基于改进粒子群算法的配电网静态重构

针对配电网静态重构问题,结合配电网的辐射状特点,提出了适应于配电网静态重构的改进二进制粒子群算法,建立以系统网损最小为目标函数的静态重构模型。提出的算法运用破圈法生成和更新粒子群,提高搜索有效解的效率,在迭代过程中采取重新初始化粒子策略避免算法陷入局部最优解,提高粒子群算法得到全局最优解的概率。应用于33节点标准测试系统,验证了算法的可行性。     

基于改进灰狼算法的含分布式电源配电网重构研究

使用基本环矩阵编码的智能优化算法在处理配电网重构问题中,通常使用无序的解空间,解空间中局部峰值较多,使得智能优化算法难以发挥自身优势,耗时严重且难以寻找到最优解。针对以上问题,提出一种有序环网编码方式,并基于改进灰狼算法求解含分布式电源(distributed generation,DG)配电网的重构方法。首先,将基本环矩阵的元素按支路顺序排列,再利用启发式规则初步寻找较优解,并将其与初始狼群中的Alpha狼比较,取其较优解作为新的Alpha狼;然后,引入Gamma狼,用于环绕Alpha狼寻优,使狼群保证种群多样性的同时,提高其局部搜索能力;最后,使用改进灰狼算法求解修改后IEEE 33配电网和Taipower 84配电系统,有效地降低系统网损并且提高了系统内的最低电压。经验证,该方法有效可行、算法简单、快速性高,得到的结果更优。     

基于多目标粒子群算法的配电网多目标优化重构

本文建立了系统有功损耗、节点最低电压幅值及开关操作次数的配电网多目标优化重构模型,并运用多目标粒子群优化算法求解。多目标粒子群算法的关键是如何选取个体的极值和全局极值,本文依据Pareto支配关系对个体极值进行选择,外部存储器就是全局极值的候选解集,计算外部存储器中各粒子与其他粒子的海明距离之和并作为各粒子的适应值,然后采用与适应值呈比例的轮盘赌方式选取粒子的全局最优位置,避免种群多样性的丧失。带时限的粒子全局极值淘汰策略使粒子能跳出局部最优,防止算法早熟收敛,保持了良好的收敛性。通过IEEE 33节点测试系统仿真计算,实验结果表明了该方法的可行性和有效性。     

基于多粒子群分层分布式优化的配电网重构

为解决多环网配电网重构问题,采用控制理论的分层思想,提出了多粒子群分层分布式优化算法.在第一层将配电网每个环网看成一个子系统,各子系统单独优化,降低了算法维数.第二层进行各子系统之间相互协调,并把各个子系统的最优值作为当前粒子的个体最优值,进行第二次粒子群优化.算法结合配电网络的特点,提出了孤岛和环网的处理原则,提高了迭代过程中有效解的产生概率.最后对2个典型IEEE测试系统进行仿真计算,结果表明本文提出的算法在优化精度,收敛到全局解的次数和收敛速度上均有明显改善.     

基于多粒子群分层分布式优化的配电网重构

为解决多环网配电网重构问题,采用控制理论的分层思想,提出了多粒子群分层分布式优化算法。在第一层将配电网每个环网看成一个子系统,各子系统单独优化,降低了算法维数。第二层进行各子系统之间相互协调,并把各个子系统的最优值作为当前粒子的个体最优值,进行第二次粒子群优化。算法结合配电网络的特点,提出了孤岛和环网的处理原则,提高了迭代过程中有效解的产生概率。最后对2个典型IEEE测试系统进行仿真计算,结果表明本文提出的算法在优化精度,收敛到全局解的次数和收敛速度上均有明显改善。     

基于鸡群粒子群混合算法的配电网重构研究

为使配电网接入分布式电源后能快速、准确地重构,针对配电网重构的算法进行改进。对于粒子群算法易陷入局部最优的问题,提出与鸡群算法进行融合,以扩大搜索范围,避免搜索过程陷入局部极小,从而得到质量更好的解。最后在IEEE 33节点系统中,考虑分布式电源的接入,运用鸡群粒子群算法进行算例验证。     

基于浓度的粒子群算法在含分布式电源配电网重构中的应用

针对现有基于粒子群算法的配电网重构易陷入局部最优的问题,本文将一种基于粒子浓度的新型粒子群算法应用于含分布式电源配电网的重构,该方法基于粒子浓度对粒子群的更新进行引导,有效提高了粒子的全局搜索能力,优化了含分布式电源配电网的重构结果。对IEEE33节点标准算例进行了仿真计算分析,结果表明重构后最优解较大的降低了网络损耗,验证了论文中新型算法能有效应用于含分布式电源配电网的重构;对比基于标准粒子群算法的配电网重构结果,验证了论文中的重构方法有效提高了含分布式电源配电网的重构性能。     

基于混沌二进制粒子群算法的配电网重构研究

配电网络重构是现代配电网自动化的重要功能,同时也是配电系统安全经济运行的重要环节。因此,配电网重构正受到研究人员的极大关注。以网络损耗最小为目标函数,将混沌映射引入在二进制粒子群算法进行网络重构中,克服二进制粒子群算法容易陷入局部最优的缺点,得到了更精确的优化结果。将混沌粒子群算法应用于重构问题,利用IEEE经典算例进行验算。结果证明,该方法有效降低了网络损耗,且提升了最低节点电压。     

