基于图模一体化的配电网多点故障抢修调度辅助平台设计

为了提升配电网多点故障抢修调度自动化水平,设计一种基于图模一体化的配电网多点故障抢修调度辅助平台。依据图模一体化理论,使用C/S与B/S相结合的方式设计由数据层、图模一体化平台和应用功能层组成的配电网多点故障抢修调度辅助平台。结果表明：平台为用户提供的配电网单馈线图和动画告警等功能信息全面清晰,可有效缩短配电网抢修调度耗时,抢修调度应急预案具备较好的完整性和针对性,三维监控效果较好。可见平台的实际应用性较强、应用效果好,值得推广和应用。可有效缩短配电网多点故障抢修调度耗时。     

基于多代理方法的配电网故障应急抢修调度

配电网故障应急抢修调度作为电网应急管理系统的重要组成部分,可以为应急管理提供辅助决策支持作用。为此,从当前配电网应急抢修资源配置情况出发,建立了考虑抢修资源分配以及多抢修小队协作机制的配电网故障应急抢修联合优化模型,并结合黑板模式提出了抢修调度多代理方法,设计了由初始层、适应性测度优化层、抢修预案优化层组成的黑板信息处理模式,可在配电网发生多处故障后快速给出抢修资源分组方案及应急抢修预案,以减少停电经济损失。仿真算例验证了该方法的有效性。     

基于人工蜂群算法的配电网无功优化

针对配电网电压质量较低的问题,建立了完整的无功优化模型。首先提出了一种新的无功补偿候选点的方法,即先基于网损最小选择无功补偿点,在此基础上再用动态优化选择无功补偿点;然后建立以网损最小、并联电容器容量最小、电压水平最好、两类电压稳定裕度最大的无功优化目标函数,用模糊方法将含有量纲的多目标问题转化为没有量纲的单目标问题;接着用人工蜂群(ABC)算法确定无功补偿点和容量。最后对IEEE-33节点配电网系统进行了测试分析,并与其它两种优化算法相比较,结果表明使用该优化算法,配电网无功配置方案较优,线路损耗明显降低,电压质量和电压稳定裕度明显提高。     

基于人工蜂群算法带智能终端的配电网无功优化研究

针对配电网数据采集困难及无功优化算法不足的问题,介绍了智能终端的结构和采集量,建立了配电网无功优化的数学模型,提出一种基于增强人工蜂群(EnhancedArtificialBeeColony)算法的无功优化方法.试验结果表明,增强人工蜂群算法是可行且有效的,比遗传等传统方法更具优势。     

基于改进人工蜂群算法的配电网谐波量测点优化配置

为了进一步提高配电网谐波状态估计的可观性和准确性,同时合理地优化 PMU 量测配置方案,提出应用改进人工蜂群算法求解达到同一优化目标的多种量测配置优化方案,为规划设计结合现场实际情况提供最优选择.算例分析结果验证了该算法的实用有效性;未改进人工蜂群算法所配置方案与改进方案的对比结果表明,该改进算法能进一步提高系统可观测度。     

基于改进离散多目标BCC算法的配电网灾后抢修策略

根据配电网的实际情况,建立了配电网突发多处故障情况下的故障抢修和故障恢复相结合的多目标优化模型,将模型中的开关操作变量作为虚拟故障点处理并与抢修控制变量有机结合,考虑了一种多队协同抢修的恢复策略.在多目标细菌群体趋药性(BCC)算法的基础上引入区间归位方案,改善了多目标BCC算法解决离散域问题的性能,同时引入局部更新机...     

利用故障抢修管理系统优化配电网故障抢修流程

配电网故障抢修水平取决于对故障的判断速度和各有关部门之间的配合程度.分析了一般配电网故障抢修流程中影响效率的因素,结合故障抢修管理(TCM)系统提出了配电网故障抢修流程的优化措施,通过典型案例印证了优化后配电网故障抢修流程对快速恢复电力供应、尽量减少社会影响方面的实际意义.     

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.     

