改进QGA算法在含分布式电源的配电网中故障定位应用与研究

本文将QGA算法进行相应改进,新算法IQGA弥补了传统算法收敛速度慢和容易陷入局部最优的缺陷,并通过实际算例验证了IQGA算法在含DG配电网故障区段定位中使用的高效性。     

基于改进遗传算法的含分布式电源的配电网故障定位

大量的分布式电源接入配电网,使得配电网的结构和运行方式均发生了变化。已有的故障定位方法受到了影响,甚至会出现误判。重新定义了含分布式电源的配网中各个开关的正方向,并建立改进遗传算法的开关函数和适应度函数。对算例进行仿真分析,结果表明,改进的遗传算法在含分布式电源的配电网中能准确地定位故障。     

改进遗传算法在含分布式电源的配电网规划中的应用

首先,为充分体现在配电网中引入分布式电源后,分布式电源规划与配电网规划的相互影响,建立了协调规划框架,并在规划目标中引入了分布式电源的环境效益奖励因子;其次,针对传统遗传算法易收敛于局部最优解、迭代次数多、译码过程复杂、迭代时间长的缺点,提出了一种全新矩阵编码模式下的混合整数、0-1遗传算法,使分布式电源和配电网能在同...     

改进整数规划的含分布式电源配电网故障定位

针对分布式电源配电网的故障信息误报导致故障定位容错率不高的问题,提出了一种基于改进的整数规划故障定位模型。在整数规划故障定位模型的基础上,采用层次分析法（AHP）,以单电源辐射型配电网中各个自动化开关距离系统电源的相对距离作为参考依据确定权重值,通过不同权重值确定不同自动化开关评价函数的优先等级,进而得到了改进整数规划的故障定位模型。     

基于量子行为粒子群算法的含分布式电源的配电网故障定位

分布式电源的大量接入,使得传统配电网故障定位方法的适用性变差。针对这一问题,引入量子行为粒子群算法实现含分布式电源的配电网的故障定位。在对量子行为粒子群算法进行改进后,使其更适用于包含0-1离散变量的配电网故障定位。同时算法融入了自然选择的淘汰机理,提高了算法的收敛性和精确性。考虑到在实际应用中故障信息的缺失,对信息采用了相应的补漏措施,提高了算法的容错性。算例的仿真结果验证了该算法定位的准确性、适用性及可行性。     

基于二进制量子粒子群算法的含分布式电源配电网重构

配电网重构是一个复杂的非线性组合优化问题。为了克服基本优化算法易陷入局部最优解的问题,提出了一种改进的二进制量子粒子群算法(BQPSO),对含分布式电源(DG)的配电网重构模型进行求解。通过引入遗传算法的交叉操作和变异操作来避免早熟来提高算法的全局搜索能力,改进了算法的性能。并且选择了适当的不可行解处理方式来提高了算法的计算效率。最后通过对IEEE33节点配电系统进行仿真,验证所提算法在求解重构问题时得到的解更好,收敛速度和全局寻优能力都有提升。     

基于BAS-IGA的含分布式电源配电网故障定位

针对遗传算法解决含分布式电源配电网故障区段定位易早熟收敛的问题,提出了一种基于天牛须搜索算法和改进遗传算法相结合的故障定位方法.该方法首先利用天牛须搜索算法产生高质量的初始种群,其次通过构造遗传算法数学模型、优化3种遗传算子和调节交叉变异概率对遗传算法进行改进,最终经遗传迭代产生最优解,达到精确定位故障区段的目的.以I...     

基于多种群遗传算法的含分布式电源的配电网 故障区段定位算法

构建了可动态适应多个分布式电源投切的开关函数,同时针对遗传算法的早熟收敛问题,引入多种群遗传算法,提出基于多种群遗传算法的含分布式电源配电网故障区段定位方法。该算法在故障区段定位时规定以系统电源指向用户的方向为馈线正方向,采用多个种群对解空间协同搜索,避免算法陷入局部最优,以最优个体保持代数作为收敛条件,充分提高收敛效率,适用于复杂的含分布式电源的配电网络。通过算例对配电网的故障定位进行仿真,结果表明算法能准确定位,并具有一定的有效性和容错性。     

自适应保护在含分布式电源配电网中的应用

结合含DG配电网的网络结构图与对称分量法,研究出一种相电流差故障分量作为保护动作判据的算法,相电流差故障分量的获取可由采集故障后数据与故障前数据并通过计算得到,该方法实用,能够准确识别保护区内外的故障.并在MATLAB平台上搭建了含风机的配电网模型,进行了仿真验证.仿真结果证明该算法准确识别保护区内外的故障,能减小分布式电流接入配电网后对其电流保护产生的影响.     

