模拟退火和人工鱼群算法的冶金配电网状态估计

为了提高冶金配电网状态的估计准确度,提出一种基于模拟退火和人工鱼群算法相结合的状态估计方法。首先建立冶金配电网状态估计的目标函数,采用人工鱼群算法对目标函数进行优化求解,并引入变异算子,保持人工鱼群状态的多样性,然后对人工鱼群求得的最优解进行模拟退火操作,最后采用仿真实验进行性能测试。仿真结果表明,相对于基本人工鱼群算法以及其他对比算法,本文方法不仅加快了算法求解的收敛速度,同时提高了冶金配电网状态估计的准确度,为冶金行业节省电力能源做出了新的探索,有广阔的应用前景。     

基于改进人工鱼群算法的含大规模风电电网无功优化

针对大规模风电的波动性和随机性对电网无功电压优化初值影响较大,使无功优化求解不能充分考虑电压越限节点,而过早收敛,最终不能得到全局最优解的问题,提出基于改进人工鱼群算法对含大规模风电的复杂电网进行无功电压优化.在算法流程初期将类似遗传算法的变异机制引入其中,用以优化调整人工鱼群,在算法流程后期应用自适应可见域及步长的方法解决人工鱼群算法计算后期容易出现的陷入局部最优解以及收敛速度慢的问题.最后以接入大规模风电的甘肃电网为例,应用常规输电网动态无功优化模型,对文中的改进人工鱼群算法进行实例验证,从而证明算法的可行性和有效性.     

基于人工鱼群算法的配电网网架优化规划

人工鱼群算法是一种新型的群智能随机全局优化技术。然而该算法很难得到精确的最优解,而且算法在收敛性、计算复杂度等方面还有很大的缺陷。针对人工鱼群算法的这些不足,引入了改进的模拟退火算法和精英选择的思想对人工鱼群算法进行改进。以网络年综合费用最小为优化目标建立了配电网网架规划的数学模型,并利用改进后的人工鱼群算法求得该模型优化解,通过对具体实例的仿真实验,比较了人工鱼群算法改进前后对配电网网架规划进行优化的结果,同时验证了该方法的可行性和有效性。     

基于人工鱼群算法的配电网网架优化规划

人工鱼群算法是一种新型的群智能随机全局优化技术.然而该算法很难得到精确的最优解,而且算法在收敛性、计算复杂度等方面还有很大的缺陷.针对人工鱼群算法的这些不足,引入了改进的模拟退火算法和精英选择的思想对人工鱼群算法进行改进.以网络年综合费用最小为优化目标建立了配电网网架规划的数学模型,并利用改进后的人工鱼群算法求得该模型优化解,通过对具体实例的仿真实验,比较了人工鱼群算法改进前后对配电网网架规划进行优化的结果,同时验证了该方法的可行性和有效性.     

改进人工鱼群算法在配电网网架规划的应用

针对配电网网架规划组合优化复杂性的问题,在网架规划中以人工鱼群算法的寻优框架为基础进行优化。针对人工鱼群算法自身上的不足,对人工鱼群的行为中觅食、集群和追尾等行为进行改进。以网络年综合费用最小为优化目标建立了配电网网架规划的数学模型,并利用改进后的人工鱼群算法求得该模型的优化解,并与遗传算法及粒子群算法等做对比。实验结果表明了该改进的可行性和有效性。     

基于改进遗传算法的配电网无功优化

对配电网无功优化问题进行了研究.针对无功优化问题的特点,提出了一种应用于电力系统无功优化问题的改进遗传算法.该算法将迭代群体分为一般组和精英组,对一般组进行交叉和变异操作,而对精英组只进行变异操作,实现分组进化.在该算法中利用整数和浮点数混合编码,并对遗传算法的选择,交叉、变异算子进行改进,采用自适应罚因子、交叉率和变...     