基于改进人工蜂群算法的电动汽车充电策略优化

由于大规模电动汽车接入电网的无序充电,导致电网安全稳定的运行状态受到冲击,提出了基于改进人工蜂群算法的电动汽车充电策略优化。以获取电动汽车出行时间概率密度与电池充电特性作为关键因素,计算电动汽车充电负荷需求,基于改进人工蜂群算法建立优化模型来实现电动汽车充电策略优化。仿真实验结果表明本文所提策略优化后的电动汽车充电负荷峰谷差降低449.2kW,电网负荷波动优化效果明显。     

配电网故障抢修可视化管理的探索与实践

配电网故障抢修可视化管理,就是通过技术、信息手段,使抢修指挥人员可以在地图上实时看到故障停电涉及的设备地点和客户位置,便于抢修人员及时赶到现场;对于停电信息的发布和咨询,可以做到点对点的个性化服务。并且,通过GPS系统对抢修车辆实现实时定位,抢修现场通过PDA进行抢修信息实时交换,通过现场摄像头把抢修现场画面实时传达到抢修中心,使整个抢修管理可视化,提高了故障抢修的效率,提升了客户服务的质量。     

一种改进的人工蜂群配电网状态估计方法

针对配电网状态估计模型的计算量大、精度低以及数值计算不稳定等问题,提出一种改进的基于人工蜂群算法的配电网状态估计方法。首先,根据网络拓扑结构和量测配置,建立配电网状态估计的目标函数;然后,采用人工蜂群算法对目标函数进行优化求解;最后构造当前最优解的适应度函数,以此作为迭代终止准则的判定条件,以更高的效率获得全局最优解。采用中国电力科学研究院搭建的16节点系统开展了大量的实验,结果表明本文方法可以有效地估计节点电压的幅值和相位。不仅如此,在收敛速度上也比现有的人工蜂群算法提高一倍,并且平均绝对误差比加权最小二乘法和等效功率变换法分别减小60%和50%。     

基于改进人工蜂群算法的直流配电网典型应用场景拓扑结构研究

为了解决直流配电网规划中场景针对性不强的问题,给出了不同场景下直流配电网的网络拓扑结构规划方案。将直流配电网应用场景分为居民住宅区、工业园区和新能源集结区,考虑不同应用场景的特点,利用层次分析法提出一种新的可靠性指标计算方法。结合变权的思想,综合考虑电网的经济性和可靠性,给出了直流配电网的规划模型。利用由最大最小积改进的人工蜂群算法,以IEEE标准14节点电路为对象,对三种场景下的规划模型进行寻优,并利用griewank函数对比了改进前后算法的性能。仿真结果表明,所得线路规划方案满足各场景要求,改进后的蜂群算法收敛速度和精度均有提升。所提方法可为直流配电网规划提供参考。     

基于人工蜂群优化极限学习机的短期负荷预测*

针对极限学习机(Extreme Learning Machine,ELM)在训练前随机产生输入层权值和隐含层阈值导致输出结果不稳定,影响短期负荷预测精度的缺陷,提出基于人工蜂群(Artificial Bee Colony,ABC)算法改进ELM(ABC-ELM)的短期负荷预测新方法。首先,选用历史负荷、外界气象因素和待预测日星期类型等属性构成ELM输入向量,以负荷值为输出,构建ELM模型;其次,采用ABC对ELM输入层权值和隐含层阈值进行优化;最后,根据优化参数,建立基于ABC-ELM的负荷预测模型,并以该模型开展负荷预测。根据国内某大型城市实测负荷数据开展实验,验证方法有效性。实验结果证明ABC-ELM较ELM和BP神经网络具有更高的稳定性和预测精度。     

基于人工蜂群算法的多目标最优潮流问题的研究

以污染气体排放量、网损最小为目标,建立多目标电力系统最优潮流数学模型,并提出一种基于人工蜂群的多目标算法对其进行求解。该算法利用外部存档技术来保存进化过程中已经找到的Pareto最优解,并在每次迭代后更新。最后根据模糊集理论从Pareto最优解集中选取最优折衷解,为决策者提供科学的决策依据。通过IEEE-30节点系统及IEEE-57节点系统的仿真,验证了该算法在求解大规模电力系统多目标问题上的有效性,相比其他多目标算法能有效避免局部收敛。     

An adaptive chaotic artificial bee colony algorithm for short-term hydrothermal generation scheduling

Short-term hydrothermal scheduling (SHS) is a complicated nonlinear optimization problem with a set of constraints, which plays an important role in power system operations. In this paper, we propose to use an adaptive chaotic artificial bee colony (ACABC) algorithm to solve the SHS problem. In the proposed method, chaotic search is applied to help the artificial bee colony (ABC) algorithm to escape from a local optimum effectively. Furthermore, an adaptive coordinating mechanism of modification rate in employed bee phase is introduced to increase the ability of the algorithm to avoid premature convergence. Moreover, a new constraint handling method is combined with the ABC algorithm in order to solve the equality coupling constraints. We used a hydrothermal test system to demonstrate the effectiveness of the proposed method. The numerical results obtained by ACABC are compared with those obtained by the adaptive ABC algorithm (AABC), the chaotic ABC algorithm (CABC) and other methods mentioned in literature. The simulation results indicate that the proposed method outperforms those established optimization algorithms.     

