基于改进PSO优化RBF神经网络线损计算与分析

为了准确计算配电网线路损耗,进行窃电位置的判断,提出改进粒子群算法优化RBF神经网络的计算和分析模型。以机器学习为切入点,通过数据驱动的方式,利用改进粒子群算法优化RBF神经网络重要参数,分别构建了相关线损计算和分析模型,基于IEEE13节点配电网络参数,实现理论线损计算和窃电位置判断。通过Matlab仿真验证上述模型的准确性和可靠性。     

基于智能算法的10kV配电网线损评估

为更全面、准确地评估10kV配电网线损水平,提出了一种基于粒子群算法(PSO)优化BP神经网络(BPNN)的较为准确有效的10kV配电网理论线损预测方法。首先筛选和构建5个电气特征指标描述10kV配电网结构和运行状态;其次采用惯性因子和学习因子动态调整的粒子群算法,全局搜索BP神经网络的权值和阈值来构建PSO-BPNN线损评估模型;通过对训练样本集的学习,拟合电气特征指标与线损之间的非线性关系,进而对测试样本集线损进行预测。最后应用某地区10kV配电网的实际样本数据验证了所提方法的有效性与合理性。     

改进粒子群算法和最小二乘支持向量机的电力负荷预测

针对最小二乘支持向量机在电力负荷预测应用中的参数优化问题,将改进粒子群算法引入到最小二乘支持向量机参数中,建立一种新型的电力负荷预测模型(IPSO-LSSVM)。首先将最小二乘支持向量机参数编码为粒子初始位置向量;然后通过粒子个体之间的信息交流、协作找到最小二乘支持向量机的最优参数,并针对标准粒子群算法的不足进行相应改进;最后将其应用于电力负荷建模与预测,并通过仿真对比实验测试其性能。实验结果表明,IPSO-LSSVM可以获得较高准确度的电力负荷预测结果,大幅度减少了训练时间,满足电力负荷在线预测要求。     

基于改进粒子群算法的火电系统节能环保多目标优化调度模型

针对火电系统生产过程中的环境污染问题,提出以火电系统节能环保为重点研究对象的多目标优化调度模型,并以改进的粒子群算法进行求解。结合灰色系统理论中有关灰色关联度的概念对粒子群算法多目标求解机制进行改进,对煤耗量、污染气体和烟尘排放等的多目标火电系统优化求解,引入压缩因子改善粒子群算法的性能,增强其全局收敛能力。通过IEEE 14节点系统算例证明本算法的有效性。     

一种改进粒子群优化算法的配电网重构

提出了一种改进的粒子群优化算法(RPSO)来解决配电网络重构问题。在RPSO中,根据配电网络的具体特点,将遗传算法中的优化编码技术引入粒子群优化方法中,通过粒子群体对基因代码的操作,提高算法的搜索性能。在寻优过程中,以适应度方差大小衡量粒子群体的"聚集"情况,并根据"聚集"情况来自适应调整群体的变异概率,用以克服粒子群优化算法(PSO)的早熟现象。通过对3个典型的IEEE测试网络重构,并与粒子群算法和遗传算法进行比较,改进的粒子群优化算法比粒子群算法和遗传算法具有更高的搜索效率。     

配电网重构智能决策方法研究

将粒子群智能算法应用于配电网络重构,通过IEEE-33节点标准算例进行了验证,结果表明粒子群算法具有较好的寻优性能,非常适用于解决配电网络重构这类组合优化问题。用MATLAB编程实现了基于粒子群算法的配电网络重构,对算例进行计算和结果分析,验证了网络重构模型的合理性和粒子群算法的有效性。     

含分布式电源点的区域配电网三相线损测试研究

当前区域配电网三相线损测试难度大,为解决该问题,提出了基于神经网络的含分布式电源点的区域配电网三相线损测试方法。根据神经网络结构,分析目标不同层次特征,在特征响应支持下,分析三相四线制连接方式下的线损。利用神经网络的监视控制层实时采集线损数据,通过粒子群算法对神经网络进行优化,确定用于全局搜索的神经网络阈值,设定粒子群算法收敛条件,重新赋予线损测试值,动态调整学习因子,评估种群适应度,由此设计三相线损测试流程,实现含分布式电源点的区域配电网三相线损测试。实验结果表明,该方法测试干扰幅值较低,测试精准度高,有助于降低线损。     

