基于模拟退火——二进制粒子群优化算法的配电网重构

提出了将模拟退火算法与二进制粒子群算法相结合的用于配电网重构的优化算法。该算法既发挥了粒子群算法收敛速度快的特点,又因为引入的模拟退火算法具有的较强的跳出局部最优解能力,因此有效地避免了粒子群算法易陷入局部极值点的缺点,提高了进化后期算法的收敛速度和精度,并应用IEEE16节点系统的算例,验证了模拟退火-二进制粒子群混合算法在配电网重构中的可行性和有效性。     

基于双重混合粒子群算法的配电网重构

为进一步优化配电网运行结构,将混合蛙跳思想引入粒子群算法,结合配电网结构简化、支路分组,提出一种基于双重混合粒子群算法的配电网重构策略。为提高粒子搜索效率、防止算法早熟,首先,等效简化配电网结构图,对支路分组,缩短编码维数;其次,将各粒子依据一定规则分组,采用基于混合蛙跳思想的二进制粒子群算法进行支路组搜索,且对粒子历史最优值进行多次分组,组内搜索采用二进制粒子群搜索算法。运用该方法分别对IEEE33节点配电系统和136节点配电系统进行仿真,并与遗传算法和粒子群遗传混合算法进行对比分析,结果表明该方法收敛速度快,可得到最优网络重构结果,有效降低网损。     

混合型粒子群算法在含分布式电源配电网重构中的应用

针对蚁群算法面临收敛速度慢与粒子群算法易陷入局部最优的问题,将蚁群算法和粒子群算法相融合,生成了新的混合型粒子群算法,具有较高的收敛速度与全局搜索能力,将其用于含分布式电源的配电网重构。最后以IEEE33节点配电网作为算例进行仿真。结果验证了算法的可行性和有效性。     

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。     

改进二进制粒子群算法在配电网重构中的应用

将混合蛙跳思想引入粒子群算法,并结合遗传算法中的选择交叉操作,提出一种改进二进制粒子群算法,来解决配电网重构中的问题。并且动态调整粒子速度更新公式中的惯性系数,使粒子能够随更新次数的变化动态改变全局和局部搜索能力,防止算法早熟,以找到全局最优解。文章最后对典型IEEE33节点算例进行仿真,并与遗传算法进行对比分析,结果表明该方法不仅能有效避免算法早熟、快速收敛,而且稳定性好。     

配电网重构的一种混合算法研究

介绍配电网重构的数学模型,阐述粒子群优化算法(PSO)和模拟退火算法(SA)的混合算法,并介绍PSOSA混合算法在配电网重构中的应用。     

模拟退火粒子群优化算法在异步电动机参数辨识中的应用

分析了模拟退火算法和粒子群算法的优缺点,提出了一种利用两种算法优点的混合优化算法,并给出了详细应用步骤。利用异步电动机直接空载起动特性,对异步电动机动态数学模型参数进行了辨识,通过与其他几种算法辨识的结果进行比较,说明模拟退火粒子群优化算法有效地结合了模拟退火算法的全局寻优能力和粒子群算法的快速收敛的特点。     

基于改进粒子群算法的配网电容器优化配置

随着国民经济发展,配电网规模不断扩大。依照经验配置电容器的局限性日益显著,具体表现为电容器容量配置的不足或过剩,部分电容器需要时由于局部电压的限制而不能投入。将模拟退火粒子群算法用于解决配电网电容器优化配置问题,建立了相应的数学模型,目标函数为配电网有功网损费用、电容器的购置及安装总费用最小,该算法将电容器的安装位置及安装容量离散化,采用基于适应度值的动态阈值来控制实施局部搜索的粒子数目,来改善算法摆脱局部极值点的能力,提高算法的收敛速度和精度。对一个33节点配电网的电容器优化配置结果表明了模拟退火粒子群算法的合理性和优越性。     

纵横交叉和粒子群混合算法在配电网重构中的应用

针对粒子群算法在配电网重构过程中收敛慢、稳定性差等特性,结合纵横交叉算法(CSO)和粒子群算法(PSO)的优势,提出一种新的混合算法(CPSO)应用在配电网重构中。在求解过程中采用环路编码方式,这种编码方式有效地减少了粒子的维度和降低了产生无效粒子的概率。混合算法过程是将横向交叉的粒子和PSO算法的粒子进行对比,保留适应度更强的粒子参加下一次迭代。从搜索行为上分析,横向交叉具有平行搜索能力,可以检验搜索过程中潜伏存在的最优解。以典型的33节点和69节点网络为算例,分别进行了不同算法下的网络重构仿真。结果表明,CPSO算法具有收敛速度快、抗干扰性强和优秀的搜索能力。     

混合型无线传感器网络覆盖空洞修复算法

针对无线传感器执行器网络运行过程中节点必要的移动或者失效导致的感知空洞,提出了一种基于混合粒子群优化算法的空洞修复方案,该方案首先提出一种基于网格的网络覆盖率,并以此为优化目标将空洞修复问题转化为无约束优化问题,然后使用融合了模拟退火思想的粒子群优化算法对优化问题进行求解,最后仿真证明模拟退火算法的概率突跳特性弥补了粒子群优化算法容易陷入早熟收敛的缺陷,该混合算法可以对空洞修复问题进行有效地求解。     