基于改进遗传算法的配电网无功优化

对配电网无功优化问题进行了研究.针对无功优化问题的特点,提出了一种应用于电力系统无功优化问题的改进遗传算法.该算法将迭代群体分为一般组和精英组,对一般组进行交叉和变异操作,而对精英组只进行变异操作,实现分组进化.在该算法中利用整数和浮点数混合编码,并对遗传算法的选择,交叉、变异算子进行改进,采用自适应罚因子、交叉率和变异率,提高了收敛速度和解的质量.采用IEEE6节点系统验证了所提算法的有效性和实用性.     

配电网中基于人工鱼群算法的分布式发电规划

应用人工鱼群算法对配电网扩展规划中分布式发电的选址和定容进行了优化,优化求解采用了两层人工鱼群算法的嵌套。外层对分布式发电的位置和容量进行优化,并将优化过程中生成的分布式发电个体加到线路扩展规划中,计及分布式发电对配电网潮流的影响进行内层线路扩展规划。针对人工鱼群算法后期收敛速度慢、所得解精确度不高的问题,对基本人工鱼群算法进行了改进。通过对网架优化和分布式发电优化综合规划结果进行经济性评估以衡量个体方案的优劣,具体算例验证了算法的可行性和有效性。     

配电网中基于人工鱼群算法的分布式发电规划

应用人工鱼群算法对配电网扩展规划中分布式发电的选址和定容进行了优化,优化求解采用了两层人工鱼群算法的嵌套.外层对分布式发电的位置和容量进行优化,并将优化过程中生成的分布式发电个体加到线路扩展规划中,计及分布式发电对配电网潮流的影响进行内层线路扩展规划.针对人工鱼群算法后期收敛速度慢、所得解精确度不高的问题,对基本人工鱼群算法进行了改进.通过对网架优化和分布式发电优化综合规划结果进行经济性评估以衡量个体方案的优劣,具体算例验证了算法的可行性和有效性.     

用于配电网多目标无功优化的改进粒子群优化算法

针对配电网多目标无功优化的应用需求以及优化算法存在的收敛性和多样性问题,基于Pareto熵的多目标粒子群优化算法,提出一种应用于多目标无功优化的改进粒子群优化算法。该算法在全局外部档案更新过程中引入冗余集策略,避免迭代过程中陷入局部最优解。将算法应用于配电网无功优化中时,采用离散变量取整方法,加快算法的收敛速度。建立网损、电压偏差及无功补偿装置投资最小的配电网多目标无功优化模型,并以IEEE 33节点配电网络为算例进行仿真,结果表明改进后的算法兼顾了优化的收敛性和多样性,能够在不同的优化要求下得到有效的无功优化方案。     

改进遗传模拟退火算法在配电网络重构中的应用

对遗传模拟退火算法中的交叉、变异操作进行了改进,并实施了最优保留策略,形成了改进遗传模拟退火算法.以网损最小为目标函数,以配电网电压降的限制、线路电流量的限制等为约束条件,建立了配电网络重构优化模型.在考虑配电网自身特点的基础上,利用改进遗传模拟退火算法求解.重构算例说明,该优化方法有效、实用.     

基于混合人工鱼群算法的输电网扩展规划

应用于输电网扩展规划的人工鱼群算法(artificial fish school algorithm,AFSA)依靠随机移动无条件接受劣解以摆脱局部极值,具有盲目性大的特点,且该算法一般在优化初期收敛较快而后期收敛速度减慢。针对AFSA的上述缺点,文章结合模拟退火算法,提出一种混合人工鱼群算法(HAFSA)。HAFSA利用模拟退火算法的概率性突跳搜索机制,使局部极值跳跃能力具有可控性,降低了算法的盲目性,提高了算法效率;引入基于分段自适应调整视野策略的反馈机制,兼顾了全局搜索与局部挖掘能力;加入拟遗传算法的变异算子加快了优化后期的收敛速度。通过IEEE6节点和巴西南部46节点算例证明了HAFSA的正确性和有效性。     

基于改进免疫遗传算法的无功优化

针对目前电力系统无功优化算法所存在的问题提出了一种改进的免疫遗传算法,该算法把模糊逻辑、模拟退火和免疫算法相结合,根据模糊逻辑获得变化的交叉和变异算子,采用退火免疫方法对抗体进行选择,用免疫算子进行个体更新,从而增加了群的多样性,避免陷入局部最优。同时,还采用十进制整数编码和保存最优个体法来提高计算速度和精度。最后以IEEE 30-bus系统为例对算法的性能和求解精度进行了测试,结果表明本文提出的算法比其他遗传算法在计算速度和全局收敛方面有了很大提高。     

