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。     

基于Pareto最优前沿的中压配电网多目标无功优化规划

综合考虑中压配电网的技术、经济指标,以中压配电网安装无功补偿装置的单位投资收益最大和电网有功损耗最小为目标,构建了多目标混合无功优化模型.根据网损减小量对无功电流的灵敏度分析确定待补偿点集,利用基于Pareto最优前沿的多目标遗传算法优化无功补偿容量,同时采用精英保留策略、改进的交叉和变异概率策略、自适应编码策略增进算法效率.IEEE33节点和实际工程算例的仿真结果表明,该方法可以实现对中压配电网的多个技术经济指标的协同优化,可进一步提高中压配电网无功优化的效率和质量,证明了此方法的可行性和有效性.     

基于混沌搜索的多目标模糊优化潮流算法

提出了一种混沌搜索与模糊集理论相结合求解电力系统最优潮流问题的新方法。该方法利用混吨变量的随机性、规律性、遍历性进行寻优，克服了基于导数的优化方法对于梯度信息的高度依赖性而造成的困难。用模糊集理论将多目标函数和可伸缩约束条件模糊化，把多目标最优潮流问题转化为单目标非线性规划问题，这种方法结构简单，易于实施。试验系统的计算结果表明，该算法具有较好的全局收敛特性，搜索速度快，求解精度高，使用灵活，是解决电力系统最优潮流问题的一种有效方法。     

基于Pareto最优前沿的中压配电网多目标无功优化规划

综合考虑中压配电网的技术、经济指标,以中压配电网安装无功补偿装置的单位投资收益最大和电网有功损耗最小为目标,构建了多目标混合无功优化模型。根据网损减小量对无功电流的灵敏度分析确定待补偿点集,利用基于Pareto最优前沿的多目标遗传算法优化无功补偿容量,同时采用精英保留策略、改进的交叉和变异概率策略、自适应编码策略增进算法效率。IEEE33节点和实际工程算例的仿真结果表明,该方法可以实现对中压配电网的多个技术经济指标的协同优化,可进一步提高中压配电网无功优化的效率和质量,证明了此方法的可行性和有效性。     

基于混沌粒子群算法的多目标无功优化研究

针对传统无功优化的不足,建立了以电网有功损耗最小、节点电压偏移最小、静态电压稳定性最好和无功成本最小的多目标无功优化模型.为了将这4个目标同时进行优化,提出了基于Pareto解的混沌粒子群算法多目标无功优化方法,求出该多目标优化问题的Pareto最优解集,供决策者根据实际情况进行科学决策选择.为证明提出方法的有效性,对IEEE30节点系统进行了多目标无功优化分析,结果表明本文提出的方法能够得到良好的无功优化结果.     

基于CAMOCS算法的多目标无功优化

针对传统算法在求解多目标函数上存在局限性问题,在标准多目标布谷鸟搜索(Multi-objective Cuckoo Search,MOCS)算法的基础上,采用Kent混沌映射生成多样性初始解,并自适应改变算法的搜索步长,结合多目标Pareto最优解概念,提出一种混沌自适应多目标布谷鸟搜索(Chaotic Adaptive Multi-objective Cuckoo Search,CAMOCS)算法,并利用该算法对所建立的多目标无功优化模型进行求解,最后在IEEE 14节点系统算例仿真验证了所提方法的有效性和可行性。     

基于免疫算法的多目标无功优化

在详细分析无功优化约束条件和目标函数以及研究无功优化免疫算法中抗体产生及其编码和解码的基础上,针对目前无功优化目标函数大多是基于权重系数基础多目标函数的组合,提出了基于免疫算法的多目标无功优化算法, 即用整体亲和力和部分亲和力概念来表示抗体对抗原的亲和程度,然后通过分别计算抗体的局部和整体亲和力来对抗体进行排序,依据此顺序选择抗体进行克隆、交叉变异等操作,并反复进行以求取系统无功优化的Pareto解集。对 IEEE14节点系统和IEEE118节点系统进行了多次无功优化计算,结果表明了该算法的有效性。     

采用基于分解的多目标进化算法的电力环境经济调度

为了准确、快速地求解电力系统环境经济调度(environmental economic dispatching,EED)问题,将基于分解的多目标进化算法(multi-objective evolutionary algorithm based on decomposition,MOEA/D)应用于电力调度领域,提出了基于MOEA/D的多目标环境经济调度算法。该算法首先采用Tchebycheff法将整个EED Pareto最优前沿的逼近问题分解为一定数量的单目标优化子问题,然后利用差分进化同时求解这些子问题,并在算法中加入约束处理及归一化操作,以获得最优的带约束EED问题的调度方案。最后,应用模糊集理论为决策者提供最优折中解。对IEEE 30节点测试系统进行仿真计算,并与其它智能优化算法的调度方案对比。结果表明,该算法有效可行,且具有很好的收敛速度和求解精度。     

基于改进多目标粒子群算法的配电网储能选址定容

以系统节点电压波动、负荷波动以及储能系统总容量为目标建立了储能选址定容优化模型.求解过程中提出了一种改进多目标粒子群算法(improved multi-objective particle swarm optimizer,IMOPSO).该算法根据粒子与种群最优粒子的距离来指导惯性权重的取值,使得各粒子的惯性权重可以自适应调整,并在二者距离较小时引入交叉变异操作,避免陷入局部最优解,同时采用动态密集距离排序来更新非劣解集并指导种群全局最优解的选取,在保持解集规模的同时使解的分布更均匀.为避免决策者偏好对最终结果的影响,采用基于信息熵的序数偏好法从最优Pareto解集中选取储能的最优接入方案.以IEEE-33节点配电系统为例进行仿真验证,结果表明该方法在储能选址定容问题求解中具有很好的收敛性以及全局搜索能力.     

