改进蛙跳算法在输电网规划中的应用

传统蛙跳算法（SFLA）具有高效计算性能和全局搜索能力,但容易出现早熟。针对早熟问题,通过对局部搜索步长和搜索策略进行改进,并将高斯变异算子引入算法当中,形成改进蛙跳算法（ISFLA）,并将其应用于输电网规划模型的求解中。通过对IEEE6节点和IEEE18节点系统的计算,证明了与传统蛙跳算法相比,改进后的算法寻优精度和收敛速度均得到了有效提高,具有较好的适应性。     

基于混合蛙跳算法的分布式风电源规划

对分布式风电源(DWG)出力的随机性和负荷的不确定性进行概率建模。在此基础上,以年综合费用最小为目标,利用机会约束规划方法建立了配电网DWG选址定容规划模型。采用基于拉丁超立方采样蒙特卡洛模拟(LHS-MCS)法的概率潮流判断规划方案是否满足节点电压机会约束和支路电流机会约束。设计了混合蛙跳算法(SFLA)求解DWG规划模型的具体实现方法。33节点配电网的DWG规划结果验证了模型的合理性、LHS-MCS检验机会约束条件的有效性以及SFLA的高效性。     

蛙跳算法及其在函数优化中的应用

分析了蛙跳算法的基本原理、数学模型,设计出算法的实现流程;讨论了蛙跳算法的研究现状,并将其用于函数优化。实验结果表明,蛙跳算法有很强的寻优能力,非常适用于低维函数的优化,对高维函数的优化也取得了一定的效果;就蛙跳算法的发展趋势与研究方向进行了展望。     

广泛学习量子进化的含分布式电源配电网重构

在分布式发电条件下对配电网重构问题进行研究,可进一步提高系统供电的安全性与可靠性,同时有效地减小线路损耗,这对实现配电自动化,建设智能配电网有着重大作用和意义。通过对量子进化算法基本理论进行介绍并将其与广泛学习的思想相结合,提出基于广泛学习的量子进化算法,并应用于配电网优化重构。以IEEE33节点系统为例,通过仿真实验分析不同数量的DG接入电网中,系统的网损和电压变化情况。MATLAB仿真结果验证了方法的有效性。     

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。     

一种基于灰预测理论的混合蛙跳算法

为提高混合蛙跳算法在优化问题求解中的性能,提出一种基于灰预测理论的改进混合蛙跳算法。该算法首先将基本算法的进化模式进行调整,强化了进化过程中全局信息的交换;之后引入移动步长变异算子,根据进化过程的不同阶段和利用灰预测理论获得进化过程中最优解进步速度,并借鉴模糊控制思想对该变异算子进行控制,进而实现移动步长的自适应调整。采用6个标准测试函数,与基本算法和已有改进算法进行性能对比分析,证明了改进后的混合蛙跳算法在收敛精度、收敛速度和收敛成功率方面的优越性及灰预测理论在算法改进领域中的可行性。最后,将改进算法应用于10 k V油浸式配电变压器优化设计工作中,验证了该改进算法的实用性。     

基于改进遗传算法的配电网优化重构

介绍配电网重构的基本原理及其研究意义,研究了遗传算法的编码并对遗传算法染色体编码进行了改进。在优化过程中采用精英策略及改进的自适应算子,加快了算法的搜索速度,有效避免了不成熟收敛。结合配电网与自适应遗传算法特点采用可操作开关集的快速环分解策略,提高了算法的搜索能力和速度。PE＆G33节点系统算例表明改进的遗传算法在配电网优化重构应用的有效性。     

改进粒子群算法在含分布式电源配电网优化重构中的应用

针对配电网中各种类型分布式电源接入所造成的配电网拓扑结构的复杂性,提出了一种改进粒子群优化算法应用于配电网重构,把粒子群算法和布谷鸟算法有效地结合在一起,采用两层种群框架。为了提高粒子群优化算法的全局搜索能力,采用中值聚类算法对下层粒子群进行重组,粒子群算法用于优化下层的各类小种群,然后将其发送到上层,使用布谷算法进行深度寻优。通过算例对多种情况进行仿真分析,验证改进算法在配电网重构中的优越性。结果表明,该算法能有效地降低配电网的有功网损,提高各节点的电压水平。本研究为我国分布式电源接入配电网的发展提供了参考和借鉴。     

一种适用于配电网络重构的改进遗传算法

提出了一种基于“学习范例数组”、“学习算子”和“学习率”的改进遗传算法．可以有效地解决配电网络重构问题。因配电网络辐射状运行条件的限制，常使得简单遗传算法无法求解配电网络重构问题。但使用文中提出的改进方法后，却可以较好解决这一问题。文中采用IEEE14节点配电系统作为算例．将改进遗传算法的优化结果和其它算法的结果进行了对比，相关数据表明了改进遗传算法的正确性和有效性。     

