基于蚁群算法的配电网故障定位与隔离

蚁群算法是一种求解组合最优化问题的新型通用启发式方法,该方法具有正反馈、分布式计算和富于建设性的贪婪启发式搜索的特点.通过建立适当的数学模型,基于故障过电流的配电网故障定位变为一种非线性全局寻优问题.该文将蚁群算法用于配电网故障定位方面的研究,并通过实例证明了该算法的可行性和高效性.     

基于蚁群算法的配电网故障检测定位与恢复研究

根据当前配电网故障检测定位与恢复的实际需求,介绍一种基于蚁群算法的配电网故障检测定位方法,该方法可实现多电源条件下配电网故障检测定位,并具有较高精准性。另外,将蚁群算法与启发式规则相结合,共同实现配电网故障恢复和供电恢复,达成配电网故障自动恢复效果。     

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。     

基于蚁群算法的配电网故障后恢复重构

蚁群算法是一种求解组合优化问题的新型通用启发式方法,具有正反馈、并行计算和鲁棒性强等优点.将蚁群算法应用于配电网故障后恢复重构,提出了综合考虑切负荷最小和开关操作次数最少的恢复重构模型,并详细介绍了其求解过程.算例证明该算法在配电网故障后恢复重构中应用的可行性和有效性.     

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。     

基于蚁群算法的配电网网架优化规划方法

蚁群算法是一种求解组合优化问题的新型通用启发式方法，该方法的主要特点是正反馈、分布式计算和富于建设性的贪婪启发式搜索。配电网网架优化规划是一个复杂的非线性组合优化问题。本文将蚁群算法用于配电网网架优化规划问题的研究，建立了网架规划的数学模型，该模型以线路的年综合费用和过负荷征罚费用之和最小为目标函数，并在此基础上设计了相应的算法。算例证明了该算法在配电网网架优化规划中应用的可行性和有效性。     

基于蚁群最优的配电网网架优化规划

配电网规划问题是一个复杂的组合优化问题。蚁群算法是用于解决组合优化问题的一种高效随机化内启发式全局搜索技术,能有效地求解大规模组合优化问题。文中结合单阶段配电网规划问题的特点,应用蚁群算法来解决配电网规划中网架规划绕障碍问题,建立了相应的数学模型,并给出求解算法。算例计算结果表明了该方法是可行的、有效的。     

一种新型的配电网供电恢复重构寻优算法

将蚁群算法应用于非故障失电区域的供电恢复重构问题,在建立新型、可行供电恢复方案搜索策略的基础上,结合图论相关知识引入了可操作开关集的概念,缩小了寻优空间,提出了一种新型配电网供电恢复重构寻优算法。在随后的迭代求解过程中,蚁群算法具有的正反馈、分布式计算和富于贪婪启发式搜索等特点使该算法的计算效率得到了显著提高。某18节点配电网的寻优比较结果表明,该算法具有高收敛性、快实时性和强全局稳定性。     

配电网故障定位的改进通用矩阵算法

分析了目前配电网故障定位算法中存在的问题,针对馈线区域和开关设备拓扑联接关系的网络关联描述矩阵模型,提出了一种配电网故障定位的改进通用矩阵算法,该算法在通用矩阵算法的基础上,对配电网末端故障及多电源复故障问题提出了新的判据,可快速地定位出故障区域,同时能确定出隔离该区域所应断开的电源侧开关,不仅能对配电网单一故障进行定位,而且能对配电网末端故障以及多电源复故障做出快速、准确的诊断。该算法判据简单,通过算例证明了该判据的有效性。     

基于HSA-FNSA混合算法的配电网群故障恢复多目标优化决策

为快速获得系统故障后配电网群故障恢复优化方案,提出了一种基于启发式搜索-快速非支配排序混合算法（HSA-FNSA）的配电网群故障恢复多目标优化决策方法。首先,建立了配电网群故障前后的拓扑模型及故障类型的图论描述,并采用HSA算法获得故障恢复方案集;随后利用分层前推回代法求解配电网潮流以获得运行参数;进一步建立考虑配电网韧性、网损、电压不平衡量和开关操作次数的故障恢复多目标优化决策模型;引入FNSA算法获得帕累托非劣解集并确定终选方案。通过IEEE三馈线算例验证了所提方法在求解配电网群多类型故障恢复的可行性和优越性。     

