一种配电网基于模型诊断的专属最小碰集算法

现有配电网故障诊断的最小碰集算法由于没有考虑配电网的拓扑结构特点,导致其求解速度和准确率不高,对此,提出了一种仅适用于配电网故障的改进最小碰集算法。该算法首先分析了现有各适应度函数的特点,通过加权融合的方式构建出一种新适应度函数。其次,通过分析配电网的拓扑结构,得出配电网故障的最小冲突集之间没有交集的特点,并利用该特点,提出了最小碰集判据。最后,算例分析结果表明,所提最小碰集算法在求解速度上都有较大提高,在求解准确率上略微上升,且更加适合配电网故障的基于模型诊断。     

一种基于模型的配电网故障诊断搜索算法

提出用二进制编码逻辑运算求解最小碰集的算法,该算法将求解最小碰集问题映射到0/1整数规划问题,即首先对系统进行建模仿真,得到最小冲突集簇,然后求出系统的所有候选碰集,对系统中每个元件进行二进制编码,最后采用自底向上的搜索方法,进行搜索确认,在确认的过程中,使用二进制代码的逻辑"或"运算。将该算法分别从最小冲突集数和最小冲突集簇中所含的总元件数这两方面与其他的最小碰集算法进行比较。实验结果表明,这2种因素对二进制编码算法的时间效率影响较小。最后,以一个实际配电网诊断为例,将所得的最小冲突集簇分别用该算法和其他的最小碰集算法计算,计算结果更加充分地说明了该算法的优越性。     

基于环路组搜索策略的多目标配电网重构研究

提出一种基于环路组搜索策略的多目标配电网重构算法,对含分布式电源(DG)的配电网进行重构.采用环路编码的方式将网络划分为若干个基本环路,以此减少搜索空间,同时考虑的目标函数包括系统的有功网损最小、电压幅值偏移量最小、开关的操作次数最少,并利用层次分析法(AHP)将以上目标函数进行归一化后整合为单目标函数,降低搜索维度的同时还提高了算法的搜索效率.再通过引入变邻域搜索(VNS)改进二进制粒子群算法(BPSO),使其拥有更好的全局搜索能力.通过含DG的PG&E69节点算例分析表明:改进后算法的寻优效率明显提升,目标函数值也更优越,重构后配电网络的各项情况均得到显著优化.     

基于模型分层的配电网故障诊断方法

针对配电网故障的基于模型诊断方法在发生多重多相故障时存在诊断速度慢、诊断准确率不高、容错能力低的情况,提出一种适用于配电网故障的基于模型分层诊断方法。在诊断算法上,利用新的适应度函数和特征学习搜索策略来提高诊断速度和诊断准确率。在诊断模型上,利用分层的方法,将单层单次高维度运算转变为2层多次低维度运算,进而再次提高诊断速度、诊断准确率;通过定义等效部件的约束关系式提高第1层诊断的容错能力,利用电压约束和电流约束的冗余关系提高第2层诊断的容错能力。算例表明,与其他模型相比,基于模型分层诊断方法的诊断速度有了较大的提高,诊断准确率始终维持在理想值附近,容错能力明显增强;在大规模配电网故障诊断中,其优势明显。     

基于群搜索优化算法的配电网重构

提出了基于群搜索优化算法的配电网重构方法,以系统有功网损最小为目标建立了配电网重构模型,选择种群中网损最小的个体为发现者,剩余个体分别作为加入者和游荡者。在寻优过程中,应用快速支路交换法对发现者进行局部物理寻优,加入者向发现者逐步靠近执行追随搜索,游荡者在解空间中随机搜索。该方法实现了全局搜索与局部寻优的良好配合,提高了搜索效率,具有较好的全局收敛性。算例结果验证了该方法的有效性。     

基于模型的配电网故障诊断关键问题研究

现有配电网故障诊断方法主要是根据故障后保护装置产生的报警信息,断路器的状态变化信息来推断可能故障位置和类型,属于后验故障诊断方法。基于模型诊断方法(Model-based diagnosis, MBD )则直接利用电压电流等量测量来判断故障元件,可以在保护装置和断路器动作前进行故障定位,具有一定的故障预警功能。给出一个完整的基于模型的配电网诊断方案,采用优化的离散二进制粒子群算法（BPSO, Binary Particle Swarm Optimization）求取冲突集的最小碰集,诊断识别过程中以贝叶斯后验概率形式量化了候选诊断的衡量标准,从而降低诊断过程中的不确定度。最后以某10 kV配电网为诊断实例,通过实际建模、编程和实验,取得了良好的效果。     

