带精英策略的快速非支配排序遗传算法在多目标无功优化中的应用

带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)是一种新型的多目标遗传算法,该算法求得的Pareto最优解分布均匀,收敛性和鲁棒性好.本文分析了当前多目标无功优化算法存在的缺陷,提出将NSGA-Ⅱ应用于多目标无功优化,该算法一次运行可以获得多个Pareto最优解,决策者可根据系统的实际要求选择最终的满意解,为各目标函数之间的权衡分析提供了有效的工具.算例结果表明NSGA-Ⅱ算法具有良好的优化效果,是一种求解多目标无功优化问题的新思路.     

基于NSGA Ⅱ算法的配电网串联补偿装置参数的多目标优化

为了更好地采用串联补偿装置解决供电半径过大的配电网末端电压偏差问题和网络损耗问题,研究了确定串联补偿装置阻抗值和安装位置的多目标优化算法。以线路电压偏离度和网络有功损耗最小为目标函数建立了配电网串联补偿装置的参数多目标优化模型。运用NSGA-Ⅱ算法求解多目标优化模型,并获得帕累托解集,再采用逼近理想解排序法(TOPSIS)在解集中求得最优解。通过IEEE 34节点配电网算例验证了模型的可行性和算法的有效性。结果显示,本文所建立的模型与采用的方法可以快速有效地确定串联补偿装置的安装位置和容抗值,并优于单目标优化的结果。此外,在不同负载条件下串联补偿装置的最佳安装位置不同,可以采用多点串联补偿方法来获得更好的效果。     

基于HSA-FNSA混合算法的配电网群故障恢复多目标优化决策

为快速获得系统故障后配电网群故障恢复优化方案,提出了一种基于启发式搜索-快速非支配排序混合算法（HSA-FNSA）的配电网群故障恢复多目标优化决策方法。首先,建立了配电网群故障前后的拓扑模型及故障类型的图论描述,并采用HSA算法获得故障恢复方案集;随后利用分层前推回代法求解配电网潮流以获得运行参数;进一步建立考虑配电网韧性、网损、电压不平衡量和开关操作次数的故障恢复多目标优化决策模型;引入FNSA算法获得帕累托非劣解集并确定终选方案。通过IEEE三馈线算例验证了所提方法在求解配电网群多类型故障恢复的可行性和优越性。     

面向配电网风电消纳的冰蓄冷空调系统多目标优化策略研究

未来配电系统可再生能源渗透率日益提高。针对配网中风电消纳问题,考虑在系统中引入具有负荷转移特性的冰蓄冷空调进行需求响应控制,将夜间产生的风能转化为冷能并以冰形式存储,在日间用电峰段融冰释冷削减空调的用电峰值。具体来说,考虑系统内供电公司和风电生产商的综合运行成本以及空调用户的用电成本,建立基于能源效率和经济效益的多目标优化模型。以供电公司、风电生产商和空调用户的利益最大化为目标,采用非支配排序遗传算法-II(NSGA-II)对Pareto非支配解集进行求解,生成的Pareto解集,通过模糊隶属度法过滤选取最优解。最终根据最优解内参数变量的数值,对空调制冷机功率和蓄冰设备的融冰量进行调控。提出的算例验证了所提方法的有效性和可行性。     

串联补偿装置在配电网的参数优化

近年来,串联补偿装置在配电网中有了更多的应用,需要研究串联补偿装置在配电网中的配置方案,满足配电网在多种状态下的运行需求.但是配电网的负荷是存在较大波动,电力企业希望能在串联补偿装置可以在配电网不同负荷状态下实现降损和改善线路低电压问题.为此,本文建立一种综合考虑配电网负荷运行状态的多目标优化模型,以线损率和电压偏离度...     

