基于改进灰狼算法的配电网多目标优化调度

含新能源的配电网多目标优化调度作为智能电网优化的重要组成部分,对实现“双碳” 目标具有重要意义. 针对含新能源的配电网多目标优化调度,建立含新能源的配电网优化调度模型,利用改进多目标灰狼算法对其进行求 解,实现配电网在运行成本和环境成本最小模式下运行.算例结果证明了所提模型的正确性,并验证了改进灰狼算法 的优越性能.     

基于改进差分灰狼算法的主动配电网优化重构

为提高主动配电网（Active Distribution Network,ADN）重构的经济性和稳定性，以主动配电网有功网络损耗最小和系统电压偏移指数最低作为目标函数，建立了主动配电网优化重构模型，利用目标规划法构建适应度函数，将多目标优化问题转化为单目标进行求解。采用差分进化算法和Tent混沌映射对灰狼优化算法进行改进，以提高算法的优化性能。运用改进差分灰狼优化算法（Improved Differential Grey Wolf Optimization,IDEGWO）对主动配电网优化重构模型进行求解，并与其他算法对比，算例分析结果表明，改进差分灰狼优化算法在迭代次数和收敛精度方面均优于其他算法，按照IDEGWO算法优化方案重构后的有功网络损耗和系统电压偏移指数分别为57.91 kW和0.785 6，主动配电网系统重构后的经济性和稳定性均得到了显著提升，验证了模型的正确性及求解方法的优越性。     

基于改进灰狼优化算法的配电网动态重构

为了更好地解决含分布式电源(DistributedGeneration, DG)的配电网重构问题,建立了考虑负荷需求与DG出力时变特性的配电网动态重构模型。首先采用K-means++聚类算法对日负荷进行时段划分。然后以系统损耗、电压偏离量为目标函数,并利用改进灰狼优化算法进行寻优计算。针对传统灰狼优化算法中存在的初始种群分布不均、缺少全局交流、容易陷入局部最优等问题,在生成初始种群时引入tent映射,增强初始种群的均匀性。引入合作竞争机制,提高个体间有效信息的利用率。在灰狼种群位置更新时引入自适应惯性权值,以满足不同时期的寻优要求。最后通过算例分析,验证了该算法的可行性与优越性。     

基于博弈论的多目标配电网重构

提出了一种基于博弈论的多目标配电网重构模型,该模型充分考虑了风电和光伏发电的出力不确定性,以降低配电网有功损耗、均衡负荷过载和减少开关操作次数为综合优化目标。将3个目标函数视为不同的博弈者,并考虑各目标之间存在的相互制约关系,加入"后评价"选择机制,构建了合作博弈联盟模型探讨目标间可能存在的联系,并采用改进萤火虫算法对模型进行求解,利用适应度值的大小确定最终重构方案。IEEE 33节点配电网的测试结果表明,所用算法能够快速找到多目标重构博弈模型的均衡解,验证了在加入分布式电源的情况下,网络重构能明显改善配电网的各项指标。     

基于改进灰狼算法的含分布式电源配电网重构研究

使用基本环矩阵编码的智能优化算法在处理配电网重构问题中,通常使用无序的解空间,解空间中局部峰值较多,使得智能优化算法难以发挥自身优势,耗时严重且难以寻找到最优解。针对以上问题,提出一种有序环网编码方式,并基于改进灰狼算法求解含分布式电源(distributed generation,DG)配电网的重构方法。首先,将基本环矩阵的元素按支路顺序排列,再利用启发式规则初步寻找较优解,并将其与初始狼群中的Alpha狼比较,取其较优解作为新的Alpha狼;然后,引入Gamma狼,用于环绕Alpha狼寻优,使狼群保证种群多样性的同时,提高其局部搜索能力;最后,使用改进灰狼算法求解修改后IEEE 33配电网和Taipower 84配电系统,有效地降低系统网损并且提高了系统内的最低电压。经验证,该方法有效可行、算法简单、快速性高,得到的结果更优。     

基于离散猴群算法的多目标配电网重构方法

随着可再生能源大量接入配电网，其出力的间歇性和负荷的波动性给配电网重构带来新挑战。对此，本文提出一种综合考虑网损最小及电压安全的含可再生能源配电网重构方法。首先，给出多目标网络重构优化模型，并利用级数展开对模型中的机会约束条件进行线性化处理。然后，利用离散猴群算法对所构建的模型进行求解。最后，结合标准配电网测试系统对所提方法进行对比分析，分析结果表明，所提出的多目标配电网重构方法能够在考虑可再生能源出力不确定情况下，给出网络重构的合理优化方案。     

基于序优化和模糊蚁群算法的多目标配电网重构

针对蚁群算法求解配电网重构问题时搜索时间过长、易陷入局部最优解等问题,提出了一种基于序优化理论和模糊控制理论改进的蚁群算法应用于配电网重构。通过加入模糊规则,结合序优化思想,在信息素更新环节提出了分阶段按序更新策略,扩大解空间的探索;将Prim算法应用于搜索环节,直接得到辐射型可行解,大大减少了构造解的时间;结合模糊理论提出了多目标的目标函数,有利于得出高质量的解。选取IEEE33节点配电系统作为算例验证了算法的有效性和优越性。     