基于改进遗传算法的10kV配电网无功优化

为了确定无功补偿的地点和容量以实现有限补偿资源下的系统网损最小化,分析计算了10kV配电网各节点对系统网损的灵敏度。首先建立了10kV的中低压配电网无功优化模型,该模型以补偿后所取得的综合经济效益最大作为目标函数,目标函数中充分考虑了有关技术和经济因素;然后采用结合网损灵敏度分析的改进遗传算法对数学模型进行了求解。实际算例分析表明,应用该模型和算法可以有效地对配电系统进行无功优化,优化后系统的网损明显降低,节点电压明显提高。     

基于环路和改进遗传算法的配电网络重构优化

为了提高电网可靠性,在同时考虑网损和开关动作次数的基础上,以配电网电压降的限制、线路电流值的限制等为约束条件,建立了配电网络重构优化数学模型,用外部惩罚函数法将问题转化为无约束问题,并采用改进遗传算法进行求解。根据配电网的特点,在遗传算法产生初始解及交叉、变异操作时,采用基于环路的方法,避免了不可行解的产生,提高了算法的计算效率。针对遗传算法的局限性,改进操作过程,调整适应函数,改进交叉率和变异率的计算方法,结合模拟退火算法,给出了初温确定方法,改进了选择复制操作。该算法能有效地提高收敛速度,避免早熟收敛,并证明了该方法的有效性。     

基于GIS和改进PSO算法的配电网络变电站选址规划

提出了一种改进的PSO算法,用于解决配电网络变电站选址问题。改进PSO算法是将模拟退火思想和变异算子引入粒子群算法中,在计算初期保证群体的多样性,后期增强了算法的寻优精度。在变电站计算模型中,首次将地理信息作为元数据权重因子引入到选址模型中。通过实例分析,给配电网规划建设提供了参考。     

计及分布式电源功率不确定性的配电网多目标无功优化

建立以有功网损和节点电压偏差最小为目标的有源配电网无功优化模型,计及分布式电源和负荷功率的不确定性,采用两点估计法(two-point estimate method,TPEM)计算有源配电网随机潮流,并求解优化模型中的目标函数。正态分布交叉(normal distribution crossover,NDX)算子引入到带精英策略的快速非支配排序遗传算法(NSGA2)中,扩大了算法搜索范围、加强了算法全局搜索能力,对有源配电网多目标无功优化模型进行求解。通过IEEE 33节点系统中的算例验证了所提出有源配电网多目标无功优化方法的正确性和有效性。     

考虑静态电压稳定性的多目标无功优化

针对遗传算法容易出现早熟、局部寻优能力较差和收敛速度缓慢的问题,该文用模拟退火思想对适应度函数进行改善,用自适应算法对遗传算法的交叉、变异策略进行改进,采用精英保留策略,变异操作作用尾部占优原则,并把基于广义Tellegen定理的电压稳定裕度指标最小作为无功优化的目标函数之一,以改善电力系统的静态电压稳定性.用IEEE...     

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。     

基于改进鸽群算法的含分布式电源配电网故障定位

分布式电源（DG）接入配电网中,使得配电网由传统的单电源辐射状网络变成多电源复杂网络,增加了配电网故障定位的难度。针对DG接入配电网定位问题,提出了一种基于改进鸽群算法的故障区段定位方法。首先,建立了适用于含多个分布式电源的开关函数并对电流编码方式重新定义。其次,对基本鸽群算法中的指南针因子和地标算子进行改进,并通过结合模拟退火算法防止其陷入局部最优,提高了算法的容错性。仿真结果表明,该算法适用于含分布式电源配电网的单重和多重故障区段定位,且在相同故障情况下,改进鸽群算法分别比传统鸽群算法和遗传算法在迭代时间上降低了17.019%和43.763%,具有一定的快速性。