一种求解电网多目标模糊优化运行的自适应现代规划算法

从随机优化技术及生物进化机制角度出发,设计出一种新颖的自适应进化规划算法。该算法包含了2个重要部分：（1）采用倒指数形式来描述均方差与适合度之间的关系;（2）在寻优过程中,变异量自适应发生改变,并结合模糊集理论应用于求解具有可伸缩约束的电网多模糊优化运行问题,求解时对优化模型、遗传操作等方面进行了探讨。试验系统的计算结果表明,该算法具有很强的自适应性及通用性,在全局收剑特性、约束项的处理、算法复杂度及运算效率等方面显示了一定的优势,体现了求解电网多目标优化运行的良好前景。     

基于自适应烟花算法的微网经济运行优化

针对微网经济优化运行问题,建立了集中控制式微网的优化调度模型,提出了其经济优化运行策略,采用自适应烟花算法在MATLAB软件中对算例的冬季并网运行进行仿真求解,通过对算例优化结果的分析,证明了自适应烟花算法适用于求解具有多约束、多目标、非线性特点的微网运行优化问题。从算法性能和计算代价方面将自适应烟花算法、增强烟花算法、粒子群算法进行了比较,验证了自适应烟花算法具有更好地寻优能力。     

改进自适应遗传算法在网络重构中的应用

研究了大停电事故后输电系统的重构优化问题,提出一种求解最优目标网的改进自适应遗传算法。将网络重构问题表示为以恢复负荷总量最高为目的的非线性优化问题,在求解目标网时考虑了负荷的重要性、网络连通性、电网所需满足的各种安全和运行约束等问题。采用改进的自适应遗传算法对问题进行求解,通过适应值函数的计算得到了系统允许条件下的最大允许恢复负荷量。该算法在求解电网重构问题时,编码容易且能方便地处理网络连通问题,求解效率高,用IEEE30节点算例验证了本文方法的有效性。     

海上风电场自适应多目标无功优化控制策略

针对传统固定权重多目标无功优化在应对新型电力系统复杂多变的工况时无法针对实时工况做出最合适的控制决策的问题,提出了一种自适应多目标无功优化控制策略,该策略以系统有功网损和并网点电压偏离量的加权最小作为目标函数,目标函数的权重系数根据并网点电压的偏离情况自适应调节。首先,分析海上风电场并网点电压波动与有功、无功输出的关系,建立相应的无功分配模型,并针对风电机组及静止无功发生器（static var generator,SVG）的输入输出特性,建立相应的无功控制模型。此外,考虑海上运行的功率约束、安全运行约束等,采用变惯性权重粒子群优化算法对无功控制策略进行求解。最后,在MATLAB中搭建海上风电场模型进行仿真验证,仿真算例表明：相较于传统固定权重多目标无功优化,自适应多目标无功优化控制策略可以根据电网实时工况,迅速调整各优化目标的优先级,较好地实现有功网损和并网点电压的协调优化。     

采用复合自适应全局人工鱼群的微网并网优化运行研究

微网是我国智能电网发展的关键技术之一,而微网的并网优化运行已成为当前国内外的研究热点.充分考虑微网中分布式电源的发电功率特性以及运行成本、燃料成本、环境成本、折旧成本、售电收入、购电费用和启停成本,在计及功率平衡约束、交互功率约束、爬坡约束的条件下,以微网运行总运行成本最小为目标,构建了微网优化运行经济模型,并采用复合自适应全局人工鱼群算法求解.通过典型微网系统进行了实例仿真分析,证明该算法的有效性和正确性.     

基于风险评估的配电网检修决策优化

提出一种基于风险评估的配电网检修决策优化模型,有效地融合不同的检修方式,并综合考虑设备状态及其发展、各类检修的作用、电网的运行方式等因素。模型计及电网检修风险和电网故障风险,以电网运行风险最小为优化目标,以电网安全约束、检修关系约束和检修资源约束等为约束条件,并采用粒子群优化算法进行求解。RBTS-BUS2系统仿真结果验证了所提模型的合理性和有效性。     

基于自适应进化规划的电网多目标优化运行

人随机优化技术及生物进化机制角度出发,在常规进化规划算法的基础上,提出一种新颖的自适应进化规划算法,并首次将其应用于求解电力系统多目标优化运行问题。对优化模型、遗传操作等方面进行了更深一步的研究。数学算例及应用实例表明该算法十分有效,有广泛的应用价值。     