基于改进NSGA2算法的配电网分布式电源优化配置

分布式电源接入配电网对其潮流分布、有功网损、电压稳定等多方面造成影响.建立以分布式电源有功网损、电压稳定性指标和投资成本最小为目标的配电网多目标优化模型.提出了改进的带精英策略的非支配排序遗传算法（non-dominated sorting genetic algorithmⅡ,NSGA2）,将改进单亲遗传算法移植到NSGA2,对非劣分层算子进行改进,缩短算法计算时间,最后通过IEE33节点算例分析,结果表明该模型可以在投资成本、有功网损、电压稳定性方面,较为全面地优化配电网分布式电源的配置.     

水库群消落期多目标智能优化调度研究

本文考虑了河道天然流量模式调度需求,以发电量、供水满足度最大和河道流量偏差函数值最小为目标,建立了水库群消落期多目标优化调度模型,采用非支配排序遗传算法求解,以湘江流域东江-双牌-涔天河水库群为研究对象,进行了实例分析。研究结果表明：相比常规方案,在丰、平、枯水年情景下,发电量最大方案分别能提高1571万kW·h(11.2%)、1167万kW·h(10.9%)和811万kW·h(10.0%)的发电量;生态效益最好的方案,能减小1.56(61.2%)、0.33(6.3%)和0.89(13.6%)的河道流量偏差函数值;供水满足度最大的方案能提高2.1%、2.6%和3.4%的供水效益。构建的水库群消落期多目标优化调度模型可为长江流域水库群消落调度提供理论参考。     

磁悬浮开关磁阻电机多目标优化设计

研究了一种基于极限学习机(extreme learning machine,ELM)与带精英策略非支配排序遗传算法(improved non-dominated sorting genetic algorithm,NSGA-II)的单绕组磁悬浮开关磁阻电机(single winding bearingless switched reluctance motor,SWBSRM)多目标优化设计方法。结合有限元分析(finite element analysis,FEA),分析了SWBSRM悬浮力、转矩随各结构参数变化的一般规律,得到ELM非参数模型。针对该训练模型并结合NSGA-II进行全局寻优,获得使悬浮力、转矩同时更优的结构参数数值组合。通过对比优化前后电机输出悬浮力、转矩大小,验证了以ELM、NSGA-II为基础的SWBSRM结构多目标优化设计的有效性。     

一种改进的遗传多目标优化算法及其应用研究

为解决含多个目标和多约束的优化问题,本文结合了非支配排序思想、精英保留策略,小生境技术,并对传统的小生境技术中基于个体适应度的淘汰技术进行改进,提出了一种向量模适应度函数来作为淘汰准则,得到一种改进的Pareto遗传多目标优化算法。通过最小化两个多元目标函数,验证了该算法能够获得更加均匀分布的Pareto前沿,避免了局部收敛的问题。在此基础上,将改进多目标优化算法用于PID控制器参数整定,以锅炉过热汽温串级控制系统为例进行了仿真研究。结果表明改进的遗传多目标优化算法可以获得多组对应不同性能指标的控制器参数,为决策者提供了更多的选择余地,具有很好的应用价值。     

基于病毒进化改进NSGA-II算法的扩展黑启动多目标优化

为了保证黑启动小系统的安全恢复和合理兼顾多目标优化方法的快速搜索与局部搜索,提出基于病毒进化改进NSGA-II算法的综合功率支持和恢复安全裕度的扩展黑启动方案多目标优化方法。以初期阶段内发电量加权和最大化、电压稳定裕度最大化和维持节点电压在满意水平为目标建立多目标优化模型。在快速非支配排序遗传算法(NSGA-II)的染色体中引入生物病毒机制和病毒感染操作,利用病毒的横向感染对解空间进行局部搜索,避免强化全局寻优时的前沿退化。然后结合基于病毒进化改进NSGA-II算法与最短路径法对扩展黑启动方案求解出Pareto最优解集。以新英格兰10机39节点系统和河北南网实际系统为算例验证所提方法的有效性,该方法为决策者提供了更全局性的选择空间,从而保证扩展黑启动小系统安全可靠地恢复更多出力。     

