基于改进多组织粒子群体优化算法的配电网络变电站选址定容

提出了一种改进的多组织粒子群优化算法（RMPSO）来解决配电网络变电站选址定容问题。RMPSO中,粒子除受个体极值点和全局极值点影响外,还受组织极值点的影响。在寻优过程中,以适应度方差大小衡量粒子群体的"聚集"情况,对发生"聚集"的组织对应的组织极值点赋予变异操作,用以克服粒子群优化算法(PSO)的早熟现象。在该文提出的站址选择计算模型中,不仅考虑线路投资和网络运行费用对站址选择的影响,而且还考虑了地理信息对建站投资费用的影响,在模型上体现了变电站选址定容是地理信息和电气信息两者共同作用的结果。通过某开发新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。     

浅谈变电站选址定容的方法

变电站选址定容不仅要考虑经济技术因素,对地理因素也应充分考虑。可以建立分阶段规划算法模型,先利用优化算法,通过大范围的搜索,获得新建变电站的站址、站容,再从备选方案中对地理因素进行量化分析,科学确定变电站站址和容量。     

基于GIS和微分进化算法的变电站选址及定容

将微分进化（DE）算法引入到变电站选址规划优化问题中,并运用参数动态调整策略,在计算初期保证群体的多样性,后期加快算法的寻优速度,从而改善DE算法的性能。在配电网络变电站选址定容过程中,考虑地理信息系统（GIS）对规划站址的影响,将可建站区域图形进行编码处理以数据形式存储,通过判断待选站址和地理因素的网络拓扑关系,确定可行的待选站址。通过对2个算例优化计算表明,以GIS数据库为平台,将该算法和图形问题相结合,在解决实际配电网络变电站规划问题中取得了良好的效果。     

基于地理信息的变电站选址定容模型与算法

提出了新的基于地理信息的变电站选址定容模型和算法.首先,通过计及多边形地块地价选址问题研究发现了选址地理信息模型中的地块边界效应并揭示了其原理,利用边界效应在模型中加入线性约束以求得计及地价后的最优位置,提高了单中位选址的空间搜索效率.然后再结合交替定位分配法提出了基于地理信息的选址算法,在算法中利用线路费用等高线原理实现邻接低价地块快速筛选,大大节省了算法耗时.实际算例验证表明该方法选址效果良好,能有效处理地价等地理信息因素和自动避让不可建站区域.     

云理论在配电网络变电站选址定容中的应用

变电站选址与定容优化规划属于大规模组合优化问题,基于云在定性概念描述与定量数值表示之间转换过程中的优良特性,借鉴遗传算法"优胜劣汰,适者生存"的进化思想,提出一种基于云理论的优化算法(cloud theory optimization algorithm,CTOA),并将其应用于电力系统配电网络变电站站址、站容的优化规划研究中。在该算法中,用云的期望代表父代个体的优良特征,用云的熵和超熵控制遗传和变异的程度,用正态云算子完成概念空间到数值空间的转换,产生种群,实现遗传操作。CTOA在定性知识的指导下能实现空间范围的自适应控制搜索,可以有效改善智能优化算法易陷入局部最优解和早熟收敛等问题。最后结合某装备制造基地变电站选址定容实例,分别采用改进自适应遗传算法(improved adaptive genetic algorithm,IAGA)、改进多组织粒子群优化算法(refined multi-team particle swarm optimization algorithm,RMPSO)和CTOA算法对其进行了优化规划研究。结果表明,CTOA在收敛时间,搜索精度性能指标方面优于IAGA、RMPSO算法,且该算法无需编码,操作流程简单,易于实现,能更好的满足配电网络中大规模变电站规划的需求。     

基于改进GA-PSO混合算法的变电站选址优化

针对具有大规模、多约束、非线性特点的变电站选址优化问题,提出了一种可以适应实际地理状态具有寻优机制且兼顾速度的算法。该算法结合遗传算法与粒子群算法(GA-PSO),采用实数编码策略、精英保留策略,以变电站规划年最小费用为适应度,实现空间解在空间范围内的自适应搜索,有效避免局部最优解和早熟问题。其收敛速度比遗传算法(GA)快,求解精度比PSO和GA都要高。并利用基于层次分析法(Analytic Hierarchy Process,AHP)的评价函数对结果进行评价和局部修正,使其结果更贴近实际情况。算例结果表明,该算法具有较好的寻优能力和收敛特性,无需进行编码换算,操作简单且运行速度快,能更好地满足配电网大规模变电站规划的需求。     

考虑负荷不确定性的变电站选址定容

提出了一种参数自适应微分进化算法(PSADE)来解决配电网变电站选址定容问题.根据算法中变异权重因子和交叉因子对进化过程的影响,经分析认为提高算法性能的关键在于平衡大范围搜索和小范围集中寻优之间的矛盾,通过为种群中个体设置单独的变异权重因子和交叉因子,以进化过程中个体适应度函数值的增量为依据对参数进行动态调整,提高算法的全局寻优能力.在变电站选址定容的数学模型中,考虑负荷预测结果误差对规划的影响,采用三角模糊数描述负荷的不确定性,根据投资费用的模糊期望值构造适应度函数.通过对典型的函数优化问题和实际变电站规划问题的寻优结果分析,验证了所提方法具备更好的全局寻优能力,规划方案经济可行.     

