基于人工鱼群算法的配电网开关优化配置

对配电网开关优化配置进行了分析,针对开关优化配置的特点提出了用户停电损失费用计算的分块算法,并且建立了配电网开关优化配置的数学模型。针对人工鱼群算法不能找到精确解、复杂度高等缺点进行了改进,借鉴遗传算法的思想提出了二进制人工鱼群算法,使该算法能更有效的应用于实际工程当中。仿真试验结果证明,在充分考虑可靠性和经济性协调的情况下,应用二进制人工鱼群算法来优化配电网馈线上分段开关的位置和数量是可行且有效的。     

复杂中压配电网开关优化配置数学模型及算例

配电网开关优化配置就是确定馈线上开关设备的最佳位置和数量,以提高系统可靠性,减少停电损失,提高资金的使用效率。本文介绍了开关优化配置中各种费用的计算方法,对现有的几种复杂中压配电网可靠性算法进行了比较和说明,并介绍了基于可靠性算法计算停电损失费用的方法。     

适应自愈要求的配电网开关优化配置

自愈是智能配电系统的重要特征,通过对配电网分段开关的优化配置,不仅可以使配电网满足经济性和可靠性要求,更能使网架本身具有良好的自愈性。为体现自愈要求,分别从自愈时间、用户和负荷的角度提出了智能配电网自愈能力的评价指标以及负荷自愈率的分块计算法,在传统开关优化配置的目标函数中加入停电中断费用,在约束条件中增加了最小自愈率的约束,并通过对惯性系数和学习因子的调整改进二进制粒子群算法来求解适应自愈要求的配电网开关优化配置问题。最后,通过算例结果验证了所建模型的合理性和所提方法的有效性。     

配电网开关优化配置研究现状与展望

配电网开关优化配置是以成本-效益分析原理为基础,涉及开关设备的投资、运行维护费用以及停电损失等多种因素的非线性组合优化问题。文章综述了近年来开关优化配置的国内外研究现状,详细阐述了目标函数的选择、建模、求解算法、费用计算以及应用等各方面研究成果及存在的问题,展望了开关优化配置进一步的研究方向,包括算法精度和速度的改善、可靠性和电气参数不确定性考虑、静态建模拓展等内容。     

考虑可靠性和经济性的中压配电网分段开关优化配置研究方法

中压配电网中,科学配置分段开关可以显著提高供电可靠性减小停电损失。综合考虑配电网供电可靠性和经济性,以停电损失最小为目标,提出了分段开关的最优配置技术。首先,分析拓扑结构与分段开关关联性,建立中压配电网拓扑结构优化分析模型;然后,基于全寿命周期成本理论,提出考虑供电可靠性的分段开关最优配置模型,通过分析开关上游、中游和下游网络的平均停电持续时间和停电损失费用,提出考虑可靠性和经济性的综合迭代求解策略;最后,基于二进制粒子群算法,提出分段开关配置数目和位置的迭代求解方法。仿真算例验证了方法的有效性以及优势所在,为电网规划人员在配电网优化设计中提供实用参考。     

多因素的配电网开关配置优化方案研究

提出一种基于多因素的中压环网的开关优化配置方法.根据实际配电网的运行要求,建立优化数学模型,利用差分法改进的遗传算法进行求解,使得配电网的开关配置方案在满足供电可靠性约束和综合费用最低的前提下最优化.以 IEEE RBTS-BUS 5 系统的1、2两条主馈线为研究对象,以开关投资费用、运行维修费用和停电损失费用等综合费...     

