基于改进粒子群算法的变电站两阶段优化选址

提出了一种基于带极值扰动改进粒子群优化算法的变电站选址两阶段优化规划方法。首先利用改进粒子群优化算法在规划区域大范围搜索寻优,获得一次候选站址;其次考虑地理因素,避开地理不可行区域,在需调整站址周边选取二次候选站址,利用模糊层次分析法量化评估地理要素对目标函数的影响。本方法改进了目标函数,综合考虑了变电站进线和出线的投资运行费用,使规划结果更客观合理。算例分析表明所提出的方法能很好地满足规划要求。     

基于改进粒子群算法的变电站两阶段优化选址

提出了一种基于带极值扰动改进粒子群优化算法的变电站选址两阶段优化规划方法.首先利用改进粒子群优化算法在规划区域大范围搜索寻优,获得一次候选站址;其次考虑地理因素,避开地理不可行区域,在需调整站址周边选取二次候选站址,利用模糊层次分析法量化评估地理要素对目标函数的影响.本方法改进了目标函数,综合考虑了变电站进线和出线的投资运行费用,使规划结果更客观合理.算例分析表明所提出的方法能很好地满足规划要求.     

云理论在配电网络变电站选址定容中的应用

变电站选址与定容优化规划属于大规模组合优化问题,基于云在定性概念描述与定量数值表示之间转换过程中的优良特性,借鉴遗传算法"优胜劣汰,适者生存"的进化思想,提出一种基于云理论的优化算法(cloud theory optimization algorithm,CTOA),并将其应用于电力系统配电网络变电站站址、站容的优化规划研究中。在该算法中,用云的期望代表父代个体的优良特征,用云的熵和超熵控制遗传和变异的程度,用正态云算子完成概念空间到数值空间的转换,产生种群,实现遗传操作。CTOA在定性知识的指导下能实现空间范围的自适应控制搜索,可以有效改善智能优化算法易陷入局部最优解和早熟收敛等问题。最后结合某装备制造基地变电站选址定容实例,分别采用改进自适应遗传算法(improved adaptive genetic algorithm,IAGA)、改进多组织粒子群优化算法(refined multi-team particle swarm optimization algorithm,RMPSO)和CTOA算法对其进行了优化规划研究。结果表明,CTOA在收敛时间,搜索精度性能指标方面优于IAGA、RMPSO算法,且该算法无需编码,操作流程简单,易于实现,能更好的满足配电网络中大规模变电站规划的需求。     

基于K-均值聚类粒子群算法的变电站定容选址

针对变电站定容选址的优化问题,建立了以变电站年综合费用最小为目标的数学模型,不仅考虑变电站投资、馈线投资和网损维护等可量化费用,还将状态变量约束以罚函数形式计入目标函数中,使变电站定容选址模型更具实用价值。在此基础上,提出了一种基于K-均值聚类粒子群的智能算法对其进行求解,该算法有效地克服了传统粒子群算法容易陷入局部最优以及早熟的缺点。最后通过实例验证了模型和方法的实用性和有效性。     

考虑时序特性和环境成本的并网型分布式电源选址定容规划

基于分布式电源出力和负荷的典型时序特性,建立考虑环境成本的并网型分布式电源选址定容规划模型,以配电网建设费用、损耗费用、购电费用和分布式电源运行费用最小为目标函数,采用可处理PV节点的前推回代潮流计算方法判断规划方案是否满足潮流约束及计算网络损耗。同时,为克服粒子群算法的"早熟"问题,提出了一种将联系数与粒子群算法相结合的改进粒子群算法,并用改进算法对模型进行优化。IEEE13节点系统仿真结果验证了模型的合理性和算法的有效性。     

基于路径优化的电池配送站选址定容规划

电池配送站选址定容与电池配送量和配送路径密切相关。以电池配送站建设成本和物流运输成本之和最小为目标,构建了一种基于路径优化的电池配送站选址定容规划模型。该模型引入虚拟电池配送站节点表示同一座电池配送站的多次换电服务,考虑了车辆载荷对单位里程费用的影响。通过云模型粒子群算法对优化模型求解,有效避免了模型陷入局部最优。采用26节点配送系统进行仿真,计算出候选配送站的最优站址和容量。     

基于GIS和微分进化算法的变电站选址及定容

将微分进化（DE）算法引入到变电站选址规划优化问题中,并运用参数动态调整策略,在计算初期保证群体的多样性,后期加快算法的寻优速度,从而改善DE算法的性能。在配电网络变电站选址定容过程中,考虑地理信息系统（GIS）对规划站址的影响,将可建站区域图形进行编码处理以数据形式存储,通过判断待选站址和地理因素的网络拓扑关系,确定可行的待选站址。通过对2个算例优化计算表明,以GIS数据库为平台,将该算法和图形问题相结合,在解决实际配电网络变电站规划问题中取得了良好的效果。     