考虑负荷不确定性的变电站选址定容

提出了一种参数自适应微分进化算法（PSADE）来解决配电网变电站选址定容问题。根据算法中变异权重因子和交叉因子对进化过程的影响,经分析认为提高算法性能的关键在于平衡大范围搜索和小范围集中寻优之间的矛盾,通过为种群中个体设置单独的变异权重因子和交叉因子,以进化过程中个体适应度函数值的增量为依据对参数进行动态调整,提高算法的全局寻优能力。在变电站选址定容的数学模型中,考虑负荷预测结果误差对规划的影响,采用三角模糊数描述负荷的不确定性,根据投资费用的模糊期望值构造适应度函数。通过对典型的函数优化问题和实际变电站     

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。     

配电网扩展规划中分布式电源的选址和定容

分布式电源的位置和容量对配电网有重要影响。文中提出一种配电网扩展规划中进行分布式电源选址和定容的方法,应用遗传算法优化分布式电源的位置和容量。对遗传过程中生成的每个分布式电源位置和容量方案个体,考虑了分布式电源对配电网潮流和线路负载能力的影响,运用基于支路交换的模拟退火算法规划扩展网络,对分布式电源和网络的综合规划结果进行经济性评估以衡量个体方案的优劣。实际算例表明,文中方法能得到较合理的分布式电源位置和容量方案。     

变电站选址定容新模型及其遗传算法优化

变电站选址定容是一种大规模组合优化问题,为确定变电站的位置和容量,建立了一种变电站选址定容新模型.该模型在变电站容量、变电站和负荷之间的距离、变电站的供电半径等约束条件下,不但考虑了变电站安装费用、运行费用、网损费用,而且把变压器的损耗费用引入到优化目标函数中.为验证新模型的有效性,采用轮盘赌操作、两点交叉操作,两点变异操作设计遗传算法程序,对一实际算例进行了优化求解,仿真结果表明所提出的新模型是合理的、有效的.     

基于Voronoi图的多站融合变电站选址定容优化

多站融合变电站是支撑泛在电力物联网建设的基础保障,其发展也给传统变电站规划带来新的挑战。考虑多站融合变电站高效连接储能、数据中心负荷、电动汽车充电负荷、新能源微电网等多元主体的服务特性,提出一种多站融合变电站选址定容优化规划方法。考虑变电站服务主体的个性化需求,结合Voronoi图理论,以多维度负荷距成本最小为优化目标,建立优化模型及其求解方法流程。结合某地区电网规划实例,仿真分析多站融合变电站选址定容优化规划方案,并与传统规划方案进行成本比对,验证了模型的有效性。结果表明:所提的多站融合变电站选址定容优化模型有利于促进配网中站、源、荷、储、充多资源的紧密协同。     

不确定环境下配电网变电站选址定容

配电网变电站选址定容问题中不确定信息的描述和处理是规划的突出难点,重点考虑负荷不确定性、变电站造价和线路造价不确定性以及电价不确定性对该问题的影响.针对不确定因素的模糊性和随机性,采用随机模糊模拟技术将其影响计入模型.模型中同时考虑了地理信息因子、变压器损耗和停电损失费用.提出基于混沌迁移知识的差分文化算法,设计4种空间知识引导变异操作,并根据进化代数动态调整知识迁移间隔,利用混沌序列对迁移单元进行深入探索,以提高迁移知识的有效性.最后选址实例证明了所提出的模型和方法是正确有效的,具有一定的实用价值.     

基于继电保护与改进算法的储能电站选址定容

针对储能电站接入配电网的选址定容问题,分析了储能电站的运行特点,详细研究了储能电站接入配电网后对原有电流保护的影响。采用多维编码法对节点进行编码,以网络有功损耗与平均电压偏移作为优化目标函数,将储能电站输出电流、配电网电流保护加入到约束条件中,进行储能电站的选址定容。根据含储能电站的配电网的故障特点,设计了一种储能电站选址定容的混合算法,将禁忌搜索作为免疫算法设定迭代次数后的变异算子,采用混沌搜索对容量进行最优化,通过交叉搜索,可有效地搜索到储能电站选址定容的全局最优解。结合福建省湄洲岛的储能电站实例,对配电网络的选址定容进行了优化计算,将其计算结果与单纯的免疫算法进行了对比分析,验证了该方法的合理性和实用性。     

基于遗传算法和多目标多项目决策技术的变电站优化选址

从理论和实际两个角度出发,提出变电站选址决策"优中选优"的思想,即:首先将影响选址决策的所有因素划分为两类,一类是可以数学建模的,利用遗传算法进行初步寻优,得到理论上的最优解和一批次优解作为候选站址;对另外一类不能建模的,采用多目标多项目决策技术,以系统的思想结合专家经验,对初步寻优得到的候选站址优化选择,实现整体上的最优.将算法优化和决策技术巧妙结合,建立了变电站选址优化、决策的程序流程.通过实际算例表明,该方法简单、实用、有效、可靠.     

考虑时序特性的多目标分布式电源选址定容规划

配电网负荷及分布式电源出力呈现明显的时序特性,文中对负荷和分布式电源的典型时序特性进行了分析,以配电网损耗、停电损失为目标,考虑时序特性和多场景提出了多目标分布式电源选址定容规划模型,给出了场景和场景权重的确定方法。应用遗传算法进行求解,采用多段染色体编码方式,根据节点视在功率二阶精确矩处理不可行解,有效地提高了优化效率。IEEE 69节点系统仿真结果证实了时序特性对分布式电源的选址定容有很大影响,验证了所提出模型和方法的可行性和有效性。     

分布式电源选址定容的多目标优化算法

在综合考虑网损、电压质量和电流质量3个指标的基础上,建立了分布式电源选址定容的多目标决策模型,并提出了一种改进多目标微分进化算法(improved differential evolution for multiobjective optimization,IDEMO).该算法引入混沌搜索策略以提高初始种群利用率,采用...