基于序优化和模糊蚁群算法的多目标配电网重构

摘要： 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。     

基于改进BASDE算法的孤立微电网多目标容量优化配置仿真

具有随机性和间歇性特征的分布式电源会引起微电网系统功率波动，影响系统的经济性与可靠性，故文章针对孤立风/光/氢/储直流微电网提出一种容量优化配置方法。以单位电量成本最少、负荷缺电率最低为目标，构建容量优化配置模型；将引入群体与差分进化机制（differential evolution， DE）的天牛须探索算法（beetle antennae search algorithm， BAS）进行算法结构改进，提出了多目标天牛须探索算法（MOBASDE）。通过测试函数的定性与定量分析，验证了算法的有效性；在MATLAB中建立仿真模型，应用MOBASDE算法计算得到容量配置方案集，为电氢耦合微电网设计提供参考。     

基于多目标粒子群算法的微电网优化调度

提出了一种经济与环保相协调的微电网优化调度模型,针对光伏电池、风机、微型燃气轮机、柴油发电机以及蓄电池组成的微电网系统的优化问题进行研究,在满足系统约束条件下,建立了包含运行成本、可中断负荷补偿成本以及污染物处理费用的微电网多目标优化调度模型,并利用多目标粒子群算法（MOPSO）求解微电网优化调度问题,仿真结果表明该模型对微电网优化调度具有一定的指导作用。     

基于需求响应的用户侧微电网多目标优化运行方法

摘要： 需求响应使用户积极参与到电网的优化运行中,是实现用户侧微电网优化运行的重要手段。针对用户侧微电网,提出了基于价格激励与可控负荷的优化运行模型。模型中包括实时电价的分区策略与可控负荷的调控策略。将用户用电成本,空调与热水器温度与目标温度的差值最小化作为优化目标,将可延迟负荷的延迟时间,可计划负荷的工作状态作为决策变量。通过仿真计算与分析,验证了优化模型的可行性与有效性,为用户侧微电网的低成本运行提供了理论支持。     

基于多策略改进PSO算法的微电网优化调度研究

为解决微电网中随机性、波动性和分布式电源出力管理困难问题,提出一种并网模式下微电网优化调度的综合经济模型。首先,考虑蓄电池和峰谷电价的影响,计及失负荷和蓄电池超容惩罚成本,建立以微电网运行成本和污染物排放成本最低的目标函数;其次,引入白鲨优化算法（WSO）的全局动态捕猎特性,对粒子群优化算法（PSO）进行了Tent混沌映射、动态时间因子和多项式变异的多策略改进,并将其应用于求解多目标多约束非线性的微电网优化问题。仿真结果表明,与PSO算法和麻雀搜索算法（SSA）相比,改进PSO算法用于微电网优化调度可降低微电网运行成本、减少环境污染并提高新能源供电的可靠性。     

基于改进蝙蝠算法的微电网优化研究

为了协调微电网中各微电源的优化调度,文中研究了涵盖光伏、风电、储能、燃气轮机和燃料电池的分布式电源,在微电网并网与孤岛运行条件下,建立了以发电费用和污染物处罚费用最低的目标函数,并采用了具有Lévy飞行特征的蝙蝠算法求得一个调度周期内各个分布式电源的最优出力及总运行成本,最后将仿真结果与基本蝙蝠算法的结果相比较,从而验证了该文所研究的优化模型及改进后算法的可行性。     

基于模糊优化多目标进化算法的配电网故障定位

提出了一种基于模糊优化多目标进化算法(FMOEA)的配电网故障定位新方法。FMOEA对基于排序选择的传统多目标进化算法进行改良,有效避免了其种群早熟的问题,在排序结果中引入模糊优选决策因子,得到本代个体的最终适应度值,之后再经过复制、交叉、变异和迭代等过程,直到满足终止条件得到最终的Pareto解集;最后对适用于故障定位的最优解集处理办法进行了探讨与分析,以便从最优解集中筛选出符合故障情况的唯一解。算例仿真测试针对不同的配电网系统结构,分别模拟系统单点、多点故障,以及信息完备与部分信息畸变的情况,结果表明该算法可以实现配电网故障的有效定位,通过对比遗传算法,验证了该方法寻找全局最优Pareto解集的有效性及良好的收敛性能。     