基于改进量子粒子群算法的配电网络优化重构

为了更好地利用分布式电源(DG),需要调整配电网开关状态优化网络结构。基于此,旨在利用一种智能算法对含DG的配电网进行优化重构。以网损最小为目标函数,建立配电网重构模型,并给出重构需要满足的约束条件;按照DG接入配电网的接口类型将其分为PQ型、PV型、PI型和PQ(V)型四种类型,选择前推回代法对含DG的配电网进行潮流计算;通过分析二进制粒子群算法(BPSO)与量子粒子群算法(QPSO),提出了一种改进的量子粒子群算法—加权的二进制量子粒子群算法(WBQPSO)。以IEEE33节点配电系统为例,采用二进制编码方式,通过仿真结果可以发现WBQPSO通过对粒子的平均最好位置加权处理,改善种群多样性,提高收敛速度,可以得到更好的网络重构的优化结果。     

配电网重构的混合粒子群算法

通过将二进制粒子群算法和离散粒子群算法相结合,提出一种混合粒子群算法,求解配电网重构问题。在求解过程中,通过对配网支路进行分组,简化了网络,编码时每一支路组用1维表示,不仅显著降低了维数,缩短了编码长度,更有效降低了无效粒子的产生概率。在搜索过程中,根据该文总结的配电网重构的必要条件,有规律地将粒子进化,进一步提高了搜索效率。在优化过程中将每一次迭代由2步完成：第1步根据二进制粒子群算法中的sigmoid()函数值,利用轮盘赌的方法优化选择断开的支路组;第2步利用提出的离散粒子群算法优化选择在第1步中被选中断开的支路组的内部断开支路。最后对一个典型的69节点算例和一个实际算例进行仿真,结果显示,该方法不仅能快速收敛,而且稳定性好。     

基于混合算法的含分布式电源的配电网重构研究

为解决含有分布式电源的配电网重构问题,建立了以系统网损为最小目标的含分布式电源配电网优化模型。根据遗传算法、模拟退火算法和禁忌搜索算法的特点,提出了适用于含分布式电源的配电网重构的混合算法。将禁忌搜索算法和模拟退火算法的思想引入到遗传算法中,可以避开遗传算法中存在的早熟收敛问题,跳出局部最优解,逐渐收敛到全局最优解,同时减小了迭代次数,提高了算法的效率。该算法用于IEEE 33节点系统的计算结果表明,混合算法用于含分布式电源的配电网重构是可行的、有效的。     

基于BPSO和育种算法的配电网重构

分析了配电网络运行时的特点,在满足运行和安全约束的前提下,将目标函数设定为以系统有功功率损耗最少,并针对二进制粒子群算法的缺点,加入了育种算法,采用育种算法和BPSO算法相结合的混合算法对配电网进行了重构.对IEEE33节点系统进行配电网重构求解的算例表明,提出的混合算法在降低迭代次数地同时,提高了计算效率和速度,对配电网重构是有效的.     

基于隶属度时段划分的配电网动态重构

为更好地实现配电网优化运行,提出一种基于隶属度时段划分的配电网动态重构方法。以配电网整个时段内综合运行费用最小为目标函数,建立配电网动态重构数学模型。将系统各时段有功网损与电压偏差之比作为系统运行指标,计算指标峰谷隶属度及变化率对时段进行划分。为增强二进制粒子群算法(BPSO)摆脱局部最优解的能力,将模拟退火算法(SA)中基于Mertropolis准则的新粒子接收机制引入BPSO中,克服二进制粒子群算法易陷入早熟收敛的局限性。算例结果验证了所提方法的有效性。     

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。     

基于SA-PSO的配电网电容器优化配置

应用模拟退火粒子群优化算法(simulated annealing particle swarm optimization,SA-PSO)求解配电网电容器优化配置问题,在同时考虑系统有功损耗费用和补偿电容器购买、安装和维护费用的基础上,建立了相应的数学模型.为了改善算法摆脱局部极值点的能力,提高算法的收敛速度和精度,采用基于适应度值的动态阈值来控制实施局部搜索的粒子数目.将其应用到一个IEEE 33节点配电网的电容器优化配置中,结果表明,模拟退火粒子群优化算法具有合理性和可行性.     

基于混合算法的多目标配电网重构

配电网重构是配电管理系统的重要内容,从本质上讲,它是一个非线性组合优化问题,若采用传统的遗传算法处理,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。提出一种混合算法来处理配电网重构问题,根据遗传算法和粒子群算法各自的原理特点,将遗传算法和粒子群算法相结合,充分地利用粒子群算法的快速性、随机性、全局收敛性,较好地解决了遗传算法用于配电网重构时的缺点和不足。理论分析和算例表明,该方法高效可行,适合配电网自动化的实际应用要求。     

禁忌搜索–粒子群算法在无功优化中的应用

禁忌搜索粒子群算法是针对粒子群算法局部搜索能力较弱和存在早熟收敛的问题,将禁忌搜索思想融入到粒子群算法中的混合算法,并将该算法应用到电力系统无功优化中。该方法在粒子群算法寻优过程的后期加入了禁忌表,扩大搜索空间,避免陷入局部最优。通过对IEEE 30节点测试系统和鸡西电网进行仿真计算,并与其他算法进行比较,结果表明该算法能取得更好的全局最优解,既加快了收敛速度,又提高了收敛精度。