遗传算法在配电网重构中的应用

配电网重构是配电网络优化的主要措施,通常可以降低整个网络的网损。本文采用遗传算法来确定开关的开／合状态,以解决降低网损的问题,并给出了一个３３节点的算例以验证本算法的有效性。     

基于动态拓扑分析的遗传算法在配电网重构中的应用

针对遗传算法在求解配电网重构过程中易出现不可行解和适用性差的问题,提出了一种基于动态拓扑分析的遗传算法应用于配电网重构。通过动态拓扑分析实时简化网络并寻找所有可行树基,为遗传算法编码和校验提供基础;引入校验遗传算子,将子代种群中的不可行解转变为可行解。选取IEEE33节点配电网正常与故障后2种状态,基于Matlab软件进行仿真验证,计算结果验证了所提方法的有效性和适用性。     

改进自适应遗传算法在配电网重构中的应用

提出以环路开关号为基因、系统环路的支路数为染色体长度的编码方法,大大缩短了染色体的长度,在遗传操作中采取了消除孤岛和环路的有效手段,从而大大减少了基因操作中不可行解的生成,提高了算法的搜索能力和速度.把自适应控制与遗传算法相结合,对交叉率和变异率进行自适应调整,加快了算法的搜索速度,有效地避免了不成熟收敛.     

多目标随机机会约束规划在配电网重构中的应用

通过分析和比较目前国内外已有配电网故障重构算法,提出一种新型多目标随机机会约束规划模型,并应用混合智能算法搜索全局最优解。模型引入开关操作时间为随机向量,以恢复供电时间最短和恢复供电负荷最大为优化模型目标,应用机会约束不等式表示重要用户的恢复供电次序,将随机模拟、神经元网络和遗传算法结合在一起,设计出混合智能算法求解该多目标随机机会约束规划模型。     

考虑风力发电随机性的配电网重构

针对含风力发电的配电网系统建立风力发电机和负荷随机模型.采用提出的粒子群引导的最小生成树算法对配电网进行重构,引入随机潮流分析风力发电机随机出力对配电网的影响,并以有功损耗期望值和静态不安全概率评价重构方案的优劣,获得合理的重构方案.该重构算法综合了粒子群优化算法和最小生成树算法的优点,避开了粒子群优化算法在优化过程中产生的大量无效解,引导生成树向目标函数最优方向发展.算例仿真结果表明,文中采用的方法不仅可以降低系统有功损耗,而且有效地解决了风力发电随机性对系统稳定性的影响.     

基于最小生成树编码的配电网恢复遗传算法

建立了大停电事故后配电网恢复的数学优化模型.通过改变目标函数参数,可以适应不同的系统恢复方案中各种可用电源容量的情况.遗传算法求解采用实数编码、最小生成树Prim算法解码,避免了不可行解的产生,大大提高了算法的计算效率.配电网潮流采用前推回代法计算,并利用Prim算法的中间结果直接得到各节点间的父子关系,减少了计算量.算例表明文中的算法稳定性好,收敛迅速.     

基于随机生成树策略的配网重构遗传算法

常规遗传算法求解配电网重构不能保证配电网的辐射状结构,会带来大量不可行解,而现有的改进编码方法和遗传策略操作复杂、计算量大、对复杂配电网并不十分有效。为了解决上述问题,引入了随机生成树策略,即根据支路序号的实数编码方式产生随机序列,再利用图论的"避圈法"产生对应的生成树,确保每个重构方案都是树状结构,使遗传进化在解空间内连续进行;同时为避免早熟,提高收敛速度,在变异操作中动态控制变异率。33节点和69节点典型算例验证了方法的有效性和良好的计算性能,表明方法求解迅速、简单有效。     

基于改良策略的配电网重构遗传算法

该文提出了基于改良策略的配电网重构遗传算法，通过对与不可行解相对应的个体进行改良操作，打开回路，连通孤岛，使其变为可行解，并使得搜索仅在可行解范围内进行，从而提高搜索效率；文中还针对改良策略，提出了新的编码方案，并改进了遗传操作；最后还对2个算例进行了试算，其结果与最优解相吻合。算例表明本算法具有计算速度快、性能好的特点，可有效地应用于以降低网损为目的的配电网重构中。     

基于启发式算法与遗传算法的配电网重构

提出了一种基于遗传算法的配电网重构方法,此方法的目标函数中同时计及了网络的能量损耗和开关操作费用,因而它是针对时间区间的配电网重构而非通常的在某一固定时刻的配电网重构。在应用遗传算法时考虑了配电网自身的特点,即网络的联络开关仅占全部开关的极小一部分,并且结合了一些行之有效的启发式规则,从而用联络开关的开、合状态来编制染色体,可保证求出的解既有全局优化的性质,又实际可行,并且大大提高了求解的速度。中用一个358节点网络的重构算例,验证了中所提出的有效性,并在同时计及网络能量损耗和开关操作费用的情况下,研究了合同的网络重构间隔。     