基于GIS空间分析与改进粒子群算法的变电站全寿命周期成本规划

市场环境下,变电站设计方案的全寿命周期经济性是变电站规划的重要因素之一。建立基于设备全寿命周期成本的配电网变电站选址定容新模型,该模型考虑了规划变电站上级输电网、下级配电网及变电站的初始投资、运行成本、维护成本、故障成本和废弃成本,使得规划方案在满足可靠性要求的同时达到经济性最优。利用ArcGIS的空间分析功能来处理选址定容过程中地理因素的限制,提高了规划效率。提出将k均值聚类分析与多种群随机粒子群算法相结合的改进算法对上述模型进行求解,该算法克服了传统粒子群优化算法的早熟现象,全局寻优能力得到显著提高。最后规划实例证明了所提出的模型和方法是正确和有效的,其具有很高的实用价值。     

区域电动汽车充电站规划的模型与算法

合理确定电动汽车充电站的规模及位置,建立了一种电动汽车充电站选址定容的最优费用模型.模型以居民负荷的分布情况模拟电动汽车的数量,用层次分析法给出候选站址的权系数,在候选站址与变电站的距离、电动汽车充电站的安装费用、电动汽车数量等条件的约束下,目标函数还加入了充电站的运行费用、网损费用和充电站配电变压器的投资.模型中电动汽车充电电价采用实时电价.为验证模型的有效性,采用粒子群算法对一假设算例进行优化求解,结果表明该模型具有一定的可行性.     

基于Voronoi图和改进差分进化算法的变电站规划优化

针对电网中的变电站选址定容规划问题,提出了一种基于Voronoi图和改进差分进化算法的变电站规划优化方法。首先构建了变电站年费用最小的规划模型,然后针对模型求解,通过Voronoi图划分变电站的供电范围,并对差分进化算法中的变异算子和交叉算子的动态调整方式进行优化以提高其寻优性能,采用改进后的差分进化算法进行站址寻优。最后通过具体算例验证了所提规划方法的有效性和优越性。     

配电网规划决策中的可计算性问题研究

为了对配电网规划问题进行简化,首先针对配电网规划过程中的不确定性进行分析,研究了配电网规划决策中的可接受偏差和可计算性问题。通过引入可接受偏差,将配电网规划问题转化为一个可计算性问题,建立了配电网规划决策的标准数学模型和算法公式。利用该数学模型和算法对66 kV变电站的供电半径规划进行建模计算。计算结果表明,基于可接受偏差的配电网规划模型和算法是有效和实用的。该模型和算法可以简化配电网规划的流程,为确定配电网规划原则提供参考。     

基于博弈论的变电站规划研究

针对城市电网变电站规划问题,提出一种基于博弈论的混合算法。该算法将博弈理论与渔夫捕鱼算法(fisher fishing,FF)、粒子群算法(particle swarm optimization,PSO)相结合,设置两个子群和两个博弈策略(FF算法、PSO算法),构建相应的博弈收益矩阵,由加权Voronoi图划分变电站的供电范围,校验其负载率,再以变电站规划年最小费用为适应度函数。两个子群通过博弈收益矩阵周期性地选择和更换搜索策略,在可行解空间内快速寻优。FF算法搜索盲目性过大,收敛较慢;PSO算法易陷入局部最优解。提出的算法将二者进行混合优化,可以取长补短,收敛速度比FF算法快,求解精度比PSO算法高。通过对某市中心城区的规划实例分析,验证了所提算法能够有效解决变电站规划问题。     

计及分布式电源渗透率变化的变电站动态扩展规划

针对规划区域在不同发展阶段分布式电源(DG)渗透率由低到高变化场景下的源网荷协调匹配问题,提出了一种有源配电网变电站动态扩展规划方法。首先,考虑变电站滚动投入效应及规划期内剩余价值差异,建立了一种计及DG渗透率的变电站动态扩展规划模型。其次,考虑负载均衡度和DG置信容量对变电站供电范围划分的影响,提出了加权Voronoi图算法的罚函数、凹凸性和方向性改进方法。然后,提出了基于遗传算法和启发式算法的有源配电网变电站动态扩展规划求解方法,得到有源配电网变电站建设顺序。最后,通过实例说明了所述方法的科学性和实用性。     

