基于改进遗传算法的电容器优化配置

提出一种改进的遗传算法,应用到配电网的固定电容器与可投切电容器最优容量的配置与安装位置的选择中。在算法中将电容器的安装位置与安装容量视为离散变量,将电容器购买费用,安装费用,维护费用与系统有功损耗支出的总和最小作为目标函数。并针对简单遗传算法的一些不足之处(如搜索效率不高和过早收敛),将遗传操作过程中的编码、选择、交叉、变异和中止条件进行了改进。然后将其应用在一个27节点的配电网络中,取得了良好的效果。     

基于改进粒子群算法的配网电容器优化配置

随着国民经济发展,配电网规模不断扩大。依照经验配置电容器的局限性日益显著,具体表现为电容器容量配置的不足或过剩,部分电容器需要时由于局部电压的限制而不能投入。将模拟退火粒子群算法用于解决配电网电容器优化配置问题,建立了相应的数学模型,目标函数为配电网有功网损费用、电容器的购置及安装总费用最小,该算法将电容器的安装位置及安装容量离散化,采用基于适应度值的动态阈值来控制实施局部搜索的粒子数目,来改善算法摆脱局部极值点的能力,提高算法的收敛速度和精度。对一个33节点配电网的电容器优化配置结果表明了模拟退火粒子群算法的合理性和优越性。     

基于遗传-模拟退火算法的配电网电容器优化配置

随着配电网规模的不断扩大,传统的依照经验配置电容器的方法日显其局限性,具体表现在电容器容量配置得不足或过剩,更严重的情况是部分电容器需要投入时由于局部电压的限制而不能投入.将遗传-模拟退火算法用于解决配电网电容器优化配置问题,建立了相应的数学模型,目标函数为配电网有功网损费用、电容器的购置及安装费用总和最小,该算法将电容器的安装位置及安装容量离散化,并在初始方案种群产生和群体进化策略两方面对该算法作了改进,对一个30节点配电网的电容器优化配置结果表明了遗传-模拟退火算法的合理性和可行性.     

基于GA-信任技术的配电网电容器优化配置

本文将遗传算法(GA)与信任技术(Trust-Tech)算法相结合,用于解决配电网中电容器的配置问题。建立了相应的数学模型,将电容器购买费用、安装费用、维护费用与系统有功损耗支出的总和最小作为目标函数。算法包含2个阶段,首先采用具有全局搜索能力的GA算法来识别包含高质量最优解的解空间区域,然后采用信任技术搜索该区域内的局部最优解,取其中最优解作为电容器配置方案。并将该算法用于实际系统的测试,测试结果表明该算法可以获得比遗传算法更好的解,且解具有确定性。     

基于改进GA的两种思路求解电容器优化配置

将一种改进的遗传算法应用到配电网电容器的优化配置问题中。该算法将电容器的安装位置与安装容量视为离散变量,将电容器购买费用、安装费用、维护费用与系统有功损耗支出的总和最小作为目标函数,提出了两种实现思路。思路一:先在最大负荷下定出电容器的安装位置和各节点最大安装台数,然后在此基础上计算其他负荷下电容器的投切情况与固定电容器的数目,再定出总收益。思路二:先在最小负荷下计算出固定电容器的数目,然后在此基础上计算其他负荷下所需安装的可投切电容器数目再定出总收益。针对简单遗传算法的一些不足之处(如搜索效率不高和过早收敛),将遗传操作过程中的编码、选择、交叉、变异和终止条件进行了改进。最后将其应用到一个27节点的配电网络中,结果表明这两种思路都是合理可行的。     

一种适合于解决辐射状配电网电容器最优配置问题的遗传算法

提出了一种可解决辐射状配电网电容器最优配置问题的遗传算法。将电容器看作离散变量 ,对给定的目标函数求最佳的电容器安装位置和容量 ;设计了针对该问题有效的遗传因子 ,并对一个实际的配电网进行了计算 ,得到了较好的结果。对遗传算法用于辐射状配电网的电容器最佳配置问题进行了探讨     

一种适合于解决辐射状配电网电容器最优配置问题的遗传算法

提出了一种可解决辐射状配电网电容器最优配置问题的遗传算法.将电容器看作离散变量,对给定的目标函数求最佳的电容器安装位置和容量;设计了针对该问题有效的遗传因子,并对一个实际的配电网进行了计算,得到了较好的结果.对遗传算法用于辐射状配电网的电容器最佳配置问题进行了探讨.     