基于多目标混沌量子遗传算法的分布式电源规划

针对配电网加入分布式电源的经济技术优化目标,给出了分布式电源多目标规划的数学模型;结合实数编码量子遗传算法和非支配排序、精英保留、分层聚类等多目标优化策略,提出了多目标混沌量子遗传算法,并对分布式电源的安装位置和容量进行了综合规划研究。算例分析表明,所提算法在计算精度、收敛速度和寻优能力上均优于传统多目标遗传算法,为实...     

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。     

基于免疫算法的含分布式电源配电网的故障定位

分布式电源(DG)的接入,使传统配电网络拓扑结构从单电源辐射状网络变成复杂的多电源网络。在这种情况下,传统的故障定位算法已不再适用。针对这一问题,提出了一种新的基于故障电流的故障定位算法——免疫算法。首先,针对含DG的配电网,构建了适应多个分布式电源的故障电流编码方式和适应多个分布式电源的开关函数。其次,相比传统的遗传算法,免疫算法通过计算抗体的匹配程度和浓度对个体进行评价,并且增加了记忆单元保证了算法进化过程中抗体的多样性从而避免了遗传算法中的‘早熟’收敛问题。最后,通过Matlab建模仿真,验证了该算法适用于含分布式电源(DG)配电网的故障定位,并具有一定的快速性和容错性。     

基于免疫遗传算法的含分布式电源配网规划

大量分布式电源的接入使配电网规划更加复杂.在限制分布式电源接入总量和考虑多种约束的基础上,建立以配网年费用最小为目标函数的规划模型.针对该模型的特点,采用一种新型免疫遗传算法( IGA)对配电网扩展规划进行优化.该算法综合了免疫系统和遗传算法的优点,可实现群体收敛性和个体多样性间的动态平衡,具有良好的全局收敛能力.分别...     

含分布式电源的配电网优化运行研究

针对分布式能源大规模接入配电网带来的配电网规划和电能质量等问题,进行配电网优化运行研究。从分布式电源给配电网带来的影响出发,对配电网重构技术、分布式电源位置和容量优化及滤波器选型和位置优化三个角度进行了综述,同时分析总结配电网优化运行的建模方式和约束条件,并围绕多目标非线性且多约束的组合优化问题求解算法进行了梳理归纳,对配电网优化运行做总结与展望。     

基于改进遗传算法的含分布式电源和储能装置配电系统网络重构

通过以有功网损最小为目标建立配电网重构数学模型,应用改进的遗传算法寻求含分布式电源和储能装置配电网的最优重构方案。该算法采用一种十进制编码方式,将配电网中环网个数作为染色体长度,环网中各开关开合状态作为组成染色体基因。在潮流计算中把分布式电源和储能装置等效为“负”的负荷,并基于配电网特有的层次结构特性,采用分层前推回代进行潮流求解。通过对IEEE33节点算例的计算表明,对含分布式电源和储能装置的配电网进行重构,可在很大程度上减少网络损耗和电压降落。     

基于ARM的含分布式电源配电网故障定位的研究

分布式发电具有供电灵活、清洁环保的优势,是大电网有益和必要的补充。随着越来越多的分布式电源接入大电网,电网的结构和运行方式发生了很大的变化,传统的故障定位方法已不能适应含分布式电源配电网的故障定位。研究了适用于含分布式电源的配电网故障定位方案,确定了以遗传算法为主体的故障判定方法,并利用嵌入式系统构建了故障监控体系。实验证明,该监控系统适应性强、实时性好、误差距离小,能有效地实现配电网的故障定位和监控。     

含分布式电源的DEIWO算法配电网无功优化

针对含分布式电源的配电网无功优化的特点,提出一种将入侵杂草算法与差分进化算法相结合的混合求解算法。该算法将一组初始可行解进行繁殖、空间扩散,当达到环境允许的最大值时,通过引入竞争机制,选取适应度较高的部分个体,再通过变异、交叉、选择,最终保留最佳个体。该算法既利用了入侵杂草算法结构简单、参数少和鲁棒性强的优点,又通过结合差分进化算法,克服其易陷入局部最优,精度不高的缺陷。以IEEE33节点系统进行仿真分析,并与传统的入侵杂草优化算法进行比较,结果表明该算法具有较强的全局搜索能力以及较高的收敛精度,能够有效地减少功率损耗。     

基于改进遗传算法的配电网无功优化

针对传统遗传算法在电网无功优化领域应用中存在的不足,结合配电网的特征,建立了综合考虑全年网损、电压品质和补偿设备投资的无功优化数学模型。同时应用自适应遗传算法对传统遗传算法的遗传算子和终止判据等进行了改进,提出了一种配电网无功优化的改进遗传算法,使其计算效率和全局寻优能力均有提高。实例计算表明,其优化效果优于传统遗传算法。