基于模糊评估的多目标配电网重构

提出一种基于模糊评估的多目标配电网重构新方法。应用模糊数学中隶属函数对有功损耗、电压质量、支路过载分别建模,并对重构结果进行模糊评估。重构算法结合了遗传算法的全局搜索能力和启发式方法的高效局部最优求解能力。以一个典型算例,验证了该方法的实用性和有效性。     

基于混合算法的多目标配电网重构

配电网重构是配电管理系统的重要内容,从本质上讲,它是一个非线性组合优化问题,若采用传统的遗传算法处理,由于其易于陷入局部最优解和随着配电网规模的扩大搜索效率低的问题,难以得到理想结果。提出一种混合算法来处理配电网重构问题,根据遗传算法和粒子群算法各自的原理特点,将遗传算法和粒子群算法相结合,充分地利用粒子群算法的快速性、随机性、全局收敛性,较好地解决了遗传算法用于配电网重构时的缺点和不足。理论分析和算例表明,该方法高效可行,适合配电网自动化的实际应用要求。     

基于量子粒子群算法多目标优化的配电网动态重构

为保证配电网动态重构后系统安全稳定的运行,提出了以网损和节点电压稳定性为目标函数的量子粒子群算法的配电网动态重构。针对配电网动态重构过程中时段划分问题,提出以负荷曲线的单调性和幅值变化大小为依据初步划分时间段落。采用整数型量子粒子群算法进行动态重构,重构过程中以相邻时段的网损变化值的关系获取最佳重构段落,然后综合考虑配电网网损最小和节点电压值最大且波动最小为目标寻找最佳重构结构。以IEEE33配电系统为例验证了所提方法的有效性和实用性。     

基于改进遗传算法的多目标配电网重构

提出一种改进的遗传算法来处理配电网重构问题,采用实数编码,减小了染色体长度和生成不可行解的概率,同时遗传父代优良基因的可能性大大增加。针对适应度函数计算中潮流收敛速度慢的缺点,采用前推回代的方法,大大减少了潮流计算的时间,较好解决了配电网重构问题。理论分析和算例表明,该方法高效可行,适合配电网自动化的实际应用要求。     

采用改进免疫算法的多目标配电网重构

建立了网损最小、负荷均衡度最小及静态电压稳定裕度最大的多目标配电网重构优化模型。应用免疫算法进行模型求解,略去了交叉操作,利用可行解排序确定抗体综合亲和度,并根据综合亲和度自适应调整可行解变异率,利用自适应变异及疫苗接种操作保证了抗体的多样性,提高了可行解比例,保证了算法向全局最优解收敛。算例结果验证了该方法的有效性。     

基于二进制粒子群算法的配电网重构

配电网网络重构是配电系统极为重要的优化手段。以配电网网损最低为目标函数,结合约束条件确定配电网静态重构的数学模型,提出基于环路编码、分环替代的策略对配电网重构问题进行求解,最后结合IEEE-33节点算例,证明提出的算法,在降低搜索空间,提高寻优成功率和增加寻优效率上都有突出表现。     

基于环路组搜索策略的多目标配电网重构研究

提出一种基于环路组搜索策略的多目标配电网重构算法,对含分布式电源(DG)的配电网进行重构.采用环路编码的方式将网络划分为若干个基本环路,以此减少搜索空间,同时考虑的目标函数包括系统的有功网损最小、电压幅值偏移量最小、开关的操作次数最少,并利用层次分析法(AHP)将以上目标函数进行归一化后整合为单目标函数,降低搜索维度的...     

基于改进遗传算法的配电网优化重构

介绍配电网重构的基本原理及其研究意义,研究了遗传算法的编码并对遗传算法染色体编码进行了改进。在优化过程中采用精英策略及改进的自适应算子,加快了算法的搜索速度,有效避免了不成熟收敛。结合配电网与自适应遗传算法特点采用可操作开关集的快速环分解策略,提高了算法的搜索能力和速度。PE＆G33节点系统算例表明改进的遗传算法在配电网优化重构应用的有效性。     

基于自适应遗传算法的配电网络重构

建立了兼顾经济性和可靠性的多目标配电网络重构数学模型，采用自适应遗传算法进行求解，根据个体适应度的变化自动调整交叉与变异概率，克服了遗传算法易早熟的缺点，加快了算法寻优速度。通过仿真算例分析比较，该方法是可行有效的。     

基于图形化的配电网络重构算法研究

在改进支路交换法的基础上 ,应用图形化的方式 ,取环路的半径和环路中的点 (支路 )到环中心的距离作为重构判据 ,提出了 1种配电网络重构算法——距离测量法 ,可使配电网络重构的时间缩短 ,并能更好地平衡馈线的负荷 ,降低网损 ,有良好的应用前景     

基于改进蚁群算法的配电网重构

配电网重构可以提高配电网运行的安全性、经济性和供电质量,对于当前国内配电自动化系统的建设和应用具有重要意义。以网络损耗最小为目标,提出了一种改进的蚁群算法来求解正常运行条件下配电网络的重构问题。针对基于蚁群算法在求解过程中存在搜索易陷入局部最优解和收敛到全局最优解的时间较长的缺点,从蚁群算法的转移概率和信息素动态更新2方面进行了改进,提高了蚁群算法全局搜索能力与收敛到最优解的速度。最后通过对69节点配电系统算例的仿真,取得了较好的效果,证明了该算法的有效性和可行性。