基于MOPSO的含分布式光伏配电网故障区段定位

光伏等分布式电源接入配电网,影响故障电流的分布,导致传统配网故障区段定位方法不再适用,对此提出基于MOPSO的含分布式光伏电源配网故障区段定位方法。针对配网发生单相接地故障情形,基于故障暂态分量确定终端状态的编码。考虑在不同光照强度下光伏电源提供的故障电流特性,构建满足光伏电源动态投切的开关函数。针对使用单目标优化智能算法易造成不收敛,以及NSGA-II计算复杂度较高的问题,提出采用多目标粒子群算法(MOPSO)定位故障区段。该算法避免了对权值的选取,且计算复杂度低。算例分析表明所提方法能实现含光伏配电网发生单一和多重故障的区段定位,且对畸变信息具有一定的容错性。     

配电网故障区段定位的改进矩阵算法

针对馈线终端单元(FTU)与配电网自动化主站通信中断影响故障区段定位的问题,提出一种配电网故障区段定位改进矩阵算法。该算法根据FTU通信状态与配电网拓扑构建FTU属性矩阵,动态建立网络描述矩阵,最后结合FTU故障信息,提出了配电网故障定位的改进矩阵算法。该算法可根据FTU的通信状态实时更新网络描述矩阵,判据结构简单、形式统一、计算量小,能够实现配电网故障区段的准确定位。     

基于改进蚁群算法的配电网故障定位

目前配电网的故障定位采用故障电流分析方法,在实时信息序列中存在畸变信息时有可能错判或误判,导致城市配电网发生故障时无法快速准确定位的问题。首先对蚁群算法进行改进,采用了一种根据蚁群算法搜索情况来自适应动态修改信息素的方法,使得算法更好地跳离局部最优解,然后通过建立适当的数学模型,对IEEE-33节点测试系统进行了仿真计算,最终结果证明了该算法在配电网故障定位方面的有效性。     

基于改进蚁群算法的配电网故障定位

目前配电网的故障定位采用故障电流分析方法,在实时信息序列中存在畸变信息时有可能错判或误判,导致城市配电网发生故障时无法快速准确定位的问题.首先对蚁群算法进行改进,采用了一种根据蚁群算法搜索情况来自适应动态修改信息素的方法,使得算法更好地跳离局部最优解,然后通过建立适当的数学模型,对IEEE-33节点测试系统进行了仿真计算,最终结果证明了该算法在配电网故障定位方面的有效性.     

基于矩阵算法的有源配电网故障定位容错方法

故障区段定位对于配电网发生故障后的故障处理与恢复供电具有重要意义。针对有源配电网的故障定位方法中,矩阵算法计算速度快但容错性差、智能优化算法容错性高但定位速度慢且在大规模配电网中存在局部收敛的问题,提出了一种将矩阵算法和智能优化算法的优点相结合的定位方法。首先,在有源配电网发生故障后,利用馈线终端设置(Feeder Terminal Unit,FTU)上传的告警信息,运用矩阵算法快速定位故障区段。然后运用开关函数对矩阵算法的定位结果进行校验,避免因矩阵算法容错性差而输出错误的定位结果。校验不通过的定位结果将全部列入可疑故障集合,该集合的维度大幅低于配电网的维度,再运用灰狼优化（Grey Wolf Optimization,GWO）算法对该集合进行优化处理,从而输出最终的定位结果。在MATLAB上进行仿真测试,仿真结果表明此方法能在有源配电网中实现故障区段的快速定位,且具有一定的容错性。     

基于蚁群算法的配电网故障检测定位与恢复研究

根据当前配电网故障检测定位与恢复的实际需求,介绍一种基于蚁群算法的配电网故障检测定位方法,该方法可实现多电源条件下配电网故障检测定位,并具有较高精准性。另外,将蚁群算法与启发式规则相结合,共同实现配电网故障恢复和供电恢复,达成配电网故障自动恢复效果。     