基于粒子群算法的变电站工频电场优化

为降低变电站工频电场曝露水平,避免工作人员长期曝露其中可能造成的健康威胁,通过优化电站设备布局来降低一次设备周围近地面空间电场强度。建立220 k V户外配电设备3维几何模型,采用软件仿真计算出220 k V户外配电区电场分布,并将电场强度高于限值的设备区作为待优化区域。提出适用于变电站电场优化问题的粒子群优化算法的适应度函数和限制条件。以降低设备区外部电场分布作为优化目标,对其进行整体优化计算,在此基础上,以降低设备区内部高场强分布作为优化目标对相关设备位置进行微调。最后将计算所得最优电场分布与原电场分布进行对比,整体优化后的适应度函数值减小了83.4%,局部优化后适应度函数值再次减小了29.1%。优化结果表明,利用粒子群算法对设备排布重新优化,可以在不增加建设成本的前提下降低目前变电站工频电场曝露水平。     

基于改进量子粒子群算法的配电网络优化重构

为了更好地利用分布式电源(DG),需要调整配电网开关状态优化网络结构。基于此,旨在利用一种智能算法对含DG的配电网进行优化重构。以网损最小为目标函数,建立配电网重构模型,并给出重构需要满足的约束条件;按照DG接入配电网的接口类型将其分为PQ型、PV型、PI型和PQ(V)型四种类型,选择前推回代法对含DG的配电网进行潮流计算;通过分析二进制粒子群算法(BPSO)与量子粒子群算法(QPSO),提出了一种改进的量子粒子群算法—加权的二进制量子粒子群算法(WBQPSO)。以IEEE33节点配电系统为例,采用二进制编码方式,通过仿真结果可以发现WBQPSO通过对粒子的平均最好位置加权处理,改善种群多样性,提高收敛速度,可以得到更好的网络重构的优化结果。     

基于IPSO-LSSVM的风电功率短期预测研究

风电功率预测的关键是预测模型的选择和模型性能的优化。选择最小二乘支持向量机(least squares support vector machine,LSSVM)作为风电功率预测模型,使用改进的粒子群算法（improved particle swarm optimization algorithm ,IPSO）对影响最小二乘支持向量机回归性能的参数进行优化。在建立了改进的粒子群算法优化最小二乘支持向量机（LSSVM）的风电功率预测模型后,运用该模型对广西某风电场进行了仿真研究。为了对比研究,同时使用前馈(back propagation,BP)神经网络模型和支持向量机（support vector machine,SVM）模型进行了预测。最后采用多种误差指标对三种模型的预测结果进行综合分析。结果表明,使用改进的粒子群算法优化最小二乘向量机（IPSO-LSSVM）的风电功率预测模型具有较高的预测精度。     

考虑节能效益的企业分布式电源优化配置

针对企业供配电系统分布式电源规划问题,以企业节能效益最大化为目标,建立企业分布式电源优化配置模型。采用改进粒子群算法进行求解,将参数自适应调节、粒子交叉、模拟退火算法融入粒子群算法,有效提高了粒子群算法的寻优效率。采用IEEE33节点配电系统进行了算例仿真分析,仿真结果表明,利用此模型对分布式电源进行优化配置后,配电网损耗降低、电压质量显著提高、企业节能经济效益得到最大化提升。算例有效验证了优化配置模型与改进粒子群算法的可行性。     

基于改进粒子群算法的高中压配电网实时电压无功优化

针对高中压配电网电压无功优化中的开关设备动作次数问题,提出了基于改进粒子群算法的实时电压无功优化方法。该方法将带有记忆与指导信息的活性因子加入适应度函数,根据配电网特点初始化粒子种群,实现实时优化计算中动作次数约束的考虑。在速度更新公式中引入约束指导分量,将位于不可行域内的粒子尽快拉回可行域,减少粒子在无效空间的搜索。对粒子群进行分群寻优,通过采取不同的适应度计算策略加速了算法的收敛。对某一实际高压配电系统进行了实时电压无功优化计算仿真测试。结果表明算法在改善系统电压、降低网损和控制动作次数方面是令人满意的。     

基于改进粒子群算法的配电网分布式电源规划

合理地对分布式电源进行选址和定容对于实现配电网网损最小是至关重要的。应用改进粒子群优化算法进行配电网分布式电源（DG）规划,并结合罚函数法将DG规划问题转化成无约束求极值问题,从而有效地提高了改进粒子群优化算法的全局收敛能力和计算精度。对69节点和33节点配电测试系统进行仿真计算,结果表明了论文采用的DG规划模型和改进粒子群优化算法的正确性和适用性。     

基于改进粒子群算法的配电网分布式电源规划

合理地对分布式电源进行选址和定容对于实现配电网网损最小是至关重要的.应用改进粒子群优化算法进行配电网分布式电源(DG)规划,并结合罚函数法将DG规划问题转化成无约束求极值问题,从而有效地提高了改进粒子群优化算法的全局收敛能力和计算精度.对69节点和33节点配电测试系统进行仿真计算,结果表明了论文采用的DG规划模型和改进粒子群优化算法的正确性和适用性.     