风光储电动汽车换电站多目标运行优化

针对可再生能源与电动汽车充换电负荷之间的协调优化问题,建立了含风光储发电单元的电动汽车换电站多目标运行优化模型。采用多种群和动态自适应策略,提出了一种改进的动态多种群多目标粒子群算法,对这一多维、多约束、非线性的多目标优化问题进行求解。以某地区实际电网数据进行算例仿真,验证了模型和算法的有效性。结果表明,优化后的风光储电动汽车换电站不仅可以实现可再生能源的就地消纳,而且有助于减小负荷峰谷差。     

高渗透率光伏微电网能量优化管理策略的研究

针对高渗透率光伏微电网,提出了运行总成本最优的能量优化管理策略。在微电网并网和孤岛两种运行模式下,基于光伏的运维成本、储能设备的运行损耗、火电的环境污染及治理成本、微电网与大电网之间电能交易差额以及可调负荷的断电惩罚费用等因素,建立高渗透率光伏微电网的多目标能量优化模型,并在系统功率平衡等安全约束下,应用具有惯性权重系数的粒子群算法求解得到能量优化管理策略。算例分析表明,该能量管理策略具有经济性和有效性。     

互联电网静态电压稳定预防控制模型及其算法

提出了基于区域电网间断面功率约束的互联电网静态电压稳定预防控制模型及其算法。该预防控制模型以控制代价最小为目标,约束条件包含了正常运行状态下的可行性约束、预想故障状态下的静态电压稳定裕度约束,以及各个运行状态下区域电网间传输断面的功率约束。该模型不但可以保证互联电网在各种运行状态下的静态电压稳定性,且能满足区域断面之间的交易功率约束。针对互联电网分层分区管理的特点,进一步建立了互联电网静态电压稳定预防控制的分解协调优化模型,并采用分解协调内点法求解。仿真结果表明了所提互联电网静态电压稳定预防控制模型及其算法的正确性及有效性。     

基于自适应遗传算法的水轮机导叶关闭规律优化计算

首先建立水轮机导叶关闭规律优化计算的数学模型,然后将自适应遗传算法和水电站过渡过程数值计算特征线法相结合,建立一种用于求解该模型的全局优化方法.该自适应遗传算法采用实数编码,并根据个体适应变不同对交叉概率和变异概率进行自适应调整,使群体中的优良个体不易被破坏,同时又保证了种群个体的多样性,从而提高了算法的优化效率.工程实例计算表明,应用自适应遗传算法优化水轮机导叶关闭规律是可行、高效的.     

改进的遗传算法及其在电磁场全局优化问题中的应用

提出了一种适用于电磁场优化设计的改进遗传算法。分析了标准遗传算法收敛速度慢的原因,针对其不足提出了相应的改进方案。改进算法中引入了迭代过程的分类（随机搜索阶段与局部优化阶段）、新的群体产生规则、适应性的变异概率、新的迭代终止准则等方法。将改进算法与标准算法用于对典型数学函数和应用实例的求解,运算结果表明,该算法比标准遗传算法不仅求解质量高,而且收敛速度快、稳定性强。     

基于改进自适应遗传算法的电力系统相量测量装置安装地点选择优化

将进化参数衰减因子与基于适应度变化的自适应遗传算法相结合,提出了一种新的自适应遗传算法,使遗传算法在进化过程中能够同时根据个体适应度和进化时间的变化自动调整交叉与变异概率,克服了原有自适应遗传算法易早熟的缺点,提高了最优解的多样性和寻优速度.精英个体保留策略保证了整个算法的全局收敛性.在约束条件处理时,采用了不可行解启发性修复方法,提高了算法的优化效果.基于图论的深度优先方法用于系统可观性分析.将新的自适应遗传算法应用于优化相量测量装置安装地点选择,实现了安装地点最少,而整个系统可观的目标.该算法已在某省46节点系统的优化计算中得到了验证.     

