一种混合智能算法在配电网络重构中的应用

提出了一种新的混合智能方法用来解决配电网络重构问题。该方法结合了遗传算法（GA）和粒子群优化算法（PSO）两者的优点，体现出较GA和PSO更好的寻优性能。在寻优过程中，部分个体以PSO方法迭代，其它个体进行GA中的交叉和变异操作，整个群体信息共享，同时采用自适应参数机制和优胜劣汰的思想进化。通过对IEEE16节点、IEEE33节点、IEEE69节点测试系统的计算和分析表明，该方法在解决配电网络重构问题上具有很高的搜索效率和寻优性能。     

基于ISM的电网建设规模影响因素作用机理研究

以电网建设规模影响因素为研究对象,运用解释结构模型(ISM)对影响电网建设规模的32项因素进行了分析,结果表明影响因素分为8个层次,其中城市化和人口总量是促进电网建设规模发展的根本原因,资源结构、经济结构、电源结构和资源布局是重要影响因素,网损率、输电能力、电压等级结构和可靠性是电网规模进一步扩大的直接影响因素,其他因素处在中间层次,发挥交叉衔接作用。     

基于并联电阻扰动信号的配电网故障定位方法分析

基于并联电阻扰动信号的配电网故障定位方法利用对外加扰动信号的追踪来实现定位,已在配电网故障定位中较为广泛应用。但该方法在实际应用中会出现施加扰动信号后故障特征变化规律不确定的问题,使得故障定位装置误判,导致故障定位失败。为此,文中建立了小电流接地系统等值电路,深入研究了扰动信号通过不同非故障相注入后单相接地故障电流的变化规律,分析了负荷电流以及接地过渡电阻的影响,对基于并联电阻扰动信号的配电网故障定位方法的有效性进行理论论证。提出了对中性点不接地系统或经欠补偿消弧线圈接地系统扰动信号应通过故障相的滞后相注入,对中性点经过补偿消弧线圈接地系统扰动信号应通过故障相的超前相注入的优化方法。仿真结果证明了所提优化方法的有效性。     

综合考虑运行效率和弃风损失的输电网规划

现有的电网规划大多以经济性最优为目标,很少将运行效率因素和弃风损失考虑到电网规划中。为了适应风电的大规模并网运行,提高电网规划的科学性,该文从电网的网络结构和线路的传输特性出发,构建了线路运行效率的评价指标体系;提出了一种基于有功潮流介数的电网运行效率评价方法,该方法能够综合考虑线路的拓扑结构、有功潮流分布和线路的重要程度来评价电网的总体运行效率;建立了考虑投资成本、运行成本、弃风损失与电网运行效率的输电网规划优化模型;运用改进二进制量子粒子群算法求解18节点系统算例,并对规划结果进行综合评估。实际算例表明,该文的方法能够得到较合理的电网规划方案,为考虑风电并网的电网规划的综合评估提供参考。     

基于改进层次分析法的交、直流微电网综合评估

根据交、直流微电网的特点,基于供电可靠性、技术经济性以及适应性3个准则,建立了交、直流微电网综合评估指标体系,并提出各个评价指标的计算模型和量化方法。同时采用5/5-9/1标度层次分析法确定各评价指标的权重,使得确定后的权重更加合理且具有更好的一致性。对交、直流微电网的算例评估结果验证了所提指标体系的合理性以及评估方法的有效性。     

电能计量装置健康度的综合评估与趋势预测方法

为有效解决电能计量装置的计划检修任务重、重复检测、针对性不强等问题,提出了一种电力计量装置健康度的综合评估方法以及电能计量装置健康度的趋势预测方法,为电能计量装置的状态在线检修优化提供辅助决策。首先,从电能计量装置的运行状态、配置方式以及运行工况等方面,提出了一种电能计量装置的健康度综合评价指标体系。并采用序关系分析法求取电能计量装置综合评估指标的赋权值,从而实现电能计量装置健康度的综合评价。其次,基于电能计量装置的综合评估结论,提出了一种基于灰色GM(1,1)模型的电能计量装置健康度预测方法,并通过天津市电力公司的实际运行进行案例验证。健康度评价和预测的结果可对电能计量装置的现场状态检修进行有效指导,并能及时发现电能计量装置的运行隐患,为电能计量装置状态检修策略优化提供理论依据。     

基于量子微分进化算法的分布式电源多目标优化规划

为了克服再生能源的间歇性、随机性导致的分布式电源优化结果不够准确,提出了一种基于概率特性的电源-负荷综合模型,将分布式电源的随机出力问题转化成确定性问题。考虑分布式电源对配网的影响,建立了包含建设运行费用、网络损耗、可靠性费用和环境因素的多目标优化模型。提出采用量子微分进化算法对分布式电源接入配网进行优化配置,该算法采用量子的概率表达特性和叠加态特性,潜在地提高了算法的寻优效率,同时采用变异和交叉操作,保持了良好的种群多样性。通过对算例的分析,表明所提出的模型和算法合理、可行。     

基于云理论和元胞自动机理论的城市配电网空间负荷预测

针对城市电网规划中电力负荷空间分布和时间动态演化预测难题,提出一种采用元胞自动机(cellular automata,CA)模拟城市土地利用的逐年发展过程进而进行城市配电网空间负荷预测方法。该方法基于云模型的知识,将影响因素的定性概念所具有的模糊性、随机性有机地结合在一起,构成定性和定量间的相互映射。综合考虑多种影响负荷发展的因素,运用云理论训练CA转换规则,制定多种转换规则来预测规划区域地块的发展程度。通过应用所提模型和方法对某规划小区负荷发展进行预测及实际对比,验证了其有效性。     

基于IAHP和TOPSIS方法的负荷密度指标计算

针对配电网空间负荷预测过程中负荷密度指标难以选取的问题,在层次分析法的基础上,提出了基于区间层次分析(IAHP)法和逼近理想解排序(TOPSIS)法的负荷密度指标选取方法。该方法通过用区间数代替点值,对传统的层次分析法进行改进,并将IAHP法和TOPSIS法有效融合,将专家经验和定量计算相结合,处理决策因素的不确定性和专家判断的模糊性,增强了对负荷密度指标预测结果的可信度。采用类内相似度方法进行负荷密度修正,进一步提高了预测结果的精度。实例计算表明,所提出的方法预测结果更优、误差更小。     

基于主成分分析的径向基函数神经网络在电力系统负荷预测中的应用

径向基函数(RBF)神经网络应用于电力系统负荷预测时,如果输入空间严重自相关及网络维数较高时,RBF神经网络的预测精度会下降.针对这一问题,文中提出了一种应用于电力负荷预测的改进RBF神经网络新方法.具体是利用主成分分析(PCA)方法对原输入空间进行重构,并根据各主成分的贡献率来确定网络结构,从而有效地解决了预测精度下降的问题.最后通过某省的实际算例验证了该方法的有效性.