基于改进模拟植物生长法的配电网络重构

提出使用改进模拟植物生长法求解配电网络重构问题。该算法充分考虑植物生长过程中的智能化因素,避免了搜索过程中的随机机制,缩小了搜索空间,减少了迭代次数。以未来一段时间内网损最小为目标函数,建立配电网重构的数学模型。根据配电网的结构特点,以基本环路为单位形成可断开关集,避免了一些不可行解的产生,降低了变量的维数,提高了搜索效率。通过对IEEE69节点测试系统的计算和分析表明,该方法在解决配电网络重构问题上具有很高的搜索效率和寻优性能。     

基于改进模拟植物生长法的配电网络重构

提出使用改进模拟植物生长法求解配电网络重构问题.该算法充分考虑植物生长过程中的智能化因素,避免了搜索过程中的随机机制,缩小了搜索空间,减少了迭代次数.以未来一段时间内网损最小为目标函数,建立配电网重构的数学模型.根据配电网的结构特点,以基本环路为单位形成可断开关集,避免了一些不可行解的产生,降低了变量的维数,提高了搜索效率.通过对IEEE69节点测试系统的计算和分析表明,该方法在解决配电网络重构问题上具有很高的搜索效率和寻优性能.     

基于最优流法和遗传算法的配电网重构

提出了一种基于改进最优流和遗传算法的配电网重构算法.该算法先利用配电网的同胚图将重构问题的全局寻优空间划分为若干子空间,然后利用改进最优流法寻找子空间内的最优解,之后再利用遗传算法搜索全局最优解所在的子空间,从而实现在局部最优解中寻找全局最优解.该算法既通过压缩寻优空间提高了遗传算法的搜索效率,又利用改进最优流法改善了局部寻优能力.算例计算结果表明了文中所提算法的可行性和有效性.     

基于Spark和粒子群算法的分布式配电网重构方法

当前配电网结构日趋复杂且有分布式电源大量接入,现有人工智能算法进行配电网优化重构后会出现大量数据,导致算法搜索空间暴增、处理效率下降。为提高传统粒子群算法的处理效率,提出了一种粒子群优化算法,以配电网故障后重构的网损最小为目标函数,建立配电网故障后重构模型。充分利用分布式集群计算资源,通过Spark框架对优化粒子群算法并行化操作,以提升算法的处理效率。     

基于最优系统能效的配电网规划方法

在当今的配电网规划中,提升能效是最重要的目标之一。现有的配电网规划模型大都以经济性为目标。文中从配电网系统能效入手,提出基于最优系统能效的配电网规划模型,选取节点煤耗作为入手点,综合考虑配网网损、分布式电源规划等能效因素,可以较为全面地反映配网系统能效。在模型求解中,文中使用改进的粒子群(PSO)算法,在算法中加入惯性权值,可以在提高算法收敛速度的同时保证寻优结果的准确性,并给出了辐射网形态修正策略,确保规划结果的合理性。选取IEEE 33节点算例进行模型和算法验证,计算结果表明,文中的模型求解算法收敛快,稳定性高,配电网规划结果合理,有效提升了配网系统的能效水平,验证了文中配电网规划方法的有效性。     

基于化整为零策略和改进二进制差分进化算法的配电网重构

为缩减编码长度,提高计算效率,提出了基于化整为零策略和改进二进制差分进化算法的配电网重构方法。将开关根据其在环路中的位置进行分类,建立了环路–开关关联矩阵。应用化整为零策略将整个解空间划分成若干个子解空间,应用改进二进制差分进化算法直接对各子解空间进行并行搜索,比较所有子解空间的搜索结果即可找到重构问题的最优解。该方法缩短了开关方案的编码长度,改进二进制差分进化算法通过调整变异、交叉操作规则,避免了不可行解的产生。接入分布式电源的配电网仿真算例验证了该方法的有效性。     

