基于改进Dijkstra算法的配电网网架扩展规划

电气工程领域中配电网网架扩展规划的目的是确定最优的配电网网架接线方案。配电网网架扩展规划的本质与最短路径问题有相同之处。作为典型的最短路径求解算法之一的Dijkstra算法,在进行配电网网架扩展规划时,需要建立邻接矩阵,并反复对无序排列的初始数据进行遍历搜索,反复遍历搜索影响了算法的计算速度。针对Dijkstra算法对无序排列的初始数据反复遍历搜索对计算速度造成的影响,基于排序思想,提出了改进Dijkstra算法,以提高Dijkstra算法在进行配电网网架扩展规划时的计算速度,然后根据某10 kV中压配电网网架扩展规划算例,基于全寿命周期概念建立了中压配电网网架扩展规划的数学模型,经算例分析验证了所提方法的有效性。     

基于最小生成树算法的配电网架扩展规划

基于改进最小生成树算法，提出了一种高效率的配电网扩展规划方法。以最大投资额度为约束条件，以建设费用与运行费用的加权和最低为目标函数，采用prim算法求取最小生成树获得初步规划结果，根据潮流计算结果调整导线截面并计算运行费用，依此反复迭代调整规划网架直至最优。规划过程中考虑了对道路交叉点区别对待，并且只将采用Dijkstral算法获得的顶点间的最短路径作为边，还考虑了拆除线路的残值和拆除费用。对两个典型算例进行了规划，结果表明所提出的方法是可行的且具有较高的效率。     

基于最小生成树算法的配电网架扩展规划

基于改进最小生成树算法,提出了一种高效率的配电网扩展规划方法。以最大投资额度为约束条件,以建设费用与运行费用的加权和最低为目标函数,采用prim算法求取最小生成树获得初步规划结果,根据潮流计算结果调整导线截面并计算运行费用,依此反复迭代调整规划网架直至最优。规划过程中考虑了对道路交叉点区别对待,并且只将采用Dijkstral算法获得的顶点间的最短路径作为边,还考虑了拆除线路的残值和拆除费用。对两个典型算例进行了规划,结果表明所提出的方法是可行的且具有较高的效率。     

改进PSO算法用于电力系统无功优化的研究

由于电力系统无功优化为一有多变量、多约束、非线性的组合优化问题,针对传统粒子群算法收敛精度不高、易陷入局部最优的缺点,提出了一种改进的算法:分别赋予传统算法中的粒子以不同的初始惯性权重,权重较大的粒子拓展搜索空间,惯性权重较小的粒子完成局部强化寻优的工作。用改进的PSO算法无功优化计算IEEE-14节点系统的结果表明:新算法不仅避免了惯性因子权重调整的困难,而且较好地协调了算法的局部与全局搜索能力,可较好地解决电力系统的无功优化问题。     

基于量子进化算法的配电网架规划

详细介绍了应用量子进化算法进行配电网架规划的方法,采用单阶段子系统模型,以规划年综合费用最低为目标,以线路传输容量、电压降、配电网辐射状结构等为约束条件。通过对具体实例的仿真实验,验证了该方法的可行性和优越性。     

基于改进PSO算法在含风电场的电力系统无功优化控制

含风电场的电力系统无功优化是一种具有多状态、多约束条件的非线性规划问题.针对其存在易陷入局部最优解的缺点,提出了改进的PSO算法.该算法改变了初始化方法和粒子更新方法,并在算法后期引入变异因子.在放射状配电网络系统的仿真计算中,改进PSO算法与遗传算法相比较,结果表明,改进PSO算法可在较短时间内取得更好的优化效果.     

基于蚁群算法的配电网网架优化规划方法

蚁群算法是一种求解组合优化问题的新型通用启发式方法，该方法的主要特点是正反馈、分布式计算和富于建设性的贪婪启发式搜索。配电网网架优化规划是一个复杂的非线性组合优化问题。本文将蚁群算法用于配电网网架优化规划问题的研究，建立了网架规划的数学模型，该模型以线路的年综合费用和过负荷征罚费用之和最小为目标函数，并在此基础上设计了相应的算法。算例证明了该算法在配电网网架优化规划中应用的可行性和有效性。     

基于改进蚁群算法的输电网络扩展规划

输电网络扩展规划问题是一个复杂的组合优化问题。蚁群算法是用于解决组合优化问题的一种高效的随机化内启发式全局搜索技术。文中结合单阶段输电网络扩展规划问题的特点，应用改进的蚁群算法来解决输电网络扩展规划问题，建立了相应的数学模型，并给出求解算法。2个算例系统的计算结果表明了这种方法可有效减小搜索空间，并具有计算速度快和收敛性好等优点。     

基于区间算法和范例学习的配电网网架规划

考虑配电网网架规划中的不确定因素，建立了配电网网架区间规划模型。结合配电网辐射状运行的特点，提出了简单实用的配电网区间潮流计算的端点法。对文献基于Agent行为和范例学习的遗传算法中“范例学习”部分进行了修改，使其适应于配电网网架区间规划模型的求解。通过算例表明，提出的算法可以得到鲁棒性强的规划方案。     

改进PSO算法在电力系统机组组合中的运用

采用改进的PSO算法实现在机组组合中的运用,避免了其他算法产生“维数灾”的缺点。通过实例进行仿真计算表明,该方法能够快速的求解,具有有效性和实用性     

Particle Swarm Optimization and Its Application in Transmission Network Expansion Planning

The author introduced particle swarm optimization as a new method for power transmission network expansion planning. A new discrete method for particle swarm optimization was developed, which is suitable for power transmission network expansion planning, and requires less computer's memory. The optimization fitness function construction, parameter selection, convergence judgement, and their characters were analyzed. Numerical simulation demonstrated the effectiveness and correctness of the method. This paper provides an academic and practical basis of particle swarm optimization in application of transmission network expansion planning for further investigation.     

