共查询到19条相似文献,搜索用时 109 毫秒
1.
2.
3.
4.
针对配电网网络重构问题,在考虑配电网电压稳定的前提下,提出了降低配电网网损的目标函数,利用蚁群算法正反馈的特性,将其应用于配电网重构中,并设置中心控制蚂蚁搜索当前最优解作为各条边信息素更新依据。为满足配电网辐射状结构要求,结合P rim算法,使蚂蚁一次遍历对应一个辐射网形,即一个有效的开关组合,大幅度缩小了问题的解空间。实例证明采用的蚁群算法可以得到较文献[1]网损更小的配电网重构方案,且重构后的系统在处理负荷增大问题上较重构前系统有更好的调控能力,系统稳定性得到提高。 相似文献
5.
6.
7.
作为一种求解组合优化问题的启发式方法,基本蚁群算法以其正反馈、并行计算和鲁棒性强等优点被许多领域的专家所关注;但是如果正反馈应用不得当,也会出现搜索时间过长或陷入局部最优解的情况。为此,提出采用加入扰动策略的蚁群算法,通过对各计算因子的动态调整,控制其正反馈过程和算法的搜索区域,以提高蚁群算法得到全局最优解的概率和收敛速度。配网规划的应用算例证明了这一改进的有效性。 相似文献
8.
提出一种改进的和声搜索算法,并将其应用在求解配电网络重构的复杂问题中。在初始化和声库时,引入混沌序列;同时在产生新的和声时,有效利用和声库中最优解的信息,在最优解的基础上进行扰动生成额外两个新解,以加快算法的收敛速度;最后,当算法陷入到某个局部最优解时,随机产生一组和声,再引入整体分布优化算法对其进行简单寻优,使算法迅速跃出局部最优。对IEEE33节点测试系统进行了仿真分析计算,结果说明该算法是可行的,并且该改进算法的寻优效率和收敛性都较好。 相似文献
9.
针对多目标非线性整数规划的配电网重构问题,提出基于人工免疫思想的蚁群算法求解配电网重构问题。算法通过在原有蚁群模型上增加一个免疫记忆库,解对应于抗体,问题对应于抗原,并借鉴克隆选择和免疫记忆的思想进行解的构造和信息素更新。配电网编码采用基于环路的编码方式,算例结果表明,所提出算法在可以接受的计算迭代范围内可显著提高标准蚁群算法的性能。 相似文献
10.
作为一种求解组合优化问题的启发式方法,基本蚁群算法以其正反馈、并行计算和鲁棒性强等优点被许多领域的专家所关注;但是如果正反馈应用不得当,也会出现搜索时间过长或陷入局部最优解的情况.为此,提出采用加入扰动策略的蚁群算法,通过对各计算因子的动态调整,控制其正反馈过程和算法的搜索区域,以提高蚁群算法得到全局最优解的概率和收敛速度.配网规划的应用算例证明了这一改进的有效性. 相似文献
11.
12.
蚁群算法在配电网重构的应用 总被引:6,自引:1,他引:6
配电网络重构是一个非常复杂的大规模组合优化问题。蚁群算法作为一种现代启发式寻优技术,适合于求解组合优化问题,其主要特点是正反馈、分布式计算、易与其它算法结合以及富于建设性贪婪启发式搜索。对配电网络从图论拓扑结构上进行分析,将配网重构问题转化为求图的生成树问题,并以破圈法为基础得到快速而有效地求解图的生成树的方法。在应用蚁群算法求解配网重构问题时,通过首支路选择随机化和取消蚁群算法常用的启发值的方法,扩大算法搜索范围,使算法可以跳出局部最优化陷阱,改善算法的搜索效果。对IEEE 69网络的算例表明,该方法能以较少的计算量和较大的概率收敛于全局最优解。 相似文献
13.
14.
考虑到电动汽车用户会响应峰谷分时电价的政策,做出改变电动汽车充电方案的决定,使电动汽车无序充电变成可规划、可预测的有序充电。在此基础上,用户对峰谷分时电价不同的响应度对配电网重构会产生怎样的影响是文中重点探讨的问题。文中的数学模型式以配电网重构费用损失最低为目标,提出一种混合的粒子群蚁群算法用于求解论文提出的问题。对IEEE33节点系统进行仿真,首先验证了提出方法在配电网重构求解有效性;其次验证了电动汽车有序转移到电价谷时段充电能够有效减少配电网重构费用损失,且用户响应度越高,配电网重构费用损失越少。 相似文献
15.
16.
改进蚁群算法求解船舶电力系统故障重构问题 总被引:5,自引:0,他引:5
船舶电力系统故障重构是一典型的非线性组合优化问题.文中给出一种改进的蚁群算法来实现故障下的网络重构,将重构问题看成子集类优化选择问题,修改并建立适合解决此类问题的蚁群算法模型.根据船舶电力系统重构特点,设计了一种可变邻域搜索算子以进一步探索优质解附近可能存在的更优解,针对算法易出现的劣质解元件,设计了两种优化操作以减少劣质解的产生,改善解集合的质量.算例分析表明,改进后的蚁群算法可以有效实现船舶电力系统的故障重构. 相似文献
17.
基于蚁群BP神经网络的动态测量误差预测 总被引:1,自引:0,他引:1
针对BP算法在神经网络参数学习中局部性能好但易陷入局部极小值而蚁群算法拥有良好的全局性能的特点,提出了神经网络的综合训练方法(蚁群BP算法,ACBP Algorithm)即首先利用蚁群算法对神经网络参数进行全局搜索训练,然后再利用BP算法对参数进行局部学习。设计了一种自适应蚁群算法,一定程度上解决了传统蚁群算法收敛速度和拓宽搜索空间之间的矛盾。最后利用仿真实例验证了ACBP神经网络较之BP神经网络和AC神经网络在动态误差预测方面的优越性,得出了相关结论。 相似文献
18.
基于无向生成树的并行遗传算法在配电网重构中的应用 总被引:2,自引:0,他引:2
随着以风电、光伏为代表的不可控型分布式电源在配电网中的渗透率日益提高,分布式电源出力的不确定性成为配电网重构中必须考量的重要因素。因此建立了以系统网损最小为目标,计及潮流方程、节点电压、支路潮流和配电网开环运行约束的配电网重构随机优化模型。模型以机会约束描述节点电压和支路潮流约束,采用基于拉丁超立方采样的蒙特卡洛法随机潮流进行检验。提出了基于无向生成树的并行遗传算法以实现配电网重构模型的并行求解。IEEE 33节点系统的测试结果验证了模型的合理性,并将所提出的算法与基于无向生成树的遗传算法、粒子群优化算法、蚁群搜索算法和改进和声搜索算法进行比较,验证了其高效性。 相似文献
19.
基于风险度评价和改进蚁群算法的配电网网架规划 总被引:1,自引:0,他引:1
提出一种基于风险度评价和改进蚁群算法的配电网灵活规划方法.将规划年的预测负荷、电价及导线价格等参数的变化由原来的离散状态转变为多场景区间,从而将电网规划中的单一不确定性问题转化为多个确定性问题.在求解不确定性问题时,提出一种基于云模型的改进蚁群算法,通过定性关联规则推理对蚁群算法中信息素参数ρ和信息素强度Q进行定性控制和动态选取,根据算法进化情况自适应更新支路信息素,有效克服了传统蚁群算法易陷入局部最优解及收敛速度慢的问题.应用改进蚁群算法,依次获得各个场景的规划方案,并以风险度最小为标准确定鲁棒性最优的规划方案,实现电网的灵活规划.算例分析验证了所提方法的有效性. 相似文献