基于连锁环网与改进离散粒子群算法的多目标配电网重构

配电网重构本质上是一个复杂的高维数非线性组合优化问题。为避免其不可行解的影响,同时实现快速寻优,提出了一种通过连锁环网矩阵快速判断粒子是否满足配电网拓扑约束的方法。采用基于Pareto准则的离散二进制粒子群算法(Binary Particle Swarm Optimization,BPSO)以求解配电网重构多目标优化问题。从三方面对BPSO算法进行改进:改进粒子更新策略以提升新代粒子的可行概率;改进sigmoid函数同时提出邻域搜索机制以强化算法后期的收敛能力;提出基于次优解保留策略的小生境共享机制以改进群体最优粒子更新方式,进而强化算法的全局搜索能力。对IEEE33系统算例进行仿真,结果表明改进BPSO算法在求解含分布式电源(Distributed Generation,DG)的配电网重构多目标优化问题时,能够更加精确高效地收敛至Pareto最优前沿。     

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.     

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。     

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。     

有源配电网动态重构的状态分裂多目标动态规划算法

分布式电源的大量并网给配电网运行带来较多不确定因素,该文对计及运行风险的有源配电网日前动态重构展开研究。在提出用以衡量配电网运行风险的系统综合运行风险指标的基础上,建立兼顾运行经济性和安全性的日前多目标动态重构模型。针对该多目标多时段的复杂数学模型,基于动态规划算法的思路提出状态分裂多目标动态规划算法对其进行求解,即在得到每个时段的Pareto最优静态解集的基础上,通过采取状态锁定措施获取各时段的允许状态集合;然后,根据所优化的多个目标,将每个时段状态按其序列距离向量的Pareto前沿数目分裂为多个子状态,并基于分裂后的子状态参与下一时段的多目标寻优,从而最终得到Pareto最优日动态重构方案。最后,对含有风机和光伏的IEEE33节点配电网络进行动态重构仿真,得到兼顾日运行成本和日运行风险的Pareto最优动态重构方案,验证所提模型和算法的有效性。     

含分布式电源配电网重构的研究

为全面反映含分布式电源的配电网重构问题,建立负荷均衡度、系统网损及电压质量协调最优的含分布式电源配电网重构优化模型,在此基础上,利用模糊理论,将含DG配电网多目标重构问题转换成单目标优化问题。鉴于传统蝙蝠群体易聚集于局部极值,导致早熟,将混沌优化以及自适应调整策略融入到蝙蝠优化算法,提出了一种改进型多目标蝙蝠优化算法,并提出利用其对含分布式电源配电网重构模型进行求解,选取IEEE-33节点配电系统进行仿真,通过算例验证所提算法的良好实用性和适应性,并且验证所提模型的实际意义。     

基于改进教与学优化算法的配电网重构

正常运行工况下的配电网重构能降低配电网损耗。近年来新兴的教与学算法具有自有参数少、简单易懂、收敛迅速等优点,十分适合多目标、多约束的配电网重构优化问题求解。以网损最小和开关操作次数为目标,并考虑运行经济成本,将教与学算法引入到配电网优化重构中,对基本教与学算法中的教学因子进行了自适应改进,给出了算法的编码策略、迭代过程中“学生”信息的修改原则。PG&E 69节点系统以及一个实际城区配电网的优化重构仿真结果表明所提改进算法的有效性。     

基于改进差分灰狼算法的主动配电网优化重构

为提高主动配电网（Active Distribution Network,ADN）重构的经济性和稳定性，以主动配电网有功网络损耗最小和系统电压偏移指数最低作为目标函数，建立了主动配电网优化重构模型，利用目标规划法构建适应度函数，将多目标优化问题转化为单目标进行求解。采用差分进化算法和Tent混沌映射对灰狼优化算法进行改进，以提高算法的优化性能。运用改进差分灰狼优化算法（Improved Differential Grey Wolf Optimization,IDEGWO）对主动配电网优化重构模型进行求解，并与其他算法对比，算例分析结果表明，改进差分灰狼优化算法在迭代次数和收敛精度方面均优于其他算法，按照IDEGWO算法优化方案重构后的有功网络损耗和系统电压偏移指数分别为57.91 kW和0.785 6，主动配电网系统重构后的经济性和稳定性均得到了显著提升，验证了模型的正确性及求解方法的优越性。     