基于人工神经网络小电流接地选线方法研究

针对小电流接地故障选线方法进行了研究,使用人工神经网络模型实现接地故障选线。为了提高神经网络算法的性能,使用一种改进的神经网络算法,对遗传算法中的相应遗传算子以及染色体结构进行改进,通过自适应交叉变异概率的引入,从全局均衡和优化初始网络权重以及BP网络结构。使用110 k V/35 k V的配电系统作为小电流接地故障选线实例分析,对常规神经网络算法和改进神经网络算法进行对比。研究结果表明,改进神经网络算法的输出误差要低于常规神经网络算法,正确选线率要高于常规神经网络算法。     

计及分布式电源的配电网无功优化

在配电网中完成对分布式电源优化配置后,某些节点电压依然不够理想,故对含DG的配电网进行无功优化是必要的。针对标准粒子群优化算法的不足,提出一种新的方法。首先采用网损灵敏度分析法确定补偿节点,然后结合二次电流矩和序优化理论对该算法的初始粒子进行改进,最后将收缩因子和模拟退火操作引入到粒子速度更新中以增强种群的多样性。通过该混合算法对含有DG的IEEE33节点配电系统进行仿真分析,其结果表明该混合算法具有更好的收敛性和更强的全局寻优能力。     

基于改进粒子群优化LSSVM的金属腐蚀速率预测模型

针对电力金属设施在土壤中的腐蚀预测问题,分析现有腐蚀预测方法的不足,考虑金属腐蚀影响因素,研究提出了一种采用改进粒子群优化LSSVM的金属腐蚀速率预测方法。在传统粒子群算法中引入收缩因子,以控制粒子速度,增强粒子的搜索能力,从而解决粒子群早熟问题。采用实验数据进行仿真分析,改进PSO-LSSVM预测模型的平均相对误差仅为2.24%,与其他几种方法相比,改进粒子群优化的LSSVM算法具有更高的预测精度。     

一种混合智能算法在电网优化中的应用

针对配电网络重构多为单一性能最优重构,提出了使配电网线损、负荷均衡、供电电压质量最佳的多目标配网优化模型.结合GA 中的进化思想和粒子群算法(PSO)中的群体智能技术,采用遗传粒子群混合算法寻优,通过随机权重方法来获得目标是Pareto前沿面的可搜索方向,体现出较GA和PSO更好的寻优性能.在此基础上制定的配网优化方案能够在保证配网呈辐射状、满足馈线热容、电压降落要求和变压器容量等的前提下,最大限度提高配电系统安全性和经济性.算例表明,该算法在求解性能和效率两方面都有比较显著的优势.     

基于改进粒子群算法的分布式电源接入规划

建立了含分布式电源的配电网规划经济性模型,以折算到每年的分布式电源的投资及运行费用和线路有功网损运行费用最小为目标函数,并应用改进粒子群优化算法进行配电网分布式电源(DG)规划,从而有效地提高了改进粒子群优化算法的全局收敛能力和计算精度。对69节点和33节点配电测试系统进行仿真计算,结果表明了论文采用的DG规划模型和改进粒子群优化算法的正确性和适用性。     

基于粒子群算法与内点算法的无功优化研究

提出了基于改进粒子群算法和预测-校正内点法的解耦无功优化算法。通过引入时代因子和邻近变异策略,同时采用分段处理方法对粒子群算法进行改进。运用预测-校正算法替代原-对偶内点,使得在内点法寻优过程中的迭代步长加大,同时避免寻优过程中振荡的出现。将改进粒子群算法和预测-校正内点算法分别用于无功优化的离散优化和连续优化子问题。将所提出的方法应用于IEEE30节点和IEEE118节点的系统。算例表明：与采用传统粒子群算法和原-对偶内点算法的混合无功优化相比,提出的方法在计算速度和优化效果方面都具有明显的优势。