规划中,以包含碳排放成本的配电网规划年综合费用最小为优化目标;在下层规划中,以需求侧管理和主动管理模式下分布式电源（distributed generation,DG）出力削减量和可中断负荷中断量最小为优化目标,采用二进制量子粒子群算法结合原对偶内点法进行求解。针对风速、光照强度和负荷的不确定性问题,建立相应的概率模型,并采用拉丁超立方抽样技术生成DG出力和负荷全年序列场景。以一个待扩展的25节点配电网络作为算例进行仿真,结果表明,所提模型与算法能够有效降低碳排放成本和提高配电网对DG的接纳能力,考虑需求侧管理进一步优化了主动配电网规划方案,使年综合费用更小。     

基于粒子群优化算法的装配序列规划研究

针对装备制造业中存在的装配序列规划问题,建立最小化装配次数和方向改变次数之和为目标的优化模型。针对优化模型提出具有随机性特点的初始种群启发式编码,设计粒子群算法。为避免粒子陷入局部最优,采用不同程度的局部搜索操作方式,达到增强粒子群算法局部搜索的能力。实例验证表明,该算法在解决装配序列规划问题上具有优势,求解效果较好。     

基于 PSO 原理的异孔径配水系统优化算法

为了实现穿孔配水系统均匀布水的快速优化设计,提出采用改进的粒子群优化算法(PSO)并结合水力模型工具作为系统均布优化决策制定的方法.该算法首先对常规粒子群算法进行了一定的改进,用于提高其算法的收敛性及收敛的速度;其次将改进后PSO与水力模型通过外部TOOLKIT接口进行整合,以模型计算后数值作为集群个体适应度的评估指标.算例研究表明:该方法可有效地实现限定条件下的均布配水系统快速优化设计.同时,结合配水系统的节点压力分区,可减小粒子群算法的维度,从而使算法的收敛速度得到较大的提高,迭代次数减少了83%,并能产生更符合工程实际的优化方案.     

基于改进粒子群算法鸡西电网无功优化规划

应用传统粒子群算法于电力系统无功优化问题存在收敛精度不高、陷入局部最优的缺点,而利用粒子群群体每次迭代的最优值取代其本次迭代的最差值,可提高粒子群算法的寻优特性。在鸡西电网的无功优化规划中,先对鸡西电网的每个节点进行灵敏度分析,选择部分节点做为无功补偿的候选节点,之后将所提算法应用于鸡西电网进行实际计算和分析,经过此方法对鸡西电网进行优化规划计算后,较好的改善了鸡西电网的电压水平和无功分布,提高了供电质量,大大降低了线损,有良好的理论价值和实用价值。     

计及置信区间的微电网协同调度研究

针对分布式电源大量接入电网对生产运行造成较大影响的问题,本文对并网运行模式下微网经济负荷协同分配进行研究。通过建立计及光伏发电和风力发电随机性的微电源、储能装置、大电网和负荷的数学模型,并从置信区间角度描述光伏机组及风力发电机组运行出力的随机性,建立了基于置信水平的机会约束优化调度模型。采用改进多目标粒子群算法对模型进行求解,从而对各电源出力优化配置。仿真结果表明,与不考虑置信区间的调度模型相比,综合成本下降了1.87%;与常规多目标粒子群相比,综合成本下降7.53%。该研究有效节省综合成本,提高协同调度效率,为实际工程应用提供了理论依据。