基于改进模拟植物生长法的配电网络重构

提出使用改进模拟植物生长法求解配电网络重构问题.该算法充分考虑植物生长过程中的智能化因素,避免了搜索过程中的随机机制,缩小了搜索空间,减少了迭代次数.以未来一段时间内网损最小为目标函数,建立配电网重构的数学模型.根据配电网的结构特点,以基本环路为单位形成可断开关集,避免了一些不可行解的产生,降低了变量的维数,提高了搜索效率.通过对IEEE69节点测试系统的计算和分析表明,该方法在解决配电网络重构问题上具有很高的搜索效率和寻优性能.     

基于改进模拟植物生长法的配电网络重构

提出使用改进模拟植物生长法求解配电网络重构问题。该算法充分考虑植物生长过程中的智能化因素,避免了搜索过程中的随机机制,缩小了搜索空间,减少了迭代次数。以未来一段时间内网损最小为目标函数,建立配电网重构的数学模型。根据配电网的结构特点,以基本环路为单位形成可断开关集,避免了一些不可行解的产生,降低了变量的维数,提高了搜索效率。通过对IEEE69节点测试系统的计算和分析表明,该方法在解决配电网络重构问题上具有很高的搜索效率和寻优性能。     

基于图论的改进遗传算法在配网重构中的应用

针对遗传算法求解配电网络重构优化时,随机编码操作将产生大量不可行解的缺点,设计了基于图论的改进遗传算法进行重构优化。根据配电网络与图论中树结构的相似性,确定了配电网络重构优化实质上是在初步连接图的基础上寻找最优的生成树或某组树,并引入环路的概念,基于破圈法和环路的性质进行编码操作,在产生初始解和变异操作时生成的解均为可行解,交叉操作时满足树的基本条件,避免或大大减少了不可行解的产生,从而提高了算法的计算效率。分别对IEEE33和IEEE69节点配电系统进行了重构优化,两个优化算例说明了该方法的有效性。     

基于图论的改进遗传算法在配网重构中的应用

针对遗传算法求解配电网络重构优化时,随机编码操作将产生大量不可行解的缺点,设计了基于图论的改进遗传算法进行重构优化.根据配电网络与图论中树结构的相似性,确定了配电网络重构优化实质上是在初步连接图的基础上寻找最优的生成树或某组树,并引入环路的概念,基于破圈法和环路的性质进行编码操作,在产生初始解和变异操作时生成的解均为可行解,交叉操作时满足树的基本条件,避免或大大减少了不可行解的产生,从而提高了算法的计算效率.分别对IEEE33和IEEE69节点配电系统进行了重构优化,两个优化算例说明了该方法的有效性.     

采用最优模糊C均值聚类和改进化学反应算法的配电网络动态重构

针对配电网络动态重构中的开关操作次数约束难以处理的问题,提出采用最优模糊C均值聚类技术对时间区间的配电网络运行状态按其负荷的内在相似性进行聚类,将配电网络动态重构转换为以聚类中心表示负荷状态的多个静态重构问题。从提高寻优效率的角度,对化学反应算法进行了改进,提出了一个更适合求解配电网重构的改进的化学反应算法(improved CRO,ICRO),并将其应用于求解以聚类中心为代表的静态重构问题。每个时间点的优化网络结构由对应的聚类中心的重构结果决定,从而得到配电网络重构操作的时间点和需要操作的开关。以IEEE 33节点配电系统的负荷数据为基础,构建了1周的负荷数据并对IEEE 33节点系统进行了动态重构,验证了方法的有效性。     

模拟植物生长算法在水库群优化调度中的应用

介绍了模拟植物生长算法的基本原理,针对梯级水电站优化调度问题的特点,建立了该问题的模拟植物生长算法求解模型。对基本模拟植物生长算法进行了改进,并设计了相应的算法步骤。在此基础上,将基本模拟植物生长算法及其改进算法应用于水库群优化调度中。通过对雅砻江梯级优化调度的应用分析,表明由形态素浓度决定其方向性和随机性搜索机制的模拟植物生长算法具有较强的全局搜索能力,为解决水库群优化调度问题提供了新的途径。     

