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。     

配电网络重构算法比较

介绍了配电网络重构的目的及意义，重点论述了配电网络重构的几种常用算法：支路交换法、最优流法、专家系统法、人工神经网络法、模拟退火法、遗传算法及进化规划法，详细介绍了它们的特点，提出了目前配电网络重构面临的问题。     

基于模糊c均值算法文档聚类问题的研究

应用模糊c均值算法对文档进行分类，具有不使用语法知识、不使用词法规则、无监督等特点．采用模糊c均值算法对文档进行聚类，实验结果表明：该方法优于普通的聚类算法，聚类结果能充分体现文本的多样性．     

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...     

基于改进人工鱼群算法的配电网络重构

针对大规模分布式电源并网引起的配电网路拓扑结构及潮流分布变化,现有配电网重构算法不足以应对,提出一种改进的人工鱼群算(AFSA)对含分布式电源的配电网进行重构求解。针对AFSA收敛速度慢、觅食方向固定、灵活性低、陷入局部最优及搜索精度较低的缺陷,采用全方位觅食行为,并结合差分进化与AFSA,提高算法灵活性,增加种群多样性,使算法易于跳出局部极值,提高收敛精度。最后通过算例分析,验证所提算法有效。结果表明,与其它智能算法相比,改进的AFSA的收敛精度和收敛速度更佳,能够很好的应用于含分布式电源配电网的重构求解。     

基于蚁群最优的配电网络重构算法

配电网络重构是一个非常复杂的大规模组合优化问题。本文提出了一种新颖的基于蚁群最优的算法来求解正常运行条件下的配电网络重构问题,以达到损失最小,蚁群最优算法法（Ant Colony Optimization,简称ACO算法）是一种新型通用内启发式算法。在求解组合最优问题上,ACO算法已被证明是非常有效的。ACO算法本质上是一个多代理系统,在这个系统中单个代理之间的交互导致了整个蚁群的复杂行为。这种方法的主要特征是正反馈,分布式计算以及富有建设性的贪婪启发式搜索的运用,为了证明本文提出的算法的可行性和有效笥,我们研究了两个算例系统,并给出了计算结果,结论表明,本文提出的算法是相当有希望的。     

配电网络重构的分步最优法

就多环配电网以降损为目的重构问题,提出了分步最优化的重构算法,算法以网损降估计方法为基础,分步优化,每步将一个开环点移至相邻支路,使网损降最大,最终达到重构后网损最少,重构算例表明,分布最优化重构算法算式简明,计算速度快,重构结果最优。     

基于模糊遗传算法的配电网络重构

提出了一种模糊遗传算法（ＦＧＡ）,对交叉率和变异率进行模糊控制,有效地提高了收敛速度,避免了不成熟收敛。将ＦＧＡ用到配电网络重构中,取得了较好效果。另外本文提出用支路的开关状态（０或１）作为控制参数,避开了繁琐的编码方法,缩短了染色体长度,同时对交叉位置的选取、变异的进行等提出了独特的方案,所有这些都极大地提高了计算效率。     

基于改进粒子群动态搜索算法的配电网络重构研究

提出一种基于改进粒子群动态搜索算法的网络重构方法,算法把初始粒子群按照适应度的大小分为两个互不交叉,且具有不同分工的子群,并进行动态搜索.通过引入了交叉和禁忌思想,减少了解陷入局部最优的可能性.与遗传、禁忌搜索算法重构的结果进行比较,表明本文算法具有更高的搜索效率,更容易找到全局最优解.     

基于加权模糊C均值聚类算法的变压器故障诊断

模糊C均值聚类(FCM)算法具有将数据集合进行相等划分的趋势,每一个样本对数据集分类的影响相同.在变压器绝缘故障中,不同故障类型产生的主要特征气体及气体组分含量存在很大差异.因此,为了区别各类数据对故障划分的影响程度,可考虑对各类数据施加一个权.文中提出了一种加权模糊C均值聚类(WFCM)算法,该算法可实现故障聚类.与FCM算法相比,WFCM算法明显提高了故障划分的正确性和鲁棒性.     

基于改进粒子群动态搜索算法的配电网络重构研究

提出一种基于改进粒子群动态搜索算法的网络重构方法,算法把初始粒子群按照适应度的大小分为两个互不交叉,且具有不同分工的子群,并进行动态搜索。通过引入了交叉和禁忌思想,减少了解陷入局部最优的可能性。与遗传、禁忌搜索算法重构的结果进行比较,表明本文算法具有更高的搜索效率,更容易找到全局最优解。     

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。     

模糊遗传算法和蚁群算法相结合的配电网络重构

通过开关的优化组合可以提高配电系统运行的可靠性、电能质量和经济性.为改善配电网络重构模糊遗传算法的优化速度,提出了一种模糊遗传算法和蚁群算法相结合的方法.该方法将总的种群分为两部分进行搜索,一方面通过选择算子寻找总的种群中较优个体作为模糊遗传算法的子种群进行交叉、变异操作;另一面通过设定适应度函数阈值筛选总的种群中优秀个体,并将其适应度函数值对网络信息矩阵进行全局更新,用蚁群搜索另一部分子种群.该方法设定适应度函数阈值改进了蚁群算法的信息素更新机制;把模糊遗传算法和蚁群算法的子种群融合构成总的新种群,并用选择操作和信息素更新实现了种群之间的信息共享.通过对IEEE 69节点测试系统的计算和分析表明,该方法在解决配网重构问题上比模糊遗传算法具有更好的寻优效率.     

