基于混合算法的含分布式电源配电网重构研究

随着新能源技术在配电网领域的发展,分布式电源（distributed generation,DG）接入配电网的研究成为热门。与传统配电网相比,含DG的配电网会出现弱环网和非PQ节点,而传统潮流计算方法只能解决PQ节点和辐射状网络。为解决配电网接入DG后重构的问题,采用叠加定理解决开关倒换过程中产生的弱环网,同时改进前推回代潮流计算方法,使得接入DG的节点可以正常参与潮流计算。同时结合纵横交叉算法（crisscross optimization,CSO）和粒子群算法（particle swarm optimization,PSO）的优势,提出混合算法（crisscross particle swarm optimization, CPSO）优化含分布式电源的配电网重构问题。仿真部分是以典型的IEEE 33节点配电网为例,在考虑DG接入方式为PI节点、PV节点和PQ（V）节点的情况下进行仿真,结果证明了配电网合理的接入DG后,可以起到降低网损和提高电压质量的作用。     

基于混合算法的含分布式电源的配电网重构研究

为解决含有分布式电源的配电网重构问题,建立了以系统网损为最小目标的含分布式电源配电网优化模型。根据遗传算法、模拟退火算法和禁忌搜索算法的特点,提出了适用于含分布式电源的配电网重构的混合算法。将禁忌搜索算法和模拟退火算法的思想引入到遗传算法中,可以避开遗传算法中存在的早熟收敛问题,跳出局部最优解,逐渐收敛到全局最优解,同时减小了迭代次数,提高了算法的效率。该算法用于IEEE 33节点系统的计算结果表明,混合算法用于含分布式电源的配电网重构是可行的、有效的。     

基于DAPSO算法的含分布式电源的配电网重构

为了改善智能算法性能、提高寻优效率、满足网络辐射状和连通性约束,提出一种基于动态自适应粒子群优化(DAPSO)算法的含分布式电源的配电网络重构策略,用于求解重构的离散变量优化问题。动态自适应调整惯性权重和对速度进行变异,避免算法陷入局部最优,保持全局开拓和局部探索的动态平衡,加强算法的寻优性能。采用"解环"法,确保重构后网络为辐射型并保证网络的连通性。基于IEEE33和PGE69节点系统的仿真结果显示,DAPSO算法收敛速度快、全局寻优能力强、稳定性好,其寻优重构方案可有效降低网损,改善电压水平,优于其他方法的结果,具有很好的实用价值。     

基于杂草算法的含分布式电源的配电网重构

随着社会不断发展,保证供电的可靠性和质量的要求越来越高。分布式电源(Distributed Generator以下简称DG)接入配电网将直接改变潮流分布,而网络重构通过改变开关的开合状态以提高供电的可靠性和经济性。以降低网损和电压分布指数为目标,将杂草算法(Invasive Weed Optimization Algorithm以下简称IWO)、Pareto最优解理论和模糊决策理论相结合,提出了求解上述多目标模型的优化算法。并利用IEEE33节点系统进行仿真验证算法的有效性和实用性。     

基于IBEGA算法的含分布式电源的配电网重构

<正>采用改进蜜蜂进化型遗传算法(Improved Bee Evolution Genetic Algorithm,IBEGA)求解含分布式电源的配电网重构问题。该算法引入佳点集到种群初始化中,使算法得到的初始种群在搜索空间更加均匀,提高了全局寻优能力;引入自适应调整选择算子与佳点集交叉算子,使算法可以及时开辟新的解空间,进行更加精细的搜索,提高了搜索效率;引入自适应交叉变异操作,有利于算法的开采与勘探能力的平衡;引入驱赶算子。提高了算法的杂交效率,避     

基于改进灰狼算法的含分布式电源配电网重构研究

使用基本环矩阵编码的智能优化算法在处理配电网重构问题中,通常使用无序的解空间,解空间中局部峰值较多,使得智能优化算法难以发挥自身优势,耗时严重且难以寻找到最优解。针对以上问题,提出一种有序环网编码方式,并基于改进灰狼算法求解含分布式电源(distributed generation,DG)配电网的重构方法。首先,将基本环矩阵的元素按支路顺序排列,再利用启发式规则初步寻找较优解,并将其与初始狼群中的Alpha狼比较,取其较优解作为新的Alpha狼;然后,引入Gamma狼,用于环绕Alpha狼寻优,使狼群保证种群多样性的同时,提高其局部搜索能力;最后,使用改进灰狼算法求解修改后IEEE 33配电网和Taipower 84配电系统,有效地降低系统网损并且提高了系统内的最低电压。经验证,该方法有效可行、算法简单、快速性高,得到的结果更优。     

含分布式电源配电网重构的研究

为全面反映含分布式电源的配电网重构问题,建立负荷均衡度、系统网损及电压质量协调最优的含分布式电源配电网重构优化模型,在此基础上,利用模糊理论,将含DG配电网多目标重构问题转换成单目标优化问题。鉴于传统蝙蝠群体易聚集于局部极值,导致早熟,将混沌优化以及自适应调整策略融入到蝙蝠优化算法,提出了一种改进型多目标蝙蝠优化算法,并提出利用其对含分布式电源配电网重构模型进行求解,选取IEEE-33节点配电系统进行仿真,通过算例验证所提算法的良好实用性和适应性,并且验证所提模型的实际意义。     

