基于粒子群优化算法的配电网重构和分布式电源注入功率综合优化算法

随着分布式电源(distributed generation,DG)在配电网中安装比例逐年增加,配电自动化应加强对DG的优化调度功能,发挥DG对配电网优化的有利作用。配电网重构是配电网优化的重要措施,DG联网后,DG注入配电网功率直接影响配电网重构结果。为使配电网性能达到整体最优,提出了一种基于粒子群优化算法(particle swarm optimization,PSO)的配电网重构和DG注入功率综合优化算法。该算法根据PSO并行计算的特点,采用PSO和二进制粒子群优化算法(binary particle swarm optimization,BPSO)相结合的方式,对转换开关状态和DG注入功率2种控制变量同时处理,达到配电网网损、电压偏差最小的目的。将DG作为可调度设备,对配电网重构和DG注入功率进行综合优化,提高了含DG配电网的电能质量和供电可靠性。将该算法应用到3馈线配电系统,仿真结果验证了所提算法的有效性。     

基于差分粒子群算法的变电站选址定容规划

针对标准粒子群算法(particle swarm optimization,PSO)易陷入局部最优,差分进化算法(differential evolution,DE)后期收敛速度慢的缺点,提出差分粒子群算法(differential particle swarm optimization,DEPSO)将二者进行混合优化,提高群体的收敛速度和全局寻优能力,并应用于配电网变电站规划。在变电站选址数学模型中结合Voronoi图来确定变电站供电范围和规划容量,继而校验变电站实际负载率,简化计算过程,提高搜索效率。通过某市城区远期规划实例验证得知该算法正确有效,可以满足城区配电网的规划要求。     

基于SA-PSO的配电网电容器优化配置

应用模拟退火粒子群优化算法(simulated annealing particle swarm optimization,SA-PSO)求解配电网电容器优化配置问题,在同时考虑系统有功损耗费用和补偿电容器购买、安装和维护费用的基础上,建立了相应的数学模型.为了改善算法摆脱局部极值点的能力,提高算法的收敛速度和精度,采用基于适应度值的动态阈值来控制实施局部搜索的粒子数目.将其应用到一个IEEE 33节点配电网的电容器优化配置中,结果表明,模拟退火粒子群优化算法具有合理性和可行性.     

基于PAM时段划分的配电网动态重构

为保证配电网的安全稳定运行,提出一种基于PAM(Partitioning Around Medoid)时段划分的配电网动态重构方法。以配电网网络损耗、电压偏移和负荷均衡为目标函数,建立配电网动态重构模型。针对配电网动态重构过程中的时段划分问题,给出一种以相异度为分段指标的PAM时段划分方法。为提升协同粒子群算法(Cooperative particle swarm optimization,Co-pso)的寻优能力,对其速度更新公式进行修正,并引入正态分布随机调整因子对协同粒子群算法进行改进。选择IEEE33节点系统进行算例分析计算,算例结果验证了上述方法的有效性。     

基于粒子群-量子操作算法的同步发电机非线性模型参数辨识

为解决同步发电机三阶非线性模型参数辨识问题,在将参数辨识问题转化为非线性优化问题的基础上,引入粒子群优化(particle swarm optimization,PSO)算法.考虑到PSO收敛速度慢、参数辨识精度低,而量子粒子群优化(quantum particle swarm optimization,QPSO)算法收敛速度快、具有较好的全局搜索能力,将量子操作引入到PSO算法中,提出了粒子群-量子操作(particle swarm optimization with quantum operation,PSO-QO)优化算法.仿真试验结果表明,与PSO算法、QPSO算法相比,PSO-QO算法收敛速度快、参数辨识精度高、算法更为稳定;与经典扩展卡尔曼滤波(extended Kalman filter,EKE)方法相比,PSO-QO具有更强的鲁棒性,尽管强噪声条件下参数辨识精度有所下降,但效果仍优于EKF.     

电压波动估计的混沌简化粒子群算法

针对粒子群算法(particle swarm optimization,PSO)估计电压波动频率收敛速度慢,采样频率和窗口长度选择不当算法易陷入局部最优的问题,采用简化进化公式和混沌理论两项策略加以改进,提出基于混沌简化粒子群(chaotic simple particle swarm optimization,CSPSO)算法的电压波动幅值和频率估计新方法.去掉粒子群算法进化公式的速度项,仅由粒子位置控制进化过程,避免由于速度项引起的粒子发散而导致算法收敛速度慢的问题;并引入混沌理论,利用其随机性、遍历性和规律性提高算法的全局寻优能力,避免简化粒子群算法陷入局部最优.仿真结果验证了该方法的有效性和准确性.     