改进模因算法在含DG配电网故障定位中的应用

分布式电源的接入导致传统的故障定位方法不再适用,为了实现配电网快速定位,提出一种基于改进模因算法故障定位算法。首先构建能动态适应分布式电源投切的开关函数,然后以变电站为基础将复杂配电网络分区,划分为相互独立的子网络。将含有多条馈线的子网络划分为几个区域,通过等效原则,在对某一区域进行故障定位的时候,将其他区域进行等效,这样不仅降低了可行解的维度,使计算的复杂性降低,同时也简化了开关函数的计算。利用蚁群算法产生初始种群,模因算法对配电网进行故障定位,仿真结果表明算法能快速的求解出单点故障和多点故障,在信息缺失和畸变情况下,算法也有良好的容错能力。     

基于FTU检测方法在含DG配电网故障区段定位的应用综述

本文分析了含分布式电源配电网故障区段定位的关键问题,对基于FTU检测的含分布式电源配电网故障区段定位的矩阵算法和智能优化算法的优缺点进行详细综述;并提出目前含分布式电源配电网故障区段定位方法存在的问题;最后针对当前人们对供电可靠性和电能质量的需求日益增高以及智能配电网快速发展的情况,对未来含分布式电源配电网故障区段定位的发展方向进行了展望。     

矩阵算法和优化算法相结合的配电网故障定位

区段定位是配电网故障处理和供电恢复的重要环节。针对现有矩阵算法容错性差,而优化算法定位速度慢的问题,将两者进行优势互补,提出一种矩阵算法和优化算法相结合的配电网故障定位方法。首先,从故障告警的因果关联关系出发,建立配电网的矩阵描述并构建故障区段定位的改进矩阵判据,在告警信息正常时能够快速准确定位故障区段。其次,考虑存在告警信息畸变时,根据矩阵判据结果筛选可疑区段,并在此基础上构建优化模型进行容错判断,有效实现高容错性故障定位。最后,通过不同配电网系统算例仿真验证了所提定位方法的有效性和容错性。     

基于配电网等效解耦的配电网故障定位算法

分布式发电(DG)接入配电网后,配电系统网络由单电源辐射状变成了含分布式电源供电的多电源复杂网络,传统的故障区段定位算法不再适用。提出了一种基于配电网拓扑结构等效解耦的新型故障区段定位算法,首先基于配电网拓扑分析的邻接矩阵D,将配电网等效解耦为数个树干网的组合。然后对单个树干网,根据馈线终端设备(FTU)过流信息构成故障矩阵,利用新型的故障区段定位方法,进行故障区段的准确定位。算法基于配电网拓扑结构的等效解耦,不仅能够定位含DG配电网的单一故障,也能定位多重故障。同时解耦后的树干网,矩阵定位算法阶数明显降低,算法简单。通过对算法的算例分析,验证了算法的有效性。     

蚁群算法在配电网重构的应用

配电网络重构是一个非常复杂的大规模组合优化问题。蚁群算法作为一种现代启发式寻优技术,适合于求解组合优化问题,其主要特点是正反馈、分布式计算、易与其它算法结合以及富于建设性贪婪启发式搜索。对配电网络从图论拓扑结构上进行分析,将配网重构问题转化为求图的生成树问题,并以破圈法为基础得到快速而有效地求解图的生成树的方法。在应用蚁群算法求解配网重构问题时,通过首支路选择随机化和取消蚁群算法常用的启发值的方法,扩大算法搜索范围,使算法可以跳出局部最优化陷阱,改善算法的搜索效果。对IEEE 69网络的算例表明,该方法能以较少的计算量和较大的概率收敛于全局最优解。     

基于蚁群禁忌搜索混合算法的配电网重构

介绍了以最小化配电网网损为目标函数,以网络拓扑约束、潮流约束、运行约束以及辐射状约束为约束条件,在基本蚁群算法基础上的改进型蚁群禁忌混合算法在配电网重构中的应用,在IEEE 69节点系统的计算中,蚁群禁忌混合算法与禁忌算法相比提高了优化效果,从而证明了蚁群禁忌混合算法的实用性。     

基于风险度评价和改进蚁群算法的配电网网架规划

提出一种基于风险度评价和改进蚁群算法的配电网灵活规划方法.将规划年的预测负荷、电价及导线价格等参数的变化由原来的离散状态转变为多场景区间,从而将电网规划中的单一不确定性问题转化为多个确定性问题.在求解不确定性问题时,提出一种基于云模型的改进蚁群算法,通过定性关联规则推理对蚁群算法中信息素参数ρ和信息素强度Q进行定性控制和动态选取,根据算法进化情况自适应更新支路信息素,有效克服了传统蚁群算法易陷入局部最优解及收敛速度慢的问题.应用改进蚁群算法,依次获得各个场景的规划方案,并以风险度最小为标准确定鲁棒性最优的规划方案,实现电网的灵活规划.算例分析验证了所提方法的有效性.     

