GIS系统在配电网规划与设计中的应用

介绍了基于GIS的配电网规划与设计,论述了用于配电网规划的智能决策支持系统(IDSS)的结构和组成,以及基于GIS的配电网规划方法。     

基于改进的鲸鱼优化算法在ELD上的应用

针对电力系统经济负荷分配这一典型的非凸、非线性、组合优化问题,提出一种将基于自适应权重更新策略和差分进化的随机变异策略的鲸鱼优化优化算法(ADWOA)相结合。该算法首先在鲸鱼优化算法中引入了自适应权重来提高WOA的搜索能力,使算法能够在早期执行精细的全局搜索,在后期执行精确的局部搜索,加速寻优算法的迭代,同时由于随机变异策略,会再次更新位置。然后从更新的结果中选择最优位置,以加速种群的收敛,并有效防止种群陷入局部最优将适应度较好的个体信息更快地保留用于下一次鲸鱼优化算法的迭代,提高了求最优解的速度和精度。最后,对多个算法在电力系统经济负荷分配问题进行了测试,验证了基于自适应权重的的鲸鱼优化算法可以更合理地配置电力系统的经济负荷,能够有效找到可行解,避免陷入局部最优,能实现经济负荷的合理分配。     

智能配电网技术在配网规划中的具体应用

智能配电网技术作为新兴技术之一,其在各个领域均发挥着重要作用,基于此,本文简单介绍了智能配电网的作用和不足,重点探讨了这一技术在配电网规划中的具体应用,主要包括智能自动化技术、参数量测技术、分布式能源发电技术等,以供参考.     

改进蚁群算法的配电网网架优化规划方法

利用改进蚁群算法对配电网络进行规划,将该算法应用到辐射型配电网络中。在己知各配电变电站供电范围的基础上,利用蚁群算法特有的路径寻优功能进行配电网布局,并处理蚂蚁留下的信息素,以方便地求得配电网络规划问题的最优或近似最优解。通过具体的算例证明,改进的蚁群算法具有更优的全局搜索能力,提高了算法的收敛速度。     

融合变异策略的自适应蝴蝶优化算法

蝴蝶优化算法是近年来提出的一种新型自然启发式算法。针对基本蝴蝶优化算法收敛速度慢、求解精度低、稳定性差等问题,提出了一种融合变异策略的自适应蝴蝶优化算法。通过引入动态调整转换概率策略,利用迭代次数和个体适应度的变化信息动态调整转换概率,有效维持了算法全局探索与局部搜索的平衡;通过引入自适应惯性权重策略和局部变异策略,利用惯性权重值和混沌记忆权重因子进一步提高了算法的多样性,有效避免算法早熟收敛,同时加快了算法的收敛速度和求解精度。利用改进算法对12个基准测试函数进行仿真实验,与基本蝴蝶优化算法、粒子群算法、樽海鞘群算法、灰狼优化算法等其他算法对比表明,改进算法具有收敛速度快、寻优精度高、稳定性强等优异性能。     

智慧能源-----人工智能技术在电力系统中的应用与展望

在环境污染日趋严重,化石能源逐渐枯竭的背景下,能源系统的发展趋向于清洁化、智能化,我国已将智慧能源的发展提升为国家战略.电力系统作为能源系统的核心环节,应用广泛,具有较强的调节能力且控制复杂,其智能化程度将决定能源系统的智能化水平.伴随着分布式电源、电动汽车、分布式储能元件等具有能源生产、存储、消费多种特性的新型能源终端高比例接入电网,现代电力系统呈现出复杂非线性、强不确定性、强耦合性等特点,传统建模、优化、控制技术存在诸多局限性,人工智能技术将是解决复杂系统控制与决策问题的有效措施.鉴于此,首先梳理人工智能在电力系统应用的发展脉络;然后根据人工智能在电力系统的应用热点领域,阐述人工智能技术在电力系统调度、规划以及电力市场等方面的应用,并对各重点研究内容的未来方向进行展望.     

智能优化算法在配电网规划中的应用研究

配电网规划对于提升电力系统运行效率以及节约生产成本有着重要的作用。针对该类复杂优化问题,研究提出了一种基于改进群搜索优化算法(Group Search Optimization, GSO)的规划方法,其利用人工鱼群算法(Artificial Fish Swarm, AFS)对传统群搜索优化算法进行改进,从而结合了两者的优点。研究结果显示,对于小规模配电网络而言,三种算法均能取得较好的规划效果,且改进GSO算法的性能更优。而面对较大规模配电网络时,GSO算法与AFS算法易陷入局部最优。在仿真测试实验中,改进GSO算法的平均费用值、标准差、方差分别为948.17万元、5.61、34.89,均低于另外两种算法。除此之外,改进GSO算法的总有功损耗也均低于GSO算法和AFS算法。其优异的性能对于提升配电网规划效率、节约成本有着重要的意义。     

