基于改进灰狼优化算法的配电网动态重构

为了更好地解决含分布式电源(Distributed Generation,DG)的配电网重构问题,建立了考虑负荷需求与DG出力时变特性的配电网动态重构模型.首先采用K-means++聚类算法对日负荷进行时段划分.然后以系统损耗、电压偏离量为目标函数,并利用改进灰狼优化算法进行寻优计算.针对传统灰狼优化算法中存在的初始种...     

基于鸡群粒子群混合算法的配电网重构研究

为使配电网接入分布式电源后能快速、准确地重构,针对配电网重构的算法进行改进。对于粒子群算法易陷入局部最优的问题,提出与鸡群算法进行融合,以扩大搜索范围,避免搜索过程陷入局部极小,从而得到质量更好的解。最后在IEEE 33节点系统中,考虑分布式电源的接入,运用鸡群粒子群算法进行算例验证。     

基于DAPSO算法的含分布式电源的配电网重构

为了改善智能算法性能、提高寻优效率、满足网络辐射状和连通性约束,提出一种基于动态自适应粒子群优化(DAPSO)算法的含分布式电源的配电网络重构策略,用于求解重构的离散变量优化问题。动态自适应调整惯性权重和对速度进行变异,避免算法陷入局部最优,保持全局开拓和局部探索的动态平衡,加强算法的寻优性能。采用"解环"法,确保重构后网络为辐射型并保证网络的连通性。基于IEEE33和PGE69节点系统的仿真结果显示,DAPSO算法收敛速度快、全局寻优能力强、稳定性好,其寻优重构方案可有效降低网损,改善电压水平,优于其他方法的结果,具有很好的实用价值。     

基于粒子群优化算法的配电网重构和分布式电源注入功率综合优化算法

随着分布式电源(distributed generation,DG)在配电网中安装比例逐年增加,配电自动化应加强对DG的优化调度功能,发挥DG对配电网优化的有利作用。配电网重构是配电网优化的重要措施,DG联网后,DG注入配电网功率直接影响配电网重构结果。为使配电网性能达到整体最优,提出了一种基于粒子群优化算法(particle swarm optimization,PSO)的配电网重构和DG注入功率综合优化算法。该算法根据PSO并行计算的特点,采用PSO和二进制粒子群优化算法(binary particle swarm optimization,BPSO)相结合的方式,对转换开关状态和DG注入功率2种控制变量同时处理,达到配电网网损、电压偏差最小的目的。将DG作为可调度设备,对配电网重构和DG注入功率进行综合优化,提高了含DG配电网的电能质量和供电可靠性。将该算法应用到3馈线配电系统,仿真结果验证了所提算法的有效性。     

含分布式电源的配电网综合优化重构

分布式电源(DG)的接入对配电网重构带来诸多影响,使含DG的配电网重构难以用传统模型来描述。为了充分发挥DG对配电网的有利作用,将DG视为可调度设备,建立了以网络开关组合、DG注入功率、DG位置为控制变量的配电网综合优化重构模型,采用量子进化算法(QEA),以网损最小为目标函数,对模型进行求解,降低了配电网的有功损耗。采用IEEE33节点测试系统进行仿真计算,结果表明了该方法是正确、有效的。     

基于混合优化算法的配电网动态重构研究

本文提出了一种混合了混沌粒子群与教学优化的算法来解决配电网动态重构问题。建立以网络损耗最小,开关操作次数最少的运行费用模型。将配电网络的损耗和电压偏差这两个指标通过归一化处理形成一个综合指标,并设定最大标准差及系统最大重构次数,确定重构时段。所提出的方法结合了混合粒子群优化算法和教学优化算法的特点成为了一种更有效率的全局优化算法。为了在配电网动态重构中可以动态调整惯性参数,在一般的粒子群算法中引入了混沌理论,同时具有教学优化的混合算法可以保证初始种群的多样性和防止过早收敛,提高了算法寻优的能力。最后使用了IEEE 33节点配电网测试系统证明了所提算法的合理性与有效性。     

配电网重构研究综述

配电网重构是配电系统优化运行的重要手段,不需要增加额外的设备投资,只需改变内部开关状态就能达到降低网络损耗,改善电能质量等效果.本文首先介绍了传统配电网静态重构模型,指出多目标重构普遍做法,然后将当前动态重构时段划分方法分类,列举了当前重构中对分布式电源出力等不确定因素的处理方法,接着分析了各种重构算法的优缺点,最后指...     

基于杂草算法的含分布式电源的配电网重构

随着社会不断发展,保证供电的可靠性和质量的要求越来越高。分布式电源(Distributed Generator以下简称DG)接入配电网将直接改变潮流分布,而网络重构通过改变开关的开合状态以提高供电的可靠性和经济性。以降低网损和电压分布指数为目标,将杂草算法(Invasive Weed Optimization Algorithm以下简称IWO)、Pareto最优解理论和模糊决策理论相结合,提出了求解上述多目标模型的优化算法。并利用IEEE33节点系统进行仿真验证算法的有效性和实用性。     

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。     

离散学习优化算法在含分布式电源的配网重构中的应用

灵活的网架重构作为主动配电网的重要特征,利于高效消纳分布式能源。传统的数学规划方法难以求解非凸的含分布式电源的配电网重构问题。为此,提出了一种离散学习优化算法(DLOA),并将其应用于有源配电网重构问题。所提方法主要包括三个模块:学习优化算法、离散策略以及拓扑结构分析技术。其中,学习优化算法作为程序优化的核心,离散策略用于确定配电网线路的开闭状态,拓扑结构分析技术则用于分析配电网的网架结构。通过33节点测试系统验证离散学习优化算法的有效性,算例分析表明,所提方法能够有效求解高度非凸的含分布式电源的配电网重构问题。     