基于模拟植物生长算法的配电网重构

将模拟植物生长算法应用于配电网络重构。该算法将目标函数与约束条件分开处理，采用兼具方向性和随机性的搜索机制，避免了已有仿生类算法由于一些参数难以确定和(或)无引导性的搜索方向而陷入局部最优的问题。此外，根据配电网特点，提出以基本环路代替开关作为控制变量，降低了变量维数，提高了计算效率。采用断开、闭合、联闭和长闭4种状态描述开关的运行方式，从而有效减小了寻优过程中的搜索范围。对IEEE 16节点、IEEE 33节点和IEEE 69节点3个不同规模测试系统进行了分析计算，并与相关文献结果进行对比，表明所提方法具有快速的全局寻优能力。     

基于混合智能算法的配电网络重构

提出了一种基于最优流和模拟植物生长法的配电网络重构混合算法。该算法模拟植物生长算法,帮助最优流算法避开局部最优,减少搜索次数和开关变换次数,从根本上提高计算速度。算法将目标函数与约束条件分开处理,采用方向性的搜索机制,避免了一些参数难以确定或搜索方向无引导性而陷入局部最优的问题。根据配电网的特点,改进了以开关作为控制变量的表达方式,降低了变量维数,提高了计算效率。采用四种状态描述开关的运行方式,有效减小了寻优过程中的搜索范围。对IEEE69节点系统进行分析计算,并对比相关文献结果,所提方法具有快速的全局寻优能力。     

基于二进制量子粒子群算法的含分布式电源配电网重构

配电网重构是一个复杂的非线性组合优化问题。为了克服基本优化算法易陷入局部最优解的问题,提出了一种改进的二进制量子粒子群算法(BQPSO),对含分布式电源(DG)的配电网重构模型进行求解。通过引入遗传算法的交叉操作和变异操作来避免早熟来提高算法的全局搜索能力,改进了算法的性能。并且选择了适当的不可行解处理方式来提高了算法的计算效率。最后通过对IEEE33节点配电系统进行仿真,验证所提算法在求解重构问题时得到的解更好,收敛速度和全局寻优能力都有提升。     

应用改进模拟植物生长算法求解无功优化问题

为了提高求解电力系统无功优化问题的计算速度,提高得到全局最优解的概率,保证电力系统的安全、经济、稳定运行,论文对模拟植物生长算法进行了改进并应用于求解无功优化问题;提出了最佳生长点集规模和变步长的寻优策略,调整了无功优化的约束条件和变量类型。理论分析与IEEE30节点系统的计算分析结果均表明该研究方法求解系统无功优化问题,对系统参数要求更宽松,计算速度更快,寻优能力更强。     

计及分布式电源的配电网重构研究

分布式电源因其独有的环保性和经济性,在电力系统中拥有广阔的发展前景,但同时对配电网络的运行控制等方面产生了重大影响。研究了计及分布式电源的配电网络重构,采用了一种适合于含分布式电源的配电网络重构的改进二进制粒子群优化算法,并建立了计及分布式电源的配电网络辐射状运行判定依据。最后对IEEE33节点测试系统进行仿真,表明本文所用的方法是合理有效的。     

基于改进引力搜索算法的配电网多目标优化重构

在含分布式电源(distributed generation,DG)的配电网重构中,综合考虑网络经济性、电能质量以及供电可靠性等因素,通过基于模糊满意度的多目标处理方法将多目标函数进行归一化处理,将精英策略思想引入到万有引力搜索算法中,并采用此改进引力搜索算法对问题进行求解。以IEEE 33标准节点系统为例进行网络重构,仿真结果表明,多目标重构后系统的网损有较大的降低,同时节点电压质量和供电可靠性也得到提高,从而验证了所提算法的有效性和可行性。对比其他算法,所提算法有效避免了结果陷入局部最优解,提高了算法的稳定性且具有较强的寻优性能。     

基于遗传和禁忌搜索混合算法的配电网重构

根据遗传和禁忌搜索算法的特点,提出了适用于配电网重构的混合算法。根据电力系统配电网重构的特点就混合算法的具体步骤进行了详细的描述,并提出了混合算法中早熟识别的具体方法、对按环编码变异进行了改进。该算法用于IEEE69节点系统的计算结果表明,混合算法用于配电网重构是可行的、有效的。     

