采用时段动态划分和分层优化策略的配电网重构

为更好地处理配电网动态重构中重构时刻、开关操作费用、降损效果之间的平衡问题,提出了采用时段动态划分和分层优化策略的配电网重构方法。首先利用功率矩法进行重构时段动态划分,该划分方法可控制最大重构次数;然后利用免疫算法进行分层优化,第1层优化用以网损最小为目标,采用传统静态重构优化方法确定各时段内不考虑开关动作次数限制及操作费用的开关动作方案,并将该开关动作方案作为第2层优化的搜索空间,且第2层优化中加入了开关动作次数限制及操作费用约束,根据方案运行费用最低原则确定最优重构方案。算例结果验证了该方法的有效性。     

基于Spark和粒子群算法的分布式配电网重构方法

当前配电网结构日趋复杂且有分布式电源大量接入,现有人工智能算法进行配电网优化重构后会出现大量数据,导致算法搜索空间暴增、处理效率下降。为提高传统粒子群算法的处理效率,提出了一种粒子群优化算法,以配电网故障后重构的网损最小为目标函数,建立配电网故障后重构模型。充分利用分布式集群计算资源,通过Spark框架对优化粒子群算法并行化操作,以提升算法的处理效率。     

基于Bender's分解的含DG配电系统网络重构

提出了一种含分布式电源（DG）的配电系统网络重构算法,用于在配电网出现故障时,由DG构成孤岛系统以实现关键负荷的不间断供电,同时保证这一过程中整个配电系统网损最小。基于Bender's分解技术,该优化过程被分解为容量和重构2个问题:容量问题用于解决DG给定时孤岛系统最优供电容量的确定;重构问题用于在孤岛确定后对整个系统网损进行优化。重构问题的开关 — 网损相关因子反馈到容量问题,实现整个网络重构方案的优化。由IEEE 33节点系统和PG&E 69节点系统验证了所述方法的正确性。     

基于模糊多目标协调优化的配电网络重构研究

配电网络重构通过改变开关的开合状态以提高供电的可靠性和经济性。建立以网损最小、馈线负载均衡指标最小、开关操作次数最少多个目标协调优化的配电网络重构的数学模型。引入模糊隶属度函数对各目标进行模糊化处理,根据模糊集理论的最大最小法则,将多目标优化问题转化为单目标非线性规划问题。应用禁忌算法对该配电网络重构模型进行优化求解。对某个69节点配电网络系统,比较分析了四种不同的优化方案,仿真结果验证了所提出模型和求解方法的正确有效。     

考虑风光的两阶段配电网动态重构方法

由于传统的控制手段已不能抵抗高渗透率分布式电源对电网的冲击,需要对含分布式电源的配电网动态重构问题展开研究。针对传统配网重构中考虑分布式电源不足、过程复杂耗时和实用性较低等问题,提出了基于生物地理学算法的含分布式电源配电网动态重构两阶段优化策略,建立了以全时段网损最小和开关操作总次数最少为目标的多目标优化模型。首先运用整数型环网编码方法以降低变量维数,对配电网进行时段初步划分,运用夹逼策略对优化区间进行“列举”操作,得到初步优化方案。在此基础上,考虑开关操作总次数约束,对其进行时段的二次优化,最终确定动态重构的开关动作时刻及组合。通过算例验证了该动态重构方法能够在保证操作次数较低的同时,达到减少配电网有功损耗、提高节点电压稳定性的目的。     

基于时间区间的配电网重构

提出了基于时间区间的静态重构算法和动态重构算法.算法以最优流法为基础,以一段时间内的能量损耗最小为目标函数.首先利用配电网负荷模式的特点对基于时间区间的最优流计算方法进行了改进,然后利用该计算方法求解配电网的静态重构问题.动态重构中需要考虑开关操作次数的约束,为此,动态重构算法中先利用降损估算公式对开关操作在整个时间区间内的降损效果进行评估和比较,然后提出了合理的启发式规则来确定开关的操作顺序,形成优化方案.69节点配电网的算例结果表明,提出的静态重构和动态重构算法是可行和有效的.     

