基于改进选择性BPSO算法的配电网降损重构研究

为了降低配电网的有功功率损耗以及提高开关利用率,利用Sigmoid函数对二进制粒子群优化(BPSO)算法中的粒子位置更新进行改进,并通过添加修改曲线的参数对函数进行选择,提出了一种改进选择性二进制粒子群优化(IS-BPSO)算法来求解配电网降损重构问题.该算法以降低配电网的功率损耗为目标,有效地控制粒子的变化速率并提高种群的收敛性.通过33母线和94母线的配电网测试系统进行仿真模拟,结果表明,该算法具有很强的鲁棒性和全局寻优能力.     

基于混合算法的含分布式电源的配电网优化

考虑到分布式电源的选址与定容对配电网有着重要影响意义,针对分布式电源的接入对配电网系统能量损耗和各节点电压影响的问题,首先建立了以有功功率损耗和系统节点电压的目标函数优化模型,提出了充分整合引力搜索算法(GSA)的勘探能力和粒子群(PSO)的开采能力的混合算法(PSOG-SA),同时确定权重系数,最后采用IEEE-33标准节点配电网模型进行了仿真实验,通过和其他两种算法的比较,验证了配电网系统在该算法下的有效性和可靠性.算例分析表明,合理的DG接入能够一定程度上降低系统有功功率损耗,改善节点电压.     

含分布式电源的配电网故障重构研究

随着分布式电源(DG)引入配电网,对配电网故障后供电恢复的研究提出了新的挑战。构建了网损最小、电压分布指数和开关操作次数最少的目标函数,提出了一种能使配电网重构和孤岛划分相结合的故障恢复策略。利用深度优先算法对含DG的配电网进行孤岛划分,然后将杂草(IWO)算法和粒子群(PSO)算法相结合,对故障后的配电网进行最优供电路径的寻优,并利用IEEE 33配电系统进行仿真验证。仿真结果表明,提出的算法和恢复策略能够有效解决含DG的配电网故障恢复问题。     

含电动汽车配电网重构的可靠性考虑

电动汽车(EV)是新出现的一类大型用电负荷,既环保又经济。电动汽车的接入给配电网系统重构带来了大的挑战。基于配电网可靠性和网络重构方面的研究,提出了一种考虑配电网可靠性及含电动汽车下的快速重构方法。选取有功网损指标、平均供电可用率指标和系统供电量不足指标作为评价指标体系。构造满意度评估函数进行量纲统一,将多目标函数通过判断矩阵法转换为单目标函数,实现对配电网系统重构的快速计算。算法在重构后期引入可靠性评估,在考虑系统可靠性的情况下,降低了计算时间。在此基础上,基于粒子群算法,对含电动汽车的IEEE-33节点系统进行仿真。仿真结果验证了此方法的正确性及有效性。通过配电网重构,可以进一步提高能源利用率及经济性。     

含分布式发电的改进BFO算法配电网无功优化

在含分布式电源的电网无功优化研究中,为了更有效地提高配电网性能,提出了一种改进细菌觅食算法(CP-BFO).以电网网损最小、负荷节点电压和发电机的无功出力约束作为综合目标函数,采用细菌觅食算法,在聚焦操作中引入粒子群变异算子,使算法具有良好的全局搜索能力,提高了算法的寻优效率.同时利用混沌原理对改进的细菌觅食算法的参数进行自适应调节,改善了算法的收敛性能.通过节点系统的仿真表明,CP-BFO算法在提高含分布式电源的智能电网电压质量与减少功率损耗的优化过程中具有可行性和有效性.     

基于改进粒子群算法的配电网无功优化

分布式电源的接入配电网有利于其无功优化、改善电压质量、降低网络损耗。以有功网损最小为其无功优化的目标函数,建立相应的数学模型,并对其进行仿真试验。由于基本粒子群算法的系数选择为常系数,存在人为选择系数过多依赖于经验的现象,具有一定的主观与偶然性,会导致粒子过于早熟,陷入局部最优。因此针对常系数粒子群算法的不足,将基于动态权值系数的改进型粒子群算法运用到无功优化中,对含有风、光等分布式电源接入的IEEE33系统模型进行仿真试验分析。试验结果表明,该算法能够有效降低网损,改善电压质量,提高系统的稳定性。     

分布式可再生能源发电并网的无功优化研究

提出了基于杂交粒子群优化算法的分布式可再生能源并网的无功优化算法,从网损和静态电压稳定裕度两个角度出发,构建了含分布式发电系统的配电网无功优化的数学模型.在美国PG&E 69节点配电系统上进行效验.结果表明,该算法收敛性好、精度高;分布式电源并网后能有效降低系统的有功网损,提高电压稳定性,对分布式电源并网运行具有一定的...     

