最小化运行费用的时变重构全局优化算法

该文提出了一种以运行费用最小为目标的时变重构全局优化算法。将时变重构问题分解为多个静态重构子问题，使用核心模式遗传最短路算法(CSGSA)分别求解每个子问题，得出候选放射状网络结构，并使用动态规划，根据各子问题的结果求解全局最优的时变重构策略。算法还对开关操作次数约束进行了处理，使之不影响动态规划的全局最优性。所提算法是配电网络实时调度，规划和离线分析的有效工具。     

基于引力搜索算法的含分布式电源配电网重构

分布式电源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。以降低网损和缺供电量为目标,以可调度DG的有功输出和开关状态为优化变量,建立多目标协调优化的配电网络重构的数学模型。将引力搜索算法、Pareto最优解理论和模糊决策理论相结合,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。通过对IEEE33节点测试系统的仿真结果,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,并且在全局寻优能力和收敛速度上表现出色。     

采用最优模糊C均值聚类和改进化学反应算法的配电网络动态重构

针对配电网络动态重构中的开关操作次数约束难以处理的问题,提出采用最优模糊C均值聚类技术对时间区间的配电网络运行状态按其负荷的内在相似性进行聚类,将配电网络动态重构转换为以聚类中心表示负荷状态的多个静态重构问题。从提高寻优效率的角度,对化学反应算法进行了改进,提出了一个更适合求解配电网重构的改进的化学反应算法(improved CRO,ICRO),并将其应用于求解以聚类中心为代表的静态重构问题。每个时间点的优化网络结构由对应的聚类中心的重构结果决定,从而得到配电网络重构操作的时间点和需要操作的开关。以IEEE 33节点配电系统的负荷数据为基础,构建了1周的负荷数据并对IEEE 33节点系统进行了动态重构,验证了方法的有效性。     

考虑分布式电源和电动汽车集群调度的配电网络重构

随着分布式电源和电动汽车等灵活性电力资源大量接入配电网,对系统安全可靠性提出了更高要求。提出一种考虑分布式电源和电动汽车集群调度的配电网络重构方法,以提高系统可靠性和经济性。在考虑电压偏差的基础上,以故障停电损失成本作为衡量电网可靠性的经济性指标,对网络拓扑结构进行重新构建。首先以线路的开关状态、电动汽车充、放电状态及功率为决策变量,建立以综合成本最小为目标的配电网络重构模型;然后针对配电网络重构模型,采用共生生物搜索算法进行模型求解;最后,通过仿真算例验证了所提方法的有效性。     

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。     

配电自动化终端配置的双层优化模型

针对现有配电终端配置模型的优化目标中多个指标量纲差异大且寻优效率低的问题,提出了一种配电终端配置双层优化方法。首先对配电终端类型和含配电终端的配电系统可靠性计算进行了分析。其次,建立了配电终端配置双层优化模型。上层优化模型以配电终端配置费用最小为目标,求解配电终端的安装位置。下层优化模型以系统停电损失费用最小为目标,求解配电终端的安装类型。然后,给出了双层优化模型求解方法,上层优化模型应用易实现的二进制粒子群算法求解,下层优化模型采用预设参数较少且寻优效率高的萤火虫算法求解。最后,通过IEEE RBTS BUS2算例系统验证了所提双层优化模型和求解方法的合理性和有效性。     

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。     

改进粒子群算法在船舶电力系统网络重构中的应用

船舶电力系统网络重构本质上是带约束的多目标组合优化问题.针对船舶电网重构问题的特点,建立了船舶电力网络的无向图模型;在此基础上,进一步建立了以负荷恢复量、开关操作次数和发电机效率均衡性为优化目标的船舶电力系统多目标重构模型:提出了一种结合"背包策略"和模拟退火算子的改进粒子群算法进行求解.其中"背包策略"可以明显提高粒...     

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。     

基于机会约束规划考虑DG与负荷多状态的配电网重构

分布式电源(distributed generation,DG)的大规模接入使配电网成为有源网络,风力、光伏具有出力随机的特点,传统的配电网重构方法不能完全适用含DG的配电网。考虑自然资源和负荷的随机性,依据概率密度函数分别对不可控DG和负荷建立了多状态模型,进而获得了配电系统的多状态模型。以开关状态为优化变量,高于置信水平的网络损耗最小为目标函数,节点电压和支路功率越限概率满足置信水平要求为约束条件,建立了含多种DG的配电网重构机会约束规划模型。基于生成树策略搜索网络结构,应用改进蚁群算法进行求解。算例结果验证了该模型和算法的有效性。     

基于改进生物地理学算法计及可靠性的配电网重构

配电网重构是一个多目标、多约束条件的非线性优化问题。在重构过程中,文章综合考虑了系统的经济性和可靠性因素。建立了Pareto多目标重构模型,并运用一种改进的生物地理学优化算法来处理配电网重构问题,避免了加权多目标优化算法解决此类问题而过分依赖个人主观经验的情况。另外,Pareto多目标数学模型的引入使算法更具有实际的工程意义。通过IEEE33节点系统的仿真结果验证了算法的可行性。     

Multi-Objective Approach for Reconfiguration of Distribution Systems with Distributed Generations

This paper presents a fuzzy multi-objective based heuristic algorithm for network reconfiguration of distribution systems considering distributed generations (DGs). The objectives of reduction of real power loss, branch current carrying capacity limit, maximum and minimum voltage constraints, and feeder load balancing are considered for performance enhancement of the distribution system. Since these objectives are non-commensurable and difficult to solve simultaneously using conventional approaches, they are converted into fuzzy domain and a fuzzy multi-objective function is formulated. A sensitivity analysis based on voltage profile improvement and real power loss reduction is used for obtaining optimal locations of DGs and genetic algorithm is used for optimal sizing of DGs. The proposed reconfiguration algorithm is implemented in two stages, initially in the first stage without incorporating DGs and in the second stage incorporating DGs for obtaining an optimal distribution system network reconfiguration. The advantage of the proposed method is demonstrated through a seventy node four feeders and a sixteen node three feeders distribution systems.     

