基于改进二进制粒子群算法的配电网故障恢复

鉴于现有的配电网故障恢复算法普遍存在着计算速度慢或难以搜索到全局最优解的问题,提出了一种基于改进二进制粒子群算法的配电网故障恢复算法。首先采用等效负荷模型简化网络;在确定目标函数时,引入了层次分析法求解各指标的权重值,较之传统的经验确定法更符合实际;然后从惯性权重和学习因子的选取及粒子相似性控制2个方面对基本二进制粒子群算法进行了改进。算例分析表明,文中所提出的方法计算速度快,易收敛到全局最优解,能有效地求解配电网故障恢复问题。     

基于改进粒子群算法的中压配电网无功优化

建立了以年费用最小为目标函数的无功优化数学模型,提出一种融合裂变和变异操作的分合群粒子群算法求解该模型,并结合对系统分区、合理设置补偿上限等方法减小搜索范围,实现了同时求解补偿点和补偿量。算法在标准粒子群优化(particle swarm optimization,PSO)算法的基础上通过分群和裂变,保持粒子的多样性,避免收敛早熟;通过合群和变异,加强算法的搜索精度,提高算法的收敛稳定性。用IEEE 33节点系统进行仿真计算,与标准PSO算法对比表明,改进PSO算法在计算精度、收敛稳定性等方面具有明显优势;与无功二次精确矩法对比表明,改进PSO算法具有自动调整补偿点个数的能力,补偿方案经济性更好,能有效解决中压配电网的无功优化问题。     

基于改进粒子群算法的含分布式电源配电网规划

在不考虑网络扩展的情况下,建立了以包含分布式电源建设和维护费用、网损费用以及购电费用在内的配电网年费最小为目标的规划模型,并采用改进的粒子群算法对分布式电源的安装位置和容量进行优化计算,避免了粒子群算法早熟和边界聚集的问题。通过对IEEE33节点配电网系统进行仿真计算,验证了规划模型和算法的正确性和适应性。     

基于改进粒子群算法的配电网状态估计

根据配电网分布式电源的非线性特性和量测配置特点,在粒子群优化(PSO)算法中引入了自然选择的机制,增强了全局搜索能力,克服了基本粒子群算法容易陷入局部最优解的缺点。将改进PSO算法应用到含有分布式电源的配电网的状态估计,通过算例仿真,收敛速度和估计精度有很大提高,证明了算法的优越性。     

基于二进制粒子群算法的辐射状配电网故障定位

粒子群算法是一种群体智能优化算法,具有简单易行、容易实现、收敛性好等优点.通过建立适当的优化模型,提出了基于二进制粒子群算法的辐射状配电网故障定位算法,并通过算例验证了该算法的可行性和有效性.结果表明该算法收敛速度快,能够对辐射状配电网中单点和多点故障进行准确定位,并在部分故障信息畸变的情况下,能得出正确结果,容错性能好.     

基于二进制粒子群算法的辐射状配电网故障定位

粒子群算法是一种群体智能优化算法,具有简单易行、容易实现、收敛性好等优点。通过建立适当的优化模型,提出了基于二进制粒子群算法的辐射状配电网故障定位算法,并通过算例验证了该算法的可行性和有效性。结果表明该算法收敛速度快,能够对辐射状配电网中单点和多点故障进行准确定位,并在部分故障信息畸变的情况下,能得出正确结果,容错性能好。     

基于免疫二进制粒子群优化算法的配电网故障 定位方法研究

针对二进制粒子群算法在复杂规模化配电网故障定位时收敛速度慢、易陷入局部最优解的缺陷,提出一种基于免疫二进制粒子群优化算法的配电网故障定位方法。首先,应用免疫系统信息处理机制对粒子群算法进行改进,在算法进化过程中建立记忆细胞单元存储优质抗体,避免抗体种群更新后的群体退化。其次,引入抗体浓度调节机制与免疫选择操作保持抗体种群多样性,强化算法全局搜索能力,防止算法早熟。在此基础上,构建亲和度评价函数将改进后的算法应用于配电网故障定位。仿真结果表明,基于免疫二进制粒子群优化算法的配电网故障定位方法能够有效提升算法收敛速度与故障定位准确率,且在故障信息畸变情况下具有良好的容错性能。     

基于信息畸变修正和粒子群算法融合的配电网故障定位

针对馈线终端单元(FTU)上传节点状态信息易发生畸变而造成误判的问题,引入一种故障信息修正的概念。先将修正方法进行分类,并用其对FTU上传的故障信息进行校正。算例仿真表明,利用粒子群算法对修正后的故障状态信息进行迭代求解,能够对配电网单故障、多故障快速定位,且修正后的故障信息相较于未修正的故障信息定位准确率更高、耗时更少。     

基于GIS和改进PSO算法的配电网络变电站选址规划

提出了一种改进的PSO算法,用于解决配电网络变电站选址问题。改进PSO算法是将模拟退火思想和变异算子引入粒子群算法中,在计算初期保证群体的多样性,后期增强了算法的寻优精度。在变电站计算模型中,首次将地理信息作为元数据权重因子引入到选址模型中。通过实例分析,给配电网规划建设提供了参考。     

基于粒子群算法的含光伏电站的配电网无功优化

对于含光伏电站的低压配电网,电压等级降低了,输电线路上的电压降不仅受无功功率的影响,有时有功功率引起的电压波动更加明显.由于有功和无功引起的电压变动分量是代数和的关系,因此无功补偿在一定程度上可以弥补有功功率变动造成的电压波动问题.以系统运行成本最优为目标函数,包括采用补偿措施后减小的配电网功率损耗费用和加装无功补偿装置的费用2个部分,建立含光伏电站配电网的无功补偿优化数学模型.该模型考虑了光伏电站并网逆变器的无功调节能力,采用改进的多组织粒子群算法对规划模型进行求解,通过算例分析验证了该模型与算法的可行性和有效性.     

