基于蚂蚁算法的配电网无功优化

电力系统中无功功率的优化配置在电网经济运行中占有十分重要的地位,无功优化问题是一个复杂的组合优化问题,蚁群算法是用于解决组合优化问题的一种高效的随机化内启发式全局搜索技术。文中采用改进的蚁群算法来解决配电网络无功优化问题,建立了相应的数学模型。并以某城市配电网无功优化结果表明这种方法搜索效率高易于找到全局最优解的优点。     

带免疫的蚁群算法用于电力系统无功优化

针对电力系统无功优化具有非线性、多变量、多约束、多目标的特点,提出带免疫的蚁群优化算法。通过对连续的控制变量进行编码,实现了蚁群算法在函数优化问题上的应用。引入蚂蚁分工机制,可以大大减少每只蚂蚁的搜索空间,降低蚁群算法求解问题的难度。引入免疫算法的思想,可以避免在搜索过程中出现早熟,提高了蚁群算法的搜索效率。以IEEE-14节点系统为算例,比较分析基本算法与带免疫系统算法的计算结果,从而验证改进蚁群算法的有效性。     

蚁群算法在组合优化中的应用

本文介绍了崭新的求解复杂优化问题的启发式算法-蚁群算法以及它的基本原理.该算法是通过模拟蚁群搜索食物的过程,达到求解此类问题的目的.它具有智能搜索、全局优化、稳健性强、分布式计算、易与其他方法结合等优点.文章还介绍了该算法在静态组合优化,如旅行商、二次分配、车间任务调度、车辆路线、图着色、有序排列,以及动态组合优化中的应用.文章最后展望了蚁群算法所具有的广阔应用前景.     

基于改进蚁群算法的输电网络扩展规划

输电网络扩展规划问题是一个复杂的组合优化问题。蚁群算法是用于解决组合优化问题的一种高效的随机化内启发式全局搜索技术。文中结合单阶段输电网络扩展规划问题的特点，应用改进的蚁群算法来解决输电网络扩展规划问题，建立了相应的数学模型，并给出求解算法。2个算例系统的计算结果表明了这种方法可有效减小搜索空间，并具有计算速度快和收敛性好等优点。     

智能蚂蚁算法在电力系统无功优化中的应用

为了快速有效地求解大型电力系统无功优化的问题,在蚁群算法的基础上,提出了一种基于局域网的智能算法,智能蚂蚁算法与蚁群算法相比,主要进行了几点改进:第一,取消了外激素;第二,自动调整选择最优路径的比例;第三,引入扰动以避免陷入局部优化,并给出其全局渐近收敛性,该算法作为一种新兴的优化算法,具有适用范围广,寻优能力强,程序...     

基于蚁群最优的配电网网架优化规划

配电网规划问题是一个复杂的组合优化问题。蚁群算法是用于解决组合优化问题的一种高效随机化内启发式全局搜索技术,能有效地求解大规模组合优化问题。文中结合单阶段配电网规划问题的特点,应用蚁群算法来解决配电网规划中网架规划绕障碍问题,建立了相应的数学模型,并给出求解算法。算例计算结果表明了该方法是可行的、有效的。     

基于混合PSO-ACO算法的含DG配电网无功优化

主要研究含分布式电源配电网无功优化问题,提出将粒子群算法与蚁群算法相结合的混合优化算法(PSO-ACO)。该算法针对粒子群算法易陷于局部优化问题和蚁群算法由于积累信息素导致寻优时间过长的缺点,利用粒子群算法的结构简单以及参数设定少的优点以及蚁群算法强大的全局搜索能力,将2种算法混合,并结合惩罚函数构建无功优化数学模型。以IEEE-33节点配电系统进行系统仿真,与采用基本粒子群算法和蚁群算法的无功优化结果相比较,结果表明,提出的混合算法收敛性和稳定性更好,能有效地解决含DG配电网无功优化问题。     