基于自适应变异粒子群算法的分布式电源选址与容量确定

在不考虑负荷新增节点的情况下进行分布式发电的布点规划,建立了以配电网年运行费用最小为目标的经济模型。模型中针对分布式电源运行费用引入固定安装费用权重因子,更准确地刻画了分布式电源接入后配电网费用的变化。同时,为克服粒子群算法存在的早熟问题,采用自适应变异的粒子群算法(adaptive mutation particle swarm optimization algorithm,AMPSO)对配电网中的DG选址和定容进行了优化。通过对IEEE 33节点配电网测试系统进行分析,验证了上述模型的准确性和求解算法的有效性。     

混合粒子群优化算法在电网规划中的应用

在含被动聚集因子的粒子群优化(particle swarm optimization with passive congregation,PSOPC)算法和和谐搜索(harmony search,HS)的基础上,构建了一种新的混合粒子群优化(heuristic particle swarm optimization,HPSO)算法。该算法根据电网规划的特点,采用“飞回机制”处理变量的约束条件,利用和谐搜索处理规划问题的约束条件,使粒子群在迭代过程中始终保持在可行域内,同时该算法中引入了被动聚集因子,有效改善了粒子的进化机制,提高了粒子的自由搜索能力。18节点算例验证了该算法应用于电网规划的正确性和有效性,HPSO算法、粒子群优化算法和PSOPC算法的比较结果表明该HPSO算法具有较好的收敛性能。     

基于概率统计的含间歇性分布式发电的配电网无功优化

以有功网损期望值最小为优化目标,以节点电压的合格概率大于一定的阈值为约束条件,建立了同时考虑风能、太阳能分布式发电出力和负荷随机波动的配电网无功优化模型。目标函数和约束项中所涉及的概率潮流由一种结合传统解析法的基于全概率公式的计算方法求得。使用化学反应算法对所建优化模型进行求解。在同时接入风能、太阳能分布式电源的33节点和69节点系统上对所提方法进行了验证,得到了具有概率统计意义的最优方案。通过与包括遗传算法(genetic algorithm,GA)、Stud GA(stud genetic algorithm)、生物地理学算法(biogeography based optimization,BBO)和粒子群算法(particle swarm optimization,PSO)在内的多个智能算法对比,验证了所构建的化学反应算法在求解上述无功优化模型时性能更加稳定。     

基于多种群分层粒子群优化的配电网络重构

为解决配电网的重构问题,文章基于控制理论的分层思想提出了多种群分层粒子群优化(particle swarm optimization,PSO)算法:在第1层采用多种群粒子群并行计算;在第2层将每个种群看成一个粒子,将种群的最优值作为当前粒子的个体最优值,进行粒子群优化并把优化结果返回到第1层。该算法结合配电网络的特点改进了PSO算法粒子位置的更新规则,提高了迭代过程中有效解的产生概率。最后对2个典型IEEE测试系统进行了仿真计算,结果表明多种群分层PSO算法的优化结果和收敛特性均优于PSO算法。文章提出的多种群分层并行计算思想对大规模系统的优化问题求解提供了新思路。     

基于量子编码的离散粒子群算法配电网重构

阐述了配电网重构数学模型、二进制粒子群算法、量子编码的基本理论,对量子粒子群算法配电网重构进行了研究,将量子编码应用到离散粒子群算法中,用量子比特概率表示离散粒子的状态,根据二进制粒子群速度更新公式更新粒子的状态,改变开关开合状态进行网络重构.量子比特概率能够表征丰富的信息量,保证粒子的多样性和全局搜索能力.通过2个算...     

计及分布式电源的配电网重构研究

分布式电源因其独有的环保性和经济性,在电力系统中拥有广阔的发展前景,但同时对配电网络的运行控制等方面产生了重大影响。研究了计及分布式电源的配电网络重构,采用了一种适合于含分布式电源的配电网络重构的改进二进制粒子群优化算法,并建立了计及分布式电源的配电网络辐射状运行判定依据。最后对IEEE33节点测试系统进行仿真,表明本文所用的方法是合理有效的。     

基于双重混合粒子群算法的配电网重构

为进一步优化配电网运行结构,将混合蛙跳思想引入粒子群算法,结合配电网结构简化、支路分组,提出一种基于双重混合粒子群算法的配电网重构策略。为提高粒子搜索效率、防止算法早熟,首先,等效简化配电网结构图,对支路分组,缩短编码维数;其次,将各粒子依据一定规则分组,采用基于混合蛙跳思想的二进制粒子群算法进行支路组搜索,且对粒子历史最优值进行多次分组,组内搜索采用二进制粒子群搜索算法。运用该方法分别对IEEE33节点配电系统和136节点配电系统进行仿真,并与遗传算法和粒子群遗传混合算法进行对比分析,结果表明该方法收敛速度快,可得到最优网络重构结果,有效降低网损。     

