基于改进粒子群算法的含分布式电源配电网规划

在不考虑网络扩展的情况下,建立了以包含分布式电源建设和维护费用、网损费用以及购电费用在内的配电网年费最小为目标的规划模型,并采用改进的粒子群算法对分布式电源的安装位置和容量进行优化计算,避免了粒子群算法早熟和边界聚集的问题。通过对IEEE33节点配电网系统进行仿真计算,验证了规划模型和算法的正确性和适应性。     

基于改进粒子群算法的配电网分布式电源规划

合理地对分布式电源进行选址和定容对于实现配电网网损最小是至关重要的。应用改进粒子群优化算法进行配电网分布式电源（DG）规划,并结合罚函数法将DG规划问题转化成无约束求极值问题,从而有效地提高了改进粒子群优化算法的全局收敛能力和计算精度。对69节点和33节点配电测试系统进行仿真计算,结果表明了论文采用的DG规划模型和改进粒子群优化算法的正确性和适用性。     

基于改进粒子群算法的配电网分布式电源规划

合理地对分布式电源进行选址和定容对于实现配电网网损最小是至关重要的.应用改进粒子群优化算法进行配电网分布式电源(DG)规划,并结合罚函数法将DG规划问题转化成无约束求极值问题,从而有效地提高了改进粒子群优化算法的全局收敛能力和计算精度.对69节点和33节点配电测试系统进行仿真计算,结果表明了论文采用的DG规划模型和改进粒子群优化算法的正确性和适用性.     

基于改进粒子群算法的中压配电网无功优化

建立了以年费用最小为目标函数的无功优化数学模型,提出一种融合裂变和变异操作的分合群粒子群算法求解该模型,并结合对系统分区、合理设置补偿上限等方法减小搜索范围,实现了同时求解补偿点和补偿量。算法在标准粒子群优化(particle swarm optimization,PSO)算法的基础上通过分群和裂变,保持粒子的多样性,避免收敛早熟;通过合群和变异,加强算法的搜索精度,提高算法的收敛稳定性。用IEEE 33节点系统进行仿真计算,与标准PSO算法对比表明,改进PSO算法在计算精度、收敛稳定性等方面具有明显优势;与无功二次精确矩法对比表明,改进PSO算法具有自动调整补偿点个数的能力,补偿方案经济性更好,能有效解决中压配电网的无功优化问题。     

基于Spark和粒子群算法的分布式配电网重构方法

当前配电网结构日趋复杂且有分布式电源大量接入,现有人工智能算法进行配电网优化重构后会出现大量数据,导致算法搜索空间暴增、处理效率下降。为提高传统粒子群算法的处理效率,提出了一种粒子群优化算法,以配电网故障后重构的网损最小为目标函数,建立配电网故障后重构模型。充分利用分布式集群计算资源,通过Spark框架对优化粒子群算法并行化操作,以提升算法的处理效率。     

基于二进制粒子群算法的配电网重构

分析了配电网运行的特点,将配电网中分段开关和联络开关作为基变量,将网络闭合环路作为分组限制条件,用粒子的变量表示开关的闭合状态,以降低系统的有功损耗为目的,采用二进制粒子群算法进行了配电网的重构,经过算例分析,表明该算法是有效的。     

基于粒子群算法的配电网储能优质优化研究

随着经济发展由粗放式增长向集约型增长转变,对配电网储能进行优化成为了学术界的前瞻性研究,这对于我国加速发展意义重大。此次研究利用粒子群优化算法以及双层多目标优化配置数学方法,构建了基于粒子群优化算法的配电网储能优质优化研究模型,该模型在对主动配电网概率潮流进行计算的基础上,达到了提高广义电源运行效率的效果,从而为相关人员进行含广义电源的配电网管理提供了方法参考。以PG&E-69节点配电系统作为研究对象,对该模型进行验证。研究结果表明,智能算法类型对广义电源优化配置的影响并不大。同时较上层模型,下层模型对广义电源优化配置的效率更高,因而,要实现广义电源的高效运行,进而提高配电网的储能效果,必须实现双层模型的合理运用。所提研究可以为配电网储能优质研究提供一定的指导价值。     

多粒子群协同优化算法的配电网网架规划

配电网网架规划是一个复杂的大规模组合优化问题。针对PSO易早熟、收敛慢的缺陷,本文提出一种基于粒子群算法的多粒子协同优化算法来求解配电网网架规划问题,以达到线路的规划年综合费用最小为目标函数。由于该算法在操作过程中不可避免产生不可行解,本文提出了一种将不可行解修复成满足辐射型要求的可行解的方法。该算法在求解配电网网架优化问题时,编码容易且能方便处理网络辐射性问题,求解效率高、速度快。最后,通过算例证明该方法的可行性和有效性。     

基于粒子群算法的配电网无功补偿方法研究

针对目前配电网的无功资源规划配置,网络优化以及输电线损坏管理不完善,输出电压损耗高,合格率低,一些处于输电网络末端的地区甚至无法正常用电等问题。提出了一种基于粒子群算法的配电网无功补偿优化方法,以10 kV配电网每年的电能损耗费用以及用于无功补偿的设备的费用之和为优化目标函数,并用粒子群算法对优化问题进行求解。实验证明,该算法是有效可行的,且能够取得较好的经济效益。     

