基于灰狼算法的多目标配电网重构

为了降低风电和光伏接入配电系统的有功网损以及提高开关利用率,首先建立相应的数学模型,该数学模型建立的基础是要满足两个条件目标,即网损最少和开关次数最少,并设置风电光伏接入配电网潮流计算的约束条件;然后在二进制的灰狼算法基础上设置外部存储空间,并修改收敛因子构建多目标优化算法,为了满足Pareto解集多样性和均匀分布方面的要求,求解过程中运用了拥挤距离测度和逐步淘汰方法;最后利用105节点配电系统进行仿真计算。结果表明：二进制灰狼算法具有较快的收敛速度;多目标灰狼算法可同时降低网损和开关动作次数,求出的7种方案皆可有效降低电网的经济运行成本。该研究结果具有实际应用价值,能为决策者提供多种重构方案。     

基于序优化和模糊蚁群算法的多目标配电网重构

针对蚁群算法求解配电网重构问题时搜索时间过长、易陷入局部最优解等问题,提出了一种基于序优化理论和模糊控制理论改进的蚁群算法应用于配电网重构。通过加入模糊规则,结合序优化思想,在信息素更新环节提出了分阶段按序更新策略,扩大解空间的探索;将Prim算法应用于搜索环节,直接得到辐射型可行解,大大减少了构造解的时间;结合模糊理论提出了多目标的目标函数,有利于得出高质量的解。选取IEEE33节点配电系统作为算例验证了算法的有效性和优越性。     

基于启发式算法与遗传算法的配电网重构

提出了一种基于遗传算法的配电网重构方法,此方法的目标函数中同时计及了网络的能量损耗和开关操作费用,因而它是针对时间区间的配电网重构而非通常的在某一固定时刻的配电网重构。在应用遗传算法时考虑了配电网自身的特点,即网络的联络开关仅占全部开关的极小一部分,并且结合了一些行之有效的启发式规则,从而用联络开关的开、合状态来编制染色体,可保证求出的解既有全局优化的性质,又实际可行,并且大大提高了求解的速度。中用一个358节点网络的重构算例,验证了中所提出的有效性,并在同时计及网络能量损耗和开关操作费用的情况下,研究了合同的网络重构间隔。     

基于混合算法的多目标配电网重构

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。提出一种混合算法来处理配电网重构问题,根据遗传算法和粒子群算法各自的原理特点,将遗传算法和粒子群算法相结合,充分地利用粒子群算法的快速性、随机性、全局收敛性,较好地解决了遗传算法用于配电网重构时的缺点和不足。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。     

基于博弈论的多目标配电网重构

提出了一种基于博弈论的多目标配电网重构模型,该模型充分考虑了风电和光伏发电的出力不确定性,以降低配电网有功损耗、均衡负荷过载和减少开关操作次数为综合优化目标。将3个目标函数视为不同的博弈者,并考虑各目标之间存在的相互制约关系,加入"后评价"选择机制,构建了合作博弈联盟模型探讨目标间可能存在的联系,并采用改进萤火虫算法对模型进行求解,利用适应度值的大小确定最终重构方案。IEEE 33节点配电网的测试结果表明,所用算法能够快速找到多目标重构博弈模型的均衡解,验证了在加入分布式电源的情况下,网络重构能明显改善配电网的各项指标。     

考虑分布式电源出力调整的多目标配电网重构

配电网重构可以提高配电网运行的经济性和安全性,而分布式电源(Distributed Generator,DG)加入配电网直接影响潮流分布,对配电网重构将产生较大影响。考虑到DG对配电网重构的影响,以开关状态、DG出力为优化变量,建立了以网络损耗、负荷均衡化率最小为目标函数的多目标优化模型。将生成树、蚁群算法和遗传算法相结合,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。该方法利用基于生成树原理的蚁群算法对配电网结构进行优化,保证蚂蚁路径满足网络拓扑约束,有效提高了可行解的数量;采用Pareto最优遗传算法对分布式电源出力进行优化,可获得满足多目标需求的若干优化方案。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。     

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。     

计及不确定性的配电网模糊优化重构

实际配电网的负荷变化具有不确定性,使得配电网重构难以用传统的模型来描述。为此,提出根据负荷变化的模糊特性,建立以供电质量最优和网络损耗最小为目标的模糊化多目标配电网重构模型。采用量子进化算法对模型进行求解,以提高配电网络的经济性和供电质量;计算过程中采用支路前推回代法得到通应度函数的模糊区间,并通过区间评价函数进行模糊区间的比较来衡量方案的优劣。采用含分布式电源的IEEE33节点测试系统进行仿真计算,证明该方法的有效性。     

基于量子粒子群算法多目标优化的配电网动态重构

为保证配电网动态重构后系统安全稳定的运行,提出了以网损和节点电压稳定性为目标函数的量子粒子群算法的配电网动态重构。针对配电网动态重构过程中时段划分问题,提出以负荷曲线的单调性和幅值变化大小为依据初步划分时间段落。采用整数型量子粒子群算法进行动态重构,重构过程中以相邻时段的网损变化值的关系获取最佳重构段落,然后综合考虑配电网网损最小和节点电压值最大且波动最小为目标寻找最佳重构结构。以IEEE33配电系统为例验证了所提方法的有效性和实用性。     

