改进小生境粒子群算法应用于电网故障诊断

通过对电网中断路器、保护等设备动作信息分析,建立适合智能算法优化的电网故障诊断分析模型。电网故障模型维数高、离散型、非线性、动态性等特点对智能算法寻优性能要求极高。粒子群优化算法在多维函数寻优、动态目标寻优等方面有着收敛速度快、求解质量高和鲁棒性好等优点。针对电网故障模型的特点,从基本粒子群优化算法的优化特性出发,引入小生境搜索的思想,提出了改进的小生境粒子群优化算法。算例结果表明,改进的优化算法大幅度提高了搜索速度和收敛精度,从根本上提高了电网故障定位精度和故障抢修的反映速度,具有很好的应用前景。     

基于节点搜索的网架重构方法

复杂电力系统网架重构中以线路的通断为状态变量的建模方法,存在寻优问题维数过大,且在搜索目标网架时可能造成结果冗余的问题。该文提出一种以节点恢复与否为状态变量进行建模的方法。该方法以电力系统中的节点为搜索对象,寻优得到唯一的节点恢复序列,通过选择性地闭合恢复节点之间的线路得到目标网架,所得目标网架满足拓扑连通性和安全、稳定运行约束。同时,针对目前保证目标网架连通性方法的不足,提出一种基于迪杰斯特拉算法(Dijkstra algorithm)的目标网架选择方法,并以IEEE 118节点系统和某地区电网为算例,验证了所提方法的有效性。     

综合考虑负荷供应量和线路重要性的骨干网架构建

骨干网架的构建是进行差异化规划以提高电网抵御自然灾害能力的首要条件。引入电网最大负荷供应能力反映网架线路的重要性,在综合考虑了网架负荷供应量和线路重要性的基础上提出了一种新的骨干网架搜索模型,并采用改进的生物地理学算法进行网架搜索,引入混合迁移算子、混沌变异策略、排重操作以及"贪婪"策略增强算法的搜索能力,并与常用优化算法中的粒子群算法、遗传算法以及传统的生物地理学算法进行了对比。仿真算例结果表明,本文所提方法正确有效,搜索到的骨干网架方案满足差异化规划要求,采用的改进生物地理学算法具有较高的搜索效率。     

基于生物地理学优化算法的核心骨干网架搜索方法研究

构建核心骨干网架,是进行差异化规划以提高电网抵御自然灾害能力的重要手段。在构建生存性指标体系的基础上,提出了一种线路和节点数最少、生存性综合指标最大的核心骨干网架构建方法,以电网安全运行和网络连通性为约束条件,采用生物地理学优化算法搜索最优骨干网架方案,并与粒子群算法、蚁群算法、遗传算法的搜索结果进行对比分析。算例结果表明所提方法准确有效,且在收敛速度和收敛精度方面有明显的优势。     

基于多目标离散粒子群优化算法的微电网重构

将多维度精英粒子扰动策略与粒子群优化算法相结合,得到一种多 目标离散粒子群优化算法,用于求解微电网重构问题.这一多目标离散粒子群优化算法以粒子的速度信息为概率,由粒子向正方向或负方向移动来更新自身位置信息;通过多维度精英粒子扰动策略,动态调整粒子群跳出陷阱的能力和局部精细搜索能力;引入线路负荷均匀度,作为辅助评价指标....     

广义蚁群与粒子群结合算法在电力系统经济负荷分配中的应用

提出了一种结合广义蚁群算法和粒子群算法的优化算法,并将其用于求解复杂的非凸、非线性的电力系统经济负荷分配问题.该结合算法同时具有广义蚁群算法的大规模寻优特性和粒子群算法的较强局部搜索能力,在确保全局收敛性的基础上,能够快速搜索到高质量的优化解.多个算例的仿真结果表明了该结合算法的有效性和可行性.     

基于元件重要度的差异化规划核心骨干网架构建方法

有效评估电网支路和节点的重要度,对于构建电网的核心骨干网架具有重要的指导作用。文中将模糊理论引入风险评估中,采用模糊数描述发电机和负荷的不确定性,提出了一种新的支路重要性评估方法,并进一步结合节点接近度和节点关键度得出节点的重要度。在此基础上,建立了综合考虑支路和节点重要度的核心骨干网架构建模型,并采用离散粒子群算法进行核心骨干网架搜索。仿真算例表明,该方法能有效解决网架中的支路和节点重要性评估问题,搜索得到的核心骨干网架方案在保障重要负荷正常供电的同时,有选择性地保留重要度较大的元件并满足节点数和支路数最少。     