一种适用于配电网络重构的改进遗传算法

提出了一种基于“学习范例数组”、“学习算子”和“学习率”的改进遗传算法,可以有效地解决配电网络重构问题。因配电网络辐射状运行条件的限制,常使得简单遗传算法无法求解配电网络重构问题。但使用文中提出的改进方法后,却可以较好解决这一问题。文中采用IEEE14节点配电系统作为算例,将改进遗传算法的优化结果和其它算法的结果进行了对比,相关数据表明了改进遗传算法的正确性和有效性。     

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。     

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。     

基于改进遗传算法的配电网络重构研究

为了减少在配电网络重构过程中产生的不可行解的数量,减少配电网络重构迭代次数,提高其计算效率,对遗传算法进行了改进:以某段染色体编码中的1的数量作为该段染色体的等效长度,在进行交叉时,以相同等效长度的染色体段进行交叉;在变异过程中以随机分配断开开关点的方法进行变异,不再是盲目的变异。同时采用广度优先搜索算法判断不可行解,最后以IEEE33母线测试系统作为算例进行验证,发现结果合理,迭代次数少,收敛速度快,证明提出的经过改进的遗传算法是行之有效的。     

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。     

基于改进蚁群算法的分布式电源容量优化配置

以实现配电网经济成本最低和环境污染最小为目的,设计了基于改进蚁群算法的分布式电源容量优化配置方法。首先,考虑节点环境不同因素搭建含多类分布式电源的配电网综合运行模型,明确了系统运行约束以及功率约束;其次,通过对信息素进行约束提出了改进型蚁群算法,以提高蚁群算法的收敛精度以及速度;之后,设计了基于改进型蚁群算法的配电网容量优化配置流程;最后,在Matlab平台上实现了中压配电网系统的容量优化以及选址,与相关案例结果对比分析验证了所提出方法的有效性。     

基于环路和改进遗传算法的配电网络重构优化

为了提高电网可靠性,在同时考虑网损和开关动作次数的基础上,以配电网电压降的限制、线路电流值的限制等为约束条件,建立了配电网络重构优化数学模型,用外部惩罚函数法将问题转化为无约束问题,并采用改进遗传算法进行求解。根据配电网的特点,在遗传算法产生初始解及交叉、变异操作时,采用基于环路的方法,避免了不可行解的产生,提高了算法的计算效率。针对遗传算法的局限性,改进操作过程,调整适应函数,改进交叉率和变异率的计算方法,结合模拟退火算法,给出了初温确定方法,改进了选择复制操作。该算法能有效地提高收敛速度,避免早熟收敛,并证明了该方法的有效性。     

多电压级配电网络重构的实用算法

提出了多电压级配电网络重构的实用算法。通过把全国网络参数用标幺值表示,变压器用Ⅱ型等值电路,把接地支路看做负荷处理后,使得多电压级的网络在形式上与单一是压网络相似。在网络重构中考虑了电容补偿的投切和变比的选择。在具体求解方法上,把一个多环网的复杂网络重构问题分解为各个单环网的重构问题,通过递归算法协调,即在重构单环网的顺序选择上,使刚刚重构过的单环网也参加了选择,这就排除了各个单环网的开合顺序,保证整个网络重构的优化解。在单环网的重构中按电流经济分布时,将流过电流绝对值最小的且没有支路电流过载的开关作为断开开关。     

基于混合智能算法的配电网络重构

提出了一种基于最优流和模拟植物生长法的配电网络重构混合算法。该算法模拟植物生长算法,帮助最优流算法避开局部最优,减少搜索次数和开关变换次数,从根本上提高计算速度。算法将目标函数与约束条件分开处理,采用方向性的搜索机制,避免了一些参数难以确定或搜索方向无引导性而陷入局部最优的问题。根据配电网的特点,改进了以开关作为控制变量的表达方式,降低了变量维数,提高了计算效率。采用四种状态描述开关的运行方式,有效减小了寻优过程中的搜索范围。对IEEE69节点系统进行分析计算,并对比相关文献结果,所提方法具有快速的全局寻优能力。     

基于改进免疫遗传算法的配电网重构

提出一种改进的免疫遗传算法应用于配电网重构。针对十进制的染色体编码特点,对遗传算子进行了改进。种群中采用了基于矢量距的概率选择方法,同时采用非线性的自适应交叉变异算子,并加入了免疫算子。针对进化过程中的不可行解问题,提出一种基于支路-环路关联矩阵与T接点度数法的不可行解辨别方法,能适应复杂的环网情况,有效保留了反映进化的有利信息,提高了解的质量。算例结果表明所提方法可行有效,收敛性好。     

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。