基于粗糙集-BP算法的配电网故障诊断

将粗糙集理论与BP神经网络相结合,以粗糙集中的信息系统决策表为主要工具,通过基于遗传算法的粗糙集属性约简算法对配电网中的原始数据进行约简,然后利用BP网络对最简规则集进行学习训练,最后用改进的粒子群算法对BP网络的权值和阈值进行优化,形成改进粒子群优化粗糙集-神经网络的模型结构。诊断结果表明:通过粗糙集属性约简,删除了大量不必要的冗余数据,提高了诊断速度和准确度。同时,针对配电网发生故障时存在误动、拒动等情况,该算法具有较高的泛化能力和较好的容错性。     

粒子群优化BP神经网络在电梯群控系统中的应用

为了达到最优电梯群派梯指标,提出了一种基于粒子群优化的BP神经网络电梯群控方法,将带变异因子的改进粒子群优化技术应用到BP神经网络中,获得电梯评价指标中的满意度,以改进粒子群优化BP神经网络的初始权值和阀值。仿真结果表明,改进粒子群优化的BP神经网络算法减少了迭代次数,缩短了运行时间,证明了新方法的有效性。     

基于方向矩阵的PSO算法在配网重构中的应用

针对配电网重构中,启发式方法难以寻找到全局最优解,智能优化算法搜索效率较低,需要耗费大量机时,且易陷入局部最优的问题,提出一种基于方向矩阵的PSO算法,并将其应用于配电网的重构。首先对基本环矩阵进行改进,使其形成有序环网矩阵;再利用每个环网中电压最低的节点,并结合有序环网矩阵形成方向矩阵;最后使用方向矩阵对粒子群算法中粒子运动的速度进行指导,使粒子向着最低电压节点移动,保证了全局收敛性。利用粒子群算法良好的局部搜寻能力,可以快速的搜寻到全局最优解。最后使用IEEE 33节点和Taipower84配电系统验证了该算法的有效性。     

基于改进PSO算法的PID参数优化研究

针对PID控制器的参数整定问题,提出一种改进微粒群优化算法（improved particle swarm optimization,IPSO）。算法是在基本PSO算法的惯性权重部分加入一个调节因子项,通过调节因子的调节,改善了算法的收敛性。仿真结果表明,IPSO算法可以更好地优化PID控制器的参数,使控制系统具有更好的控制性能。     

配电网电容器优化投切的改进模型及算法

配电网电容器优化投切的目的是在实时运行阶段有效降低电网的有功损耗,同时避免电容器过多投切造成损毁。文章研究了考虑投切次数限制的配电网电容器优化投切问题,针对现有静态模型的局限性和动态模型的复杂性,提出了目标函数中计及投切代价的优化模型,将全局动态优化问题解耦为分段静态优化问题,在有效控制电容器投切次数的基础上大大缩减了解空间的规模。针对此模型,采用改进粒子群优化算法进行求解。算例分析表明文中的模型和方法在实用性、可行性和计算速度等方面均有良好表现。     

基于自适应权重PSO算法的分布式光伏并网极限容量计算

为了提高配电网接纳光伏的能力,保证配电网的安全运行和良好的电能质量,提出一种基于自适应权重粒子群优化(particle swarm optimization,PSO)算法的分布式光伏并网极限容量计算方法。综合考虑光伏接入容量、电压偏差、线路载流、谐波畸变率、不允许功率倒送的约束条件,建立分布式光伏并网极限容量计算模型;引入自适应惯性权重系数对传统PSO算法进行改进并对模型求解;在满足约束条件的前提下,计算不同规划方式下的分布式光伏并网极限容量,并分析接入后对配电网电能质量的影响。IEEE 69节点配电网模型的仿真结果表明:所提出的方法能够高效求解光伏并网极限容量问题,提高配电网对分布式光伏的接纳能力。     

基于改进粒子群算法的配电网投资管控方法研究

配电网投资管控主要指针对配电网投资的管理与控制,其具体表现为对配电网投资进行分配。目前国内配电网投资管控仍多采用专家领导上层决策的模式,其优点是能够综合考虑多方因素,但是其科学合理性理论依据不足,无法完全杜绝盲目投资的现象发生。本文针对某省电网配电网投资管控问题,建立相应模型,提供多种目标供优化规划选择。以其中净现值目标及可靠性目标为例,应用结合共轭梯度法的粒子群优化算法,对上述目标进行单目标及多目标优化。优化结果与某省配电网历史投资分配的差异显示了管控方法的有效性。通过选择不同目标进行单目标或多目标优化,可以满足侧重点不同的配电网投资管控需求,对实际工作具有一定指导意义。     

适应自愈要求的配电网开关优化配置

自愈是智能配电系统的重要特征,通过对配电网分段开关的优化配置,不仅可以使配电网满足经济性和可靠性要求,更能使网架本身具有良好的自愈性。为体现自愈要求,分别从自愈时间、用户和负荷的角度提出了智能配电网自愈能力的评价指标以及负荷自愈率的分块计算法,在传统开关优化配置的目标函数中加入停电中断费用,在约束条件中增加了最小自愈率的约束,并通过对惯性系数和学习因子的调整改进二进制粒子群算法来求解适应自愈要求的配电网开关优化配置问题。最后,通过算例结果验证了所建模型的合理性和所提方法的有效性。