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...     

基于大猩猩优化算法的配电网重构研究

为了能够更好地解决配电网重构的相关问题,构建了以最小有功网损为目标函数的有源配电网重构模型;为了提升模型的求解效率,引入大猩猩优化算法应用到模型的求解中,并使用IEEE 33节点算例对有源配电网重构模型进行了验证分析.通过多种算法的结果对比,表明该算法具备更好的寻优效率,更快的收敛速度,从而验证了其在配电网重构模型求解...     

基于改进MOBPSO算法的含分布式电源的多目标配电网重构

提出一种含多类分布式电源的多目标配电网重构模型。在重构时采用Pareto准则的多目标二进制粒子群优化(Multi-Objective Binary Particle Swarm Optimization, MOBPSO)算法,对算法进行了3点改进：基于环的编码方式用以降低不可行解的产生概率;动态变化的惯性因子和异步变化的学习因子用以提高算法的调节适应能力;在最优粒子的更新方式上提出小生境共享机制和比例选择算子相结合的策略。最后还给出了一种根据决策者偏好信息,从优化解集中选择相应重构方案的评价机制。算例结果表明：改进的MOBPSO算法在寻优效率和稳定性上均有提升;所提模型、改进算法以及评价机制互相配合,能够为决策者提供一种有效的配电网重构方案。     

基于改进布谷鸟算法的三相不平衡有源配电网重构

配电网间歇性分布式电源渗透率的提高和普遍的三相不平衡运行方式是配电网动态重构必须考虑的重要因素。为此,本文对考虑负荷和分布式电源出力不确定性的三相不平衡配电网重构策略进行研究。首先,通过概率模型对负荷和分布式电源出力预测误差进行合理描述,为了简化模型结合拉丁超立方采样、场景缩减进行场景构造,用几个确定的场景描述负荷和分布式电源出力的不确定性,建立了以全局综合网损最低为优化目标的三相不平衡配电网动态重构模型。其次,提出不定进制运算并引用量子位概念对传统布谷鸟算法进行改进,用以解决非线性整数优化问题,实现了配电网重构问题的快速求解。最后,通过修改的IEEE34节点算例证明了所提方法的优越性。     

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。     

基于改进灰狼算法的含分布式电源配电网重构研究

使用基本环矩阵编码的智能优化算法在处理配电网重构问题中,通常使用无序的解空间,解空间中局部峰值较多,使得智能优化算法难以发挥自身优势,耗时严重且难以寻找到最优解。针对以上问题,提出一种有序环网编码方式,并基于改进灰狼算法求解含分布式电源(distributed generation,DG)配电网的重构方法。首先,将基本环矩阵的元素按支路顺序排列,再利用启发式规则初步寻找较优解,并将其与初始狼群中的Alpha狼比较,取其较优解作为新的Alpha狼;然后,引入Gamma狼,用于环绕Alpha狼寻优,使狼群保证种群多样性的同时,提高其局部搜索能力;最后,使用改进灰狼算法求解修改后IEEE 33配电网和Taipower 84配电系统,有效地降低系统网损并且提高了系统内的最低电压。经验证,该方法有效可行、算法简单、快速性高,得到的结果更优。     

基于改进的自适应遗传算法的智能配电网重构研究

配电网故障恢复重构是智能配电网实现自愈功能的控制手段。采用改进的自适应遗传算法进行配电网故障后的恢复重构：根据接入分布式电源的配电网的特点提出基于环路的编码策略,可以减少表示孤岛的不可行解;自适应的交叉率、变异率使算法可以根据种群进化情况改变,保护优秀个体;自适应的种群规模是基于个体寿命和规模控制,可以提高遗传算法的收敛性能。通过IEEE33节点配电网络中对算法进行仿真验证,表明分布式电源的接入可以有效地降低网络损耗;对比其他算法,具有更快的收敛速度和更好的稳定性。     

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。     

基于重构有效性和最优网架选择的配电网动态重构研究

针对可再生能源高渗透下日益突出的弃风/弃光问题,提出了一种提升配电网可再生分布式电源（RDG）接纳能力的动态重构策略。首先,根据预测的RDG无约束出力情况,以各单位时段内RDG发电量最大为目标进行静态重构,提取各时段的多个较优网架构成最优开关集合,以增大时段合并过程中的网架搜索空间。其次,根据平均RDG出力提升量提出了重构有效性的概念,并据此概念指导时段动态划分。同时,为了满足开关次数约束,在时段划分过程中进行了最优网架选择,并引入寻优方向自适应调整的改进细菌觅食算法（IBFA）进行求解。最后,采用修改的PG&E69节点系统验证了所提方法的有效性。     

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。     

基于功率矩和邻域搜索的有源配电网两层重构算法

针对传统的含有分布式电源的配电网重构算法所存在的寻优速度和最终解的质量难以兼顾的问题,提出一种基于功率矩和邻域搜索的配电网两层重构算法。利用功率矩算法对各环路进行第一层重构优化,确定开断支路集,在此基础上采用具有方向的邻域搜索算法进行第二层重构。通过对当前解点的邻域搜索获取更优的解点位置,直至目标函数值不再下降,从而得到最终的重构方案。含有分布式电源的IEEE 33和IEEE 69节点典型测试系统的仿真结果验证了所提算法的有效性。     

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。     

含DG的基于改进遗传算法的配电网重构

以IEEE 3母线16节点系统为实例,选取运行时网损最小为目标建立含分布式电源(DG)的配电网重构的数学模型,采用考虑种群约束的编码规则改进遗传算法(GA),不仅有效的实现了全局最优搜索而且显著的改善了GA的收敛性能。     

计及分布式电源输出特性的有源配电网重构方法

针对含分布式电源的配电网重构算法将分布式电源等效为恒功率因数输出模型,未考虑节点电压变化对分布式电源无功出力影响的问题,提出一种考虑分布式电源不同输出特性的配网重构方法。首先对分布式电源进行分类并建立等效模型,该模型充分考虑了节点电压对分布式电源无功出力的影响,能够根据节点电压确定不同属性的分布式电源无功出力。再使用自适应烟花算法对配网重构进行寻优求解,对重构后的系统网损和节点电压进行对比分析。含分布式电源的IEEE 33节点典型测试系统的仿真结果对比验证了所提模型的有效性和真实性。     

基于改进蚁群算法的配电网重构

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的建设和应用具有重要意义。以网络损耗最小为目标,提出了一种改进的蚁群算法来求解正常运行条件下配电网络的重构问题。针对基于蚁群算法在求解过程中存在搜索易陷入局部最优解和收敛到全局最优解的时间较长的缺点,从蚁群算法的转移概率和信息素动态更新2方面进行了改进,提高了蚁群算法全局搜索能力与收敛到最优解的速度。最后通过对69节点配电系统算例的仿真,取得了较好的效果,证明了该算法的有效性和可行性。     

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。