自适应局部微调遗传算法

针对遗传算法在有限时间内难于给出高精确度解的问题,在传统遗传操作的前期与后期分别采用自适应与局部微调相结合的方法,给出了一种自适应局部微调的遗传算法,即将遗传代数划分为自适应概率搜索阶段和局部微调阶段,在交叉操作中分别采用自适应概率算术交叉和部分确定性诱导交叉;在变异操作中分别采用自适应随机扰动变异操作和最优个体诱导变异操作.应用该算法对全局最优解领域进行搜索,能在较短的时间内找到高精确度的数值解.对6个典型测试函数的优化问题实验表明,该方法具有快速、稳定和易于实现的优点.     

基于混合遗传算法的变电站选址定容

针对变电站优化规划这种大规模组合优化问题,提出了一种结合遗传算法与交替定位分配算法的混合遗传算法(GA-LA).该算法采用新型的三维编码策略,同时包含新建站的数量、站址和站容信息,并设计了适用于此新型编码的交叉算子和变异算子,以实现站址、站容的优化.其中,针对站址优化子问题,GA-LA算法将交替定位分配算法与遗传算法结合,在标准GA算子之后增加了一个LA算子,由GA算子进行种群中的全局广度搜索,LA算子进行染色体中的站址局部深度搜索,可实现无待选站址的自动寻优.算例结果表明,该方法具有较好的站址站容寻优能力和收敛性能,能满足实际电网中大规模变电站规划的需求.     

基于源网荷互动的分布式能源消纳方法

分布式能源发电的不确定性给电网公司消纳新能源带来了极大的挑战,电力物联网全域感知技术为分布式能源消纳提供了有效的数据支撑,故提出了一种基于源网荷互动的分布式能源消纳方法,构建了分布式能源总功率预测方法,采用自回归移动平均算法对新能源发电功率进行预测,并建立分布式能源发电波动影响因子,分析新能源发电波动对电网带来的影响。根据源网荷的互动情况,采用离群点自趋优算法,实现新能源机组有功功率精准控制,有效推动分布式能源的消纳。仿真验证表明:采用离群点自趋优的新能源机组控制算法能根据电网运行情况,自动调控分布式能源、电网资源,实现分布式能源最大化消纳,有效提高了园区分布式能源的经济运行水平。     

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。     

基于数学形态学和遗传算法的配电网动态无功优化方法

提出了一种基于数学形态学和遗传算法的配电网动态无功优化方法,通过构造数学形态学滤波器对由染色体的等位基因构成的二值图像进行滤波,将对补偿调压设备动作次数的处理问题转化为离散二值图像的滤波问题。为提高遗传算法的计算速度,对交叉和变异操作进行了改进：基于遗传性状的思想,防止了交叉操作中对优良基因组合的破坏;借鉴粒子群算法中根据个体极值和全局极值修正个体速度和位置的思想,提出了根据基因性状进行进化变异的方法。分别采用改进遗传算法、简单遗传算法和该动态无功优化方法对某区域配电系统进行无功优化,结果验证了该优化方法的正确性和有效性。     

电力系统无功优化的二次变异遗传算法

在自适应遗传算法的基础上引入优良个体池和二次变异操作,提出了用于电力系统无功优化和电压控制的二次变异遗传算法。该方法建立一个与群体规模等大的优良个体池,用于保存个体编码、适应度等详细数据。每计算完一代,将该代的个体与优良个体池中的个体进行生存竞争,因此优良个体池中保留了历代计算的优良个体,下一代的群体从优良个体池中选择。考虑到遗传操作后存在大量相同个体,检出重复个体进行二次变异,产生邻近的个体,避免了重复计算而且增强了算法的局部搜索能力,加快了算法的收敛速度。该方法和自适应遗传方法用IEEE30节点系统为例计算,结果表明:使用二次变异自适应遗传算法优化的网损平均值更低,寻优性能更好,优化的网损值集中在小的区间。     

电力系统PMU安装地点选择优化算法的研究

将进化衰减因子引入了遗传算法,构造了一种新的自适应遗传算法。新算法在进化过程中能够同时根据个体适应度和进化时间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,提高了最优解的多样性,加快了算法寻优速度。精英个体保留策略保证了整个算法的全局收敛性。算法约束条件处理采用了不可行解启发性修复方法,保证了全部优化结果都被严格限定在了满足约束条件的解空间内。基于图论的深度优先搜索方法用于系统可观性分析。将新的自适应遗传算法应用于优化PMU安装地点选择,实现了安装地点最少,而整个系统可观的目标。该算法已在某省