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。     

兼顾均匀性的多目标配电网重构方法

提出了一种兼顾均匀性的配电网多目标重构方法。分析了不同均匀性网架结构下可靠性与网损的关系,给出了网架结构均匀性的评价指标。建立了兼顾均匀性的多目标配电网重构模型(distribution network reconfiguration based on system homogeneity,DSH),并采用改进多目标和声搜索算法来求解DSH模型。通过对IEEE 33节点测试系统的仿真分析,验证了DSH模型求解算法的有效性与合理性,给出了考虑可靠性和均匀性的配网重构问题的最优解集,供决策者根据实际情况选择。     

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。     

基于无重访NSGA-II算法的配电网多目标重构

将基于空间二叉分割理论的无重访机制与基于多目标Pareto最优化思想的第二代非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm-II, NSGA-II)相结合,构建了无重访NSGA-II算法,并应用于求解同时考虑网损降低和供电可靠性提高的多目标配电网络重构问题。所构建的无重访NSGA-II算法实现了严格意义上的不重复搜索,避免了重复方案的潮流及可靠性计算,节约了计算资源。IEEE16、IEEE33测试系统的计算结果表明能够在较少的迭代次数下得到每个目标方向上的最优解以及包含若干非支配解的Pareto最优前沿解集。根据网损与可靠性目标之间的关联关系及相应重构方案的拓扑结构分析表明在解空间的全局范围内网损与可靠性目标具有较明显的一致关联性,不论对于网损还是可靠性的优化,网络拓扑都应该接近广度优先树而规避深度优先树。     

综合开关次数分析的配电网多目标动态重构

为使得配电网重构更为合理而有效,提出一种配电网多目标动态重构新方法。以降低网损和减少开关操作次数为综合优化目标构建配电网多目标动态重构模型,采用基于图论中代数连通度的网络连通性判别方法快速消除无效解,采用基于独立环路的实数编码策略大幅降低变量维数。针对该复杂模型的求解,设计一种新型的复合型微分进化多目标优化算法,通过融合不同特点的变异策略,兼顾个体多样性和收敛速度,解决了群智能进化算法存在的寻优深度与速度之间的矛盾。最后以IEEE 33节点配电系统为例进行多目标动态重构,通过对求得的Pareto最优解集以及开关操作性价比进行分析,验证了该方法的有效性和优越性。     

基于改进双层聚类多目标优化的配电网动态重构

随着配电网的高速发展,电力用户对供电可靠性的要求越来越高。针对现有配电网动态重构中开关次数难以约束,系统节点功率变化对配电网潮流分布的影响以及单一聚类算法负荷识别不足的问题,提出基于形态与幅值的双层聚类。外层以皮尔逊为相似度量进行形态相似聚类,内层以欧氏距离为相似度量进行幅值相近聚类。建立减小网损、提高电压稳定性、均衡馈线负荷、减少开关操作次数的多目标优化数学模型,采用改进粒子群算法完成配电网多目标动态重构。仿真结果表明,较静态重构开关操作次数降低了54.76%,减小电能15 575.4 kW·h,降低了39.28%,较重构前电压偏移指数降低49.1%,负荷均衡度改善41.9%。该研究所提改进的双层负荷聚类相比FCM聚类,准确度提高了11%,聚类效果更加接近原始数据。该动态重构方案可提高配电网运行的可靠性。     

Electric distribution network reconfiguration based on a fuzzy multi-criteria decision making algorithm

Topological reconfiguration is an important tool for the planning and operation of electric power distribution systems. The amount of time that an algorithm spends to obtain an alternative topological status for the system is not a primary concern, as the main goals of distribution operation planning are the reduction of power losses, the enhancement of the voltage profile, and the increase of reliability levels. The utility can use multiple criteria regarding the observation of regulation policies and public awareness to drive the topological reconfiguration. Several researchers are looking for new optimization methods, as the complexity of this combinatorial issue is high in large systems and the classic optimization methods are failing to address the problem reasonably. Therefore, a new fuzzy multi-criteria decision making algorithm for the proper processing of the information sources available at the utilities in the context of distribution network reconfiguration is proposed. The algorithm is evaluated through the use of a proof-of-concept implementation in a set of case studies based on actual distribution systems.     

兼顾抗毁度的含风电配电网多目标重构

为了通过配电网重构提高供电可靠性,从网络保持连通性及抵御破坏能力的角度,引入网络抗毁度指标作为配电网重构的一个新目标函数。通过有权网络的边权值和节点位置重要度求解网络抗毁度,同时考虑风电出力的随机性和间歇性,对该指标进行修正。建立了兼顾抗毁度的含风电配电网多目标重构模型,并采用改进和声搜索算法来求解此模型。给出了多目标重构的帕累托最优解集,供决策者根据实际情况选择。通过对33节点系统的算例分析,验证了所提模型求解方法的有效性与合理性。     

考虑网络结构优化的含风电配电网多目标重构

为了提高配电网的供电可靠性,从网络自然连通性角度,引入网络抗毁性指标作为配电网重构的一个新目标函数。同时考虑风电出力的随机性与间歇性,根据风速区间及风速概率密度函数构建多个风电出力随机变量,以及对应概率。在此基础上,以开关状态为优化变量、风电出力为随机变量以及在置信水平下的网络损耗最小为另一个目标函数建立了基于机会约束规划的含风电的配电网多目标重构模型。应用改进蚁群算法,结合生成树策略保证蚂蚁路径满足网络辐射状网络拓扑约束,求解所建配网重构模型,并利用Pareto寻优得到最优解集。IEEE33节点和PGE69节点系统算例仿真结果验证了该模型和算法的有效性。