含分布式电源的配电网扩展规划研究

建立了分布式电源和线路年综合费用最小、线路损耗最小和分布式电源安装容量最大的多目标函数规划模型,针对多目标优化问题,提出了一种改进的多目标粒子群优化算法。网架规划采用离散二进制粒子群算法,分布式电源规划采用改进的粒子群算法。该算法利用Pareto非支配排序和计算拥挤距离方式更新粒子的个体最优位置和全局最优值。针对粒子群算法容易陷入局部最优的问题,引入Boltzmann学习策略,在算法前期温度较高粒子能够向不同的粒子学习,保持粒子个体多样性,提高算法全局寻优能力。在算法后期温度降低粒子群将向全局最优粒子学习,提高收敛速度。最后将该算法应用于某10KV配电网扩展规划,结果表明文中提出的方法能够得到合理的配电网扩展规划方案,并且提供了多样化的解集,方便用户根据实际情况灵活选择方案。     

基于模糊机会约束规划的电力系统网架重构优化

针对电力系统大停电后网架重构阶段线路投运时其操作时间和恢复可靠性的不确定性,运用模糊机会约束规划理论,建立了基于模糊机会约束的网架重构优化模型。将线路操作时间和恢复可靠性分别用三角模糊变量表示,并定义了评价目标网架性能的恢复可靠性指标,在模糊机会约束的框架下,确保机组在其启动时限内成功获得启动电源的可能性不低于一定的置信水平,在此基础上优化得到在尽可能短的重构时间内达到恢复可靠性最高的网架。采用模糊模拟、交叉粒子群优化算法与Dijkstra算法相结合的求解方法对目标网架进行寻优。最后,以IEEE 30节点系统和云南电网的部分区域作为算例验证了该方法的有效性。     

改进粒子群算法在电网无功优化中的应用

粒子群算法作为一种随机搜索算法,适合解决电网无功优化问题。考虑到粒子群算法收敛速度过快,容易进入局部收敛,导致收敛精度不高,研究了粒子群算法的改进措施。建立了一个全面考虑实际约束条件和无功调节手段的无功优化数学模型,提出了采用改进粒子群算法求解电网无功优化问题的方法,以确定无功优化的最优方案。以IEEE14节点系统进行仿真分析,对3种不同方案进行了对比,结果表明所用方法寻优质量高,不仅节点电压满足系统运行要求,而且系统网损也有一定程度的降低,采用该改进粒子群算法进行电网无功优化行之有效。     

低压电力线载波通信路由算法研究

低压配电网拓扑结构复杂未知,电力线载波通信信道干扰与时变造成通信不可靠,影响通信范围。本文对低压配电网拓扑结构进行分析,探讨了自动路由的必要性。在传统的蚁群算法基础上,提出了基于蚁群算法、遗传算法和粒子群算法相结合的混合路由算法。仿真研究表明,该方法能提高收敛速度和保证全局最优。     

基于提升韧性的输电网灾后应急维修策略优化

极端自然灾害等事件易使输电网发生大范围故障.为减少经济损失,提升输电网灾后恢复能力,对输电网灾后应急维修策略优化进行研究.首先根据输电网韧性内涵,提出期望系统负荷恢复效率作为韧性评价指标;其次分析输电网灾后应急维修的过程,建立基于时间不确定的输电网灾后应急维修策略协同优化模型.该模型既考虑了输电网的韧性提升带来的经济性...     

综合考虑节点重要度和线路介数的网络重构

网络重构阶段是电力系统黑启动过程中的一个重要阶段。针对网络重构阶段最优目标网架的确定问题,基于复杂网络的静态拓扑连接特性,提出了一种综合考虑线路介数和节点重要度的骨架网络重构策略。该策略以节点重要度和线路介数作为确定目标网架的指标,实现有针对性地对网络中的节点和线路进行筛选。进一步,采用离散粒子群优化算法实现的骨架网络重构能够确定覆盖大部分枢纽节点和关键线路的最优目标网架,对大停电后快速、有针对性地重建系统具有重要意义。相关算例验证了该方法的有效性。     

