基于免疫遗传算法的智能配电网分布式电源选址定容

合理地对分布式电源进行选址和定容对于智能配电网规划非常重要。文章在研究分布式电源规划的基础上,建立了以有功网损最小为目标函数的优化模型,用罚函数法将分布式电源规划问题转化为无约束问题,针对该模型特点,首次将免疫遗传算法应用到分布式电源选址和定容问题的求解中。该算法综合了免疫系统和遗传算法的优点,具有良好的全局收敛能力。对33节点配电测试系统进行仿真计算,将仿真结果与标准遗传算法进行比较。验证了免疫遗传算法具有一定的收敛性和适应性。     

基于免疫遗传算法的含分布式电源配网规划

大量分布式电源的接入使配电网规划更加复杂.在限制分布式电源接入总量和考虑多种约束的基础上,建立以配网年费用最小为目标函数的规划模型.针对该模型的特点,采用一种新型免疫遗传算法( IGA)对配电网扩展规划进行优化.该算法综合了免疫系统和遗传算法的优点,可实现群体收敛性和个体多样性间的动态平衡,具有良好的全局收敛能力.分别...     

基于改进免疫遗传算法的含分布式电源配电网规划

随着大量的分布式电源的接入,配电网规划变得越来越复杂。在优化分布式电源接入总量和考虑传统电源多种约束的基础上,建立以最佳配电网年费用为目标函数的配网规划数学模型。针对改进免疫遗传算法具有生物免疫系统中抗体多样性的保持机制和基于抗体浓度的调节更新机制,同时又具有一般进化算法的随机搜索能力,采用改进免疫遗传算法对配电网规划问题进行求解,并借鉴支路交换的思想设计杂交算子和变异算子,以避免辐射性检查过程,使得算法的寻优能力增强。通过算例分析,与简单遗传算法和常规免疫遗传算法相比,提出的改进免疫遗传算法更适合于求解含分布式电源的配电网规划问题,结果表明了该算法的可行性;同时表明,含分布式电源规划方案较无分布式电源规划方案具有很大的经济和社会效益。     

基于改进蜜蜂进化型遗传算法的含分布式电源的配电网重构

为改善分布式电源(Distributed Generation, DG)并入电网后配电网重构算法的性能,提出一种基于佳点集的蜜蜂进化型遗传算法（Bee Evolutionary Genetic Algorithm Based on Good Point Set,GBEGA）。该算法的关键有三点：1.提出一种基于佳点集的种群初始化方法,该方法比随机方法产生的种群在搜索空间更为均匀;2.引进佳点集交叉算子,该算子能在父代附近进行更加精细的搜索;3.采用自适应的交叉变异概率,有利于算法开采与勘探的平衡。将DG处     

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。     

基于二进制量子粒子群算法的含分布式电源配电网重构

配电网重构是一个复杂的非线性组合优化问题。为了克服基本优化算法易陷入局部最优解的问题,提出了一种改进的二进制量子粒子群算法(BQPSO),对含分布式电源(DG)的配电网重构模型进行求解。通过引入遗传算法的交叉操作和变异操作来避免早熟来提高算法的全局搜索能力,改进了算法的性能。并且选择了适当的不可行解处理方式来提高了算法的计算效率。最后通过对IEEE33节点配电系统进行仿真,验证所提算法在求解重构问题时得到的解更好,收敛速度和全局寻优能力都有提升。     

含多种分布式电源的配电网重构优化研究

考虑多种分布式电源（DG）的影响,形成配电网重构优化的新方法。该方法以网损期望最小为优化目标,运用以配电网环路数为抗体长度的十进制编码策略及疫苗接种策略;并将多种DG的功率计算加入改进牛拉法配电网潮流计算模型中,考虑水轮机等DG的功率可调性及风电等DG的功率随机性,得到考虑功率随机DG出力概率的网损期望;将免疫算法与邻域搜索进行融合,形成邻域搜索免疫算法,有效克服了免疫算法在迭代末期局部搜索能力差的弊端。IEEE33节点模型加入DG后计算结果表明,含多种DG的配电网通过重构可以在优化DG出力的同时实现网损期望的最小化。     