综合开关次数分析的配电网多目标动态重构

为使得配电网重构更为合理而有效,提出一种配电网多目标动态重构新方法。以降低网损和减少开关操作次数为综合优化目标构建配电网多目标动态重构模型,采用基于图论中代数连通度的网络连通性判别方法快速消除无效解,采用基于独立环路的实数编码策略大幅降低变量维数。针对该复杂模型的求解,设计一种新型的复合型微分进化多目标优化算法,通过融合不同特点的变异策略,兼顾个体多样性和收敛速度,解决了群智能进化算法存在的寻优深度与速度之间的矛盾。最后以IEEE 33节点配电系统为例进行多目标动态重构,通过对求得的Pareto最优解集以及开关操作性价比进行分析,验证了该方法的有效性和优越性。     

配电网络重构的算法研究

配电网络重构是降低网损、提高电网运行经济性和供电可靠性的主要途径之一。在满足各种运行约束条件下,以网损最小或可靠性最高为目标的配电网重构问题是一个典型的非线性整数组合优化问题,配电网重构是配电系统优化运行的主要措施之一,也是配电管理系统(DMS)中的一项主要功能。针对不同配电网的实际水平,提出一种新的、实用的重构算法,该算法结合了改进支路交换算法和递归虚拟流理论的思想,同时还考虑了配电网重构的实际操作中各种约束因素,如配电网自动化水平、最大开关操作次数等。由此算法开发的配电网重构分析程序采用面向对象的编程技术编写,通过对典型的几个算例进行分析,验证了该算法的有效实用性,可以用于实际配电网重构。     

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.     

基于快速非支配排序遗传算法的船舶电力系统多目标故障重构

为避免已有船舶电力系统故障重构方法中将多目标优化问题通过加权转化为单目标优化问题进行求解而产生的问题,以失电负荷最少、开关操作代价最小为目标函数,利用带精英策略的快速非支配排序遗传算法实现故障重构多目标、多约束问题求解,该算法求得的Pareto最优解分布均匀,得到的最优重构方案集具有稳定性和多样性。得到故障重构方案集后,对系统运行的安全性、可靠性、高效运行性等指标进行归一化处理,得到综合辅助评价函数作为各故障重构方案辅助评价指标。算例测试结果表明,该方法能避免单目标优化算法对权值的过分依赖等缺点,能够兼顾多个指标,得出的最优故障重构方案更加符合实际。     

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。     

基于适应性权重遗传算法的配电网多目标综合优化

针对配电网多目标综合优化问题的复杂性,以及网络重构、电容器投切的离散控制变量优化问题,基于遗传算法从全局角度来求解此优化问题,研究了网络重构、电容器投切的编码方案,以及两者的综合编码方案,并研究给出合理的选择、交叉、变异以及保留操作策略。针对线损、电压质量以及线路负载多目标的各个目标权重难以确定问题,进一步引入适应性权重遗传算法,随着遗传代数的进化,算法自适应地给出各个目标权重。仿真算例验证了所提算法用于配电网多目标综合优化的合理性。     

基于蚁群禁忌搜索混合算法的配电网重构

介绍了以最小化配电网网损为目标函数,以网络拓扑约束、潮流约束、运行约束以及辐射状约束为约束条件,在基本蚁群算法基础上的改进型蚁群禁忌混合算法在配电网重构中的应用,在IEEE 69节点系统的计算中,蚁群禁忌混合算法与禁忌算法相比提高了优化效果,从而证明了蚁群禁忌混合算法的实用性。     

