基于混沌优化蝙蝠算法的含分布式电源配电网故障区段定位

针对含分布式电源配电网故障区段定位问题,改进了已有的开关函数,并提出了一种基于混沌优化蝙蝠算法的诊断方法。利用蝙蝠算法全局寻优能力对配电网故障区段进行定位搜索,并针对蝙蝠算法易陷入局部最优的缺点,使用混沌策略对部分最优个体进行优化,使其收敛速度加快,定位准确度提高。通过建立算例配电网模型,对其多种故障定位结果分析表明,算法对于含分布式电源配电网故障区段定位具有一定的实用性。     

引入改进迭代局部搜索的灰狼算法及应用

针对标准灰狼算法(GWO)收敛速度慢,易陷入局部最优等缺点,提出一种引入改进迭代局部搜索的灰狼算法(IGWO)。首先,通过佳点集策略增强初始种群的均匀性与多样性;其次,采用双收敛因子,收敛因子基于种群位置非线性自适应更新,在种群寻优全期平衡全局勘探与局部开发能力;再次,在种群位置更新公式引入欧氏动态权重与莱维飞行策略,提升寻优精度,并帮助种群跳出局部最优值;最后,引入改进迭代局部搜索,使算法的搜索能力更加灵活,帮助算法加速收敛。通过10个基准测试函数的仿真分析及种群寻优平衡性对比,证明了IGWO具有更优的寻优精度、稳定性及收敛速度,随后将IGWO应用于工程优化问题中,相比GWO、GJO、WOA、HSSAHHO、SCHOA、NCPGWO、DSFGWO 7种算法,适应度分别优化了3.25%、27.2%、28.9%、3.15%、3.04%、0.23%、0.07%,证实了在工程应用中的可行性和有效性。     

基于自适应蚁群算法的配电网故障恢复

配电网故障自恢复能力可以保障配电网在故障后通过开关的优化选择使得负荷重新获得功率,这是建设智能电网的有力保障。针对此,提出一种基于改进型自适应蚁群算法的开关优化方法,其具有较强的全局寻优能力和较快的收敛速度,可快速找到约束条件下的全局最优值。最后针对某实际配电网中多电源点情况进行了分析,实例证明所提出的算法收敛能力和寻找最优解能力强于普通的蚁群算法。     

电网故障诊断解析模型的改进二进制增益共享知识算法求解

针对现有智能优化算法在求解电网故障诊断解析模型时存在的易于陷入局部最优和种群质量低等问题,提出一种改进二进制增益共享知识算法(improved binary gaining-sharing knowledge-based algorithm, IBGSK)。首先,根据故障诊断规则,构建一种包含完备故障信息的完全解析模型。其次,将离散工作机制融入改进算法的种群更迭中,以避免发生空间脱节。然后,结合进化种群动力学思想(evolutionary populationdynamics, EPD),引入一种自适应交叉算子,以提高种群质量和增强算法的全局寻优能力。最后,通过特征选择和故障诊断仿真实验对算法性能进行评估。结果表明：IBGSK算法相较于其他优化算法,在特征选择问题上具有更高的计算效率、更强的全局寻优能力和泛化能力;在求解电网故障诊断解析模型上具有更优的诊断可靠性、时效性和收敛性。     

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。     

基于改进型蚁狮算法的主动配电网优化重构

主动配电网是含有分布式电源(DG)的配电网络,具备主动管理电源以及负荷需求的能力。基于蚁狮算法,以负荷功率损耗最小为目标,对主动配电网进行优化重构。同时,针对蚁狮算法存在的全局搜索能力不强,易陷入局部最优等缺陷,将混沌搜索机制和粒子群算法的全局寻优策略引入蚁狮算法,提出改进型蚁狮算法。以含三个DG的美国PGE69节点系统为对象进行优化重构,结果表明改进后的蚁狮算法在原始蚁狮算法的基础上有效降低了网损。     

改进自适应蜂群优化算法在变压器故障诊断中的应用

为增强神经网络对变压器故障诊断的能力,同时避免蜂群算法出现局部最优和易早熟,提出一种改进自适应搜索策略蜂群优化算法。该方法通过自适应调整种群更新步长来协调蜂群算法的全局和局部搜索能力,避免出现局部最优状况,同时引入Levy变异因子提高局部搜索的性能。利用改进的蜂群算法优化BP神经网络权值和阈值,通过反复迭代算法,直到达到目标精度要求。该方法以变压器数据为依据进行测试。仿真结果表明,改进后的方法收敛速度更快、判别故障准确率更高。     