10kV配电网电容器的优化配置规划决策

配电网电容器优化配置规划决策系统从降损节能、改善电能质量的角度,侧重依据电网实际运行状态,利用智能分组算法,保证在各种运行条件下都能对电网无功补偿、电压调节提供最优的补偿容量组合;并针对当前的无功补偿投资预算,给出经济效益最佳的配置方案组合。配电网电容器优化配置规划决策系统科学、合理地解决了配电网电容器的补偿容量、补偿地点和补偿分组问题,算例及分析表明了该分组算法应用于配电网电容器优化配置的有效性和实用性。     

基于混合整数凸规划的含风力发电机组配电网无功补偿优化配置

提出一种基于混合整数凸规划的配电网无功补偿电容优化配置新算法。利用风力发电机组发电功率的多状态离散概率模型,以安装补偿电容所带来的经济效益最大为目标函数,考虑二阶锥松弛后的潮流约束方程和节点电压约束,对含风力发电机组的配电网中补偿电容器的安装位置和容量进行优化配置。基于二阶锥的凸多面体近似等价方法,将配电网无功优化问题描述为混合整数线性规划问题,利用更通用的求解器求得该问题的最优解。在含风电分布式电源配电网中分别对所提方法进行验证,仿真结果表明,该算法计算效率高,且能得到计及风电随机波动影响的最优方案。     

多负荷水平下配电网电容器优化配置算法

提出了多负荷水平下的配电网电容器优化配置算法。首先,在大负荷水平下,根据节点补偿容量上限确定无功补偿初始解;然后,基于各初始解采用解析法求得中小负荷水平下使系统损耗最小的电容器投切容量,实现了各补偿点电容器在不同负荷水平下的有效配置;最后应用遗传算法对无功补偿可行解进行逐代优化,求得最优无功补偿方案。IEEE 33节点系统算例验证了该算法的有效性。     

自适应遗传-禁忌搜索混合算法在PMU最优配置中的应用

针对PMU最优配置问题,提出一种结合自适应遗传算法与禁忌搜索算法的混合算法。通过初始配置原则,缩小了算法的寻优范围。充分利用两种算法各自的特点,结合自适应遗传算法并行计算特性与禁忌搜索算法跳出局部最优解的能力,使得该混合算法寻得全局最优解的同时,提高了算法的优化效率,增强了算法的鲁棒性。最后利用IEEE14、IEEE39、IEEE57节点系统对该混合算法与其他两种遗传算法进行了对比验证。     

基于改进禁忌算法的配电网络重构

为了提高配电网络重构的优化质量和优化效率,提出了一种结合变异运算的最优邻域禁忌搜索算法.通过在禁忌算法中引入小概率变异扰动,增强禁忌算法跳出局部最优解的能力,提高了算法的全局寻优能力;利用配电网的结构特点,快速、简易地确定邻域最大降损开关交换,提高邻域候选解集的质量,提高了算法的搜索效率.3个算例的计算结果表明,本文算法计算速度快,寻优效果好,有效提高了网络重构的优化效率和优化质量.     

应用禁忌搜索方法优化配电网的开关配置

基于FIU馈线自动化方式,提出了适合不同网络结构、不同分段开关类型的可靠性费用计算模型。针对分段开关优化配置是一种以可靠性费用最小为目标函数的组合优化问题,提出用禁忌搜索(TS)法优化开关位置和数量,TS法采取对搜索历史的灵活记忆方法,指导搜索过程避开局部最优解,并通过优选初始解使其有较快的收敛速度。实例证明该算法全局搜索能力强、收敛快。     