基于蚁群算法的配电网网络重构

针对配电网网络重构问题,在考虑配电网电压稳定的前提下,提出了降低配电网网损的目标函数,利用蚁群算法正反馈的特性,将其应用于配电网重构中,并设置中心控制蚂蚁搜索当前最优解作为各条边信息素更新依据。为满足配电网辐射状结构要求,结合P rim算法,使蚂蚁一次遍历对应一个辐射网形,即一个有效的开关组合,大幅度缩小了问题的解空间。实例证明采用的蚁群算法可以得到较文献[1]网损更小的配电网重构方案,且重构后的系统在处理负荷增大问题上较重构前系统有更好的调控能力,系统稳定性得到提高。     

改进蚁群算法求解船舶电力系统故障重构问题

船舶电力系统故障重构是一典型的非线性组合优化问题.文中给出一种改进的蚁群算法来实现故障下的网络重构,将重构问题看成子集类优化选择问题,修改并建立适合解决此类问题的蚁群算法模型.根据船舶电力系统重构特点,设计了一种可变邻域搜索算子以进一步探索优质解附近可能存在的更优解,针对算法易出现的劣质解元件,设计了两种优化操作以减少劣质解的产生,改善解集合的质量.算例分析表明,改进后的蚁群算法可以有效实现船舶电力系统的故障重构.     

基于蚁群最优的配电网络重构算法

配电网络重构是一个非常复杂的大规模组合优化问题。本文提出了一种新颖的基于蚁群最优的算法来求解正常运行条件下的配电网络重构问题,以达到损失最小,蚁群最优算法法（Ant Colony Optimization,简称ACO算法）是一种新型通用内启发式算法。在求解组合最优问题上,ACO算法已被证明是非常有效的。ACO算法本质上是一个多代理系统,在这个系统中单个代理之间的交互导致了整个蚁群的复杂行为。这种方法的主要特征是正反馈,分布式计算以及富有建设性的贪婪启发式搜索的运用,为了证明本文提出的算法的可行性和有效笥,我们研究了两个算例系统,并给出了计算结果,结论表明,本文提出的算法是相当有希望的。     

基于混沌蚁群算法的配电网重构

配电网重构是电力系统为了降低网损而采取的主要措施之一。主要在基本蚁群算法的基础上,通过加入了混沌初始化和混沌扰动对基本蚁群算法做了改进,并应用到配电网重构问题上。通过加入混沌初始化,加快了算法的搜索速度;通过加入混沌扰动,使算法本身有效的避免了陷入局部最优解的问题,从而使算法快速、准确的找到最优解。最后通过对IEEE69节点系统算例的仿真,取得了较好的效果,证明了算法的有效性、可行性。     

分布式电源的配电网重构和电容器优化投切

综合考虑最优潮流、配电网重构和电容器优化投切,建立了计及分布式电源的配电网经济运行模型。鉴于模型的复杂性,采用结合最优潮流和改进蚁群算法的混合优化方法进行求解。该方法将最优潮流嵌入改进蚁群算法中,利用最优潮流求解考虑网络安全约束的分布式电源优化调度问题,利用改进蚁群算法优化配电网结构和电容器档位。为了提高蚁群算法的优化效率,建立含有局部搜索蚂蚁的混合蚁群,平衡蚁群算法的全局和局部搜索能力。通过对16节点和33节点的测试系统仿真,表明提出的模型和算法正确有效。     

蚁群BP网络转速辨识器的优化

将排序加权的方法引入基本蚁群算法中,用改进型蚁群算法优化BP神经网络的权值和阈值,有效地解决了BP神经网络训练时容易陷入极小值的缺点,提高了收敛速度,得到了一种时间效率和求解效率都比较好的启发式方法,即改进型蚁群神经网络。运用该方法对直接转矩控制系统中的电机转速进行了辨识。仿真试验结果表明:该改进型蚁群神经网络不仅具有广泛的映射能力,还明显提高了运算效率,能够准确地辨识电机转速,具有良好的辨识效果,实现了无速度传感器直接转矩控制。