基于动态聚类算法径向基函数网络的配电网线损计算

提出了基于径向基函数网络的计算配电网线损的实用方法。对有代表性的配电线路的线损与特征参数的样本数据，采用一种新的动态聚类算法进行聚类，来确定RBF网络的隐含层节点，不仅聚类速度快，而且隐含层节点数的优化提高了网络的利用效率。利用RBF网络强的拟合特性映射线损与特征参数之间复杂的非线性关系，使网络学习了配电线路在结构参数和运行参数变化时线损的趋势规律。以68条配电线路数据为例，仿真结果验证了文中提出的方法具有网络模型简单、学习速度快、线损计算精度高等优点。     

模糊遗传算法和蚁群算法相结合的配电网络重构

通过开关的优化组合可以提高配电系统运行的可靠性、电能质量和经济性。为改善配电网络重构模糊遗传算法的优化速度,提出了一种模糊遗传算法和蚁群算法相结合的方法。该方法将总的种群分为两部分进行搜索,一方面通过选择算子寻找总的种群中较优个体作为模糊遗传算法的子种群进行交叉、变异操作;另一面通过设定适应度函数阈值筛选总的种群中优秀个体,并将其适应度函数值对网络信息矩阵进行全局更新,用蚁群搜索另一部分子种群。该方法设定适应度函数阈值改进了蚁群算法的信息素更新机制;把模糊遗传算法和蚁群算法的子种群融合构成总的新种群,并用     

配电网络重构的改进遗传-退火算法

就闭环设计、开环运行的配电网络的重构问题，以降损为目标，提出了遗传退火混合算法。该算法以遗传算法为基础，引入了模拟退火算法的思想，增强了收敛性，获得了较为满意的重构效果。     

多时间段落的配电网络动态重构

该文根据负荷连续变化的规律，针对若干个连续时间负荷段落，提出了多时间段落的配电网络动态重构的思想及方法，该方法以整个时区内节约的有功电量最大化或电源供电的电量最小化为优化目标，以整个时区内动作开关集中的单个开关的动作次数和所有开关的总动作次数小于相应的限值等为约束条件，并在此基础上通过适当的动态物理寻优策略去快速求得该问题的比较理想的可行解。因此，该方法完全摆脱了常规单时间断面配电网络静态重构只能应用于规划领域的局域，它可以应用于配电网络的运行领域（如制定开关运行计划，在线调整开关运行方式等）。算例分析结果表明，通过连续动态重构，可以在较好地考虑动作开关的操作费用和送还上网损之间关系的基础上快速获得整个时区内的开关动作表，为配电系统开关的日调度和在线预调度创造了条件。     

基于改进模拟植物生长法的配电网络重构

提出使用改进模拟植物生长法求解配电网络重构问题。该算法充分考虑植物生长过程中的智能化因素,避免了搜索过程中的随机机制,缩小了搜索空间,减少了迭代次数。以未来一段时间内网损最小为目标函数,建立配电网重构的数学模型。根据配电网的结构特点,以基本环路为单位形成可断开关集,避免了一些不可行解的产生,降低了变量的维数,提高了搜索效率。通过对IEEE69节点测试系统的计算和分析表明,该方法在解决配电网络重构问题上具有很高的搜索效率和寻优性能。     

基于改进模拟植物生长法的配电网络重构

提出使用改进模拟植物生长法求解配电网络重构问题.该算法充分考虑植物生长过程中的智能化因素,避免了搜索过程中的随机机制,缩小了搜索空间,减少了迭代次数.以未来一段时间内网损最小为目标函数,建立配电网重构的数学模型.根据配电网的结构特点,以基本环路为单位形成可断开关集,避免了一些不可行解的产生,降低了变量的维数,提高了搜索效率.通过对IEEE69节点测试系统的计算和分析表明,该方法在解决配电网络重构问题上具有很高的搜索效率和寻优性能.     

模糊聚类和LM算法改进BP神经网络的变压器故障诊断

在变压器故障诊断中,目前BP神经网络算法存在训练样本分布不均匀,收敛速度慢、容易陷于局部极小点等问题,导致整体的诊断性能下降。通过对模糊聚类及LM算法改进的神经网络深入研究,并引入变压器故障诊断中,该算法应用模糊聚类对搜集到的样本预处理,提高样本的质量,再用LM算法改进的神经网络来优化搜索方向,可以实现网络训练速度及测试精度的提高。通过实例仿真实验,验证了该方法能够有效诊断出变压器的故障。