多粒子群协同优化算法的配电网网架规划

配电网网架规划是一个复杂的大规模组合优化问题。针对PSO易早熟、收敛慢的缺陷,本文提出一种基于粒子群算法的多粒子协同优化算法来求解配电网网架规划问题,以达到线路的规划年综合费用最小为目标函数。由于该算法在操作过程中不可避免产生不可行解,本文提出了一种将不可行解修复成满足辐射型要求的可行解的方法。该算法在求解配电网网架优化问题时,编码容易且能方便处理网络辐射性问题,求解效率高、速度快。最后,通过算例证明该方法的可行性和有效性。     

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。     

基于免疫算法的配电网开关优化配置模型

给出了开关优化的数学模型及基于免疫算法的求解方法。分析了开关投资和运行维修费用、停电损失的计算方法，基于等年值法建立开关优化配置模型。该模型是一含约束、不可微、非连续的组合优化模型。基于免疫算法给出了模型的求解算法。通过模型计算确定开关的最优配置数量和位置，并得到系统的可靠性、投资费用和停电损失等。计算实例表明：提出的模型和算法有较强的工程实用性，免疫算法具有较好的全局收敛性和较快的收敛速度。     

多粒子群协同优化算法的配电网网架规划

配电网网架规划是一个复杂的大规模组合优化问题。针对PSO易早熟、收敛慢的缺陷,本文提出一种基于粒子群算法的多粒子协同优化算法来求解配电网网架规划问题,以达到线路的规划年综合费用最小为目标函数。由于该算法在操作过程中不可避免产生不可行解,本文提出了一种将不可行解修复成满足辐射型要求的可行解的方法。该算法在求解配电网网架优化问题时,编码容易且能方便处理网络辐射性问题,求解效率高、速度快。最后,通过算例证明该方法的可行性和有效性。     

基于PSO的配网重构与电容器投切综合优化算法

配电网络重构和电容器投切是配电网络优化的两个重要内容,简单地迭加难以反映二者之间的联系和影响,不能到达整体最优的目的。将二者融为一体,提出了一种基于PSO的综合优化算法。算法借鉴了遗传算法的变异思想,对具有集聚倾向的粒子进行速度变异,避免了“早熟”现象;并结合配电网络综合优化问题的特点,适当地改进更新规则来同时处理不同类型的变量,引入“飞回”策略处理越限问题。算例结果表明所提算法不依赖于网络的初始状态,不易陷入局部最优,优化效果好。     

基于改进粒子群优化算法的配电网络重构

提出了一种求解配电网络重构的改进粒子群优化（PSO）算法。结合配电网络的特点改进了PSO算法粒子位置的更新规则，提高了迭代过程中有效解的产生概率；并结合禁忌（Tabu）搜索的记忆功能和藐视准则，克服了PSO算法的早熟问题。算，其结果与最优解吻合，证实了算法的有效性，并与较，表明了算法具有更好的搜索效率。最后对3个典型IEEE测试系统进行优化计Tabu搜索算法和遗传算法的计算结果相比     

电力系统无功优化多目标处理与算法改进

电力系统无功优化属于典型的多目标非线性复杂优化问题,求解非常困难。近年来,众多智能优化算法应用于该问题,其中粒子群优化(Particle Swarm Optimization,PSO)算法最具代表性;但PSO算法性能仍有待提高,如可能陷入局部极值。提出一种多策略融合粒子群优化(Particle Swarm Optimization with Multi-Strategy Integration,MSI-PSO)算法,对速度更新公式引入选择操作,分阶段加速因子调整和惯性权重动态调整,以平衡粒子局部搜索与全局探索能力;同时,随机选取部分性能差的粒子,将其速度更新公式中的个体认知部分修改为社会认知部分,以提高算法搜索精度和收敛速度。建立以系统网络损耗最小和系统电压稳定裕度最大为目标的无功优化仿真模型,分别考虑加权法、隶属度函数法和Pareto法实施多目标处理。针对IEEE30节点测试系统进行仿真实验,结果表明,和其他几种改进PSO算法以及基于pareto最优解集PSO算法进行对比,所提MSI-PSO算法具有更好的性能,能够有效求解电力系统多目标无功优化问题。     