含分布式发电的配电网多目标无功优化策略研究

为以最省的无功设备投资、最大限度地保证系统经济运行,增加解决问题的灵活性,研究了含分布式发电(DG)的配电网多目标无功优化策略,即构建含DG的配电网多目标无功优化模型。运用自适应多目标粒子群(AMOPSO)算法求解此问题,一改传统将多目标问题转化为单目标求解的做法。为验证所提策略,以含DG的IEEE 33节点系统为例,将AMOPSO应用于以最小化系统有功网损和最小化无功补偿设备容量（投资）为目标函数的多目标无功优化问题。仿真表明,采用该策略为决策者提供了可供选择的多样性解;优化结果验证了所建多目标模型的优越性和所提算法应用的可行性和有效性。     

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。     

计及电动汽车充电模式的主动配电网多目标优化重构

电动汽车的入网会影响到电网的经济性和安全性,而配电网重构是电网优化运行的有效措施。根据主动配电网(ADN)的特点,提出了含分布式电源(DG)和电动汽车充电的优化重构模型。通过有功网损灵敏度确定DG的安装位置和容量,构造出DG出力和EV充电的多时段概率模型。建立有功网损、电压偏移指标(VSI)和开关操作次数的多目标优化数学模型以确定系统的最佳重构方案,并在IEEE33节点标准配电系统中,采用引入小生境技术的改进多目标粒子群算法(IMPSO)进行计算,提高了算法的全局寻优能力。考虑了电动汽车无序充电和智能充电两种模式,对比不同场景下得出的结果,验证了该方法的实用性和有效性。     

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。     

兼顾均匀性的多目标配电网重构方法

提出了一种兼顾均匀性的配电网多目标重构方法。分析了不同均匀性网架结构下可靠性与网损的关系,给出了网架结构均匀性的评价指标。建立了兼顾均匀性的多目标配电网重构模型(distribution network reconfiguration based on system homogeneity,DSH),并采用改进多目标和声搜索算法来求解DSH模型。通过对IEEE 33节点测试系统的仿真分析,验证了DSH模型求解算法的有效性与合理性,给出了考虑可靠性和均匀性的配网重构问题的最优解集,供决策者根据实际情况选择。     

用于配电网多目标无功优化的改进粒子群优化算法

针对配电网多目标无功优化的应用需求以及优化算法存在的收敛性和多样性问题,基于Pareto熵的多目标粒子群优化算法,提出一种应用于多目标无功优化的改进粒子群优化算法。该算法在全局外部档案更新过程中引入冗余集策略,避免迭代过程中陷入局部最优解。将算法应用于配电网无功优化中时,采用离散变量取整方法,加快算法的收敛速度。建立网损、电压偏差及无功补偿装置投资最小的配电网多目标无功优化模型,并以IEEE 33节点配电网络为算例进行仿真,结果表明改进后的算法兼顾了优化的收敛性和多样性,能够在不同的优化要求下得到有效的无功优化方案。     

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。     

基于NSGA-II-PSO算法的微电网多目标优化运行模式

解决微网中新能源出力的随机性与波动性是微电网优化运行的前提和关键,为此,提出一种快速非支配排序遗传算法NSGA-II （non-dominated sorting genetic algorithm）和基本粒子群优化算法PSO（particle swarm optimization）相结合的NSGA-II-PSO算法,考虑将经济运行成本和环境污染成本作为优化的目标函数,建立常见发电单元以及蓄电池储能的多目标优化运行模型。通过Matlab仿真对比PSO、NSGA-II和NSGA-II-PSO算法的适应度收敛曲线,验证所提算法具有收敛速度快、全局和局部搜索能力强的优点,较单一的PSO算法和NSGA-II算法具有更优的特点;结合经典微网系统进行算例仿真,通过对单目标与多目标的分析,结果表明该算法能有效降低经济成本和使环境效益达到最优;并且进一步验证所提算法的优越性。