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Voronoi图的变电站优化规划方法

对大电网高压变电站的优化选址及其供电区域的自动划分进行了研究。基于V orono i分区的最小距离选址准则,确定了变电站站址及供电区域与V orono i图的对应关系,在满足相关技术约束的条件下,应用最大空心圆策略和V orono i图的局部动态特性,提出了新增变电站的自动定位、供电区域自动划分的优化规划方法,保证了大区域大电网中高压变电站的合理分布,具有宏观指导意义。通过某市220/110 kV网络中变电站优化规划的结果证实了该方法的有效性。     

基于GIS和微分进化算法的变电站选址及定容

将微分进化（DE）算法引入到变电站选址规划优化问题中,并运用参数动态调整策略,在计算初期保证群体的多样性,后期加快算法的寻优速度,从而改善DE算法的性能。在配电网络变电站选址定容过程中,考虑地理信息系统（GIS）对规划站址的影响,将可建站区域图形进行编码处理以数据形式存储,通过判断待选站址和地理因素的网络拓扑关系,确定可行的待选站址。通过对2个算例优化计算表明,以GIS数据库为平台,将该算法和图形问题相结合,在解决实际配电网络变电站规划问题中取得了良好的效果。     

基于改进加权Voronoi图算法的有源配电网变电站规划

针对未来规划区域面临大规模分布式电源(DG)接入及多样性负荷的场景,提出了一种基于改进加权Voronoi图算法的有源配电网变电站规划方法。首先,将负荷特性引入DG置信容量评估方法中,分析不同负荷特性与DG出力特性对DG置信容量的影响。其次,建立考虑DG置信容量的有源配电网变电站规划数学模型。继而,提出基于改进加权Voronoi图算法的变电站规划方法,具体改进包括:在Voronoi图一次迭代中,根据供电范围划分情况不断调整原定权值,实现加权Voronoi图算法的层次性改进;根据网供负荷在DG方向大量减少的情况调整Voronoi图在DG方向的权值,实现加权Voronoi图算法的方向性改进。最后,通过实例说明所提方法的科学性和实用性。     

基于加权Voronoi图的变电站优化规划

针对变电站优化规划这一城市电网规划工作中的重要环节,提出了一种基于加权Voronoi图的变电站规划方法,可以最终完成对变电站数量、容量、站址及供电范围的优化。该方法首先给出一种确定新建站容量组合的数学模型,并采用整数规划的优化技术同时得到其最优解和几组次优解。进而,根据是否含有已有站,分别给出利用常规Voronoi图法及综合考虑规划区域地形特点、区域面积和负荷分布情况的坐标几何方法产生初始站址。在此基础上,通过对Voronoi图进行加权来考虑负荷分布不均匀、各站额定容量和负载率不同对变电站供电范围的影响,进行变电站供电范围的整体优化,并确定新建站站址。实际算例表明,所提出的方法能够较好地满足变电站规划工作的要求。     

基于改进加权Voronoi图和遗传算法的变电站规划

针对城市电网规划中的变电站规划优化问题,提出一种基于改进加权Voronoi图和遗传算法的规划算法(improved weighted Voronoi diagram-genetic algorithm,IWVD-GA)。通过改进定权重和引入变权重对加权Voronoi图进行改进,并利用元胞自动机(cellular automata,CA)动态生成改进加权Voronoi图,在生成过程中,权重可根据变电站负载率和供电半径约束动态调整,使供电范围的划分过程可控且更为合理。通过交替定位算法(alternate location algorithm,ALA)对新建站的位置和供电范围进行局部深度寻优,通过遗传算法进行全局寻优,实现了变电站规划优化。为解决CA在元胞个数较多的情况下,在每个演化过程都需要对所有元胞进行判定而导致计算速度较慢的问题,根据元胞状态改变发生在扩张边界的特点,确定需要进行判定的元胞,有效减少了元胞判定次数。算例结果验证了所提算法用于变电站规划的有效性。     

基于Voronoi图的变电站选址方法

由于Voronoi图在规划选址中具有独特优势,充分利用V图的特性并结合变电站站址的选取原则来指导新建站址的选择。对V图的定义、性质及V图的对偶图Delaunay三角剖分进行了简单的介绍,对生成Delaunay三角剖分及V图的Lawson算法进行了详细的阐述。对于新建站址的选择,以现有变电站为基础,将V图应用于负荷均匀分布和非均匀分布两种情况并对负荷非均匀分布下新建站址选择的交替迭代方法进行了实例仿真。规划结果表明该选址方法能有效地解决新建变电站的位置选择问题。     