智能新算法在无功优化中的应用

动态无功优化是个十分复杂的时空分布非线性优化问题,全局寻优十分困难。为了解决电力系统无功优化的求解问题,提出了一种新的智能算法,即把蚁群算法和免疫算法相结合,利用两种算法优点的互补,以解决约束优化问题。该算法将免疫算法和蚁群算法相结合,把用蚁群算法解决的问题看作抗原,通过免疫算法产生抗体给参数赋值,并应用于具体问题的求解,将得到的结果作为当前抗体的适应度值,然后通过免疫算法的交叉、变异、亲和度选择等操作,将适应度好的抗体保留,淘汰适应度差的抗体,经过多次迭代,最终得到较优的抗体,改善了单一搜索机制易陷入局部最小的不足,克服了处理复杂边界问题的多种不足之处。通过算例比较了遗传算法、简单蚁群算法以及改进算法的结果,验证了改进算法的正确性和有效性。     

基于蚁群最优的配电网网架规划方法

配电网规划问题是一个复杂的组合优化问题。蚁群算法是用于解决组合优化问题的一种高效的随机化内启发式全局搜索技术,能有效地求解大规模组合优化问题。文中结合单阶段配电网规划问题的特点,应用蚁群算法来解决配电网规划问题,建立了相应的数学模型,并给出求解算法。算例的计算结果表明了这种方法是可行、有效的。     

基于蚁群最优的配电网网架规划方法

配电网规划问题是一个复杂的组合优化问题.蚁群算法是用于解决组合优化问题的一种高效的随机化内启发式全局搜索技术,能有效地求解大规模组合优化问题.文中结合单阶段配电网规划问题的特点,应用蚁群算法来解决配电网规划问题,建立了相应的数学模型,并给出求解算法.算例的计算结果表明了这种方法是可行、有效的.     

一种基于蚁群算法的最优非线性PID控制器的设计

本文以蚁群算法为基础，提出了一种新的非线性PID控制器及其参数优化设计方法。该控制器是基于PID控制器各增益参数与误差信号之间呈现非线性关系，根据一般控制系统的阶跃响应曲线，在不同响应时间阶段PID3个增益调节参数的理想变化情况，提出根据控制信号与误差、误差变化率之间的调节规律，拟合一组增益参数的非线性函数，并利用蚁群算法搜索出一组最优的非线性PID参数，构造最优非线性PID控制器。计算机仿真结果表明，与基于遗传算法（GA）、模拟退火算法（SA）和Z—N法设计的PID控制器（GA—PID、SA-PID、ZN-PID）相比，这种基于蚁群算法的非线性PID控制器（NLAS-PID）具有良好的动态和稳态性能，可用于控制多种不同的对象和过程。     

基于蚁群优化K-medoids的变电站特性聚类研究

为建立合适的变电站负荷模型,将聚类方法引入到变电站负荷特性分析,提出了一种基于蚁群优化K-medoids的综合聚类算法。该综合算法是K-medoids算法对蚁群的历史最优位置进行聚类分析,蚁群算法全局搜索能力强,克服了K-medoids算法易陷入局部最优的缺点,提高了聚类的准确率。最后通过变电站特性聚类实例,验证了综合算法在变电站特性聚类的可行性和有效性。     

Voltage collapse detection using Ant Colony Optimization for smart grid applications

Load demand levels in power networks are continuing to increase especially considering the penetration of Plug-in Hybrid Electric Vehicles, and as a result bus voltages are requiring more support from generators elsewhere in the network in order to maintain the voltage within specified limits. If the network is unable to support the increasing demand, bus voltage will begin to degrade until the point of voltage collapse which can lead to catastrophic network failure. Previous studies have shown that evolutionary computing techniques are effective methodologies for locating voltage collapse points. Ant Colony Optimization techniques allow for the optimization of many independent parameters simultaneously, the loading parameter for each bus is considered in this work. In this study, Ant Colony Optimization is applied to detect voltage collapse conditions in power networks, to obtain faster computing time with the future goal of providing online detection and prediction for use in smart grids. Two case studies are considered in this study to assess the performance of the proposed detection algorithm; the first case study includes 9-bus system while the other case study involves IEEE 118-bus system. Results obtained from both cases and conclusions drawn are also presented.     