基于PCPSO算法的配电网多目标动态优化*

为了适应当前配电网日趋复杂且分布式电源大量接入的情况,提出一种改进的多目标粒子群优化算法。该算法在标准粒子群算法中引入Pareto前沿和混沌搜索,通过Pareto前沿处理多目标问题,并用混沌搜索对粒子进行混沌遍历,既保留了进化过程中多目标的相对最优解,同时也兼顾了收敛性。通过算例进行仿真,结果表明该算法可以快速搜索多目标最优解,为配电网多目标动态优化提供思路和参考。     

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。     

基于小生境技术的Pareto多目标配网重构

配电网重构可以提高配电网运行的安全性、经济性和供电质量,对于当前国内配电自动化系统建设和应用具有重要意义。该文提出一种基于小生境技术的多目标配电网最优重构遗传算法,将安全约束作为目标之一,得到Pareto最优解集,实现了真正意义上的多目标优化;提出了基于相似个体交叉和( 2 +2 )选择机制的小生境并行进化技术,改善了遗传算法的全局收敛可靠性和收敛速度。最后用算例说明了该方法的应用。     

基于模糊多目标协调优化的配电网络重构研究

配电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。建立以网损最小、馈线负载均衡指标最小、开关操作次数最少多个目标协调优化的配电网络重构的数学模型。引入模糊隶属度函数对各目标进行模糊化处理,根据模糊集理论的最大最小法则,将多目标优化问题转化为单目标非线性规划问题。应用禁忌算法对该配电网络重构模型进行优化求解。对某个69节点配电网络系统,比较分析了四种不同的优化方案,仿真结果验证了所提出模型和求解方法的正确有效。     

基于马氏DTW时段划分和FCPSOGSA算法的配电网动态重构

针对配电网重构过程中由于用户侧负荷时变性导致难以划分重构时段的问题,选取马氏DTW距离作为度量指标,构建了减小线路总体损耗、减小电压偏移的多目标优化数学模型。从提高算法收敛效率的角度,对传统粒子群算法进行了改进,运用分数阶微积分的数学方法,提出了一种更快速求解配电网重构的改进粒子群算法（Fractional Calculus PSOGSA）,旨在提升算法的收敛特性和所有过去事件的记忆效应。在IEEE33节点系统的基础上构建了1天的负荷数据并进行重构求解,验证了所提方法的有效性。     

一种混合智能算法在电网优化中的应用

针对配电网络重构多为单一性能最优重构,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.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.     

考虑网络结构优化的含风电配电网多目标重构

为了提高配电网的供电可靠性,从网络自然连通性角度,引入网络抗毁性指标作为配电网重构的一个新目标函数。同时考虑风电出力的随机性与间歇性,根据风速区间及风速概率密度函数构建多个风电出力随机变量,以及对应概率。在此基础上,以开关状态为优化变量、风电出力为随机变量以及在置信水平下的网络损耗最小为另一个目标函数建立了基于机会约束规划的含风电的配电网多目标重构模型。应用改进蚁群算法,结合生成树策略保证蚂蚁路径满足网络辐射状网络拓扑约束,求解所建配网重构模型,并利用Pareto寻优得到最优解集。IEEE33节点和PGE69节点系统算例仿真结果验证了该模型和算法的有效性。     

基于改进量子进化算法的配电网重构

提出了一种新的改进量子进化算法解决配电网重构问题。算法对量子更新策略进行改进以减少量子搜索的盲目性,引导量子更好更快地找到最优解。配电网重构是一个多目标非线性组合优化问题,二进制的编码方式特别适合采用改进量子进化算法求解。IEEE 16节点标准算例计算结果表明,本文所提出的改进量子进化算法在配电网重构应用中正确有效。     

基于萤火虫-变邻域搜索算法的含分布式电源配电网重构

为全面的反映含分布式电源配电网重构的问题,本文建立网系统网损、负荷均衡及电压质量协调最优的含分布式电源配电网重构优化模型,能够比较实际、科学的反映配电网网络结构调整问题。在此基础上,应用自适应权重系数法,明确各目标函数的权重组合方案,将含DG配电网多目标重构问题转换成单目标优化问题。鉴于传统萤火虫算法具有容易早熟、过度依赖控制参数的缺陷,提出了FA算法与变邻域搜索相结合的混合优化算法,并利用其对含分布式电源配电网重构模型进行求解,选取IEEE-33节点配电系统进行仿真,通过算例验证所提算法的良好实用性和适应性,并且验证所提模型的实际意义。