基于随机自适应粒子群算法的电力系统无功优化

无功优化是保证电力系统安全经济运行的有效手段,是提高电力系统电压质量的重要措施之一。本文首先介绍无功优化的一般数学模型,然后重点分析粒子群优化算法的组成结构与工作原理,进而提出一种改进的粒子群优化算法。该算法采用随机自适应策略,能够对当前所产生的局部最优值进行变异,再重回粒子群算法中搜寻全局最优值,从而可以有效改善传统粒子群算法求解电力系统无功优化问题时存在的收敛精度不高、容易陷入局部最优等不足,一定程度上提高了粒子群算法的寻优能力。最后,通过在IEEE 30节点上进行仿真实验比较,结果表明该算法是可行和有效的,达到了提高供电质量、降低线损的目的。     

基于自适应惯性权重的樽海鞘群算法

针对标准樽海鞘群算法收敛精度低、收敛速度慢的问题,提出一种基于自适应惯性权重的樽海鞘群算法(AIWSSA).首先,在追随者位置更新公式中引入惯性权重因子评价个体之间的影响程度;然后,结合种群成功率与非线性递减函数对惯性权重因子进行自适应调整,使算法的全局和局部搜索能力得到更好地平衡;最后,为防止算法陷入局部最优,引入差分变异思想对非最优个体进行变异.对12个基准测试函数进行求解,实验结果表明:AIWSSA具有较高的收敛精度、收敛速度和鲁棒性; Wilcoxon统计检验结果表明:与标准樽海鞘群算法、改进的樽海鞘群算法、其他群体智能算法相比, AIWSSA表现出较好的性能.通过将其应用于两种带约束的工程设计问题,验证了AIWSSA的有效性.     

基于改进粒子群算法的配电网重构策略

针对有源配电网对安全可靠性的要求较高,而现有的配电网重构算法精度低、速度低的问题,提出了基于蛙跳分组思想的自适应惯性权重的全信息简化粒子群算法。首先,从降低网络有功功率损耗、提高电压稳定性、均衡馈线负荷三个角度考虑,建立配电网多目标数学模型;然后,通过基于Pareto支配原则,采用模糊隶属函数的标准化满意度将多目标转化为相同量纲、同一属性、相同数量级的单目标,弥补加权法带有主观性、量纲不统一的弊端;最后,为保证种群多样性,避免随机初始化产生大量不可行解,结合蚁群优化（ACO）算法随机生成树和改进粒子群算法制定出一种针对含分布式电源（DG）的多目标配电网重构策略。通过对含DG的IEEE33节点配电网系统仿真验证,实验结果表明,与标准粒子群优化（PSO）算法相比,该重构策略寻优效率提高了41.0%,与重构前相比,该重构策略降低配电网有功损耗41.47%,降低电压偏移指数57.0%,改善系统负荷均衡度31.25%。该重构策略有效提高了寻优精度,提高了寻优速度,从而提高了配电网运行的安全可靠性。     

基于改进粒子群的双层规划求解算法

提出一种采用粒子群优化算法求解双层规划模型的算法。首先对粒子群优化算法作了改进,然后用改进后的算法求解双层规划模型,通过两个粒子群优化算法之间的协同迭代,同步优化双层规划的上下层,最终求得双层规划模型的最优解。此算法将求解一般双层规划问题转化为通过两个粒子群优化算法的交互迭代来求解上下两层规划问题。通过对几种典型函数的测试,验证了此算法的有效性。     

基于信息环境下高压配电网智能优化规划研究

在连接电网和中压配电网的过程中,高压配电网起着显著的作用,它与供电系统的经济性和可靠性程度有着密切的关系,并且,随着计算机技术的不断发展、网络信息的日益更新,实现高压配电的智能化成为了电网发电的必然趋势。然而,目前高压配电网线路及电能的传输中仍存在着一些较大的问题。探究高压配电网优化的现状及思路,对于现阶段已有的一些问题采取一定的措施,深层次优化发展高压配电,实现电网的智能发电,是目前电网规划的重要课题。     

基于APSODE-MS算法的无人机航迹规划

无人机航迹规划是指在环境威胁与自身约束条件下,规划一条安全可行的航迹,是实现无人机自主化飞行的关键技术之一.为实现无人机在不同城市环境下能够快速规划一条安全可靠的航迹,提出一种基于自适应粒子群差分进化-最小捕捉(APSODE-MS)算法的无人机航迹规划方法.首先,建立城市环境航迹规划数学模型,以航程距离、威胁约束、违背约束代价3者的加权和作为目标函数;其次,在PSO算法中引入自适应非线性惯性权重,根据粒子偏离全局最优解的程度分配不同的搜索模式,结合动态差分进化(DE)算法加快粒子的收敛速度,引入改进的正态扰动提高跳出停滞与早熟现象的能力;最后,筛选关键航迹点,并采用最小捕捉轨迹(MS)算法对航迹进行光滑处理.仿真结果表明,所提出的APSODE-MS航迹规划方法能够在不同城市仿真环境下较好地完成规划任务,并能获得更优的航路,从而验证算法的有效性和鲁棒性.     