粒子群算法及其在电网规划中的应用

提出了一种适用于电力网络规划的粒子群算法离散化方法(DPSO),并对粒子群算法优化适应度函数的构造、参数的选择、收敛的判断条件进行了分析比较,为粒子群算法在电网规划中的应用奠定了基础.     

自适应变异粒子群算法及在输电网规划中的应用

针对标准粒子群优化（SPSO）算法易陷入局部最优的缺点,引入了一种自适应变异的粒子群优化（AMPSO）算法,并应用于电力系统输电网规划。该算法在迭代过程中加入变异操作,并根据种群适应度方差值自适应地调整变异概率的大小,以此来增强算法跳出局部最优的能力。在输电网规划算例中的应用结果表明,变异操作改善了算法的寻优性能,使得AMPSO算法的寻优效率远高于SPSO算法。     

基于粒子群算法的含风电场电网规划优化研究

风电的不确定性以及负荷的随机变化性增加了电网规划难度。为此,针对系统运行、可靠性等约束条件,把罚函数转换为无约束目标函数,建立基于粒子群算法的含风电场电源规划多控制变量问题优化模型,并提出和分析优化规划的详细步骤。最后,采用IEEE30标准节点系统进行仿真优化,仿真优化结果验证了该模型的有效性、可行性,效果显著。     

基于改进人工鱼群算法的输电网络扩展规划

研究大规模输电网络扩展规划问题,建立了考虑投资运行费用、网损费用及过负荷费用的多目标优化数学模型。针对传统鱼群算法初始化复杂、收敛速度慢和收敛精度较低的问题,在其觅食、追尾过程中引入自适应变步长策略以提高算法的寻优性能,并将改进的人工鱼群算法用于求解输电网络扩展规划模型。对Garver-6节点和18节点测试系统进行仿真计算,验证所提模型和算法的高效可行性。     

考虑地理因素的改进量子粒子群算法在多目标电网规划中的应用

针对电网规划的多目标权衡优化问题,建立以可靠性和经济性为目标的电网规划模型,提出改进的量子粒子群算法,采用Pareto支配关系来更新粒子的个体和局部最优值,定义粒子紊流极大极小间距,并采用紊流间距方法裁剪非支配解,引入收敛因子K加快粒子跳出局部最优后的收敛速度。同时考虑电网规划存在的地理环境不确定因素的影响,在规划目标函数中引入地理障碍罚因子。通过18节点电网规划算例仿真结果表明,提出的改进算法与基于非支配遗传算法和基于多目标进化算法相比,所得的Pareto解数目,解的优劣情况以及分布效果都有明显提升。     

基于捕食搜索策略的粒子群算法在输电网络扩展规划中的应用

针对标准粒子群算法粒子维数要求过高和收敛困难易陷入局部最优的缺点,提出一种基于捕食搜索策略的粒子群算法,并将其应用于输电网络扩展规划。捕食搜索在较差的区域进行全局搜索以找到较好的区域,然后在较好的区域进行集中地局域搜索以使解得到迅速改善。通过限制的调节,控制粒子群搜索空间的增大和减小,从而平衡探索能力和开发能力。局域搜索大大降低了粒子数的要求,全局搜索有效地避免陷入局部最优。算例分析证明了算法的有效性和正确性。     

基于改进粒子群算法的中压配电网无功优化

建立了以年费用最小为目标函数的无功优化数学模型,提出一种融合裂变和变异操作的分合群粒子群算法求解该模型,并结合对系统分区、合理设置补偿上限等方法减小搜索范围,实现了同时求解补偿点和补偿量。算法在标准粒子群优化(particle swarm optimization,PSO)算法的基础上通过分群和裂变,保持粒子的多样性,避免收敛早熟;通过合群和变异,加强算法的搜索精度,提高算法的收敛稳定性。用IEEE 33节点系统进行仿真计算,与标准PSO算法对比表明,改进PSO算法在计算精度、收敛稳定性等方面具有明显优势;与无功二次精确矩法对比表明,改进PSO算法具有自动调整补偿点个数的能力,补偿方案经济性更好,能有效解决中压配电网的无功优化问题。     

大规模风电接入下输电网扩展规划的启发式优化算法

提出了大规模风电接入下的输电网有功和无功扩展规划的解决方法。计及了风电与负荷的全年时序数据,并将网络设备投资的年值成本与方案在全年所有不满足安全约束场景下采取控制措施的成本之和最小作为规划目标。为了降低求解计算的复杂性,将原问题分解为网络设备投资决策与方案的控制措施成本评估2个子问题,二者借助原问题的规划目标进行总体协调。在此基础上,通过分析规划目标与问题本身的特性,设计了启发式的优化算法,明显地提高了计算速度。算例分析验证了所提方法的正确性和求解算法的有效性。     

基于粒子群算法的配电网分层规划方法研究

针对县域配电网的实际情况,基于粒子群算法,考虑县级电网乡镇因素的影响,提出了以乡镇为规划单元的县级农村电网分层规划方法.该方法能够在考虑县级农村电网现有乡镇负荷需求和变电站布局基础上实现对新建变电站站址容量和供电范围的优化,避免算法在县域大面积上的盲目搜索,同时又保证搜索的深度广度,有效增强了县域电网的网架结构,解决了供需矛盾.