基于自适应小生境的改进入侵性杂草优化算法

为提高入侵性杂草优化算法(IWO)的种群多样性,使算法在处理高维多峰问题时具有更好的全局收敛性。结合小生境思想提出一种小生境杂草优化算法(NIWO)。该算法根据种群内个体间的欧式距离对杂草种群进行分类,并采用自适应小生境数策略确定分类个数,对种群进行繁殖竞争等其他操作,从而增强种群的多样性,提高算法的全局寻优能力,保证算法的收敛精度。利用4个标准测试函数测试算法的寻优能力,仿真结果表明,无论对于低维还是高维多峰函数,NIWO算法的收敛精度和稳定性都优于标准IWO算法。     

基于改进蝙蝠算法对含分布式电源配电网重构研究

针对多类型分布式电源接入配电网后造成配电网拓扑结果复杂,而传统的遗传算法寻优搜索范围大、局部寻优易收敛等问题,本文提出一种基于改进蝙蝠算法的配电网重构算法。该算法利用回支关联动态矩阵切割合并电网回路,在保证配电网辐射状拓扑结构的同时简化拓扑搜索;利用K-means聚类对种群数据进行初始化聚类,解决局部最优;利用Powell局部搜索,加快算法的收敛速度。仿真实验表明,与其他标准蝙蝠算法和粒子优化算法相比,本文改进的算法有较快的收敛速度和较高的寻优精度;在配电网重构中,本文改进算法与其他算法相比,不仅有效地降低了原配电网的有功耗损还提高了节点电压幅值,一定程度上改善了系统的电压质量。     

求解全局优化问题的多策略改进灰狼算法

针对原始灰狼算法在求解全局优化问题时,存在后期收敛速度慢、易陷入局部最优、优化效率低等缺点,提出一种多策略改进的灰狼优化算法(multi-strategy improved grey wolf optimization, MSI＿GWO)。从参数、搜索机制以及最优解扰动3个方面引入3种改进策略。对控制参数a,采用非线性调整策略,改进算法的勘探和开发能力;采用动态权重策略进行位置更新,提高算法的收敛性;设计小波最优解扰动策略,提高种群多样性,同时避免算法陷入局部最优。对MSI＿GWO算法的寻优性能进行验证,选取单峰多峰共9个测试函数完成仿真实验,并与其他改进灰狼优化算法以及粒子群、天鹰优化算法、蜜獾算法进行比较,结果表明,MSI＿GWO算法在收敛速度和寻优效率方面均为最优的。     

基于改进二进制灰狼优化算法的配网故障定位

灰狼算法具有结构简单、概念清晰、易实现和全局性能好等优点,但由于存在后期收敛速度慢、局部搜索能力弱等缺点。为提高配网故障定位的准确性和快速性,对灰狼优化算法进行了改进。首先,由于配网故障定位方法可以把问题表示为0~1整数规划问题,故引入转换函数,以解决算法在二进制空间里位置更新问题。然后引进动态权重策略,以平衡算法的全局搜索能力和局部搜索能力且加快算法收敛速度。最后加入概率扰动策略,使算法避免过早陷入局部收敛。本文通过配网故障的算例分析来验证改进二进制灰狼优化算法的可行性和高效性。     

基于改进哈里斯鹰优化算法的有源配电网故障定位

针对改进的遗传算法、二进制粒子群算法等智能优化算法在复杂的有源配电网中故障定位的准确率不高、易于陷入局部最优、收敛速度慢以及定位时间长等问题,提出一种基于改进哈里斯鹰优化算法的有源配电网故障区段定位方法。首先,通过Tent混沌映射改善初始种群和将逃逸能量非线性化,以加快哈里斯鹰优化算法的收敛速度。其次,通过结合黄金正弦算法跳出局部最优。最后,所提方法在IEEE33节点有源配电网模型上进行了仿真测试验证,表明改进后的哈里斯鹰优化算法能很大程度地加快收敛速率,故障定位方法具有很高的容错率。     

基于改进灰狼算法与隐枚举法的配电网分区故障定位研究

分布式电源接入配电网,使传统故障定位方法适用性下降。为此,文中提出了一种改进灰狼算法与隐枚举法相结合的配电网分区故障定位方法。首先,对灰狼算法进行二进制处理并引入Levy飞行、局部搜索和非线性收敛因子3种改进策略,提高算法的快速性和准确性。其次,建立能够满足含分布式电源配电网需求的编码方式、开关函数以及目标函数。然后,通过分析故障点与开关函数的对应机理,提出区域定位与区段定位相结合的分区定位模型,并使用改进灰狼算法与隐枚举法联合求解。最后,以IEEE33节点配电网为例进行仿真试验。结果表明,文章提出的求解算法和分区定位方法能够准确、迅速定位故障区段,并具备较高的容错性与稳定性。     