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。     

基于多目标粒子群算法的配电网无功优化

考虑到配电网经济性和稳定性,以网损最小、电压偏移量最小为目标的优化策略,建立了以传统手段电容器调节和静止无功补偿器出力为优化手段的无功优化模型。文中提出了不需要任何小生境参数的小生境技术的多目标粒子群算法,采用环形邻域拓扑结构利用粒子的局部记忆形成稳定的网络,并在决策空间和目标空间中采用特殊拥挤距离作为度量。用多模态多目标优化测试函数进行测试该算法性能。测试结果表明该算法能得到大量的帕累托最优解。最后使用33节点网络算例,验证算法在无功优化应用的优势。优化结果表明所提出的改进算法在配电网无功优化方面的有效可行性,所得出的多组无功补偿方案能为用户提供分布均匀且多样化的非劣解。     

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.     

基于粒子群优化算法的电网GIC-Q多目标优化策略

地磁感应电流(GIC)流经变压器绕组会产生直流偏磁现象,造成变压器无功损耗增加,破坏电网无功平衡,影响电网安全稳定运行。为了有效地抑制GIC对电网的不良影响,以无功补偿设备成本和电压偏移量最小为目标,提出一种基于粒子群优化算法的多目标无功优化策略,保证地磁场扰动下电网无功平衡。所提策略利用小生境共享机制不断更新粒子位置,并依据拥挤距离排序对Pareto最优解进行存档,保持解的多样性和均匀性;引入混沌变异避免陷入局部最优解,同时提高全局搜索能力。GIC标准算例的仿真结果验证了所提策略的准确性和有效性。     

基于自适应多种群遗传算法的多目标配电网故障恢复

包含分布式电源(distributed generation,DG)的配电系统,在发生大面积断电时,其供电恢复是一个多目标、多约束的复杂优化问题.文章考虑用户优先等级,基于负荷恢复量,手动开关和遥控开关的动作次数以及恢复供电后的网损,建立了包含DG的配电系统的多目标供电恢复模型,并提出一种改进的遗传算法来处理配电网故障...     

基于改进MOBPSO算法的含分布式电源的多目标配电网重构

提出一种含多类分布式电源的多目标配电网重构模型。在重构时采用Pareto准则的多目标二进制粒子群优化(Multi-Objective Binary Particle Swarm Optimization, MOBPSO)算法,对算法进行了3点改进：基于环的编码方式用以降低不可行解的产生概率;动态变化的惯性因子和异步变化的学习因子用以提高算法的调节适应能力;在最优粒子的更新方式上提出小生境共享机制和比例选择算子相结合的策略。最后还给出了一种根据决策者偏好信息,从优化解集中选择相应重构方案的评价机制。算例结果表明：改进的MOBPSO算法在寻优效率和稳定性上均有提升;所提模型、改进算法以及评价机制互相配合,能够为决策者提供一种有效的配电网重构方案。     

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。     

基于改进社会认知算法的电力系统多目标无功优化

针对电力系统无功优化传统算法的局限性,结合当前智能算法的特点,提出采用模拟农夫捕鱼算法改进社会认知算法(ISCO),将其运用到电力系统无功优化中,并在构建无功优化的数学模型时,充分考虑如何降低网损和综合考虑减少电压偏差及提高系统运行的电压稳定裕度.经对标准IEEE14和IEEF30节点系统进行仿真计算,结果表明该算法具有很好的全局寻优能力和较快的收敛速度,能有效提高系统运行的经济性和安全性.     

基于相似搜索与多开端重组的配电网两时间尺度无功协调控制

规模化的分布式电源接入配电网后造成了电压高间歇性波动,影响了无功补偿设备的调节效果。提出基于相似搜索与多开端重组的多目标无功优化算法,考虑了非平滑补偿设备的日投切次数限制,加入变化的次数成本约束,调节尺度为1 h;DG和SVG的实时平滑调节设备,调节尺度为5min,进行超短期预测反馈调节,优化目标为电压偏差、网损和调控成本综合最优。求解算法采用改进的多目标粒子群算法,运用相似搜索技术,调用适用性最高的历史无功方案作为方案粒子加快算法的初期收敛速度;引用Pareto熵协调多目标间的适应度,同时依托Pareto解集存优能力,在算法收敛后期设计了多开端重组方法,进一步提高优化效果。经实际算例验证了该方法的有效性。     

基于灰狼算法的多目标配电网重构

为了降低风电和光伏接入配电系统的有功网损以及提高开关利用率,首先建立相应的数学模型,该数学模型建立的基础是要满足两个条件目标,即网损最少和开关次数最少,并设置风电光伏接入配电网潮流计算的约束条件;然后在二进制的灰狼算法基础上设置外部存储空间,并修改收敛因子构建多目标优化算法,为了满足Pareto解集多样性和均匀分布方面的要求,求解过程中运用了拥挤距离测度和逐步淘汰方法;最后利用105节点配电系统进行仿真计算。结果表明：二进制灰狼算法具有较快的收敛速度;多目标灰狼算法可同时降低网损和开关动作次数,求出的7种方案皆可有效降低电网的经济运行成本。该研究结果具有实际应用价值,能为决策者提供多种重构方案。