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。     

配电网重构的混合粒子群算法

通过将二进制粒子群算法和离散粒子群算法相结合,提出一种混合粒子群算法,求解配电网重构问题。在求解过程中,通过对配网支路进行分组,简化了网络,编码时每一支路组用1维表示,不仅显著降低了维数,缩短了编码长度,更有效降低了无效粒子的产生概率。在搜索过程中,根据该文总结的配电网重构的必要条件,有规律地将粒子进化,进一步提高了搜索效率。在优化过程中将每一次迭代由2步完成：第1步根据二进制粒子群算法中的sigmoid()函数值,利用轮盘赌的方法优化选择断开的支路组;第2步利用提出的离散粒子群算法优化选择在第1步中被选中断开的支路组的内部断开支路。最后对一个典型的69节点算例和一个实际算例进行仿真,结果显示,该方法不仅能快速收敛,而且稳定性好。     

改进粒子群算法在无功优化中的应用

建立了无功优化的数学模型,针对粒子群算法易陷入局部最优解、收敛精度差的缺点,将改进粒子群优化算法应用到电力系统无功优化中。对粒子群的速度公式进行了改进,并在算法中引入反正切惯性权重和阈值来增强搜索全局最优解的能力。通过对IEEE30节点的算例仿真,证明改进后的粒子群算法在电力系统无功优化问题上具有一定的可行性。与PSO的结果对比表明该算法在一定程度上提高了计算的精度。     

基于双适应度微粒群优化算法的最优潮流计算

在分析最优潮流(0PF)理论及其算法的基础上,引入微粒群优化算法(PSO).考虑到传统PSO算法应用罚函数处理OPF约束条件时容易造成对优良个体的湮灭,提出双适应度概念对微粒进行评估.利用双适应度PSO算法对算例进行分析并与其他算法比较,结果表明双适应度微粒群优化算法可较好处理最优潮流约束条件,在处理最优潮流问题上具有一定的有效性和优越性.     

基于路径描述的配电网电力廊道规划方法

配电网工程的落地依托于充足的电力廊道资源,而电力廊道规划方案的合理性也将影响到后期配电网建设的经济性。为科学指导廊道的选择,提出一种基于路径描述的配电网电力廊道规划方法。首先根据电力廊道与配电网网架之间的耦合关系,搭建电力廊道连通性模型;然后采用深度优先遍历算法获得满足廊道建设情况的供电路径集合。基于此,以电力廊道综合规划费用为廊道规划方案的评估依据,搭建了配电网电力廊道双层规划模型。最后采用嵌套离散粒子群优化算法进行优化求解,外层粒子群算法以电力廊道综合规划费用最小为优化目标,内层粒子群算法以配电网运行规划成本最小为优化目标。算例分析表明,所述模型可兼顾后期配电网建设的可行性与经济性,得到满足负荷需求的电力廊道最优规划方案,有利于提前对廊道站址进行保护,为配电网建设提供参考。     

电力系统无功优化自适应粒子群算法

针对粒子群(PSO)算法存在易陷入局部最优的缺点,提出了一种新的基于种群多样性指数的自适应粒子群优化算法(ASPO)。该算法利用种群多样性信息对惯性权重进行非线性调整,并在算法后期引入速度变异算子和位置交叉算子,使算法摆脱后期易于陷入局部最优的束缚,同时又保持前期搜索速度快特性。将其应用于电力系统无功优化,对IEEE-30节点系统进行仿真计算,并与GA、PSO等算法比较,结果表明APSO算法能有效应用于电力系统无功优化,其全局收敛性能、收敛精度和收敛稳定性均较GA、PSO算法有了明显提高。     

基于云自适应梯度粒子群算法的无功优化

粒子群算法存在着早熟的现象,易陷入局部最小点,为了克服这个缺点,文章首先将云模型引入粒子群算法,将粒子分成2部分,靠近最优粒子和远离最优粒子的部分,其中靠近最优粒子种群的惯性权重由云模型的X-条件发生器自适应调整,提出了云自适应粒子群算法(cloud adaptiveparticle swarm optimization,CAPSO),然后引入梯度的思想,提出云自适应梯度粒子群算法(cloud adaptive gradientparticle swarm optimization,CAGPSO)。以网损最小为目标函数,对标准IEEE 14和IEEE 30节点系统进行仿真计算,结果表明改进后的CAGPSO算法能够获得更好的优化解。