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.     

基于鸡群粒子群混合算法的配电网重构研究

为使配电网接入分布式电源后能快速、准确地重构,针对配电网重构的算法进行改进。对于粒子群算法易陷入局部最优的问题,提出与鸡群算法进行融合,以扩大搜索范围,避免搜索过程陷入局部极小,从而得到质量更好的解。最后在IEEE 33节点系统中,考虑分布式电源的接入,运用鸡群粒子群算法进行算例验证。     

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。     

基于改进蝙蝠算法的配电网分布式电源规划

合理规划接入电网的分布式电源能够提高能源利用效率,提高电力系统运行的经济性、灵活性和可靠性。建立了以分布式电源建设和运行总费用最小、系统网损最小、静态电压稳定指标最大为优化子目标的多目标规划模型。采用了一种新的仿生算法--蝙蝠算法,并针对蝙蝠算法的不足之处进行了改进,有效地解决了该算法易陷入局部最优、后期收敛速度慢等问题。通过14节点配电网测试系统进行了分布式电源选址和定容仿真分析。仿真结果表明,与传统的蝙蝠算法、粒子群算法相比,采用改进的蝙蝠算法能够更好、更快地得到分布式电源接入配电网的最优规划方案,验证了算法的正确性和可行性。     

基于浓度的粒子群算法在含分布式电源配电网重构中的应用

针对现有基于粒子群算法的配电网重构易陷入局部最优的问题,本文将一种基于粒子浓度的新型粒子群算法应用于含分布式电源配电网的重构,该方法基于粒子浓度对粒子群的更新进行引导,有效提高了粒子的全局搜索能力,优化了含分布式电源配电网的重构结果。对IEEE33节点标准算例进行了仿真计算分析,结果表明重构后最优解较大的降低了网络损耗,验证了论文中新型算法能有效应用于含分布式电源配电网的重构;对比基于标准粒子群算法的配电网重构结果,验证了论文中的重构方法有效提高了含分布式电源配电网的重构性能。     

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。     

基于改进蝙蝠算法对含分布式电源配电网重构研究

针对多类型分布式电源接入配电网后造成配电网拓扑结果复杂,而传统的遗传算法寻优搜索范围大、局部寻优易收敛等问题,本文提出一种基于改进蝙蝠算法的配电网重构算法。该算法利用回支关联动态矩阵切割合并电网回路,在保证配电网辐射状拓扑结构的同时简化拓扑搜索;利用K-means聚类对种群数据进行初始化聚类,解决局部最优;利用Powell局部搜索,加快算法的收敛速度。仿真实验表明,与其他标准蝙蝠算法和粒子优化算法相比,本文改进的算法有较快的收敛速度和较高的寻优精度;在配电网重构中,本文改进算法与其他算法相比,不仅有效地降低了原配电网的有功耗损还提高了节点电压幅值,一定程度上改善了系统的电压质量。     

基于量子行为粒子群算法的含分布式电源的配电网故障定位

分布式电源的大量接入,使得传统配电网故障定位方法的适用性变差。针对这一问题,引入量子行为粒子群算法实现含分布式电源的配电网的故障定位。在对量子行为粒子群算法进行改进后,使其更适用于包含0-1离散变量的配电网故障定位。同时算法融入了自然选择的淘汰机理,提高了算法的收敛性和精确性。考虑到在实际应用中故障信息的缺失,对信息采用了相应的补漏措施,提高了算法的容错性。算例的仿真结果验证了该算法定位的准确性、适用性及可行性。     

基于改进粒子群优化算法的DG准入容量与优化布置

为进一步优化配电网中分布式电源（distributed generation,DG）的准入容量和优化布置问题,以节点电压和线路载流量为约束条件建立了单电源和多电源准入容量的数学模型,以有功网损最小为目标函数建立了DG优化布置模型。为有效求解该模型,采用了基于粒子群优化（particle swarm optimization,PSO）算法和二次插值相结合的改进PSO算法,将该改进方法应用于IEEE 33节点标准算例,分别进行了DG的最优接入位置与最优容量的仿真,并与粒子群算法优化结果进行了对比,同时还分析了优化布置下的潮流分布。算例仿真结果表明该方法可有效减少DG接入后配电网的网损,提高配电网的供电质量。     