基于自适应遗传算法和蚁群算法融合的配电网重构

配电网重构可以降低线损,均衡负荷,提高电压质量和增加配电网可靠性.主要在降低线损、提高电压质量和提高寻优效率方面,采用了自适应遗传算法和蚁群算法融合的方法.对遗传算法的交叉因子和变异因子进行了自适应控制,也不再人为规定迭代的最大代数,而是引入了染色体相似度和种群相似度的概念,使遗传算法的终止条件更加合理.自适应遗传算法...     

低压电力线载波通信路由算法研究

低压配电网拓扑结构复杂未知,电力线载波通信信道干扰与时变造成通信不可靠,影响通信范围。本文对低压配电网拓扑结构进行分析,探讨了自动路由的必要性。在传统的蚁群算法基础上,提出了基于蚁群算法、遗传算法和粒子群算法相结合的混合路由算法。仿真研究表明,该方法能提高收敛速度和保证全局最优。     

基于蚁群算法的配电网网络重构

针对配电网网络重构问题,在考虑配电网电压稳定的前提下,提出了降低配电网网损的目标函数,利用蚁群算法正反馈的特性,将其应用于配电网重构中,并设置中心控制蚂蚁搜索当前最优解作为各条边信息素更新依据。为满足配电网辐射状结构要求,结合P rim算法,使蚂蚁一次遍历对应一个辐射网形,即一个有效的开关组合,大幅度缩小了问题的解空间。实例证明采用的蚁群算法可以得到较文献[1]网损更小的配电网重构方案,且重构后的系统在处理负荷增大问题上较重构前系统有更好的调控能力,系统稳定性得到提高。     

蚁群BP网络转速辨识器的优化

将排序加权的方法引入基本蚁群算法中,用改进型蚁群算法优化BP神经网络的权值和阈值,有效地解决了BP神经网络训练时容易陷入极小值的缺点,提高了收敛速度,得到了一种时间效率和求解效率都比较好的启发式方法,即改进型蚁群神经网络。运用该方法对直接转矩控制系统中的电机转速进行了辨识。仿真试验结果表明:该改进型蚁群神经网络不仅具有广泛的映射能力,还明显提高了运算效率,能够准确地辨识电机转速,具有良好的辨识效果,实现了无速度传感器直接转矩控制。     

基于改进蚁群算法的分布式电源容量优化配置

以实现配电网经济成本最低和环境污染最小为目的,设计了基于改进蚁群算法的分布式电源容量优化配置方法。首先,考虑节点环境不同因素搭建含多类分布式电源的配电网综合运行模型,明确了系统运行约束以及功率约束;其次,通过对信息素进行约束提出了改进型蚁群算法,以提高蚁群算法的收敛精度以及速度;之后,设计了基于改进型蚁群算法的配电网容量优化配置流程;最后,在Matlab平台上实现了中压配电网系统的容量优化以及选址,与相关案例结果对比分析验证了所提出方法的有效性。     

基于蚁群算法的配电网故障恢复重构

研究了故障后输电线路的重构优化问题,提出了一种求解目标最优的故障恢复重构算法。该算法基于蚁群算法,以电压稳定为前提,建立了以降低网损和操作开关数目最少为目标的数学模型。该算法不依赖初始参数的设置,具有全局搜索的能力,可通过改变权重系数将网损、开关操作数目等多目标优化问题转化为单目标优化,提高算法效率。实例证明该算法可以准确得到配电网故障后电网重构的最佳方案。     

蚁群前馈神经网络在煤灰熔点预测中的应用

提出了一种蚁群前馈神经网络模型。采用蚁群算法和BP算法相结合的方法训练神经网络,可避免单纯BP算法容易陷入局部最优的不足,降低算法对初值的敏感性。应用蚁群前馈神经网络建立了灰熔点的模型,并对模型的预测性能进行了验证。结果表明,该方法的预测精度比单一的BP神经网络模型有较大提高,训练后的网络模型可以用于煤灰熔点的预报。