基于改进粒子群算法的多目标无功优化

提出了一种基于粒子群算法的多目标优化方法,该算法采用Pareto支配关系来更新粒子的个体最优和全局最优值,用存储池保存搜索过程中发现的非支配解;采用聚类算法裁剪非支配解,以保持解的分散性;采用动态惯性权重来平衡粒子的局部和全局搜索能力,并将该算法应用于IEEE14节点系统的多目标无功优化。     

基于改进蚁群算法的梯级水库群优化调度

针对梯级水库群优化调度的大系统多维多阶段优化决策问题提出改进的蚁群算法.为提高算法搜索效率采用新的信息素更新策略--Ant-proportion,综合考虑全局和局部信息.以漫湾-大朝山梯级水电站优化调度为例,计算结果表明,改进算法与基本蚁群算法相比具有更好的优化结果和收敛速度,与逐步优化法相比可靠有效.     

基于改进粒子群算法电力系统多目标无功优化

在传统的电力系统无功优化问题的基础上,建立了同时兼顾电力系统有功网损最小和电压偏移最小的多目标无功优化模型,并且针对多目标优化问题,提出了一种改进的多目标粒子群算法,该算法利用计算非支配排序和拥挤距离方式更新粒子的个体最优值和全局最优值并保留每一次迭代后的一部分精英解集,最终结果在精英集合中找寻所需的Pareto前端;引入变异算子和动态权重算子,增强了寻优能力,降低了结果早熟和陷入局部最小值的可能,最后将该算法应用于IEEE 14节点系统进行测试,结果表明该算法不仅实现了系统经济运行同时也提高了电网的电压稳定,并且为用户提供了多样化的解集,方便用户根据实际情况灵活选择.     

基于改进蚁群算法的算力灵活迁移优化算法

针对现有云计算环境下国网数据中心资源调度存在的调度效率低、能源消耗高等问题,文章提出了一种基于改进蚁群算法的算力灵活迁移优化算法。首先构建国网云数据中心的算力迁移模型,对数据中心的资源调度能耗进行建模。然后通过引入细菌觅食算法改进基本蚁群算法的信息素初始化,并重新设计了启发函数和信息素挥发因子。仿真实验结果表明,与现有模型相比,文章的算法能够求出更优的算力资源调度方案,在减小任务完成时间的同时降低了国网数据中心36.6%的能耗。     

分时电价机制下采用改进鸟群算法的微电网运行优化

针对微电网经济环保多目标优化调度以及传统智能算法易陷入局部最优和早熟收敛的问题,利用二元对比定权法将经济环保多目标转化为单目标优化模型,提出了在分时电价机制下含蓄电池充放电的微电网优化调度策略,并采用一种新型的以鸟类觅食、警惕和飞行行为为依据的基于Levy飞行策略的自适应改进鸟群算法(LSABSA),同时利用5个典型测试函数对LSABSA、鸟群算法(BSA)、粒子群(PSO)和改进粒子群算法(GPSO)进行仿真对比分析,验证了LSABSA算法的优越性。最后,以包含冷、电负荷的夏季典型日微电网系统作为算例,采用LSABSA算法对经济、环保和多目标模型进行仿真,结果表明了改进算法的可行性以及多目标优化的有效性。     

基于CMOPSO的混合储能微电网多目标优化研究

针对可再生能源发电效率低和发电成本过高的问题,采用自适应网格多目标粒子群(CMOPSO)算法对混合储能的风光互补系统进行多目标优化设计分析。首先,分别建立微电网的成本、失负荷概率和失能量率数学模型;其次,将CMOPSO算法和经典多目标优化算法NSGA-Ⅱ对比,证明CMOPSO的优越性;最后,运用CMOPSO和NSGA-Ⅱ算法分别对单一储能和混合储能的微电网进行多目标优化设计,考虑可靠性和成本分别进行两目标优化分析,考虑系统的可靠性、成本和能源量费率,进行三目标优化分析对比。结果表明,无论是考虑两个目标或三个目标,在可靠性满足要求时,相比单一储能,采用混合储能微电网综合性能要好,CMOPSO优化效果更好。     

基于改进灰狼算法的独立微电网容量优化配置

为降低独立微电网的综合发电成本,提高供电可靠性,研究基于改进灰狼优化算法的独立微电网电源容量优化配置方法.针对基本灰狼算法在进化后期由于种群多样性的缺失而易出现局部收敛或算法早熟的问题,提出一种具有全局寻优性能的改进灰狼优化算法.改进算法首先利用Tent混沌序列产生初始种群,以增强种群的多样性;其次,通过对收敛因子设置...     