高比例清洁能源并网的电力系统储能容量优化规划方法

为降低电力系统供电总成本,优化电力系统储能容量,本文以某高比例清洁能源并网为例,对电力系统的储能容量优化规划方法展开全面的设计与研究。根据系统供能过程中的转移调度方式,构建高比例清洁能源并网的电力系统储能模型;根据电力系统的储能需求,在综合考虑系统供电的灵活性、成本等因素的基础上,建立电力系统储能容量优化综合目标函数;约束函数中充放电功率参数,根据电力系统的剩余能量与充放电功率参数之间的关系,计算电力系统在整个运行周期内所需的储能容量,将计算结果作为优化后的储能容量值,完成优化规划方法的设计。以某地区大型新能源发电站为例,设计实例应用实验,实验结果证明,本文设计方法可以在系统放电供能过程中提高新能源负荷出力的同时,降低系统运行总成本。     

面向可中断负荷的弹性配电网负荷智能优化模型

针对常规智能优化模型未能考虑开关操作次数对负荷智能优化的影响,出现配电网负荷智能优化结果不理想,平均计算时间较长的问题,为此提出一种面向可中断负荷的弹性配电网负荷智能优化模型。分析可中断负荷的主要特性以及约束条件,将最小停电补偿成本以及开关操作次数作为目标,构建面向可中断负荷的弹性配电网负荷智能优化模型。采用改进的灰狼算法对模型进行求解,获取配电网负荷优化方案。实验结果表明,所提模型可以有效减少平均计算时间,获取更加满意的负荷智能优化方案。     

参数自适应的精英变异差分进化算法

针对经典差分进化算法(DE)的优化性能容易受到变异策略和控制参数影响的问题,提出了一种参数自适应的精英变异差分进化算法(A parameter Adaptive Elite Mutation Eifferential Evolution algorithm, AMEDE).首先,提出一种精英变异策略的方法,其目的是为了方便获取优秀个体信息;其次,引入新的控制参数,使得算法可以在更大的搜索空间进行搜索;最后,利用自适应参数学习方法,为种群中的每个个体赋予不同的控制参数值,并根据种群多样性和精英个体的信息动态更新个体的参数,使算法避免过早的收敛并提高算法的收敛精度.对本文提出的AMEDE算法与其他6种改进差分进化算法(DE,CoDE,JaDE,JDE,SaDE,GPDE)在16个基准测试函数上进行了三组对比实验.实验结果表明,AMEDE算法在高维函数和低维函数上都具有搜索精度高、收敛速度快和鲁棒性强等优点.     

基于差分进化的飞蛾算法在电力调度中的应用

针对基本MFO算法存在后期收敛速度较慢、收敛精度低等缺点,提出了一种基于差分进化的改进飞蛾优化算法(DEMFO).该算法首先将差分进化算法融合到MFO算法中,使得飞蛾种群个体之间具有变异、交叉、选择机制,DEMFO算法拥有更强的全局和局部搜索能力;运用柯西变异算子对飞蛾最优位置进行变异更新产生新解,保持飞蛾种群的多样性...     

基于自适应飞蛾扑火优化算法的三维路径规划

三维路径规划问题是在干扰环境下寻找出发点到目的地之间最优路径的组合优化问题。针对传统群智能算法在求解该问题时存在收敛精度低、易陷入局部最优等缺陷,提出了一种自适应飞蛾扑火优化算法对该问题进行优化求解。改进算法通过引入飞行方向动态调整策略和位置交叉策略,在动态调整飞蛾飞行方向的同时不断产生新个体,有效避免了算法陷入局部最优;通过自适应调整火焰的数量,在算法全局探索阶段增强了种群多样性,避免了早熟收敛。将自适应飞蛾扑火优化算法与其他群智能算法用于三维路径规划问题求解,实验结果表明,改进的自适应飞蛾扑火优化算法在所有算法中代价值最小,收敛速度最快,说明该算法在三维路径规划问题中具有更好的求解能力。     

节能减排环境下的电力系统规划与重构问题研究分析

电力是我国国民经济各个领域的基础能源。目前,电力能源利用率低下,资源开发过度,环境问题日益突出。随着我国经济的不断发展,当前我国的国民生产总值已经跃居世界第二,然而经济的发达并不能完全代表技术上的先进,事实上,我国经济发展是以高耗能为代价的,因此在节能减排环境下,开展电力系统规划与优化重构工作显得尤为重要。