配电网络重构中的智能优化算法

详细介绍了配网重构问题中的各种智能优化算法,分析了各种算法的优缺点：SA算法一般可以得到与初始解基本无关的全局最优解或次最优解,但收敛速度较慢,其收敛性依赖于退火方案的选取;GA不受目标函数连续性、可导性等约束条件的限制,在解的空间多点并行搜索,有较高的搜索效率,但收敛性能较差,容易出现早熟收敛;TS算法灵活的记忆功能,避免了搜索时陷入局部最优,但对初始值有较强的依赖性,搜索过程是单对单的串行操作,而非并行操作;ANN优化算法不需要复杂的潮流计算,大大节省了配网重构的时间,但优化结果依赖于提供的训练样本。     

一种改进的Tabu Search算法及其在区域电网无功优化中的应用

提出将改进的Tabu(禁忌)搜索算法用于区域电网无功电压优化控制问题的求解.首先根据已知的实际电网的历史数据获得可行的初始解,然后对区域电网采用改进的禁忌搜索方法进行无功优化.在求解的过程中,由于对Tabu表中所记录的"移动"采取"有条件地释放Tabu表中的记录"这一策略,可以使搜索有效地跳出局部极小值点,更好地找到最优解.通过IEEE-14节点算例验证了该算法的有效性.     

基于改进的Tabu搜索算法的电力系统无功优化

将一种改进的Tabu搜索算法用于电力系统的无功优化，建立了相应的数学模型，并以有功网损为目标函数。在传统的Tabu搜索算法的基础上，对补偿电容分组投切的二进制优化编码、退出迭代的判定条件、Tabu表深度、不同循环起点的选择等问题做了分析讨论，并做出了一定的改进，使得更容易跳出局部最优解，保证可以搜索整个可行域，从而得到最优解的可能性更大。文章应用改进的Tabu搜索算法对IEEE6节点系统进行了无功优化计算，与传统的Tabu算法进行了比较．结果袁明改进的Tabu搜索算法具有更强的全局寻优能力。     

基于遗传禁忌混合算法的静态电压稳定裕度计算

提出一种基于遗传禁忌混合算法的静态电压稳定裕度计算的新方法.该方法将全局搜索能力强的遗传算法和局部搜索能力强的禁忌搜索算法结合在一起,通过改进的连续潮流法计算,可快速而准确地获取系统最大静态电压稳定裕度,并在一定程度上弥补遗传算法和禁忌搜索算法单独使用的不足.应用该混合算法对IEEE14节点系统进行仿真计算,验证了该方法可行且有效.     

基于遗传禁忌混合算法的电力系统无功优化

为了使遗传算法(GA)和禁忌搜索算法(TS)的优点被保持,缺点被削弱,提出了电力系统无功优化的遗传禁忌混合算法(GATS);针对电力系统无功优化中控制变量的离散性和连续性相混合的特点,提出了混合编码策略并相应地采用启发式算术进行杂交.用GATS算法对IEEE30节点系统进行了无功优化计算,并就优化结果和简单遗传算法(SGA)及二进制编码的禁忌搜索法(TSB)的优化结果进行了比较,结果表明GATS方法具有更好的收敛性和更强的全局寻优能力.     

考虑时段优化的地区电网无功电压优化控制

为了实现地区电网无功优化控制,提出了一种改进的基于禁忌搜索算法的方法。将时间分段中的起始点和该分段中的控制变量一同构成解向量,从而避免了先进行时间分段的优化后进行无功优化的二次优化,达到了从整体上进行优化的效果。当邻域解普遍陷入不符合电压约束条件的不可行解区域时,将目标函数切换为以当前电压偏离额定电压最小为目标,当邻域解普遍回到可行解区域后,将目标函数重新切换回以全天内电能损耗最小为目标,从而确保搜索可以持续进行而避免因无可行解而导致优化终止。建议了一种扩展邻域搜索策略改善算法的全局寻优特性。采用IEEE 6节点、IEEE 14节点和IEEE 30节点系统作为算例进行测试,表明提出的方法可行且所采取的改进措施必要、有效。     

基于TS和GA算法的配电电容器优化投切

为降低损耗,提高电压质量,简化控制,在深入研究遗传算法和禁忌算法各自优点的基础上,对已装有电容器的配电网,根据负荷水平及其变化趋势,采用分时段优化控制策略,对每一时段应用TS和GA混合算法,得出每段的最优运行方式,来求解次日运行中配电电容器的优化投切问题。