基于改进粒子群算法的多目标分布式电源选址定容规划

通过分析分布式电源对配电网的影响,以有功功率损耗、电压质量及分布式电源总容量为优化目标,基于模糊理论建立了分布式电源在配电网中选址定容的多目标优化模型,并提出了一种改进粒子群算法进行求解。在算例仿真中,基于IEEE 14标准节点系统,采用MATLAB仿真工具对所提算法进行了测试,证实了所提算法全局搜索能力较强、收敛速度较快,并通过比较分析验证了该模型和算法的可行性及有效性。     

改进粒子群算法在无功优化中的应用

针对电力系统无功优化的特点,本文提出以有功网损最小为目标函数,以负荷节点电压质量和PV发电机节点无功出力为罚函数．以有功功率和无功功率为约束条件的数学模型,并应用改进的粒子群算法对无功优化问题进行求斛。该算法在权重系数和不活动粒子两方面进行改进,有效地解决了进化过程中陷入局部最优和搜索精度差的缺点。最后,将改进后的粒子群算法应用于IEEE14节电力系统进行无功优化算例分析,仿真结果验证了该算法解决电力系统无功优化问题的有效性和可行性。     

基于混合算法的配电网无功补偿协调控制方法研究

为了保证配电网的稳定运行,提出基于混合算法的配电网无功补偿协调控制方法。通过分析萤火虫算法与量子粒子群算法特点与实现关键,按照串联形式融合两种算法,架构出分为两个阶段的混合智能算法,并用群体替换算子做进一步优化,设定电容器购置费用、负载率以及总有功网损为目标函数,基于负荷率与目标函数间的层次关系,架构双层配电网无功补偿协调控制数学模型,将模型与混合算法结合,获取寻优结果,实现无功补偿协调控制。仿真实验表明,所提方法的收敛速度、降损效果以及节点电压质量均具有显著优越性。     

A NEW HYBRID ALGORITHM FOR MULTI-OBJECTIVE DISTRIBUTION FEEDER RECONFIGURATION

This article proposes an efficient hybrid algorithm for multi-objective distribution feeder reconfiguration. The hybrid algorithm is based on the combination of discrete particle swarm optimization (DPSO), ant colony optimization (ACO), and fuzzy multi-objective approach called DPSO-ACO-F. The objective functions are to reduce real power losses, deviation of nodes voltage, the number of switching operations, and the balancing of the loads on the feeders. Since the objectives are not the same, it is not easy to solve the problem by traditional approaches that optimize a single objective. In the proposed algorithm, the objective functions are first modeled with fuzzy sets to calculate their imprecise nature and then the hybrid evolutionary algorithm is applied to determine the optimal solution. The feasibility of the proposed optimization algorithm is demonstrated and compared with the solutions obtained by other approaches over different distribution test systems.     

动态邻居维度学习的多目标粒子群算法

针对多目标粒子群算法多样性较差,种群选择压力随着变量维度增加的问题,提出了基于动态邻居维度学习的多目标粒子群算法（DNDL-MOPSO）。该算法首先构建最优维度个体,然后在“个体认知”和“社会认知”的基础上,对粒子速度更新公式进行改进,采用每一维上学习对象不固定的交流方式,最后利用随机向导学习策略,增加种群多样性。实验结果表明该方法能够提高算法的全局收敛性,增加种群的多样性,缓解选择压力,有效解决多峰多目标优化问题。     

Multi-objective electric distribution network reconfiguration solution using runner-root algorithm

This paper presents a runner-root algorithm (RRA) for electric distribution network reconfiguration (NR) problem. The considered NR problem in this paper is to minimize real power loss, load balancing among the branches, load balancing among the feeders as well as number of switching operations and node voltage deviation using max-min method for selection of the final compromised solution. RRA is equipped with two explorative tools, which are random jumps with large steps and re-initialization strategy to escape from local optimal. Moreover, RRA is also equipped with an exploitative tool to search around the current best solution with large and small steps to ensure the obtained result of global optimization. The effectiveness of the applied RRA in both single- and multi-objective has been tested on 33-node and 70-node distribution network systems and the obtained test results have been compared to those from other methods in the literature. The simulation results show that the applied RRA can be an efficient method for network reconfiguration problems with single- and multi-objective.     