基于改进果蝇优化算法的分布式电源优化配置

研究分布式电源（distributed generation,DG）接入配电网的优化配置问题,基于模糊隶属度技术建立综合考虑投资效益、电压指标和网损的多目标优化配置模型,有效解决了因各子目标数量级不同而导致的过度优化问题。对一种新颖的仿生智能算法--果蝇优化算法（fruit fly optimization algorithm,FOA）进行改进,效仿细菌在觅食过程中的趋化思想,在算法寻优过程中引入吸引和排斥操作,有效提高了种群多样性,降低了算法陷入局部最优的可能。IEEE 33节点系统的仿真结果表明,与传统果蝇优化算法和粒子群优化算法（particle swarm optimization,PSO）相比,改进果蝇优化算法（improved fruit fly optimization algorithm,IFOA）在寻优速度和求解精度上都具有较大优势,能快速、有效地搜索到最优配置方案,从而验证了改进算法的有效性与合理性。     

基于混合智能粒子群算法的广义电源主动配电网优化配置

研究广义电源接入主动配电网的优化配置问题。提出一种电压偏差指标。建立综合考虑投资经济效益、电压偏差及污染气体排放指标的多目标优化配置模型。提出一种混合智能粒子群算法,在优化过程中引入快速非支配排序策略、精英保留策略和拥挤距离计算策略以改善其全局搜索能力。对IEEE-33节点、PG&E-69节点配电系统进行计算,分析在不同负荷水平下各指标的变化情况,研究负荷变化时广义电源的最佳配置。研究表明,广义电源的接入与合理配置能够有效提高投资运行效益和系统电压稳定性,同时说明该方法能够保证配置方案的多样性和多目标优化过程的寻优性。     

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HSA-PSO的配电网源-储协同优化控制方法

目前通常采用增加无功补偿装置的手段来解决高渗透率分布式电源接入时的配电网电压控制及网损优化问题,而兼顾分布式电源和储能系统调节作用的控制方法较少。考虑储能系统和分布式电源的协同配合,建立以配电网电压偏差最小、有功网损最小及分布式电源消纳量最大的配电网多目标优化控制模型。有效结合和声搜索算法和粒子群优化算法,提出具有自适应能力的和声搜索-粒子群算法（HSA-PSO）对所建立的模型进行求解。通过仿真算例验证了本文优化控制方法的有效性。     

基于改进粒子群算法的含DG配电网无功优化

含分布式电源(DG)配电网的无功优化是一个复杂的非线性优化问题,文中采用改进的粒子群算法(PSO)对配电网进行无功优化计算,建立以系统网损和电压平均偏离最小为目标函数,节点电压和电容器投切容量为约束条件的优化模型。在PSO中引入位置方差防止PSO陷入局部最优解,根据种群中粒子的适应度值对粒子进行变异处理,在保证算法收敛速度的基础上,改善算法性能。以含分布式电源的IEEE14节点配电系统为例进行无功优化分析,结果表明DG能增强电网运行的稳定性,所提算法具有较好的优化性能。     

基于量子粒子群算法的电力系统无功优化

量子粒子群算法是以粒子群中粒子的收敛特性为基础,依据量子物理理论提出的,改变了传统粒子群算法的搜索策略,可使粒子在整个可行解空间中搜索寻求全局最优解.首次将量子粒子群算法用于电力系统无功优化中,以网损最小为目标函数,在IEEE30节点系统上进行测试,通过仿真测试以及不同算法优化结果的对比,表明基于量子粒子群(QPSO)...     

基于自然选择粒子群算法含DG接入的配电网无功优化

以分布式电源接入配电网运行时产生的有功网损最小并能改善电压质量为目标,提出将自然选择机理与粒子群算法相结合的配电网无功优化方法。将DG向系统注入的无功功率作为配电网无功优化的控制变量,建立了包括目标函数、潮流方程等式约束和不等式约束的配电网无功优化数学模型。基于自然选择的粒子群算法其核心思想为每次迭代过程中将整个粒子群按适应值排序,用群体中最好的一半的粒子的速度和位置替换最差的一半的速度和位置,同时保留原来每个个体所记忆的历史最优值。通过对改进后的IEEE33节点配电系统进行仿真分析,结果表明所提出的算法具有很强的全局收敛性和稳定性,并能以最快的收敛速度搜索到系统最小网损值。