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。     

基于多Agent联盟算法的含分布式电源配电网重构

提出基于多Agent的含分布式电源（DG）配电网控制新策略。新策略不仅具有良好的灵活性、扩展性和人机交互功能,而且利于Agent形成联盟,便于将多Agent联盟机制引入到含DG的配电网研究中,以配合相关算法解决特定配电网任务。以配电网络损耗为优化目标,利用求解多Agent联盟的蚁群算法求解最优Agent联盟,使形成的Agent联盟网损最小,对配电网进行重构。算例表明,采用的多Agent联盟算法和控制策略对求解配电网相关任务是有效的,具有很强的适应性和可操作性。     

基于免疫遗传算法的含分布式电源配电网重构

为应对仅考虑单一指标的配电网重构的局限性,提出基于网损、负荷均衡及电压质量协调最优的含分布式电源配电网重构模型,并运用免疫遗传算法对其求解,算法中采用基于环的染色体编码方式和交叉变异操作,同时引进免疫算法中的免疫记忆和免疫克隆算子,并提出基于矢量距浓度的选择率、交叉率、变异率和克隆率,选取IEEE33和IEEE69节点配电系统为例进行仿真,分析分布式电源接入对网络的影响,并将文中算法与其他算法进行比较以说明该算法的可行性和有效性。     

基于最大最小蚁群算法的含分布式电源的配电网重构

以配电网网损最小为目标函数,将最大最小蚁群算法应用于含分布式电源(DG)的配电网重构。在重构过程中,基于生成树来形成辐射网保证了蚂蚁路径均满足网络拓扑约束,提高了计算效率。最大最小蚁群算法通过设置各支路信息素的最大最小值以及采用信息素全局更新方式,既可以避免基本蚁群算法易陷入局部最优解的弊端,又保证了收敛速度。基于Matlab编程,对IEEE69节点配电网进行仿真分析,配电网重构后,网损大大降低,节点电压有效提升,验证了该方法的可行性。     

基于引力搜索算法的含分布式电源配电网重构

分布式电源接入配电网将直接改变潮流分布,而网络重构通过改变开关的开合状态以提高供电的可靠性和经济性。以降低网损和缺供电量为目标,以可调度DG的有功输出和开关状态为优化变量,建立多目标协调优化的配电网络重构的数学模型。将引力搜索算法、Pareto最优解理论和模糊决策理论相结合,提出了求解上述模型的多目标混合优化方法,以实现配电网结构和DG出力的协同优化。通过对IEEE33节点测试系统的仿真结果,表明所提出方法能够实现DG出力和网络重构的综合优化和多目标优化,并且在全局寻优能力和收敛速度上表现出色。     

基于分布式电源和混合智能算法的配电网重构

含有分布式电源的配电网重构是一个非常复杂的非线性组合优化问题,而重构后的网络必须是辐射状且连通的。在这种约束条件的基础上,提出了SA-IPSO混合算法。该算法结合了模拟退火算法的全局寻优和改进粒子群算法计算速度快的优点,避免了陷入局部最优和计算时间长的缺点,可以有效获得全局最优解。计算结果表明,在含有分布式电源情况下,该方法不仅可以提高供电电压质量,还可以降低网损。以IEEE69节点为例,验证了该方法的可行性。     

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。     

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(VariableNeighborhood 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.     

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。     

基于量子混合蛙跳算法的含分布式电源配电网无功优化

将分布式电源(DG)的无功调节能力与传统的电压调节手段相结合,研究了含DG的配电网无功优化问题。建立以降低系统网损、抑制电压波动为综合目标的配电网模糊无功优化模型。通过蒙特卡罗仿真对配电网系统进行无功补偿选址,采用量子混合蛙跳算法求解含DG的配电网无功优化问题。最后,通过IEEE 33节点系统进行仿真计算,表明在配电网接入DG的基础上进行无功优化能较大程度地改善系统电压水平和降低系统网损,并且证明了所提算法的快速性和有效性。     

含分布式电源的主动配电网重构策略研究

针对分布式电源在配电网中不断增加及其波动性和间歇性对电网稳定和安全产生的影响,提出了一种含有分布式的主动配电网重构策略。以最小网损作为目标函数,将改进的教与学优化算法应用于主动配电网供电路径的快速优化中。通过算例对含分布式电源的主动配电网进行分析,以验证改进算法在配电网重构中的优越性。结果表明,该方法收敛速度快、寻优时间短、运行稳定。所做研究工作为我国配电网中接入分布式电源的优化方法提供了参考和借鉴。     

含多种分布式电源的配电网重构优化研究

考虑多种分布式电源（DG）的影响,形成配电网重构优化的新方法。该方法以网损期望最小为优化目标,运用以配电网环路数为抗体长度的十进制编码策略及疫苗接种策略;并将多种DG的功率计算加入改进牛拉法配电网潮流计算模型中,考虑水轮机等DG的功率可调性及风电等DG的功率随机性,得到考虑功率随机DG出力概率的网损期望;将免疫算法与邻域搜索进行融合,形成邻域搜索免疫算法,有效克服了免疫算法在迭代末期局部搜索能力差的弊端。IEEE33节点模型加入DG后计算结果表明,含多种DG的配电网通过重构可以在优化DG出力的同时实现网损期望的最小化。     

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。