基于禁忌搜索粒子群优化算法的无功优化

针对粒子群算法局部搜索能力较弱和存在早熟收敛的问题,提出将粒子群优化算法结合禁忌搜索的混合算法,并应用它来求解电力系统无功优化问题。该混合算法是以粒子群优化算法为主框架,以禁忌搜索算法作为个体群继续在邻域中寻优,寻优结果对粒子群算法的输出做了更新。混合算法保留了粒子群优化算法的并行处理性,同时利用了禁忌搜索算法的较强的"爬山"能力,加快了混合优化算法的收敛时间和提高了收敛解的有效性。     

基于云变异人工蜂群算法的梯级水库群优化调度

针对求解高维、复杂的梯级水库优化调度时易出现"维数灾"或陷入局部最优解的问题,本文提出了一种混合优化算法。该算法结合云模型思想对人工蜂群算法进行了改进,克服了人工蜂群算法寻优中易于"早熟"的缺点,保持了后期种群的多样性,提高了全局搜索能力。实例计算表明,利用该混合算法求解梯级水库优化调度问题与传统算法比较,结果可靠合理,计算效率高,从而为求解高维、复杂的梯级水库优化调度问题提供了一条新的思路。     

基于免疫进化算法的粒子群算法在梯级水库优化调度中的应用

针对高维、复杂的梯级水库优化调度在求解时易出现"维数灾"或陷入局部最优解的问题,本文提出了基于免疫进化算法的粒子群优化算法,该算法充分利用了免疫进化算法的全局搜索特性和粒子群算法的局部搜索能力,克服了粒子群寻优中对初始种群的依赖和易陷入局部最优的不足.通过实例计算表明,应用该算法求解梯级水库优化调度问题,结果可靠、合理,计算效率高,从而为求解高维,复杂的梯级水库优化调度提供了新的思路.     

电网规划综合评判决策系统的设计与应用

提出了一种求解电力系统负荷经济分配问题的改进粒子群优化算法.该算法考虑了机组的爬坡约束、出力限制区约束、非光滑费用函数曲线等非线性特性,用保留可行解的方法处理负荷平衡约束条件,用自适应罚函数法处理爬坡和出力限制区约束条件,加快了算法的收敛速度,对不活动粒子的处理使算法避免了"早熟"现象.仿真计算表明,改进粒子群优化算法是一种求解负荷经济分配问题的有效方法.     

自适应多策略粒子群算法在水库群优化调度中的应用

根据梯级水电站优化调度特点,建立粒子群算法求解多阶段最优化问题数学模型.针对基本粒子群算法(PSO)在早期存在精度较低、易发散等缺点,后期出现"趋同性"和"早熟"等现象,提出了自适应多策略粒子群算法.并将该算法与基本PSO、改进型PSO、杂交PSO和收敛因子PSO分别在雅砻江梯级水库群优化调度中应用,通过对其优化结果的比较,验证了改进算法在加快收敛速度和提高算法精度方面的有效性.     

基于改进蚁群算法的变电站设备巡检路线优化研究

变电站设备巡检路线优化问题是一个典型的组合优化问题,随着设备间隔数量增加,该问题的求解结果会呈现指数级增加,造成求解过程越来越复杂。为了快速求解该问题,提出了改进蚁群算法。该算法自适应调整信息素挥发系数,并限制信息素强度,提高了算法的探索精度和运行速度。MATLAB仿真实例表明:改进蚁群算法高效可行,能快速地求解变电站设备巡检路线优化问题。     

配电网供电恢复的混沌免疫算法

为在配电网供电恢复的方案计算中提高获得最优解的概率并加快算法的收敛速度,分析混沌优化算法和免疫算法原理的基础上,提出了一种混沌免疫算法。该算法融合了混沌优化算法的全局搜索和人工免疫算法的局域搜索能力的特点,在优化过程中采用人工免疫算法代替混沌优化算法中的"细搜索",同时用混沌优化算法中的"粗搜索"来初始化免疫算法中的初始抗体。实例分析表明,该算法具有较快的收敛速度和较强的全局搜索能力,避免了不成熟收敛,有效地提高了供电恢复的速度和精度。     