多子群协同进化的多目标微粒群优化算法

微粒群优化(PSO)算法是一种非常有竞争力的求解多目标优化问题的群智能算法,因其容易陷入局部极值,导致非劣解集的收敛性和正确性不理想。为此提出一种基于多目标分解进化策略的多子群协同进化的多目标微粒群优化算法(MOPSO_MC),算法中每个子群对应于一个多目标分解之后的子问题,并构造了一种新的速率更新策略,每个粒子跟踪自身历史最优值、子群最优值和子群邻域最优值,从而在增强算法的局部寻优能力的同时,也能从邻域子群获得进化信息,实现协同进化。最后通过仿真实验,与现在主流的多目标微粒群算法在ZDT基准测试函数上比较,验证了算法的收敛性,解分布的均匀性和正确性。     

基于多点速度向量的多目标粒子群算法改进

针对多目标粒子群算法在高维条件下易早熟、迭代步骤数较多的问题,通过引入多点速度向量,提出一种基于多点速度向量的多目标粒子群改进算法,由于改进的多目标粒子群可以看成多个对于目标函数和当前种群的多目标最优点独立的速度和位置分量的叠加,减少了在目标函数最优值搜索之间相互的影响,从而有效地提高多目标粒子群在高维条件下的收敛速度以及准确性,理论证明这这种改进的有效性。实验结果证明了理论推导的正确性。     

基于模糊物元模型的高维多目标FJSP研究*

为解决高维多目标柔性作业车间调度问题,提出了一种基于模糊物元模型与粒子群算法的模糊粒子群算法（Fuzzy Particle Swarm Optimization,FPSO）。该算法以模糊物元分析理论为依据,采用复合模糊物元与基准模糊物元之间的欧式贴近度作为适应度值引导粒子群算法的进化,并引入具有容量限制的外部存储器保留较优的Pareto非支配解以供决策者选择。此外,构建了优化目标为最大完工时间、设备总负荷、加工成本、最大设备负荷与加工质量的高维多目标优化模型,并以Kacem基准问题与实际生产数据为例进行仿真模拟与对比分析。结果表明,该算法具有良好的收敛性且搜索到的非支配解分布性较好,能够有效地应用于求解高维多目标柔性作业车间调度问题。     

基于改进人工蜂群算法的配电网重构方法

为提高配电网运行的经济性和供电的可靠性,本文选取系统平均停电频率和系统平均停电持续时间两个指标来表征配电网的供电可靠性,并同时考虑有功网损的因素,建立了计及供电可靠性指标的配电网多目标重构模型.本文将量子理论和Metropolis准则引入到人工蜂群算法中,并通过模糊满意度决策方法来确定多目标重构模型的最优解,提出了基于改进人工蜂群算法的配电网多目标重构模型优化方法.建立配电网重构实例仿真系统,通过与其它智能方法的重构对比分析证明了本文重构模型及求解方法的可行性和优越性.     

网络社区发现的多目标分解粒子群优化算法

通过分析社会网络中社区发现问题的优化目标,构造了社区发现的多目标优化模型,提出一种网络社区发现的多目标分解粒子群优化算法。该算法采用切比雪夫法将多目标优化问题分解为多个单目标优化子问题,使用粒子群优化(PSO)算法对社区结构进行挖掘,并引入了一种新颖的基于局部搜索的变异策略以提高算法的搜索效率和收敛速度,该算法克服了单目标优化算法存在的解单一以及难以发现社区层次结构的缺陷。人工网络及真实网络上的实验结果表明,该算法能够快速准确地挖掘网络社区并揭示社区的层次结构。     

A hybrid evolutionary algorithm for distribution feeder reconfiguration

This paper presents a new method to reduce the distribution system loss by feeder reconfiguration.This new method combines self-adaptive particle swarm optimization(SAPSO) with shuffled frog-leaping algorithm(SFLA) in an attempt to find the global optimal solutions for the distribution feeder reconfiguration(DFR).In PSO algorithm,appropriate adjustment of the parameters is cumbersome and usually requires a lot of time and effort.Thus,a self-adaptive framework is proposed to improve the robustness of PSO.In ...