基于改进蚁群算法的配电网重构

配电网重构可以提高配电网运行的安全性、经济性和供电质量,对于当前国内配电自动化系统的建设和应用具有重要意义。以网络损耗最小为目标,提出了一种改进的蚁群算法来求解正常运行条件下配电网络的重构问题。针对基于蚁群算法在求解过程中存在搜索易陷入局部最优解和收敛到全局最优解的时间较长的缺点,从蚁群算法的转移概率和信息素动态更新2方面进行了改进,提高了蚁群算法全局搜索能力与收敛到最优解的速度。最后通过对69节点配电系统算例的仿真,取得了较好的效果,证明了该算法的有效性和可行性。     

基于序优化和模糊蚁群算法的多目标配电网重构

针对蚁群算法求解配电网重构问题时搜索时间过长、易陷入局部最优解等问题,提出了一种基于序优化理论和模糊控制理论改进的蚁群算法应用于配电网重构。通过加入模糊规则,结合序优化思想,在信息素更新环节提出了分阶段按序更新策略,扩大解空间的探索;将Prim算法应用于搜索环节,直接得到辐射型可行解,大大减少了构造解的时间;结合模糊理论提出了多目标的目标函数,有利于得出高质量的解。选取IEEE33节点配电系统作为算例验证了算法的有效性和优越性。     

基于改进蚁群算法的电力巡检路径规划

针对传统蚁群算法求解电力巡检路径规划问题存在搜索时间长、容易出现停滞,从而限制其向全局优化解收敛的缺点,通过混沌扰动初始化算法和分流蚁模拟退火算法等改进蚁群算法,增加蚂蚁寻找路径的随机性,进而克服传统蚁群算法的缺点。数值仿真给出两种改进算法求解的电力巡检路径,相比传统蚁群算法更短,表明改进蚁群算法获得的全局优化解相比传统蚁群算法更为经济。     

基于蚁群算法的配电网网络重构

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。     

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。     

基于最大最小蚁群算法的含分布式电源的配电网重构

以配电网网损最小为目标函数,将最大最小蚁群算法应用于含分布式电源(DG)的配电网重构。在重构过程中,基于生成树来形成辐射网保证了蚂蚁路径均满足网络拓扑约束,提高了计算效率。最大最小蚁群算法通过设置各支路信息素的最大最小值以及采用信息素全局更新方式,既可以避免基本蚁群算法易陷入局部最优解的弊端,又保证了收敛速度。基于Matlab编程,对IEEE69节点配电网进行仿真分析,配电网重构后,网损大大降低,节点电压有效提升,验证了该方法的可行性。     

配网规划中加入扰动策略的蚁群算法

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。     

基于改进和声搜索算法的配电网重构

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。     

基于人工免疫思想的蚁群算法（AIACS） 在配电网重构中的应用

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。     

配网规划中加入扰动策略的蚁群算法

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.     

基于蚁群算法的配电网故障恢复重构

研究了故障后输电线路的重构优化问题,提出了一种求解目标最优的故障恢复重构算法。该算法基于蚁群算法,以电压稳定为前提,建立了以降低网损和操作开关数目最少为目标的数学模型。该算法不依赖初始参数的设置,具有全局搜索的能力,可通过改变权重系数将网损、开关操作数目等多目标优化问题转化为单目标优化,提高算法效率。实例证明该算法可以准确得到配电网故障后电网重构的最佳方案。     

蚁群算法在配电网重构的应用

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。     

基于蚁群禁忌搜索混合算法的配电网重构

介绍了以最小化配电网网损为目标函数,以网络拓扑约束、潮流约束、运行约束以及辐射状约束为约束条件,在基本蚁群算法基础上的改进型蚁群禁忌混合算法在配电网重构中的应用,在IEEE 69节点系统的计算中,蚁群禁忌混合算法与禁忌算法相比提高了优化效果,从而证明了蚁群禁忌混合算法的实用性。     

考虑电动汽车有序充电的配电网重构

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。     

改进蚁群算法在复杂配电网故障区段定位中的应用

蚁群算法在配电网故障区段定位中应用效果良好,但具有搜索时间长、计算速度慢等缺点,为此对蚁群算法进行了改进。首先构造了动态适应配电网拓扑结构的开关函数,其次提出了蚁群信息素初值设置方法,引入解的扰动规则,最后确定了蚁群算法应用于多电源条件下配电网故障区段定位的方法。算例结果验证了该算法在计算速度和容错性方面的优势。     

改进蚁群算法求解船舶电力系统故障重构问题

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.     

基于蚁群BP神经网络的动态测量误差预测

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。     

基于无向生成树的并行遗传算法在配电网重构中的应用

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。     

基于风险度评价和改进蚁群算法的配电网网架规划

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.