基于BAS-IGA的含分布式电源配电网故障定位

针对遗传算法解决含分布式电源配电网故障区段定位易早熟收敛的问题,提出了一种基于天牛须搜索算法和改进遗传算法相结合的故障定位方法.该方法首先利用天牛须搜索算法产生高质量的初始种群,其次通过构造遗传算法数学模型、优化3种遗传算子和调节交叉变异概率对遗传算法进行改进,最终经遗传迭代产生最优解,达到精确定位故障区段的目的.以I...     

优化和声算法在含DG配电网故障定位中的应用

为了提高含DG配电网故障定位的速度和容错性,提出利用高度并行、鲁棒性强的遗传算法来优化基本和声算法对初始化和声记忆库的过度依赖性,改进了和声算法中新解的产生方式。针对含DG配电网的结构特点引入"树"的区域划分方法以降低求解维度,根据故障定位最小集理论优化评价函数以提高容错性。分别利用优化前、后的和声算法对相同配电网模型进行寻优运算和分析比较,结果表明优化的和声搜索算法能够有效地提高算法收敛速度和故障定位精度,在信息缺失、畸变等情况下具有良好的容错性。     

基于量子行为粒子群算法的含分布式电源的配电网故障定位

分布式电源的大量接入,使得传统配电网故障定位方法的适用性变差。针对这一问题,引入量子行为粒子群算法实现含分布式电源的配电网的故障定位。在对量子行为粒子群算法进行改进后,使其更适用于包含0-1离散变量的配电网故障定位。同时算法融入了自然选择的淘汰机理,提高了算法的收敛性和精确性。考虑到在实际应用中故障信息的缺失,对信息采用了相应的补漏措施,提高了算法的容错性。算例的仿真结果验证了该算法定位的准确性、适用性及可行性。     

矩阵算法和优化算法相结合的配电网故障定位

区段定位是配电网故障处理和供电恢复的重要环节。针对现有矩阵算法容错性差,而优化算法定位速度慢的问题,将两者进行优势互补,提出一种矩阵算法和优化算法相结合的配电网故障定位方法。首先,从故障告警的因果关联关系出发,建立配电网的矩阵描述并构建故障区段定位的改进矩阵判据,在告警信息正常时能够快速准确定位故障区段。其次,考虑存在告警信息畸变时,根据矩阵判据结果筛选可疑区段,并在此基础上构建优化模型进行容错判断,有效实现高容错性故障定位。最后,通过不同配电网系统算例仿真验证了所提定位方法的有效性和容错性。     

配电网故障区段定位的互补松弛约束新模型与算法

研究快速高容错性馈线故障区段辨识技术对于提升配电网运行安全可靠性具有重要作用。基于故障电流信号并联叠加特性和逼近关系理论,首次提出代数建模机制下馈线故障区段定位的互补松弛约束模型,其优势为:克服了逻辑模型对群体智能算法的依赖,可采用数值稳定性好的梯度算法求解;利用互补松弛约束条件将非线性整数规划模型转化为具有光滑特性的非线性规划模型,降低了决策求解复杂性;无需对配电网进行分层解耦,即可实现单一和多重故障区段的有效辨识。为有效求解互补松弛故障定位模型,基于模型等价转换思想和松弛因子压缩策略,提出具有全局收敛特性的交互式优化决策算法。仿真算例验证新方法可实现配电网馈线单一或多重故障区段的准确高容错性辨识,且数值稳定性好、故障定位效率高。     

基于模糊自适应模拟退火遗传算法的配电网故障定位

对于配电网故障定位系统的不足与遗传算法存在易早熟、收敛速度慢等问题,结合模糊推理和自适应模拟退火遗传算法,提出一种模糊自适应模拟退火遗传算法(FASAGA)。该算法对评价函数做了容错性改进,在遗传选择时采用自适应机制与最佳个体保留策略,并结合模糊推理与自适应机制求取模糊自适应交叉算子、模糊自适应变异算子,引入模拟退火算法提高收敛速度与局部搜索能力。仿真结果说明该算法应用在配电网故障定位中的准确性、快速性与高容错性。