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。     

改进蚁群算法在配电网故障区段定位中的应用

蚁群算法在配电网的故障定位中有良好的应用效果,但是蚁群算法搜索时间过长,计算速度缓慢,易于陷入局部收敛。对蚁群算法进行改进,采用动态参数设置新的动态初始信息素,构造新的局部更新函数,为避免算法陷入局部最优引入扰动规则。经过算例证明,改进后的蚁群算法适用于配电网的单点故障和多点故障,有很好的搜索速度和容错能力。     

改进蚁群算法在配电网规划中的应用

为了克服蚁群算法解决配电网规划问题时存在容易陷入局部最优解的缺点,在蚁群算法和云模型基础上,提出了一种改进蚁群算法。该算法利用云模型对蚁群算法的信息素强度参数和信息素挥发系数进行调整,提高配电网规划过程中的收敛速度和全局搜索能力,并利用分层前推回代算法进行潮流计算。通过算例分析,证明了该方法的可行性和有效性。     

改进蚁群算法在配电网规划中的应用

为了克服蚁群算法解决配电网规划问题时存在容易陷入局部最优解的缺点,在蚁群算法和云模型基础上,提出了一种改进蚁群算法.该算法利用云模型对蚁群算法的信息素强度参数和信息素挥发系数进行调整,提高配电网规划过程中的收敛速度和全局搜索能力,并利用分层前推回代算法进行潮流计算.通过算例分析,证明了该方法的可行性和有效性.     

基于改进蚁群算法的配电网故障定位

目前配电网的故障定位采用故障电流分析方法,在实时信息序列中存在畸变信息时有可能错判或误判,导致城市配电网发生故障时无法快速准确定位的问题。首先对蚁群算法进行改进,采用了一种根据蚁群算法搜索情况来自适应动态修改信息素的方法,使得算法更好地跳离局部最优解,然后通过建立适当的数学模型,对IEEE-33节点测试系统进行了仿真计算,最终结果证明了该算法在配电网故障定位方面的有效性。     

基于改进蚁群算法的配电网故障定位

目前配电网的故障定位采用故障电流分析方法,在实时信息序列中存在畸变信息时有可能错判或误判,导致城市配电网发生故障时无法快速准确定位的问题.首先对蚁群算法进行改进,采用了一种根据蚁群算法搜索情况来自适应动态修改信息素的方法,使得算法更好地跳离局部最优解,然后通过建立适当的数学模型,对IEEE-33节点测试系统进行了仿真计算,最终结果证明了该算法在配电网故障定位方面的有效性.     

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。     

地区配电网重构与故障恢复问题

采用图解蚂蚁系统求解地区配电网的重构与故障恢复问题.将求解过程划分为离线和在线2个阶段,使拓扑分析与搜索寻优分离,以提高计算速度.离线阶段对配电网进行拓扑分析,用构造图表示可行解解集,不同元件故障恢复问题的可行解解集由重构问题的可行解解集经简单变化得到,以避免重复进行拓扑分析;在线阶段通过模拟蚁群在构造图中行走进行搜索寻优.通过修改传统蚁群算法的路径选择规则和信息素更新规则,以避免搜索陷入停滞.以一个实际的地区配电网作为算例.仿真结果表明,所提方法可以有效地提高地区配电网运行的经济性,同时可以提供可靠的故障恢复方案.     

基于模糊自适应模拟退火遗传算法的配电网故障定位

对于配电网故障定位系统的不足与遗传算法存在易早熟、收敛速度慢等问题,结合模糊推理和自适应模拟退火遗传算法,提出一种模糊自适应模拟退火遗传算法(FASAGA)。该算法对评价函数做了容错性改进,在遗传选择时采用自适应机制与最佳个体保留策略,并结合模糊推理与自适应机制求取模糊自适应交叉算子、模糊自适应变异算子,引入模拟退火算法提高收敛速度与局部搜索能力。仿真结果说明该算法应用在配电网故障定位中的准确性、快速性与高容错性。     

基于改进蚁群算法的无功优化研究

建立了网损最小的数学模型,对蚁群算法的缺陷进行改进,包括对蚁群搜索到的路径进行排序,自适应调节路径上释放的信息素.同时又在信息素更新机制里引入微分进化算法的发散项,提高算法的收敛速度和全局寻优能力.通过IEEE-30节点的仿真计算,验证了改进蚁群算法在电力系统无功优化领域的可行性和有效性.