蚁群优化算法及其在电力系统中的应用

蚁群优化算法是意大利学者M Dorigo受蚂蚁觅食行为的启发 ,提出的一种新型组合优化算法 ,具有正反馈、分布式计算等特点 ,已在许多问题中得到成功的应用。本文对蚁群优化算法的研究现状作一综述 ,并指出在电力系统中可能的应用方向     

基于蚂蚁算法的同步时序电路初始化研究

如何实现同步时序电路的初始化时序电路测试中的关键问题，本文针对时序电路的初始化提出了一种新的方法，在电路初始状态未知的情况下，用逻辑初始化方式，通过采用蚂蚁算法生成最短的测试序列，最大限度地初始化电路的触发器，实验结果表明，在耗费极少时间及占用很小内存的情况下，针对ISCAS‘89（包括Addendum‘93)的各种标准时序电路都得到很好的初始化结果。     

基于改进蚁狮优化算法的可再生能源分布式电源优化配置

分布式电源的合理规划能够降低配电网的功率损耗,针对可再生能源分布式电源规划配置问题,提出了一种基于改进蚁狮优化算法的可再生能源分布式电源优化配置方法。所提方法建立了以最小化实际功率损耗和改善配电网电压分布与电压稳定性为目标的多目标函数;利用改进蚁狮优化算法,通过模仿自然界中蚁狮的狩猎行为,统筹考虑损耗敏感系数和电压敏感系数,推导出不同类型的分布式电源单元的最佳总线位置和容量;以IEEE-33总线径向分布系统进行了仿真实验。实验结果表明,与其他算法相比,所提算法在降低功率损耗和电压分布方面更优,从而验证了所提算法的适应性和有效性。     

Intelligent three-phase current balancing technique for single-phase load based on smart metering

This paper studies the problem of current balancing in a three-phase, low-voltage distribution network. We assume that the network has an automatic metering system that communicates using the power line carrier technique. Each meter reports the customer’s energy consumption and local current/voltage data to the central station at specified intervals. To maximize the efficiency of the grid, we wish to minimize the unbalanced current in the neutral phase. After framing this problem as a quadratic assignment problem, we use the “ant colony optimization” method to assign each customer to a phase. We confirm the effectiveness of the proposed method on an ensemble of simulated networks. Besides triggering point of high current relay is also decisive and should be consider in software commands output.     

改进蚂蚁算法在电力变压器优化设计中的应用

介绍了改进蚂蚁算法在电力变压器优化设计中的应用,并以实例说明其优化效果.     

Large-Scale Economic Dispatch by Artificial Ant Colony Search Algorithms

This paper presents a new cooperative agent search approach for solving power economic dispatch problems. One of the main objectives of this paper is to investigate the applicability of an alternative agent search method in power system optimization. The proposed Artificial Ant Colony Search Algorithm (ACSA) is based on the results of real ant trail formation and foraging obtainedfrom theoretical biology science. A new encoding technique is proposed to overcome the difficulties of applying ACSA in a continuous search space, such as economic dispatch problems. An object-oriented ACSA system is developed and programmed. The effectiveness of the proposed technique has been demonstrated on a number of systems, which include an actual utility system of up to 40 units. Comparison with conventional genetic algorithms is presented. The outcome of the study shows that an emergent collective search ability resulted from the massive parallel fashion and positive feedback of ant colony is particularly attractive in addressing some difficult engineering problems; however, it should be observed that current research of Ant Colony Search Algorithm in power system is relatively new and still at a feasibility stage. More potentially beneficial work remains to be done.