基于Voronoi图的变电站选址方法

由于Voronoi图在规划选址中具有独特优势,充分利用V图的特性并结合变电站站址的选取原则来指导新建站址的选择.对V图的定义、性质及V图的对偶图Delaunay三角剖分进行了简单的介绍,对生成Delaunay三角剖分及V图的Lawson算法进行了详细的阐述.对于新建站址的选择,以现有变电站为基础,将V图应用于负荷均匀分布和非均匀分布两种情况并对负荷非均匀分布下新建站址选择的交替迭代方法进行了实例仿真.规划结果表明该选址方法能有效地解决新建变电站的位置选择问题.     

基于改进量子进化算法的变电站选址方法

传统的变电站选址方法通常搜索时间长,且搜索质量不高,本文首次将量子进化算法(QEA)引入到变电站选址模型中,并且改进了传统的量子进化算法,提出了变电站选址的改进量子进化算法(IQEA)。IQEA对QEA的修复操作和进化方向进行改进;修复操作采用贪心修复,进化方向以适应度值作为评价的标准,以适应度值作为吸引子进行下一代的更新,从而更好地维持了种群的多样性,提高了算法性能。背包问题测试结果表明,对QEA的改进措施增强了QEA的搜索能力,提出的IQEA性能最优。且实际算例表明,本文所提出的IQEA是正确且有效的,其选址方法是科学、可行的。     

基于GIS和改进微分进化算法的农网变电站选址定容

基于地理信息管理系统将改进微分进化算法引入到变电站优化选址定容求解问题中。利用三个标准的优化算法测试函数对引入惯性加权系数的微分进化改进算法进行了测试,并与标准微分进化算法进行比较。结果证明对不同函数有目的性地调整惯性加权系数F的取值范围可以提高改进算法的搜索效率。在选址模型中考虑了地理因素对投资费用的影响,并综合考虑了农网特点和其所处的复杂地理环境和对变电站选址的影响,使结果更具科学性和可行性。     

基于GIS和改进微分进化算法的农网变电站选址定容

基于地理信息管理系统将改进微分进化算法引入到变电站优化选址定容求解问题中.利用三个标准的优化算法测试函数对引入惯性加权系数的微分进化改进算法进行了测试,并与标准微分进化算法进行比较.结果证明对不同函数有目的性地调整惯性加权系数F的取值范围可以提高改进算法的搜索效率.在选址模型中考虑了地理因素对投资费用的影响,并综合考虑了农网特点和其所处的复杂地理环境和对变电站选址的影响,使结果更具科学性和可行性.     

基于改进差分进化算法的配电网无功优化

采用改进差分进化算法(Improved Differential Evolution Algorithm,IDEA)求解配电网无功优化问题。该算法引入基于反学习的种群初始化方法,使算法得到的初始种群具有多样性,能够充分提取搜索空间的信息;引入高斯扰动机制到交叉操作中,提高了在维尺度上的种群多样性;在进化过程中融入人工蜂群搜索思想,引入蜂群加速进化与侦查操作策略,使算法能快速跳出局部最优,避免了早熟问题。建立了配电网无功优化数学模型,并采用IDE算法对IEEE30节点系统求解该模型,并与基本DE算法进行对比,仿真结果证明了所提IDE算法具有更佳的性能,能够有效的求解配电网无功优化的问题。     

基于多策略差分进化算法的输电网规划

差分进化(DE)算法是一类基于种群的、具有全局优化性能的、通过实数编码的启发式算法。但差分算法搜索策略过于单一,局部搜索能力差,因此通过增加多策略变异和局部寻优策略来提升全局和局部搜索能力,同时降低搜索时间,使其适应于求解大规模输电网规划问题。采用基于线路投资费用、网损费用、正常运行时的过负荷费用及输电走廊费用的输电网规划模型,通过对Garver-6系统和18节点系统的计算,不仅验证了算法及模型应用于输电网规划的正确性和有效性,而且验证了算法具有很高的计算速度和收敛性,为DE算法的进一步改进应用打下基础。     

