基于自适应多种群遗传算法的配电网重构

配电网重构是配电管理系统的重要内容,从本质上讲,它是一个非线性组合优化问题,若采用传统的遗传算法处理,由于其易于陷入局部最优解和随着配电网规模的扩大搜索效率低的问题,难以得到理想结果。提出一种改进的遗传算法来处理配电网重构问题,借助多种群进化和种群间个体移植的概念,通过自适应控制参数的调整,有效地避免了早熟,提高了算法的搜索范围和效率,较好地解决了配电网重构问题。理论分析和算例表明,该方法高效可行,适合配电网自动化的实际应用要求。     

配电网中基于改进的多种群遗传算法的分布式发电规划

介绍了分布式发电的概念、分类,分析了分布式发电对配电网及其规划的影响,并对目前存在的分布式发电规划模型进行了总结和研究.最后提出一种改进的多种群遗传算法,经实例验证改进算法具有更好的收敛性和适应性.     

基于自适应多种群遗传算法的配电网规划

针对传统遗传算法易于陷入局部最优解和随着配电网规模的扩大搜索效率降低的问题,借鉴多种群和自适应思想,提出了基于自适应多种群遗传算法的配电网规划算法。通过对目标函数进行处理,引入了多个物种,并采用自适应遗传算法和考虑进化稳定的改进多种群遗传算法分别对不同的物种进行操作,通过转移优秀个体,实现了物种之间的协同作用。同时为解决遗传算法应用于配电网规划时产生的大量不可行解的问题,借助图论知识和搜索技术给出了不可行解的修复方案,通过对孤岛,孤链和环进行修复,将非辐射状网络修复为辐射状网络。算例结果验证了该算法的实用性和有效性。     

基于遗传算法的配电网故障恢复模型研究

配电网的故障恢复算法的功能是在允许的操作条件和电气约束下,通过网络重构尽可能多地将停电区域的负荷转供到正常的馈线上。最终得到的解是一系列开关组合。如果仅采用传统的穷举法搜索将出现"组合爆炸"问题。使问题更趋复杂。针对这一问题,提出了一种基于遗传算法的配电网故障恢复算法。算法采用适应度比例法与最佳个体保存法相结合的选择方法,可以快速改进自适应调整的交叉率和变异率,最大化提高计算效率。     

基于多Agent演化算法的多目标配电网故障恢复

针对大规模配电系统,定义了配电网运行均衡度指标,在完成重要负荷的优先恢复基础上,尽可能多地恢复失电负荷,再综合考虑配电网运行均衡度与网损两方面,建立了配电网多目标故障恢复数学模型。提出一种基于多Agent演化思想的多目标配电网故障恢复算法,每个目标作为一个代理（AG）,代理（AG）拥有各自的演化群体,以各自的单个目标作为演化过程中的评价函数,在寻优过程中协调代理（CAG）将代理（AG）发送过来的最优解的概率分布进行合成,然后再发回给单个代理（AG）,作为产生下一代解的依据。算例表明,该方法在很少的演化代数内将解群体收敛到Pareto最优解集,证明了该方法的高效性和实用性。     

基于多代理的智能配电网故障恢复

针对传统的配电网故障恢复方法其效率低下,对复杂智能配电网系统的适应能力差的问题,结合现有多代理技术的思想,提出了基于多代理技术并结合改进遗传算法的智能配电网故障恢复的新方案。以某地区实际配电网模型进行仿真,结果显示,将多代理技术运用到配电网故障恢复中能获得更好恢复效率,并能够尽量减少故障区域的重要负荷的失电,并对非故障区域的失电负荷进行供电,仿真实验证实了多代理技术在配电网故障恢复中的可行性和优越性。     

基于种间竞争遗传算法的配电网故障恢复

当配电网发生故障时,会出现剩余电源容量不够恢复所有的停电区域的情况,此时应以尽可能恢复更多的停电区域为目的。针对配电网自身的特点,确定了故障恢复模型所采用的目标函数及其约束条件,在基于种间竞争的遗传算法的基础上,引入了自适应策略,运用交叉算子和变异算子的自适应技术协调种内进化过程,通过种间竞争频率的自适应调剂促进最优个体的生成,并根据实际情况,对于染色体交叉、变异加以改进。算例分析表明,该算法具有更强的全局搜索能力和收敛速度,可以恢复更多的停电区域。     