蚁群算法在配电网重构的应用

配电网络重构是一个非常复杂的大规模组合优化问题。蚁群算法作为一种现代启发式寻优技术,适合于求解组合优化问题,其主要特点是正反馈、分布式计算、易与其它算法结合以及富于建设性贪婪启发式搜索。对配电网络从图论拓扑结构上进行分析,将配网重构问题转化为求图的生成树问题,并以破圈法为基础得到快速而有效地求解图的生成树的方法。在应用蚁群算法求解配网重构问题时,通过首支路选择随机化和取消蚁群算法常用的启发值的方法,扩大算法搜索范围,使算法可以跳出局部最优化陷阱,改善算法的搜索效果。对IEEE 69网络的算例表明,该方法能以较少的计算量和较大的概率收敛于全局最优解。     

考虑DG及负荷时序性的多目标配电网重构与DG调控综合优化规划

为解决分布式电源（distributed generation,DG）出力及负荷的时变性给实际配电网调度所造成的不利影响,使配电网的优化规划方案更加切实可行,提出了一种基于配电网重构和DG选址定容结合的多目标粒子群动态优化模型,该模型以配电网有功损耗、电压偏差及经济成本为优化目标,考虑负荷及DG出力的时变性,对配电网络重构和DG调度进行综合优化求解。通过基于随机森林模型（random forest,RF）及长短期记忆神经网络(long short-term memory,LSTM)模型的混合预测模型对配电网负荷及DG出力进行预测。采用经帕累托最优理论改进的粒子群算法得到配电网重构及DG调控的帕累托最优解集并利用模糊隶属度函数法来确定帕累托最优解集中的最佳配电网调度方案。基于IEEE 33标准测试系统设计多个算例进行仿真分析,结果表明,所提考虑负荷及DG出力时序性的配电网重构和DG调度联合优化模型可显著改善配电网络运行的经济性和稳定性。     

混沌遗传混合算法在配电网重构中的应用

指出网络重构是配电系统运行和控制的手段,也是配电管理系统的重要内容。考虑配电网运行特点,建立了以有功网损最小为目标的配电网重构数学模型,并计及潮流、电压、容量及辐射状运行等约束条件。针对该模型的特点,采用一种新型混沌遗传混合算法对配电网进行重构计算,该算法既具有遗传算法的全局性和并行性,又具有混沌搜索的遍历性和快速性。将该算法用于IEEE33节点系统重构计算,并与重构前、单一遗传算法重构结果进行比较,证明了所提出混沌遗传混合算法的有效性和快速性。     

基于改进和声搜索算法的含分布式电源的配电网重构

采用改进和声搜索算法(Improved Harmony Search Algorithm,IHSA)求解含分布式电源的配电网重构问题。该算法在基本和声搜索算法中引入随机位置更新操作、反向学习技术、小概率变异机制、修正音调微调概率等策略,增强了算法的开采与勘探能力,提高了全局寻优能力,避免了算法过早收敛的问题。把分布式电源以PQ和PV两种方式进行处理,对IEEE33节点系统进行网络重构,并与基本和声搜索算法进行对比,仿真结果证明了文中所提IHS算法具有更佳的性能,能够有效的解决含分布式电源的配电网重构问题。     

考虑开关动作次数的多时段配电网动态重构

通过配电网重构来降低网损是一种经济可靠的手段.一方面,鲜有文献研究如何在降低网损同时减少开关的动作次数;另一方面,目前大多数重构模型的求解算法难以保证全局最优解.提出一种基于二阶锥的多时段动态重构方法.以开关状态量为优化变量,以降低网损为优化目标,建立配电网多时段动态重构模型;将重构问题转化为混合整数二阶锥规划问题,采用二阶锥方法对所建模型进行求解,得到配电网最优动态拓扑.在此基础上,通过合并相似的开关状态,从而避免网架结构的频繁改变.通过IEEE33配电系统进行仿真,结果验证了所提方法的有效性与优越性.     

改进二进制粒子群算法在配电网重构中的应用

将混合蛙跳思想引入粒子群算法,并结合遗传算法中的选择交叉操作,提出一种改进二进制粒子群算法,来解决配电网重构中的问题。并且动态调整粒子速度更新公式中的惯性系数,使粒子能够随更新次数的变化动态改变全局和局部搜索能力,防止算法早熟,以找到全局最优解。文章最后对典型IEEE33节点算例进行仿真,并与遗传算法进行对比分析,结果表明该方法不仅能有效避免算法早熟、快速收敛,而且稳定性好。