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。     

基于改进小生境遗传算法的Pareto多目标配电网重构

配电网重构是一个多目标、多约束的复杂非线性组合优化问题,若采用传统的遗传算法处理此类问题,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。建立了Pareto多目标重构数学模型并提出一种改进小生境遗传算法来处理配电网重构问题。算法主要有以下几种特点：设置个体之间的距离判别标准L为动态函数,保持了种群的多样性;采用最优保存策略,提高了算法的收敛速度;交叉、变异采用自适应规则,避免了算法陷入局部最优的情况。另外,Pareto多目标数学模型的引入也使算法更具实际工程意义,采用国外一个实际的配电网络对算法进行了验证。理论分析和算例表明,该算法具有高收敛性、快实时性和强全局稳定性的优点。     

基于免疫PSO的新能源配电网无功多目标模糊优化

考虑分布式能源的间歇性和随机性对配电网电压的影响,用模糊数表征分布式电源出力不确定性和负荷功率的波动性,构建配电网多目标模糊无功优化模型,提出分布式电源和无功补偿装置输出无功功率的协同优化方法。以有功网损最小和电压偏差最小为目标函数,并将目标函数和约束条件模糊化,根据其隶属度函数形成模糊适应度函数,再将两目标通过最大满意度法转化为单目标,最后利用免疫粒子群算法进行求解,从而确定在负荷功率模糊波动下具有不同模糊出力水平的分布式电源和具有不同运行方式的无功补偿装置输出无功功率的最优值。以IEEE33配电网系统为算例,验证了所提出的模型和算法的可行性和有效性。     

基于配电网动态重构的分布式光伏消纳策略

为了提升含光伏并网的配电网中光伏的消纳率,提出一种基于配电网动态重构的新型分布式光伏消纳策略。综合考虑各时段负荷需求变化、分布式光伏出力不确定性和开关切换次数等因素,建立以光伏消纳比最大化和开关切换次数最少化为优化目标的配电网多目标优化重构模型。根据矩形公式与光伏出力特点,提出最短置信区间快速求解法,该方法能够快速计算任意置信水平的Beta分布最短置信区间,解决光伏出力误差区间估计不准确的问题。设计一种新型的多目标指数微分进化算法对模型进行求解,该算法将指数函数既是凹函数又是减函数的特性引入微分进化算法,达到兼顾个体多样性和收敛速度的效果。以分布式光伏接入IEEE 33节点系统为例,验证了所提策略的有效性。     

分布式电源接入配电网的效益及重构优化策略

分布式发电技术是一种新型的、具有广阔发展前景的发电和能源综合利用方式。配电网重构是提高电网运行的经济性、供电质量和安全性的重要手段,也是充分发挥分布式发电效益的重要方法,因此,找到一种适应分布式发电特点的配电网重构模型是很有必要的。文章分析了分布式发电的优势与效益,论述了常见的配电网重构模型的构建方式,结合随机潮流与多目标优化理论提出了改进的配电网重构模型,并通过算例进行验证,获得了满足多目标需求的若干优化方案。     

含大规模电动汽车接入的主动配电网多目标优化调度方法

针对大规模电动汽车接入配电网无序充电带来的负荷峰值增加等问题,提出一种含大规模电动汽车接入的主动配电网多目标优化调度方法。首先基于蒙特卡洛抽样方法分析了大规模电动汽车的充电负荷需求;然后,以含大规模电动汽车接入的主动配电网运行成本最小化和负荷曲线方差最小化为优化目标,综合考虑电动汽车的充电需求和配电网的运行约束,构建含规模化电动汽车接入的主动配电网多目标优化调度模型,采用带精英策略的非支配排序遗传算法(NSGA-II)对多目标优化模型进行求解,针对多目标优化得到的帕累托(Pareto)最优解集规模大,蕴含信息丰富,导致运行人员难以决策的问题,提出一种基于模糊聚类的方法对多目标Pareto最优解集进行筛选。通过改进的IEEE 34节点算例的多场景对比分析,结果表明:所提出的模型和方法可在保证系统经济运行的同时,有效利用电动汽车的优化充电降低系统负荷峰谷差。     

考虑DG及负荷时序性的多目标配电网重构与DG调控综合优化规划

为解决分布式电源（distributed generation,DG）出力及负荷的时变性给实际配电网调度所造成的不利影响,使配电网的优化规划方案更加切实可行,提出了一种基于配电网重构和DG选址定容结合的多目标粒子群动态优化模型,该模型以配电网有功损耗、电压偏差及经济成本为优化目标,考虑负荷及DG出力的时变性,对配电网络重构和DG调度进行综合优化求解。通过基于随机森林模型（random forest,RF）及长短期记忆神经网络(long short-term memory,LSTM)模型的混合预测模型对配电网负荷及DG出力进行预测。采用经帕累托最优理论改进的粒子群算法得到配电网重构及DG调控的帕累托最优解集并利用模糊隶属度函数法来确定帕累托最优解集中的最佳配电网调度方案。基于IEEE 33标准测试系统设计多个算例进行仿真分析,结果表明,所提考虑负荷及DG出力时序性的配电网重构和DG调度联合优化模型可显著改善配电网络运行的经济性和稳定性。