基于改进差分进化算法的VSG控制策略

新能源发电系统的并网稳定性成为了微电网技术研究的热点。虚拟同步发电机（VSG）控制技术通过并网逆变器模拟同步发电机（SG）的运行特性,使之具备惯性和阻尼特性。VSG控制器参数设计困难,使用传统的计算方法得到的并网效果并不理想。针对此问题,建立VSG控制系统,应用改进的差分进化算法（DE）寻优参数。对比电网在频率和电压扰动下的仿真结果,验证了改进差分进化算法相比较传统算法更适用于VSG并网稳定研究。     

基于改进差分进化算法的微电网经济优化

为了解决差分进化算法局部搜索能力差、收敛速度较慢的问题,结合不同方式的变异特点,引入模拟退火策略,保证算法有较强的全局搜索能力和较快的收敛速度,使其适用于微电网经济优化问题.建立了基于各微源燃料成本、运行和维护成本、污染物排放成本和污染气体或温室气体排放约束的微电网环保经济优化模型.通过算例验证了算法和模型应用于微电网经济优化的正确性和有效性,以及该算法具有很好的收敛性和较高的计算速度,为DE算法进一步改进打下基础.     

微分进化算法在变电站选址中的应用

简要分析了基本微分进化算法和变电站选址问题,将微分进化算法引入变电站站址选择,建立基于微分进化算法的变电站选址的模型。采用DE进行计算,更加简单、有效,更具全局寻优能力,增加了决策的科学性、规范性。     

基于小生境渔夫捕鱼算法的变电站规划

针对渔夫捕鱼算法容易陷入局部最优的不足,提出了一种共享适应度的小生境策略来提高基本渔夫捕鱼算法的全局寻优能力,并应用于解决配电网络变电站规划。由个体之间相互距离进行聚类组成小生境种群,并在生成的不同小生境种群内运用渔夫捕鱼算法进行寻优,在进行目标函数计境种群内利用共享机制改变个体适应度进一步提高群体全局寻优能力。通过实际算例分析,证明了所提方法能较好地解决变电站选址定容问题。     

基于Voronoi图的多站融合变电站选址定容优化

多站融合变电站是支撑泛在电力物联网建设的基础保障,其发展也给传统变电站规划带来新的挑战。考虑多站融合变电站高效连接储能、数据中心负荷、电动汽车充电负荷、新能源微电网等多元主体的服务特性,提出一种多站融合变电站选址定容优化规划方法。考虑变电站服务主体的个性化需求,结合Voronoi图理论,以多维度负荷距成本最小为优化目标,建立优化模型及其求解方法流程。结合某地区电网规划实例,仿真分析多站融合变电站选址定容优化规划方案,并与传统规划方案进行成本比对,验证了模型的有效性。结果表明:所提的多站融合变电站选址定容优化模型有利于促进配网中站、源、荷、储、充多资源的紧密协同。     

基于改进差分进化-生物地理学优化算法的最优潮流问题

生物地理学优化算法(biogeography-based optimization,BBO)是一种新提出的全局智能优化算法,但是其应用于最优潮流计算时,具有早熟和收敛不稳定的问题。将BBO与差分进化(differential evolution,DE)算法相结合,并对差分进化部分的改进策略稍做修改,形成改进DE-BBO算法。应用所提方法对IEEE 30节点系统进行了有功优化的计算,并和GA、PSO、BBO和DE 4种方法进行了分析和比较,结果表明所提方法具有良好的收敛稳定性,可以有效缩短迭代时间。     

进化规划算法在分布式电源选址和定容中的应用

在当今电力系统中,越来越多的分布式电源投入使用。分布式电源一般部署在配电系统负荷中心附近,分布式电源并入电网,对降低网损、维持电压稳定、保证供电可靠性、构建坚强智能电网等都具有十分积极的意义。为了达到上述的积极影响,很有必要对分布式电源的选址和定容进行深入研究。本文以降低网损为目标建立了目标函数,为了获取分布式电源的最优位置和容量,采用了进化规划算法,对IEEE69配电测试系统进行了仿真分析,结果表明该方法准确可靠,并将仿真结果和遗传算法进行了比较,验证了进化规划算法在分布式电源选址和定容中的可行性。