多粒子群协同优化算法的配电网网架规划

配电网网架规划是一个复杂的大规模组合优化问题。针对PSO易早熟、收敛慢的缺陷,本文提出一种基于粒子群算法的多粒子协同优化算法来求解配电网网架规划问题,以达到线路的规划年综合费用最小为目标函数。由于该算法在操作过程中不可避免产生不可行解,本文提出了一种将不可行解修复成满足辐射型要求的可行解的方法。该算法在求解配电网网架优化问题时,编码容易且能方便处理网络辐射性问题,求解效率高、速度快。最后,通过算例证明该方法的可行性和有效性。     

配电网重构的混合粒子群算法

通过将二进制粒子群算法和离散粒子群算法相结合,提出一种混合粒子群算法,求解配电网重构问题。在求解过程中,通过对配网支路进行分组,简化了网络,编码时每一支路组用1维表示,不仅显著降低了维数,缩短了编码长度,更有效降低了无效粒子的产生概率。在搜索过程中,根据该文总结的配电网重构的必要条件,有规律地将粒子进化,进一步提高了搜索效率。在优化过程中将每一次迭代由2步完成：第1步根据二进制粒子群算法中的sigmoid()函数值,利用轮盘赌的方法优化选择断开的支路组;第2步利用提出的离散粒子群算法优化选择在第1步中被选中断开的支路组的内部断开支路。最后对一个典型的69节点算例和一个实际算例进行仿真,结果显示,该方法不仅能快速收敛,而且稳定性好。     

基于改进粒子群算法的分布式电源接入规划

建立了含分布式电源的配电网规划经济性模型,以折算到每年的分布式电源的投资及运行费用和线路有功网损运行费用最小为目标函数,并应用改进粒子群优化算法进行配电网分布式电源(DG)规划,从而有效地提高了改进粒子群优化算法的全局收敛能力和计算精度。对69节点和33节点配电测试系统进行仿真计算,结果表明了论文采用的DG规划模型和改进粒子群优化算法的正确性和适用性。     

基于改进粒子群优化算法的配电网络重构

提出了一种求解配电网络重构的改进粒子群优化（PSO）算法。结合配电网络的特点改进了PSO算法粒子位置的更新规则，提高了迭代过程中有效解的产生概率；并结合禁忌（Tabu）搜索的记忆功能和藐视准则，克服了PSO算法的早熟问题。算，其结果与最优解吻合，证实了算法的有效性，并与较，表明了算法具有更好的搜索效率。最后对3个典型IEEE测试系统进行优化计Tabu搜索算法和遗传算法的计算结果相比     

粒子群算法及其在电网规划中的应用

提出了一种适用于电力网络规划的粒子群算法离散化方法(DPSO),并对粒子群算法优化适应度函数的构造、参数的选择、收敛的判断条件进行了分析比较,为粒子群算法在电网规划中的应用奠定了基础.     

Particle Swarm Optimization and Its Application in Transmission Network Expansion Planning

The author introduced particle swarm optimization as a new method for power transmission network expansion planning. A new discrete method for particle swarm optimization was developed, which is suitable for power transmission network expansion planning, and requires less computer's memory. The optimization fitness function construction, parameter selection, convergence judgement, and their characters were analyzed. Numerical simulation demonstrated the effectiveness and correctness of the method. This paper provides an academic and practical basis of particle swarm optimization in application of transmission network expansion planning for further investigation.     

基于自然选择粒子群算法含DG接入的配电网无功优化

以分布式电源接入配电网运行时产生的有功网损最小并能改善电压质量为目标,提出将自然选择机理与粒子群算法相结合的配电网无功优化方法。将DG向系统注入的无功功率作为配电网无功优化的控制变量,建立了包括目标函数、潮流方程等式约束和不等式约束的配电网无功优化数学模型。基于自然选择的粒子群算法其核心思想为每次迭代过程中将整个粒子群按适应值排序,用群体中最好的一半的粒子的速度和位置替换最差的一半的速度和位置,同时保留原来每个个体所记忆的历史最优值。通过对改进后的IEEE33节点配电系统进行仿真分析,结果表明所提出的算法具有很强的全局收敛性和稳定性,并能以最快的收敛速度搜索到系统最小网损值。     

基于自适应变异粒子群算法的分布式电源选址与容量确定

在不考虑负荷新增节点的情况下进行分布式发电的布点规划,建立了以配电网年运行费用最小为目标的经济模型。模型中针对分布式电源运行费用引入固定安装费用权重因子,更准确地刻画了分布式电源接入后配电网费用的变化。同时,为克服粒子群算法存在的早熟问题,采用自适应变异的粒子群算法(adaptive mutation particle swarm optimization algorithm,AMPSO)对配电网中的DG选址和定容进行了优化。通过对IEEE 33节点配电网测试系统进行分析,验证了上述模型的准确性和求解算法的有效性。