含分布式电源和电动汽车的配电网重构

为改善现有相关研究存在的不足,在包含有DG和EV的配电重构中,提出一个同时考虑网络损耗和节点电压偏移最小的重构模型,以期避免算法陷入局部最优为目标。在分布式电源和电动汽车接入电网为对象,将拉丁超立方采样和牛顿拉夫逊法结合起来对概率潮流进行求解,满足配电网安全运行等约束条件下建立配电网重构模型,随后采用将混沌理论引入到自适应粒子群算法中进行模型求解。在IEEE-33节点系统中进行了仿真分析,仿真结果验证了本文模型和方法的有效性。     

混沌遗传混合算法在配电网重构中的应用

指出网络重构是配电系统运行和控制的手段,也是配电管理系统的重要内容。考虑配电网运行特点,建立了以有功网损最小为目标的配电网重构数学模型,并计及潮流、电压、容量及辐射状运行等约束条件。针对该模型的特点,采用一种新型混沌遗传混合算法对配电网进行重构计算,该算法既具有遗传算法的全局性和并行性,又具有混沌搜索的遍历性和快速性。将该算法用于IEEE33节点系统重构计算,并与重构前、单一遗传算法重构结果进行比较,证明了所提出混沌遗传混合算法的有效性和快速性。     

模糊自适应遗传算法在配电网络重构中的应用

以网损最小为目标函数,节点电压、网络辐射性和电源容量的限制为约束条件,建立了配电网络重构的优化数学模型。针对遗传算法的局限性,提出了一种新的模糊自适应遗传算法,缩短了染色体编码长度、设计了与进化代数、适应度、及个体排序相关的自适应交叉率与变异率,从而使得该算法能够有效地提高收敛速度,避免早熟收敛。重构算例说明该优化方法有效、实用。     

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.     

基于环路的配电网络重构遗传算法及其改进

结合配电网络的运行特点,本文对传统的遗传算法（GA）从染色体编码、开关顺序的选择、不可行解的排除以及收敛判据等方面进行了改进,提出了一种基于环路的配电网络重构算法,在二进制阶段就有效排除了大量的不可行解。算例表明,该算法具有一定的有效性和实用性,具有在线运行的潜力。     

基于改进遗传算法的配电网优化重构

介绍配电网重构的基本原理及其研究意义,研究了遗传算法的编码并对遗传算法染色体编码进行了改进。在优化过程中采用精英策略及改进的自适应算子,加快了算法的搜索速度,有效避免了不成熟收敛。结合配电网与自适应遗传算法特点采用可操作开关集的快速环分解策略,提高了算法的搜索能力和速度。PE＆G33节点系统算例表明改进的遗传算法在配电网优化重构应用的有效性。     

基于机会约束规划考虑DG与负荷多状态的配电网重构

分布式电源(distributed generation,DG)的大规模接入使配电网成为有源网络,风力、光伏具有出力随机的特点,传统的配电网重构方法不能完全适用含DG的配电网。考虑自然资源和负荷的随机性,依据概率密度函数分别对不可控DG和负荷建立了多状态模型,进而获得了配电系统的多状态模型。以开关状态为优化变量,高于置信水平的网络损耗最小为目标函数,节点电压和支路功率越限概率满足置信水平要求为约束条件,建立了含多种DG的配电网重构机会约束规划模型。基于生成树策略搜索网络结构,应用改进蚁群算法进行求解。算例结果验证了该模型和算法的有效性。     

一种适用于配电网络重构的改进遗传算法

提出了一种基于“学习范例数组”、“学习算子”和“学习率”的改进遗传算法．可以有效地解决配电网络重构问题。因配电网络辐射状运行条件的限制，常使得简单遗传算法无法求解配电网络重构问题。但使用文中提出的改进方法后，却可以较好解决这一问题。文中采用IEEE14节点配电系统作为算例．将改进遗传算法的优化结果和其它算法的结果进行了对比，相关数据表明了改进遗传算法的正确性和有效性。     

基于改进免疫遗传算法的配电网重构

提出一种改进的免疫遗传算法应用于配电网重构。针对十进制的染色体编码特点,对遗传算子进行了改进。种群中采用了基于矢量距的概率选择方法,同时采用非线性的自适应交叉变异算子,并加入了免疫算子。针对进化过程中的不可行解问题,提出一种基于支路-环路关联矩阵与T接点度数法的不可行解辨别方法,能适应复杂的环网情况,有效保留了反映进化的有利信息,提高了解的质量。算例结果表明所提方法可行有效,收敛性好。