基于蜂群算法的低压电力线高频RLCG 模型参数辨识

电力线是通用的电力网络间的连接载体,同时也是传导电磁干扰和载波通信信号的主要传播介质.建立准确的电力线电参数模型是研究传导电磁干扰和载波信号传输特性的基础.采用一种考虑集肤效应和介质损耗的高频信号传输的RLCG模型对普通的三线低压电力线进行建模,并利用人工蜂群算法对模型参数进行辨识,该模型考虑了高频条件下电力线的趋肤效应以及电介损耗对信号传输特性的影响.利用网络分析仪测量实际电力线的阻抗特性作为标准数据,与传统的基于遗传算法的辨识方法的仿真结果进行对比,证明了所提出的电力线高频RLCG模型可以准确地反映电力线的高频传输特性,为低压电力线载波通信和电磁兼容分析奠定基础.     

基于改进人工蜂群算法的家庭储能容量优化配置*

家庭能源系统中的储能设备初始投资成本高,限制其实际应用。针对此问题,文章对混合储能的容量配置进行了研究。分别构建了刚性负荷、柔性负荷和储能类设备负荷模型;在此基础上搭建以用户每天用电费用最低为目标的家庭能源管理系统模型;提出一种改进的人工蜂群算法对模型求解。实验结果表明,通过和单储能的系统相比,在满足用户用电需求的同时,配置混合储能的家庭能源系统能有效减小用户每天用电费用。对文中算法与人工蜂群算法和粒子群算法优化结果进行比对,证实所提算法优化时长短、收敛速度快且不易于陷入局部最优。     

Generation scheduling in smart grid environment using global best artificial bee colony algorithm

Generation scheduling is an important concern of the current power system which is suffering from many obstacles of limited generation resources, grown energy demand and fuel price, inconsistent load demand and fluctuations of available wind power in case of the thermal–wind system. Smart grid system has a great potential of tumbling existing power system difficulties with intelligent infrastructure and computation technologies. Three different distributed energy resources, namely, distributed generation, demand response and gridable vehicles are used in this paper to overcome the power system hitches. The classical generation scheduling is solved with insertion of the cost of demand response and the cost model pertaining to underestimation and overestimation of fluctuating wind power. The modified optimization problem is solved using an efficient Global best artificial bee colony algorithm for 10 generating units test system. Generation scheduling in the smart grid environment yields a significant reduction in the total cost.     

基于改进蜂群算法的工业机器人路径规划研究

针对工业机器人在复杂环境中运动的避障及路径优化问题,提出基于改进人工蜂群算法的工业机器人避障路径规划策略。首先针对传统人工蜂群算法搜索能力不足且容易陷入局部最优的问题,将禁忌搜索思想引入到人工蜂群算法最优解搜索过程中,形成了基于禁忌搜索的改进型人工蜂群算法,然后将其应用到工业机器人的路径规划问题中,并进行了仿真实验。结果表明,改进后的方法能够得到最优的路径,且寻优速度快、过程稳定。该方法可用于解决工业机器人路径规划问题。     

基于人工蜂群算法优化支持向量机的接地网腐蚀速率预测模型

为了提高接地网腐蚀速率预测的精确度,在建立预测模型的过程中,首先对接地网进行了基于电网络理论的腐蚀诊断过程,并以经过诊断之后确定的腐蚀支路位置为采样点。考虑到仅以土壤理化性质反映接地网腐蚀速率的局限性,在接地网腐蚀诊断结果的基础上,提出接地网电阻平均增长速率作为预测模型的输入特征量之一。建立了基于人工蜂群优化支持向量机的接地网腐蚀速率预测模型,测试结果显示相对BP神经网络模型和广义回归神经网络模型,所提模型的预测结果精确度和稳定性更高,表明了对于解决接地网腐蚀速率预测问题,所提模型具有良好的适用性。