基于改进粒子群算法的配电网多目标优化控制

随着光伏机组大量接入配电网,需要在增加间歇性可再生能源使用的同时,保持电力系统的电压稳定。储能技术的快速发展允许部署储能系统来支持电压调节。为了在光伏储能优化出力系统中达到网络损耗和调压措施成双优化的目的,提出了一种改进的Pareto档案粒子群多目标优化算法。在非支配排序环节计算拥挤距离时,加入小生境技术,避免陷入局部最优同时,增加Pareto解集分布的多样性。基于IEEE 30配电网系统测试了所提出的PV-ESS（photovoltaic-energy-storage-system）优化方法。结果证明,该算法对抑制光波动、提高电压稳定性以及降低网损有着良好的表现,进而维护系统运行的稳定性,降低电力行业经济成本。     

考虑多参数不确定性的微电网优化运行

针对微电网中多种不确定性因素的影响,提出一种基于云理论的随机框架进行处理,通过使用云滴模拟多不确定性问题,将不确定性的模糊性和随机性的定性分析转化为定量分析。针对1 d中不同时段微电网不确定性因素的变化情况,建立考虑经济性与可靠性的微电网优化调度模型,利用磷虾群算法对模型进行求解,并提出一种基于列维飞行的修正方法以提高算法的局部搜索能力。最后以17节点微电网仿真系统为例进行仿真计算,验证了所提方法的有效性和优越性。     

基于改进蚁群算法的太原市受水区水资源优化配置

针对太原地区水资源严重短缺、供需矛盾日益尖锐的问题,为了使引黄入晋工程最大限度地缓解太原地区缺水情形,根据该地区水资源开发利用现状及地区发展规划,建立基于改进蚁群算法的太原市受水区多目标水资源优化配置模型。该模型引入生态效益目标,以用水效益最大、研究区缺水量最小和生态需水满足程度最大等综合效益作为规划目标,以水源可供水量、用户需水量等作为模型约束条件,并采用改进的蚁群算法进行求解,得到2015、2020两水平年的水资源优化配置方案。通过对优化结果的对比分析,表明该模型应用效果良好,优化配置结果有效减轻了地下水的供水压力,促进了水资源的高效利用。     

含生物质能的微电网多目标优化调度

针对农村及偏远地区可利用的生物质能以及我国扶贫攻坚进入最后阶段,建立了含风、柴、储,生物质能的微电网,综合考虑燃料、电能交互、投资折旧、维护及环境成本等变动成本,使系统在一个调度周期内的总运行成本最低,建立了微电网多目标经济优化模型。在计及国家对可再生能源补贴价格的基础上,采用改进遗传算法进行求解。当基本遗传算法陷入某个局部最优解时,从临时Parcto 解集中保留拥挤距离最大的个体,使个体密度小的Parcto 解占优,从而使算法迅速跃出局部最优。24 h内优化的结果对比表明,所提的优化调度方案具有很好的实用性和应用前景。     

基于蚁群算法的多类型分布式电源优化配置

鉴于不同类型分布式电源接入配电网的位置及注入容量对系统潮流分布的影响,主要体现在能源的梯级利用率、电网规划成本、供电可靠性和电能质量等方面,在配电网规划建设期间建立各种分布式电源(DG)的出力模型,综合考虑需求侧的经济利益,建立以用户侧的投资运行成本和网络损耗费用最小为优化目标的函数,采用蚁群算法对函数进行求解得到优化的位置和容量。算例分析表明,该方法可以得到较为合理的方案,并可有效降低系统网损、节点电压偏差,提高需求侧的经济效益和电能质量。     

基于改进秃鹰算法的微电网群经济优化调度研究

传统优化算法相较于智能优化算法在求解微电网群优化调度问题中较难寻出可行解或最优解,对此提出一种基于融合反向学习和柯西变异改进的秃鹰算法（IBES）,在秃鹰搜索空间猎物阶段采用融合反向学习和柯西变异策略,使得秃鹰算法有效跳出局部最优,解决算法求解精度低等问题。通过与粒子群算法（PSO）、麻雀算法（SSA）、鲸鱼算法（WOA）进行对比,仿真结果表明IBES寻优精度更高,可有效减少微电网群系统的经济成本。