基于强引导粒子群与混沌优化的电力系统无功优化

为解决粒子群优化后期搜索速度较缓慢,易陷入局部最优的问题,提出一种基于强引导粒子群与混沌寻优相结合的电力系统无功优化算法,该算法在采用强引导型粒子群的基础上引入混沌优化以进一步提高全局寻优能力,即在粒子群算法的基础上引入强引导思想,在搜索初期,对粒子位置的更新加以引导,减少算法随机性以提高搜索效率。为进一步解决寻优后期粒子可能陷入早熟收敛的问题,利用混沌优化具有"奇异吸引子"的特性,在解空间进一步搜索,两者的结合可以更有效地搜索到全局最优解。通过对某高压配电网的具体计算,最优降损率可以达到14.04%,节点最低电压从0.895 0 p.u.提高到0.995 6 p.u.,结果表明该算法应用在电力系统无功优化领域的可行性和有效性。     

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。     

基于单环寻优策略的有源配网重构方法

配网DG接入导致智能优化算法在重构求解时易陷入局部收敛且寻优率较低.考虑配网拓扑特性与算法的关系,将两者深度结合,提出基于单环寻优策略的有源配网重构方法.首先引入莱维飞行对量子粒子群算法进行改进,建立了莱维系数量子粒子群算法.其次提出自适应环压有序环矩阵作为算法的解空间.最后根据配网拓扑与算法全局最优解之间的对应关系提...     

基于混合智能粒子群算法的广义电源主动配电网优化配置

研究广义电源接入主动配电网的优化配置问题。提出一种电压偏差指标。建立综合考虑投资经济效益、电压偏差及污染气体排放指标的多目标优化配置模型。提出一种混合智能粒子群算法,在优化过程中引入快速非支配排序策略、精英保留策略和拥挤距离计算策略以改善其全局搜索能力。对IEEE-33节点、PG&E-69节点配电系统进行计算,分析在不同负荷水平下各指标的变化情况,研究负荷变化时广义电源的最佳配置。研究表明,广义电源的接入与合理配置能够有效提高投资运行效益和系统电压稳定性,同时说明该方法能够保证配置方案的多样性和多目标优化过程的寻优性。     

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。     

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。     

基于量子粒子群算法多目标优化的配电网动态重构

为保证配电网动态重构后系统安全稳定的运行,提出了以网损和节点电压稳定性为目标函数的量子粒子群算法的配电网动态重构。针对配电网动态重构过程中时段划分问题,提出以负荷曲线的单调性和幅值变化大小为依据初步划分时间段落。采用整数型量子粒子群算法进行动态重构,重构过程中以相邻时段的网损变化值的关系获取最佳重构段落,然后综合考虑配电网网损最小和节点电压值最大且波动最小为目标寻找最佳重构结构。以IEEE33配电系统为例验证了所提方法的有效性和实用性。     

基于自然选择粒子群算法含DG接入的配电网无功优化

以分布式电源接入配电网运行时产生的有功网损最小并能改善电压质量为目标,提出将自然选择机理与粒子群算法相结合的配电网无功优化方法。将DG向系统注入的无功功率作为配电网无功优化的控制变量,建立了包括目标函数、潮流方程等式约束和不等式约束的配电网无功优化数学模型。基于自然选择的粒子群算法其核心思想为每次迭代过程中将整个粒子群按适应值排序,用群体中最好的一半的粒子的速度和位置替换最差的一半的速度和位置,同时保留原来每个个体所记忆的历史最优值。通过对改进后的IEEE33节点配电系统进行仿真分析,结果表明所提出的算法具有很强的全局收敛性和稳定性,并能以最快的收敛速度搜索到系统最小网损值。     

邻域退火粒子群算法在配电网重构中的应用

为求解多目标非线性整数组合优化的配电网络重构问题,建立了以电压均衡指数和网损为目标的配电网重构数学模型。为了克服粒子群算法容易局部收敛的不足,提出了一种基于正态分布的局优邻域闭锁方法的退火技术的粒子群算法(LA-PSO),改进了扰动机制,设计了自适应退火策略,对邻域内的粒子执行并行化退火操作,从而弥补粒子群算法爬山能力的不足,提高了算法的全局寻优能力。用3个不同规模的算例测试提出的算法并与基本算法的性能进行了比较。结果表明,该算法有效改进了粒子群优化算法的局部收敛问题,与单一算法相比,在收敛特性、全局寻优能力和稳定性等方面都有所提高。     

量子粒子群算法在配电网重构中的改进和应用

针对传统算法容易早熟收敛、计算效率低下等缺点,文章提出一种改进量子粒子群算法,并将其应用于含分布式电源的配电网重构问题.文章综合考虑配电网的经济性和可靠性,以有功网损和电压稳定性指标作为目标函数建立配电网重构模型,并对传统算法在全局收敛性、收敛速度和编码策略等方面进行了改进.引入遗传算法中的锦标赛选择策略,扩大种群多样...