基于二进制粒子群算法的配电网重构

配电网网络重构是配电系统极为重要的优化手段。以配电网网损最低为目标函数,结合约束条件确定配电网静态重构的数学模型,提出基于环路编码、分环替代的策略对配电网重构问题进行求解,最后结合IEEE-33节点算例,证明提出的算法,在降低搜索空间,提高寻优成功率和增加寻优效率上都有突出表现。     

配电网络重构中的智能优化算法

详细介绍了配网重构问题中的各种智能优化算法,分析了各种算法的优缺点：SA算法一般可以得到与初始解基本无关的全局最优解或次最优解,但收敛速度较慢,其收敛性依赖于退火方案的选取;GA不受目标函数连续性、可导性等约束条件的限制,在解的空间多点并行搜索,有较高的搜索效率,但收敛性能较差,容易出现早熟收敛;TS算法灵活的记忆功能,避免了搜索时陷入局部最优,但对初始值有较强的依赖性,搜索过程是单对单的串行操作,而非并行操作;ANN优化算法不需要复杂的潮流计算,大大节省了配网重构的时间,但优化结果依赖于提供的训练样本。     

基于环路和改进遗传算法的配电网络重构优化

为了提高电网可靠性,在同时考虑网损和开关动作次数的基础上,以配电网电压降的限制、线路电流值的限制等为约束条件,建立了配电网络重构优化数学模型,用外部惩罚函数法将问题转化为无约束问题,并采用改进遗传算法进行求解。根据配电网的特点,在遗传算法产生初始解及交叉、变异操作时,采用基于环路的方法,避免了不可行解的产生,提高了算法的计算效率。针对遗传算法的局限性,改进操作过程,调整适应函数,改进交叉率和变异率的计算方法,结合模拟退火算法,给出了初温确定方法,改进了选择复制操作。该算法能有效地提高收敛速度,避免早熟收敛,并证明了该方法的有效性。     

基于改进引力搜索算法的配电网多目标优化重构

在含分布式电源(distributed generation,DG)的配电网重构中,综合考虑网络经济性、电能质量以及供电可靠性等因素,通过基于模糊满意度的多目标处理方法将多目标函数进行归一化处理,将精英策略思想引入到万有引力搜索算法中,并采用此改进引力搜索算法对问题进行求解。以IEEE 33标准节点系统为例进行网络重构,仿真结果表明,多目标重构后系统的网损有较大的降低,同时节点电压质量和供电可靠性也得到提高,从而验证了所提算法的有效性和可行性。对比其他算法,所提算法有效避免了结果陷入局部最优解,提高了算法的稳定性且具有较强的寻优性能。     

遗传粒子群混合算法在配电网络重构多目标优化中的应用

针对配电网络重构多为单一性能最优重构的问题,文章提出了使配电网线损、负荷均衡、供电电压质量最佳的多目标配网优化模型。结合GA中的进化思想和粒子群算法(PSO)中的群体智能技术,采用遗传粒子群混合算法寻优,通过随机权重方法来获得目标是Pareto前沿面的可搜索方向,体现出较GA和PSO更好的寻优性能。寻优过程中,部分个体以PSO方法迭代,其它个体进行GA中的选择、交叉和变异操作,整个群体信息共享,同时采用自适应参数机制和优胜劣汰的思想进化。在此基础上制定的配网优化方案能够在保证配网呈辐射状、满足馈线热容、电压降落要求和变压器容量等的前提下,最大限度地提高配电系统安全性和经济性。算例表明该算法在求解性能和效率两方面都有比较显著的优势。     

基于化学反应算法的配电网重构

化学反应(chemical reaction optimization,CRO)算法是从化学反应过程中得到的启发式算法,模拟了化学反应过程中分子相互作用最终到达稳定的低能量状态的过程。基于此,提出了配电网络重构方法。根据配电网络的特征,采用独立环路构造分子的结构,各环路中的开关编号作为分子结构中各特性的取值集合。结合所构造的分子结构的特点,设计了用于配电网重构的分子与容器壁之间无效碰撞、分子之间无效碰撞、分子分解、分子合成的详细规则。算例结果验证了该方法的有效性。     

基于自适应遗传算法的配电网络重构

建立了兼顾经济性和可靠性的多目标配电网络重构数学模型，采用自适应遗传算法进行求解，根据个体适应度的变化自动调整交叉与变异概率，克服了遗传算法易早熟的缺点，加快了算法寻优速度。通过仿真算例分析比较，该方法是可行有效的。     

基于渔夫捕鱼优化算法的配电网络重构

针对正常运行条件下配电网络重构问题,提出一种基于模拟渔夫捕鱼寻优算法(SFOA)的配电网络重构算法。以有功网络损耗最小为目标函数,建立配电网络重构的数学模型,并采用易于编码实现、寻优能力较强的渔夫捕鱼算法对重构模型进行求解。根据配电网络的特点,应用一种基于网孔开关的编码策略,在不背离算法本身搜索方法前提下,简化移动搜索和收缩搜索,以实现对解空间的全局搜寻。最后利用Visual C++对IEEE-33节点算例进行重构,结果表明,提出的方法是有效可行的。     

基于改进遗传算法的配电网优化重构

介绍配电网重构的基本原理及其研究意义,研究了遗传算法的编码并对遗传算法染色体编码进行了改进。在优化过程中采用精英策略及改进的自适应算子,加快了算法的搜索速度,有效避免了不成熟收敛。结合配电网与自适应遗传算法特点采用可操作开关集的快速环分解策略,提高了算法的搜索能力和速度。PE＆G33节点系统算例表明改进的遗传算法在配电网优化重构应用的有效性。