基于提升小波和改进PSO-Elman神经网络的短期负荷预测

为了提高电力负荷预测的精度,提出基于提升小波和改进PSO-Elman神经网络的短期负荷预测模型。首先,针对负荷的波动性和趋势性,将提升小波算法用于分解原始负荷数据并提取其主要特征,然后,在蚁群算法改进粒子群算法(GPSO)中,采用混沌理论,对部分适应度值较差的粒子进行混沌扰动,提出CGPSO算法,改善细致搜索的准确性,并提高全局搜索能力,将CGPSO算法用于Elman神经网络初始参数优化,最后建立负荷预测模型。本文采用我国北方某地区的实际数据进行仿真,实验结果表明,该方法的预测精度相比于传统ENN方法提高了2.3626%。     

含分布式电源的配电网故障紧急恢复与抢修协调优化策略

随着分布式电源的规模化接入,传统配电网故障恢复策略逐渐难以适应实际需要.为此,提出一种含分布式电源的配电网故障紧急恢复与抢修协调优化策略.首先,在故障紧急恢复模型中引入典型负荷时变性需求模型,优先恢复需求度高的负荷.以抢修时间最短和社会经济损失最小为综合目标函数得到故障抢修模型.然后,研究故障紧急恢复与抢修协调优化策略,利用主网与孤岛协调控制进行故障恢复,通过改进粒子群算法得到最优抢修顺序.在抢修过程中,考虑负荷及时变性需求变化,调整故障紧急恢复与抢修最优方案,保证配电网可靠、快速恢复正常运行状态.最后,通过算例仿真验证了所提策略的有效性.     

Genetic evolving ant direction PSODV hybrid algorithm for OPF with non-smooth cost functions

In this paper, a novel method called evolving ant direction particle swarm optimization with differentially perturbed velocity (EADPSODV) hybrid algorithm has been presented to solve the optimal power flow problem with non-smooth and non-convex generator fuel cost characteristics. In this approach, ant colony search is utilized by the EADPSODV algorithm to find a suitable mutation operator for particle swarm optimization with differentially perturbed velocity (PSODV). Genetic algorithm method is employed to evolve the ant colony parameters. The power flow problem is solved by the Newton–Raphson method. The performance of the proposed approach has been demonstrated on IEEE 30-bus and IEEE 118-bus test systems with three different objective functions. Investigations reveal that the EADPSODV provides significantly better results compared to classical PSODV and other methods reported in the literature recently.     

Constructing core backbone network based on survivability of power grid

Constructing core backbone network is beneficial to strengthen the construction of grid structure, raise the ability of withstanding natural disasters, as well as realize power grid’s differentiation planning reasonably and scientifically. Based on the index system of survivability, a method of constructing core backbone network with the target of the smallest line total length and the largest integrated survivability index is put forward with constraint conditions of network connectivity and power grid safe operation. The cosine migration model, the premature judgment mechanism, and the mutative scale of mutation strategy by Chaos and Cauchy optimization are introduced into the improved biogeography-based optimization algorithm (BBO) to search for the optimal solution of the core backbone network. Comparison with the traditional BBO algorithm, particle swarm optimization (PSO), binary ant colony algorithm (BACA), genetic algorithm (GA) shows that the proposed method is accurate and effective, and it has advantages in fast convergence speed and high convergence precision.     

基于改进蚁群算法的电力通信网络路由优化算法研究

在电力通信网络中,负载均衡可以减少瓶颈节点的过载和充分利用资源。针对智能电网中电力通信网络负载均衡问题,文中提出了一种将蚁群算法与链路权值算法相结合的负载均衡算法。在发挥蚁群算法优势的基础上,通过链路权重判断功能直接选择最优传输链路方案。通过仿真将所提算法与常用负载均衡算法进行比较,验证了所提算法的优越性和可行性。结果表明,该方法更适合于复杂的应用场景,在电力通信网络中具有更好的负载均衡能力,具有一定的参考价值。     

基于WAMS/SCADA混合量测和离散粒子群优化算法的PMU优化配置

当前应用于状态估计的量测数据由广域测量系统(wide area measurement system, WAMS)和数据监控及采集系统(supervisory control and data acquisition,SCADA)采集, WAMS向量测量单元(phasor measurement unit,PMU)的优化配置问题成为研究的重点。本文在分析WAMS/SCADA混合量测数据成分、时间断面、精度、刷新频率4个方面差异的基础上,实现了混合量测数据的有效兼容,提出了一种基于无迹卡尔曼滤波(unscented kalman filter, UKF)动态状态估计和离散粒子群优化(discrete particle swarm optimization, DPSO)算法的PMU优化配置方案。采用该方案下的混合量测数据进行UKF动态状态估计,很好地提高了状态估计精度。在IEEE39节点系统上模拟日负荷变化验证了该PMU配置方案的有效性。