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含分布式电源的配电网故障定位

大量的分布式电源接入配电网,使得配电网的结构和运行方式均发生了变化。已有的故障定位方法受到了影响,甚至会出现误判。重新定义了含分布式电源的配网中各个开关的正方向,并建立改进遗传算法的开关函数和适应度函数。对算例进行仿真分析,结果表明,改进的遗传算法在含分布式电源的配电网中能准确地定位故障。     

基于CAPSO的含分布式电源的配电网动态重构

对含分布式电源的配电网重构进行了研究,考虑配电网系统中各节点上的不同种类型负荷的不同占比和分布式电源日出力波动引起的日负荷变化,使用KMeans聚类算法对总的变化的日负荷进行时段划分,更具客观性;使用"解环"的重构策略,在满足动态重构的约束条件下以综合运行总费用最低为目标,使用较标准粒子群优化算法寻优性能更强的自适应惯性粒子群优化算法(CAPSO)进行配电网动态重构,得到最优重构策略,并用IEEE33节点系统进行了仿真验证。     

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。     

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。     

含分布式电源的配电网优化运行研究

针对分布式能源大规模接入配电网带来的配电网规划和电能质量等问题,进行配电网优化运行研究。从分布式电源给配电网带来的影响出发,对配电网重构技术、分布式电源位置和容量优化及滤波器选型和位置优化三个角度进行了综述,同时分析总结配电网优化运行的建模方式和约束条件,并围绕多目标非线性且多约束的组合优化问题求解算法进行了梳理归纳,对配电网优化运行做总结与展望。     

含分布式电源并网特性的配电网重构策略

不同类型的分布式电源(distributed generation,DG)并网到配电系统后,分析在不同种类DG出力的影响下进行配电网合理的网络结构调整成为配电网优化重构技术的关键。本文提出了一种综合考虑不同类型DG并网方式及其特性的配电网重构方法模型。考虑不同类型的并网DG接口,研究相应的等效接入方式。根据配电网辐射状特点,以网损最优为目标,建立基于二阶锥规划的重构数学模型。利用标准配电系统进行算例仿真,与传统重构算法的效果对比,验证了本文所提重构模型的有效性和计算精度,能够高效提升运行的经济性与安全性。     

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。     

含分布式电源的主动配电网重构策略研究

针对分布式电源在配电网中不断增加及其波动性和间歇性对电网稳定和安全产生的影响,提出了一种含有分布式的主动配电网重构策略。以最小网损作为目标函数,将改进的教与学优化算法应用于主动配电网供电路径的快速优化中。通过算例对含分布式电源的主动配电网进行分析,以验证改进算法在配电网重构中的优越性。结果表明,该方法收敛速度快、寻优时间短、运行稳定。所做研究工作为我国配电网中接入分布式电源的优化方法提供了参考和借鉴。     

含分布式电源和电动汽车的配电网动态重构研究综述∗

配电网重构是优化配电网运行架构,提高配网经济性、可靠性的重要手段,随着分布式电源(DG)以及电动汽车(EV)的大量接入,探索更优的动态重构方案成为必要。文章归纳梳理了DG和EV的相关建模方法,较为全面地综述了重构模型中的多目标优化和约束条件,重点分析总结了动态重构问题求解方法的研究现状和存在的问题,并结合目前配网重构的发展现状,对未来的研究方向进行了展望。     

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。     

基于杂草算法的含分布式电源的配电网重构

随着社会不断发展,保证供电的可靠性和质量的要求越来越高。分布式电源(Distributed Generator以下简称DG)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。以降低网损和电压分布指数为目标,将杂草算法(Invasive Weed Optimization Algorithm以下简称IWO)、Pareto最优解理论和模糊决策理论相结合,提出了求解上述多目标模型的优化算法。并利用IEEE33节点系统进行仿真验证算法的有效性和实用性。     

基于改进遗传算法的含分布式电源和储能装置配电系统网络重构

通过以有功网损最小为目标建立配电网重构数学模型,应用改进的遗传算法寻求含分布式电源和储能装置配电网的最优重构方案。该算法采用一种十进制编码方式,将配电网中环网个数作为染色体长度,环网中各开关开合状态作为组成染色体基因。在潮流计算中把分布式电源和储能装置等效为“负”的负荷,并基于配电网特有的层次结构特性,采用分层前推回代进行潮流求解。通过对IEEE33节点算例的计算表明,对含分布式电源和储能装置的配电网进行重构,可在很大程度上减少网络损耗和电压降落。