基于遗传算法的配电网故障恢复

研究配电网的故障恢复系统,对故障恢复系统中涉及到的多方面问题做了阐述,并且利用遗传算法来解算配网的网络重构以求得最佳结构恢复负荷。同时利用Matlab软件编写相应程序对实例进行了仿真与分析,得到了配电网故障恢复最优方案。最后,结合故障恢复的需要采用前推/回代算法进行配电网潮流计算,验证了方案的可行性。     

基于自适应模拟退火遗传算法的多能源协同配电网故障恢复分区方法

在当前地区电网大规模接入新电源发电场站的背景下,提出一种基于自适应模拟退火遗传算法的传统发电机组和新能源发电场站协同的区域配电网故障恢复分区方法。该方法利用传统发电机组良好的调频和调压能力作为区域电网恢复中的主控制电源,为新能源发电提供参考电压和频率,保障了电网区域的稳定运行。在恢复方法中采用模拟退火遗传算法,并在传统的遗传算法中加入模拟退火机制和自适应机制,对遗传算法的选择、交叉和变异环节进行自适应调整,增强了传统遗传算法的搜索能力,提高了收敛性,实现了地区电网的快速恢复,提高了地区电网运行的可靠性。采用美国PG&E69节点配电网算例对该方法进行了验证,仿真计算结果证明了该方法的优越性。     

基于改进的自适应遗传算法的智能配电网重构研究

配电网故障恢复重构是智能配电网实现自愈功能的控制手段。采用改进的自适应遗传算法进行配电网故障后的恢复重构：根据接入分布式电源的配电网的特点提出基于环路的编码策略,可以减少表示孤岛的不可行解;自适应的交叉率、变异率使算法可以根据种群进化情况改变,保护优秀个体;自适应的种群规模是基于个体寿命和规模控制,可以提高遗传算法的收敛性能。通过IEEE33节点配电网络中对算法进行仿真验证,表明分布式电源的接入可以有效地降低网络损耗;对比其他算法,具有更快的收敛速度和更好的稳定性。     

基于自适应遗传算法的配电网DG选址与定容

以配电网规划投资为考虑因素,建立了含分布式电源(DG)的配电网规划经济性模型,以折算到每年的DG的投资运行费用、线路运行费用及引入DG后购电费用最小为目标函数,采用自适应遗传算法解决DG布点规划问题。通过对某地35节点低压配电网算例进行仿真计算,验证了本文算法的有效性,并得到了DG较为合理的安装位置和接入容量。     

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。     

基于改进遗传算法的含分布式电源的配电网故障定位

大量的分布式电源接入配电网,使得配电网的结构和运行方式均发生了变化。已有的故障定位方法受到了影响,甚至会出现误判。重新定义了含分布式电源的配网中各个开关的正方向,并建立改进遗传算法的开关函数和适应度函数。对算例进行仿真分析,结果表明,改进的遗传算法在含分布式电源的配电网中能准确地定位故障。     

基于改进遗传算法的配电网故障诊断

针对传统配电网故障诊断系统的不足，提出基于改进GA的配电网故障诊断方法．提出节点表示配电网络的模型描述方法，将配电网基本组成元件归纳为进线断路器、开关和线路3类．在实现拓扑分区的基础上，深入研究适应度函数和遗传算子及参数等的改进．仿真实验表明该方法的有效性和高容错性．     

基于多目标混沌量子遗传算法的分布式电源规划

针对配电网加入分布式电源的经济技术优化目标,给出了分布式电源多目标规划的数学模型;结合实数编码量子遗传算法和非支配排序、精英保留、分层聚类等多目标优化策略,提出了多目标混沌量子遗传算法,并对分布式电源的安装位置和容量进行了综合规划研究。算例分析表明,所提算法在计算精度、收敛速度和寻优能力上均优于传统多目标遗传算法,为实...     

基于自适应遗传算法的配电网络重构

建立了兼顾经济性和可靠性的多目标配电网络重构数学模型，采用自适应遗传算法进行求解，根据个体适应度的变化自动调整交叉与变异概率，克服了遗传算法易早熟的缺点，加快了算法寻优速度。通过仿真算例分析比较，该方法是可行有效的。     

基于BAS-IGA的含分布式电源配电网故障定位

针对遗传算法解决含分布式电源配电网故障区段定位易早熟收敛的问题,提出了一种基于天牛须搜索算法和改进遗传算法相结合的故障定位方法.该方法首先利用天牛须搜索算法产生高质量的初始种群,其次通过构造遗传算法数学模型、优化3种遗传算子和调节交叉变异概率对遗传算法进行改进,最终经遗传迭代产生最优解,达到精确定位故障区段的目的.以I...