基于改进小生境遗传算法的Pareto多目标配电网重构

配电网重构是一个多目标、多约束的复杂非线性组合优化问题,若采用传统的遗传算法处理此类问题,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。建立了Pareto多目标重构数学模型并提出一种改进小生境遗传算法来处理配电网重构问题。算法主要有以下几种特点：设置个体之间的距离判别标准L为动态函数,保持了种群的多样性;采用最优保存策略,提高了算法的收敛速度;交叉、变异采用自适应规则,避免了算法陷入局部最优的情况。另外,Pareto多目标数学模型的引入也使算法更具实际工程意义,采用国外一个实际的配电网络对算法进行了验证。理论分析和算例表明,该算法具有高收敛性、快实时性和强全局稳定性的优点。     

基于改进小生境遗传算法的配电网规划

提出了改进小生境遗传算法并将其应用于配电网规划,建立了综合考虑网损、变电站馈线建设费用和网络年维护折旧费的配电网规划数学模型,算法主要做了以下改进：设置个体之间的距离判别标准为动态函数,保持了群体的多样性;采用最优保存策略保证算法的收敛性;采用局部最优徘徊策略作为辅助终止原则,避免陷入局部最优的情况。在此基础上,基于图论知识和搜索技术给出了包括孤链、孤岛、闭环的修复方案,将遗传操作产生的非辐射性网络修复成辐射性网络。算例结果表明了该算法的实用性和有效性。     

改进小生境遗传算法在电力系统无功优化中的应用

利用改进小生境遗传算法进行了电力系统无功优化计算。算法主要做了以下改进：设置个体之间的距离判别标准L为动态函数,保持了群体的多样性;采用最优保存策略保证算法的收敛性;采用局部最优徘徊策略作为辅助终止原则,避免陷入局部最优情况。对IEEE 30节点算例系统进行了无功优化,并对优化前后各项技术性能指标进行了分析,说明了改进小生境遗传算法在保持解的多样性、提高搜索效率和优化效果等方面都具有良好的性能。对某县级配电网进行了仿真计算,仿真结果证明了所提算法的有效性。     

基于小生境技术的Pareto多目标配网重构

配电网重构可以提高配电网运行的安全性、经济性和供电质量,对于当前国内配电自动化系统建设和应用具有重要意义.该文提出一种基于小生境技术的多目标配电网最优重构遗传算法,将安全约束作为目标之一,得到Pareto最优解集,实现了真正意义上的多目标优化;提出了基于相似个体交叉和(2+2)选择机制的小生境并行进化技术,改善了遗传算法的全局收敛可靠性和收敛速度.最后用算例说明了该方法的应用.     

基于小生境技术的Pareto多目标配网重构

配电网重构可以提高配电网运行的安全性、经济性和供电质量,对于当前国内配电自动化系统建设和应用具有重要意义。该文提出一种基于小生境技术的多目标配电网最优重构遗传算法,将安全约束作为目标之一,得到Pareto最优解集,实现了真正意义上的多目标优化;提出了基于相似个体交叉和( 2 +2 )选择机制的小生境并行进化技术,改善了遗传算法的全局收敛可靠性和收敛速度。最后用算例说明了该方法的应用。     

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。     

基于改进遗传算法的多目标配电网重构

提出一种改进的遗传算法来处理配电网重构问题,采用实数编码,减小了染色体长度和生成不可行解的概率,同时遗传父代优良基因的可能性大大增加。针对适应度函数计算中潮流收敛速度慢的缺点,采用前推回代的方法,大大减少了潮流计算的时间,较好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。     

基于门当户对遗传算法的配电网多目标主动重构研究

基于主动配电网的发展潮流,提出了一种基于改进遗传算法的主动配电网多目标重构模型。首先,将功率损耗、电压偏移和系统稳定裕度等指标融合到目标函数中,并引入判断矩阵法和线性加权法确定各个指标的权重和实现多目标函数的转化。其次,针对传统遗传算法的弊端,提出了基于"门当户对"原则的多种染色体交叉策略,丰富了种群进化方式的多样性,算法计算效率和寻优能力得到大大加强。最后通过设定临界值,实现主动配电网的自我感知和主动重构,提高配电网安全性和稳定性。仿真算例表明,所提出的模型和算法以及主动重构的理念符合当前主动配电网主动运行和主动控制的思路,具有较为广泛的应用前景。     

基于Pareto多目标遗传算法的高压配电网规划

给出基于Pareto多目标遗传算法的理论基础,介绍了SuperMap GIS平台的网络数据集、网络分析功能及其在配电网规划中的应用,在此基础上提出了以投资及网损最小为目标的高压配电网网架的多目标规划模型,并给出了模型的求解方法及流程。选用了一实际算例,结合了实际的地理信息,将多目标遗传算法应用于"手拉手"高压配电网规划,算例结果表明,该方法能有效得到最优目标解集,以方便规划人员选取。     

基于图论的改进遗传算法在配网重构中的应用

针对遗传算法求解配电网络重构优化时,随机编码操作将产生大量不可行解的缺点,设计了基于图论的改进遗传算法进行重构优化.根据配电网络与图论中树结构的相似性,确定了配电网络重构优化实质上是在初步连接图的基础上寻找最优的生成树或某组树,并引入环路的概念,基于破圈法和环路的性质进行编码操作,在产生初始解和变异操作时生成的解均为可行解,交叉操作时满足树的基本条件,避免或大大减少了不可行解的产生,从而提高了算法的计算效率.分别对IEEE33和IEEE69节点配电系统进行了重构优化,两个优化算例说明了该方法的有效性.     