考虑初始站址的多阶段变电站规划方法*

针对变电站规划结果对初始站址依赖度高的问题,提出了一种考虑初始站址的多阶段变电站规划方法。第一阶段,对传统渔夫捕鱼算法进行改进以提高搜索能力,并用于寻找优良初始站址集。然后提出一种基于变电站负荷总量的加权距离法,以选择出优良的初始站址方案。第二阶段,根据各负荷区域负荷密度对加权Voronoi图的权值进行动态改进,避免负荷分布不均对规划区域产生不良影响,并基于局部寻优结果对规划区域进行全局寻优求解。最后通过算例的计算结果,证明了算法的实用性。     

油田配网临时变电站规划的研究

以负荷分散、供电半径大的油田配电网为研究对象,提出一种平面中位法和模拟退火算法相结合的变电站规划方法。分析规划区域的负荷分布,通过直观法近似地给定变电站的初始位置和变电站供电范围的初始值,应用模拟退火算法能跳出局部最优解的特点,对给定变电站位置的供电范围进行全局寻优;最后应用平面单中位方法确定对应其最优供电范围的变电站位置。将供电范围寻优和变电站位置的确定交替进行,直到变电所位置变化很小,收敛得到最优变电站规划方案。算例分析表明,该算法进行配网变电站规划,能快速度得到有实用价值的近似最优规划方案。     

基于网络流的含分布式电源配电网两阶段规划

针对含分布式电源（DG）的配电网规划问题,利用图论的思想,建立以规划年费用最小为目标的含分布式电源配电网规划图模型,提出两阶段的启发式算法,实现优化分布式电源的接入位置、接入容量、实际接入量及变电站和配电线路的新建或者升级改造等综合优化。第一阶段,对所建的图模型应用多重局部搜索算法确定分布式电源的接入位置、接入容量及变电站和配电线路的新建或者升级改造决策;第二阶段,利用第一阶段优化得到的线路、电源参数,建立精确的数学模型,并运用遗传算法确定分布式电源的实际接入量。33节点典型系统算例证明了该算法在含分布式电源配电网规划中应用的可行性和有效性。     

贪心算法结合Hopfield神经网络优化配电变电站规划

提出了一种城市电网规划中变电站规划优化的新算法.该算法先用贪心算法(greedyalgorithm)快速求解新建变电站的座数及各变电站的容量,再利用Hopfield神经网络校核新建变电站的位置和各变电站的供电范围,最后确定各变电站的真实容量.在求解过程中,该方法考虑了已有变电站的改造问题.从全局最优的原则出发,可求得具有实际价值的最优或近似最优解.该方法在求解变电站供电范围时无需对数据进行归一化处理,且易于编程.该方法可为变电站规划提供一种新的思路.     

基于改进遗传算法的变电站巡检机器人路径规划

变电站巡检机器人的路径规划是一个复杂的组合优化问题。与经典的TSP问题不同,变电站巡检线路中各坐标之间并不具备完全的连通性,传统的优化方法难以解决此类问题。为此,文中提出一种改进遗传算法用于巡检路径规划,采用拓扑图对机器人工作环境进行建模,然后采用特殊的交叉算子、自适应变异算子和淘汰算子,对每一代被淘汰的个体进行逆转变异并将产生的新个体重新加入种群,随迭代次数调整变异概率,从而对连续的规划空间直接进行寻优。仿真结果表明,该算法在巡检机器人路径规划中与模拟退火算法、传统遗传算法和基于个体相似度改进的自适应遗传算法(ISAGA)相比,得到的路径平均长度分别缩短了4.9%、8.3%和3.1%,并且具有更好的收敛性和稳定性,在实际的巡检任务中能够起到更好的效果。     

基于初始站址冗余网格动态减少的变电站规划

针对变电站规划中初始站址对规划结果影响大的问题,提出了一种能自动寻找优良初始站址的简捷有效的新算法.首先,根据可能的变电站个数对规划区域进行冗余网格划分,并以各网格中心作为候选变电站初始站址;然后,基于变电站就近供电原则和舍弃小负载率变电站方法,动态减少变电站个数,找出对应不同变电站个数规划方案的初始站址;最后,引入距离权重因子以便考虑负荷分布不均对变电站负载率的影响,运用交替定位分配法求解各规划方案的站址和站容,并从中选择优化的变电站规划方案.算例表明所述方法可以稳定快速地得到合理的规划结果.     

基于小生境渔夫捕鱼算法的变电站规划

针对渔夫捕鱼算法容易陷入局部最优的不足,提出了一种共享适应度的小生境策略来提高基本渔夫捕鱼算法的全局寻优能力,并应用于解决配电网络变电站规划。由个体之间相互距离进行聚类组成小生境种群,并在生成的不同小生境种群内运用渔夫捕鱼算法进行寻优,在进行目标函数计境种群内利用共享机制改变个体适应度进一步提高群体全局寻优能力。通过实际算例分析,证明了所提方法能较好地解决变电站选址定容问题。