蚁群算法在配电网规划中的应用

配电网规划是一个复杂的组合优化问题，传统的优化方法往往难以解决此类问题，但是近年出现的一些智能算法有效地解决了此类问题。蚁群算法是一种新型的模拟进化算法，研究表明该算法在求解组合优化问题时是有效的。算法中，蚂蚁之间通过信息素进行交流，相互协作，使得蚁群表现出智能行为，针对配电网络的辐射性特点，提出了基于蚁群算法的单期配电网优化规划方法，该方法避免了辐射性检查过程，提高了算法效率，算例表明该算法具有实用性和可行性。     

电动汽车代理商的博弈竞争模型和算法研究

随着电动汽车使用规模的扩大,传统集中调度的模式在优化算法上引发了"维数灾"的问题,为此引入竞争市场,提出了对电动汽车负荷进行多代理商管理的模式,有效降低了算法规模。在该模式下,提出基于博弈论的代理商决策优化模型,并针对含对手策略的0-1整数规划问题,提出仿蛛网算法和时间分块的方法。以锂离子电池电动汽车和铅酸蓄电池电动汽车为例进行仿真,结果表明,该决策优化模型可以有效提高代理商的利润。     

集中充电站参与配电网峰谷调控策略

以杭州市电动汽车充换电服务网络为背景,阐述了集中充电站参与配电网峰谷调控的意义。以负荷波动最小为优化目标,建立了包含动力电池充放电方向约束、充放电功率约束和荷电状态约束的集中充电站参与配电网峰谷调控的数学模型。为了克服粒子群优化算法在求解高维优化问题时容易陷入局部最优的缺点,提出了基于子矢量的改进粒子群优化算法,该算法将一个高维优化问题转化为多个低维优化问题,大幅降低了该算法陷入局部最优的可能性,并通过分析得出可分性是应用该算法求解高维优化问题的关键,但是该研究的应用背景不满足可分性的要求,于是通过预先设置合理的条件,使之满足可分性的要求。通过算例验证了该算法的有效性,给出了集中充电站参与配电网峰谷调控的最优策略。     

基于PSO的配网重构与电容器投切综合优化算法

配电网络重构和电容器投切是配电网络优化的两个重要内容,简单地迭加难以反映二者之间的联系和影响,不能到达整体最优的目的。将二者融为一体,提出了一种基于PSO的综合优化算法。算法借鉴了遗传算法的变异思想,对具有集聚倾向的粒子进行速度变异,避免了“早熟”现象;并结合配电网络综合优化问题的特点,适当地改进更新规则来同时处理不同类型的变量,引入“飞回”策略处理越限问题。算例结果表明所提算法不依赖于网络的初始状态,不易陷入局部最优,优化效果好。     

TS算法在配电网络重构中的应用

配电网络重构作为优化网络、降低线损的一项重要手段,受到广大研究人员的重视.TS算法是一种新兴的现代启发式寻优技术 ,适合于求解组合优化问题,并能以很大的概率跳出局部最优解.本文介绍了配电网络重构的相关知识,并尝试将TS算法用于求解配网重构问题.另外,本文通过对寻优过程的有效控制,避免了在寻优过程中大量不可行解的产生,提高了计算效率.通过对实际算例的演算,证明了TS算法对于求解配网重构问题的有效性和可行性.     

基于改进生物地理学算法计及可靠性的配电网重构

配电网重构是一个多目标、多约束条件的非线性优化问题。在重构过程中,文章综合考虑了系统的经济性和可靠性因素。建立了Pareto多目标重构模型,并运用一种改进的生物地理学优化算法来处理配电网重构问题,避免了加权多目标优化算法解决此类问题而过分依赖个人主观经验的情况。另外,Pareto多目标数学模型的引入使算法更具有实际的工程意义。通过IEEE33节点系统的仿真结果验证了算法的可行性。     