智能新算法在无功优化中的应用

动态无功优化是个十分复杂的时空分布非线性优化问题,全局寻优十分困难。为了解决电力系统无功优化的求解问题,提出了一种新的智能算法,即把蚁群算法和免疫算法相结合,利用两种算法优点的互补,以解决约束优化问题。该算法将免疫算法和蚁群算法相结合,把用蚁群算法解决的问题看作抗原,通过免疫算法产生抗体给参数赋值,并应用于具体问题的求解,将得到的结果作为当前抗体的适应度值,然后通过免疫算法的交叉、变异、亲和度选择等操作,将适应度好的抗体保留,淘汰适应度差的抗体,经过多次迭代,最终得到较优的抗体,改善了单一搜索机制易陷入局部最小的不足,克服了处理复杂边界问题的多种不足之处。通过算例比较了遗传算法、简单蚁群算法以及改进算法的结果,验证了改进算法的正确性和有效性。     

基于协同进化算法的配电网故障阶段式恢复策略

传统的配电网故障恢复算法难于同时兼顾恢复过程的快速性和恢复策略的最优化。文章提出一种将启发式搜索算法与优化算法相结合的配电网故障阶段式恢复策略：第一阶段采用启发式搜索方法恢复负荷供电;第二阶段利用优化算法处理过载的负荷转移;第三阶段按启发式搜索方法处理过载负荷的切除。为实现快速的网络拓扑分析,采用家族树结构表征配电网,并对传统的粒子群优化(particle swarm optimization,PSO)算法与模拟退火(simulated annealing,SA)优化算法进行改进,提出了协同进化算法(co-evolutionary algorithm of PSO and SA,CPSOSA),CPSOSA算法在求解故障恢复数学模型时具有较高的全局寻优能力。算例分析证明了本文所提恢复策略及算法的可行性和高效性。     

蚁群算法在电机故障诊断中的应用

蚁群算法是近几年优化领域中新出现的一种启发式仿生类并行智能进化算法,有正反馈、分布式计算、启发性收敛等特点.本文介绍了蚁群算法的基本原理和算法模型,建立了以电机为对象的神经网络故障诊断系统,应用蚁群算法训练了神经网络并进行了故障诊断,与BP算法的诊断结果进行了比较.网络训练的对比结果表明,基于蚁群算法的神经网络故障诊断系统,对多故障征兆有较好的故障识别率,且算法收敛快,诊断精度高,具有较高的搜索效率.     

一种配电网故障阶段式恢复方法

为快速确定配电网故障恢复的最优方案,提出了一种将启发式规则与优化算法相结合的故障阶段式恢复方法。各个阶段通过指标判定是否执行,不同故障的恢复阶段不同。第一阶段采用启发式搜索方法恢复网络连通性;第二阶段利用和声算法以电压不越限及线路不过载为目标进行重构;第三阶段基于深度优先搜索法及负荷优先级切负荷;第四阶段利用和声算法进行网损优化重构。为快速分析配电网的拓扑结构,提出单联络回路的概念,不仅可用于快速恢复故障后网络的连通性,而且可为优化算法避免拓扑不可行解编码提供理论基础,有效提高了运算效率。通过仿真验证了所提方法的可行性。     

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。     

基于蚁群最优的配电网络重构算法

配电网络重构是一个非常复杂的大规模组合优化问题。本文提出了一种新颖的基于蚁群最优的算法来求解正常运行条件下的配电网络重构问题,以达到损失最小,蚁群最优算法法（Ant Colony Optimization,简称ACO算法）是一种新型通用内启发式算法。在求解组合最优问题上,ACO算法已被证明是非常有效的。ACO算法本质上是一个多代理系统,在这个系统中单个代理之间的交互导致了整个蚁群的复杂行为。这种方法的主要特征是正反馈,分布式计算以及富有建设性的贪婪启发式搜索的运用,为了证明本文提出的算法的可行性和有效笥,我们研究了两个算例系统,并给出了计算结果,结论表明,本文提出的算法是相当有希望的。     

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。     

基于双层优化模型的能源互联网自愈及优化运行策略研究

电网和天然气网通过双向耦合可实现高可靠性运行。为解决电-气耦合的能源互联网故障自愈问题,提出了一种能源互联网自愈及优化运行方法。首先,该方法基于电-气耦合特性,充分利用天然气网对电网的能量补充,在考虑天然气网经济性和新能源出力不确定性的基础上,建立双层优化模型,实现综合能源系统的故障快速自愈及优化运行。上层模型利用基于广度优先搜索法的改进蚁群算法,优化供电恢复路径,得到系统开关状态。下层模型基于电-气耦合特性分析,以天然气网经济性为主要目标,采用条件风险价值理论(conditional value at risk, CVaR),同时考虑新能源出力不确定性带来的运行风险,构建电-气耦合的能源互联网优化重构模型。然后,对双层优化模型进行求解并进行全局优化,得到电-气互联型能量调度最优的故障恢复和优化运行方案。最后,通过IEEE33节点配电网和7节点天然气网耦合的能源互联网仿真模型,验证了所提方法的有效性。