基于相空间重构与GSA-LVQ的有载调压变压器分接开关机械故障诊断

针对有载调压变压器分接开关机械故障诊断准确率不高以及潜在机械故障不能及时被发现的问题,提出了一种基于互补集合经验模态分解(CEEMD)、相空间重构结合万有引力搜索法(GSA)改进学习矢量量化神经网络(LVQ)的有载分接开关机械故障诊断新方法。采用CEEMD对振动信号进行时频域分解,然后通过C-C算法确定延迟时间和嵌入维数,对反映不同频率特征的固有模态函数(IMF)进行相空间重构,并提取反映混沌特征的两个特征量李雅普诺夫指数和关联维数构成特征向量。利用GSA优化LVQ,解决网络对初始连接权值敏感的问题,增强网络对有载分接开关机械故障分类识别性能。通过对有载分接开关机械状态的实验分析,证明了相空间重构结合GSA-LVQ算法的可行性和有效性。     

基于连锁环网与改进离散粒子群算法的多目标配电网重构

配电网重构本质上是一个复杂的高维数非线性组合优化问题。为避免其不可行解的影响,同时实现快速寻优,提出了一种通过连锁环网矩阵快速判断粒子是否满足配电网拓扑约束的方法。采用基于Pareto准则的离散二进制粒子群算法(Binary Particle Swarm Optimization,BPSO)以求解配电网重构多目标优化问题。从三方面对BPSO算法进行改进:改进粒子更新策略以提升新代粒子的可行概率;改进sigmoid函数同时提出邻域搜索机制以强化算法后期的收敛能力;提出基于次优解保留策略的小生境共享机制以改进群体最优粒子更新方式,进而强化算法的全局搜索能力。对IEEE33系统算例进行仿真,结果表明改进BPSO算法在求解含分布式电源(Distributed Generation,DG)的配电网重构多目标优化问题时,能够更加精确高效地收敛至Pareto最优前沿。     

基于改进粒子群算法的配电网静态重构

针对配电网静态重构问题,结合配电网的辐射状特点,提出了适应于配电网静态重构的改进二进制粒子群算法,建立以系统网损最小为目标函数的静态重构模型。提出的算法运用破圈法生成和更新粒子群,提高搜索有效解的效率,在迭代过程中采取重新初始化粒子策略避免算法陷入局部最优解,提高粒子群算法得到全局最优解的概率。应用于33节点标准测试系统,验证了算法的可行性。     

基于果蝇优化算法的配电网故障定位

为解决配电网故障定位问题,提出了一种基于果蝇优化算法的故障定位方法。将原先果蝇优化算法中连续的位置坐标和搜索步长离散化,使其与馈线区段的状态信息相联系。对于单电源辐射状配电网和多电源复杂配电网建立了相应的目标函数,分别针对单一故障、含信息畸变的单一故障、多重故障、含信息畸变的多重故障等四种场景进行了测试,测试结果验证了所提出方法的准确性和有效性。与蝙蝠算法、粒子群算法、遗传算法相比,果蝇优化算法在多重故障定位问题中表现出了良好的寻优能力和更快的收敛速度。     

改进自适应蜂群优化算法在变压器故障诊断中的应用

为增强神经网络对变压器故障诊断的能力,同时避免蜂群算法出现局部最优和易早熟,提出一种改进自适应搜索策略蜂群优化算法。该方法通过自适应调整种群更新步长来协调蜂群算法的全局和局部搜索能力,避免出现局部最优状况,同时引入Levy变异因子提高局部搜索的性能。利用改进的蜂群算法优化BP神经网络权值和阈值,通过反复迭代算法,直到达到目标精度要求。该方法以变压器数据为依据进行测试。仿真结果表明,改进后的方法收敛速度更快、判别故障准确率更高。     

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。     

考虑电动汽车不确定性因素的配电网分布式电源优化布置

分布式电源和电动汽车的规模化接入对配电网经济运行和电能质量产生了较大影响。分布式电源和电动汽车的功率具有不确定性。为实现分布式电源的合理配置,提出了一种考虑电动汽车不确定性因素的分布式电源优化布置方法。首先,以网络损耗最小、电压偏移最小和系统稳定性高为优化目标,利用机会约束规划方法建立分布式电源优化配置模型。然后,采用支持向量机算法和多目标粒子群算法对上述模型进行求解,得到其Pareto解集。以IEEE 37节点配电网为例对所提模型进行验证,结果表明该模型可以有效得到合理的配置方案。