基于改进排挤小生境遗传算法配网无功优化研究

针对传统遗传算法在配电网无功优化中的缺陷和配电网的特点,把改进排挤小生境技术和自适应遗传算法有机结合起来应用于无功优化,且采用实数编码和μ λ竞争机制等策略,建立了以计算得到的投资回收年限作为评价电容器安装方案经济效益优劣标准的数学模型。利用SQL Server 2000数据库存储配电线路的原始数据,方便计算时数据的灵活调用。采用面向对象的Visual C#高级语言开发编制了配电网无功优化计算程序并应用于实际配电网中,程序运行稳定、便于维护。实际网络计算结果表明,改进排挤小生境自适应遗传算法更加适用于配电网无功优化。     

基于改进排挤小生境遗传算法配网无功优化研究

针对传统遗传算法在配电网无功优化中的缺陷和配电网的特点,把改进排挤小生境技术和自适应遗传算法有机结合起来应用于无功优化,且采用实数编码和μ+λ竞争机制等策略,建立了以计算得到的投资回收年限作为评价电容器安装方案经济效益优劣标准的数学模型.利用SQL Server2000数据库存储配电线路的原始数据,方便计算时数据的灵活调用.采用面向对象的Visual C#高级语言开发编制了配电网无功优化计算程序并应用于实际配电网中,程序运行稳定、便于维护.实际网络计算结果表明,改进排挤小生境自适应遗传算法更加适用于配电网无功优化.     

基于改进MOBPSO算法的含分布式电源的多目标配电网重构

提出一种含多类分布式电源的多目标配电网重构模型。在重构时采用Pareto准则的多目标二进制粒子群优化(Multi-Objective Binary Particle Swarm Optimization, MOBPSO)算法,对算法进行了3点改进：基于环的编码方式用以降低不可行解的产生概率;动态变化的惯性因子和异步变化的学习因子用以提高算法的调节适应能力;在最优粒子的更新方式上提出小生境共享机制和比例选择算子相结合的策略。最后还给出了一种根据决策者偏好信息,从优化解集中选择相应重构方案的评价机制。算例结果表明：改进的MOBPSO算法在寻优效率和稳定性上均有提升;所提模型、改进算法以及评价机制互相配合,能够为决策者提供一种有效的配电网重构方案。     

基于改进和声搜索算法的多目标配电网重构优化

为了减少有源配电网的网络损耗、提高系统运行的稳定性,建立了以网络损耗、开关动作数、负荷和电压平衡度为目标的数学模型。针对传统和声搜索算法全局数据依赖性较差、寻优的后半段速率变慢和易陷于早熟困境等问题,将其自适应参数、取值机制和越界逸出进行了改进。对无功进行随机优化补偿,利用场景分析法确定风机的出力值,采用定时模式的电动汽车模型对日负荷进行削峰填谷。基于欧式距离的K-Means方法对一天内含分布式电源的配电网络进行分段,在IEEE33电力结构中进行了动静态两重测试。在算法收敛上与传统和声、自适应和声搜索算法对比,减少了算法的无效运行次数,提高了算法的运行速度和全局寻优能力。在重构优化结果上与改进蚁群算法对比,减少了网络损耗和开关动作数,提高了系统运行的经济性与可靠性。     

配电网重构的蜜蜂进化型遗传算法

针对普通遗传算法在解决配电网重构问题时容易出现过早收敛和产生无效解现象,提出一种配电网重构的蜜蜂进化型遗传算法.该算法利用种群的蜂王与雄蜂个体分别进行交叉操作,并在每代进化过程中引入一个随机种群防止过早收敛.在编码方法上,提出一种简化配电网络的染色体两阶段编码解码策略,以prim算法寻找简化网络的连支作为要断开的支路组,再选择其中具体断开支路,算法的整个计算过程中没有无效解产生.对IEEE 16节点和69节点两个标准算例进行了仿真计算,并与其他方法进行比较,结果表明所提算不仅有较高的搜索效率,而且具有良好的稳定性.     

多目标配电网故障定位的Pareto进化算法

提出一种用于配电网故障定位的多目标优化模型,采用带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)进行求解.传统多目标优化问题通过加权方式转换为单目标问题,对权值比较敏感,且每次只能得到一种权值下的最优解.NSGA-Ⅱ则避免了传统加权求解时权值的选择和解的偏好性.该算法采用快速非支配排序机制,计算复杂性低;同时考虑个体拥挤距离,从而保证种群的多样性;最后,提出适用于故障定位的最优解集处理方法,便于从多目标最优解集中筛选出唯一符合故障情况的解.算例测试分别模拟单点、多点故障,以及信息完备和部分信息畸变的情况,测试结果表明,所提方法均能准确地定位故障区段.