离散学习优化算法在含分布式电源的配网重构中的应用

灵活的网架重构作为主动配电网的重要特征,利于高效消纳分布式能源。传统的数学规划方法难以求解非凸的含分布式电源的配电网重构问题。为此,提出了一种离散学习优化算法(DLOA),并将其应用于有源配电网重构问题。所提方法主要包括三个模块:学习优化算法、离散策略以及拓扑结构分析技术。其中,学习优化算法作为程序优化的核心,离散策略用于确定配电网线路的开闭状态,拓扑结构分析技术则用于分析配电网的网架结构。通过33节点测试系统验证离散学习优化算法的有效性,算例分析表明,所提方法能够有效求解高度非凸的含分布式电源的配电网重构问题。     

基于改进和声搜索算法的含分布式电源的配电网重构

采用改进和声搜索算法(Improved Harmony Search Algorithm,IHSA)求解含分布式电源的配电网重构问题。该算法在基本和声搜索算法中引入随机位置更新操作、反向学习技术、小概率变异机制、修正音调微调概率等策略,增强了算法的开采与勘探能力,提高了全局寻优能力,避免了算法过早收敛的问题。把分布式电源以PQ和PV两种方式进行处理,对IEEE33节点系统进行网络重构,并与基本和声搜索算法进行对比,仿真结果证明了文中所提IHS算法具有更佳的性能,能够有效的解决含分布式电源的配电网重构问题。     

一种多目标配电网络重构新算法

配电网络重构是配电管理系统的重要内容，从本质上讲，它是一个非线性组合优化问题，采用传统方法处理十分复杂，难以得到理想结果。文中提出一种新的配电网重构算法，充分利用并综合负荷均衡法和支路交换法的优点，改进了负荷均衡过程；采用新的配电网络分块潮流计算方法，依据支路交换配电网损估算公式导出新的启发式规则，较好地解决了多目标配电网重构问题。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。     

基于改进二进制粒子群优化算法的负荷均衡化配电网重构

提出了基于改进的二进制粒子群优化算法、以均衡负荷为目标的配电网重构方法。将配电网重构问题表示为以负荷均衡指标最小为目标函数的非线性优化问题,针对配电网开环运行的结构特点对配电网拓扑结构模型进行了简化,并对二进制粒子群优化算法加以改进,以保证配电网的辐射状结构,同时大大减少迭代次数。算例分析结果表明,该方法能够有效解决负荷均衡化的配电网重构问题,计算速度快,收敛性好。     

一种基于可靠性指标的复杂配电网络重构算法

以提高可靠性为目标,提出了一种简单、高效的复杂配电系统的网络重构算法。该算法将网络重构的优化过程分解成与动态变化的联络刀闸相对应的重构子问题。依次闭合每个联络开关,就可以得到具有不同网络拓扑结构的单环网,并分别对馈线内单环网和馈线间单环网提出了网络重构方法。通过一个实际的电力系统算例证实了本算法的有效性。     

采用局部学习与反向学习机制的人工鱼群算法在含DG配电网重构中的应用

配电网重构是配电网络结构优化的有效手段.考虑到系统运行的经济性,建立了以网络损耗最小为目标函数的数学模型,采用一种具有高效并行优化能力的人工鱼群算法来求解含DG的配电网重构问题.为了克服二进制编码所带来的“维数灾”问题,提出了三大网络简化原则以提高算法的计算效率.当算法陷入“早熟收敛”的怪圈时,引入局部学习与反向学习机制,一部分鱼群根据处于最优位置鱼群之间的差分结果进行动态调节,协同最优种群强化局部搜索;另一部分鱼群则沿最差位置方向进行反向学习,及时逃离局部最优区域,有效地改善了种群的多样性.为了进一步加快算法的寻优效率,在视野与步长参数方面做出了相应的自适应调整.通过算例分析,验证了文中算法的准确性与有效性.     

基于混合算法的油田配电网负荷均衡化

提出了基于遗传算法和网络分割算法以均衡负荷为目标的配电网优化方法。将配电网优化问题表示为以负荷均衡指标最小为目标函数的非线性优化问题,针对配电网运行的结构特点对配电网拓扑结构模型进行了简化,然后再通过遗传算法对已分割的网络开关进行优化。算例分析结果表明能够有效解决配电网负荷均衡化的问题,计算速度快,并且收敛性好。