基于改进二进制粒子群优化算法的负荷均衡化配电网重构

提出了基于改进的二进制粒子群优化算法、以均衡负荷为目标的配电网重构方法。将配电网重构问题表示为以负荷均衡指标最小为目标函数的非线性优化问题,针对配电网开环运行的结构特点对配电网拓扑结构模型进行了简化,并对二进制粒子群优化算法加以改进,以保证配电网的辐射状结构,同时大大减少迭代次数。算例分析结果表明,该方法能够有效解决负荷均衡化的配电网重构问题,计算速度快,收敛性好。     

含有分布式电源配电网重构算法的研究

分布式电源(Distributed Generation,DG)发展很迅速,对配电网络的各个方面产生不可忽视的影响。为充分发挥分布式电源对配电网优化的有利作用,提出了粒子群优化(Particle Swarm Optimization,PSO)和变邻域搜索(Variable Neighborhood Search,VNS)二者的混合算法。根据含有分布式电源配电网络的特点,分布式电源视为可调度的模型,以配电网网损最小为主要目标函数。将二进制粒子群优化算法(Binary Particle Swarm Optimization,BPSO)和变邻域搜索算法相结合,对网络开关开合状态和分布式电源输出功率同时优化,达到降低配电网网损的目的。通过算例IEEE69节点系统的仿真表明,该算法能够快速收敛到全局最优解,适合优化含有分布式电源的配电网。     

遗传粒子群混合算法在配电网络重构多目标优化中的应用

针对配电网络重构多为单一性能最优重构的问题,文章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。寻优过程中,部分个体以PSO方法迭代,其它个体进行GA中的选择、交叉和变异操作,整个群体信息共享,同时采用自适应参数机制和优胜劣汰的思想进化。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,最大限度地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。     

智能配电网中微电网的多目标优化配置

微电网在配电网中的优化布置与定容问题是智能电网发展面临的重要问题,为此同时考虑了有功网损和电压改善程度2个重要指标,将微电网接入智能配电网的配置问题转化为同时含有连续变量(微电网的接入容量)和离散变量(微电网的接入位置)的多目标非线性优化问题,并结合具有量子行为的粒子群优化算法和二进制粒子群优化算法进行求解.算例结果验证了该方法的有效性,可对微电网在规划阶段的选址和定容提供参考.     

基于二进制量子粒子群算法的含分布式电源配电网重构

配电网重构是一个复杂的非线性组合优化问题。为了克服基本优化算法易陷入局部最优解的问题,提出了一种改进的二进制量子粒子群算法(BQPSO),对含分布式电源(DG)的配电网重构模型进行求解。通过引入遗传算法的交叉操作和变异操作来避免早熟来提高算法的全局搜索能力,改进了算法的性能。并且选择了适当的不可行解处理方式来提高了算法的计算效率。最后通过对IEEE33节点配电系统进行仿真,验证所提算法在求解重构问题时得到的解更好,收敛速度和全局寻优能力都有提升。     

基于免疫BPSO算法与拓扑可观性的PMU最优配置

以电力系统状态完全可观测和相量测量单元PMU配置数目最小为优化目标,基于PMU的功能特点和电力网络的拓扑结构信息,形成快速且通用的电网拓扑可观测性判别方法,并设计了一种结合免疫系统信息处理机制的二进制粒子群优化算法对目标函数进行求解,该算法综合了粒子群优化算法简单快速和免疫系统种群多样性的优点,明显改善了进化后期算法的收敛性能和全局寻优能力.最后通过对IEEE14和新英格兰39母线系统进行PMU优化配置仿真及量测冗余性分析,验证了本文方法的有效性和优越性.     

基于改进二进制粒子群算法的配电网故障恢复

鉴于现有的配电网故障恢复算法普遍存在着计算速度慢或难以搜索到全局最优解的问题,提出了一种基于改进二进制粒子群算法的配电网故障恢复算法。首先采用等效负荷模型简化网络;在确定目标函数时,引入了层次分析法求解各指标的权重值,较之传统的经验确定法更符合实际;然后从惯性权重和学习因子的选取及粒子相似性控制2个方面对基本二进制粒子群算法进行了改进。算例分析表明,文中所提出的方法计算速度快,易收敛到全局最优解,能有效地求解配电网故障恢复问题。