基于改进细菌觅食优化算法的输电网规划

针对大规模输电网规划中细菌觅食算法(BFO)容易陷入局部最优、搜索精度和后期收敛速度明显下降的问题,使用改进细菌觅食算法(IBFO)建立了基于线路建设费用、网损费用以及正常运行时的过负荷惩罚费用最低的输电网规划模型,通过对IEEE-18节点和巴西南部46节点系统的计算,验证了IBFO在求解大规模输电网规划问题时收敛更快,更易寻得全局最优解。     

基于混沌自适应分组和声搜索算法的输电网规划

针对目前大规模输电网规划求解中难以快速地求得全局最优解的问题,给出了基于线路的建设费用、网络损耗费用、输电线路走廊的建设费用、各支路总的过负荷惩罚费用和N-1约束的过负荷惩罚费用为目标函数的输电网规划模型。分析了和声搜索算法随着输电网规模的扩大、优化问题维数的增加,算法求解精度和收敛速率明显降低且易陷入局部寻优的现象及其原因的基础上,设计了一种混沌自适应分组和声搜索算法。该算法通过维数分组、变异和混沌扰动来提升算法的搜索能力,使其能够快速地求解大规模的输电网规划问题。通过对IEEE18节点和巴西南部46节点系统的计算,证明了算法及模型应用于输电网规划的可行性,为实际工程应用打下了基础。     

基于混沌搜索策略蝙蝠算法的输电网规划

针对输电网规划求解中存在变量多、维数高、约束条件复杂等导致难以求得全局最优解的问题,将蝙蝠算法应用于输电网规划求解当中。为避免原算法精度低、易陷入局部最优的缺点,提出在原算法基础上,通过逻辑自映射函数产生混沌序列对蝙蝠前n%适应度最优个体进行混沌优化,并建立计及线路建设费用、网损费用、输电线路走廊建设费用、N及N-1约束条件下的过负荷惩罚费用为目标函数的输电网规划模型。最终通过Matlab软件对IEEE-18和巴西南部46节点标准算例编程计算,结果验证了新算法在求解大维度输电网规划模型的可行性及高效性。     

人口迁移算法在“N-1”安全输电网规划中的应用

提出了一种改进人口迁移算法求解输电网扩展规划的大规模组合优化问题。针对标准人口迁移算法在求解过程中搜索容易陷入局部最优解和后期收敛时间较长等缺点,对算法的迭代初始化、种群生成策略以及参数设置进行了改进,将遗传算法的最优保留思想引入到算法中,提高了算法搜索全局最优解的能力与收敛到最优解的速度。将改进后的算法应用到满足"N-1"安全准则的输电网扩展规划问题中,建立了输电网扩展规划的数学模型,设计了相应的算法。比较该算法与粒子群算法、标准人口迁移算法对IEEE Garver6节点系统和IEEE Garver18节点系统的仿真计算结果,证明了改进人口迁移算法能有效地解决满足"N-1"安全检验的输电网扩展规划优化问题。     

基于模式记忆并行蚁群算法的输电网规划

该文讨论了目前大规模输电网规划求解中常见的无法完成对解空间的充分搜索，从而难于求得全局最优解的问题；给出了泛函形式的输电网规划模型，并重点分析了输电网规划解的模式。在分析了传统蚁群算法易产生未成熟收敛现象及其原因的基础上，设计了一种基于模式记忆的并行蚁群算法，该算法通过模式记忆实现了解空间分解，能够有效地识别、记忆和跳出局部最优解；通过局部细化搜索进一步加强了局部搜索能力；通过并行计算提高了计算速度。某实际77节点的算例分析表明了该算法具有很高的计算效率和优秀的局部、全局收敛性，有效克服了现代启发式算法在求解输电网规划问题时存在的效率不高及未成熟收敛等现象。     

基于多策略差分进化算法的输电网规划

差分进化(DE)算法是一类基于种群的、具有全局优化性能的、通过实数编码的启发式算法。但差分算法搜索策略过于单一,局部搜索能力差,因此通过增加多策略变异和局部寻优策略来提升全局和局部搜索能力,同时降低搜索时间,使其适应于求解大规模输电网规划问题。采用基于线路投资费用、网损费用、正常运行时的过负荷费用及输电走廊费用的输电网规划模型,通过对Garver-6系统和18节点系统的计算,不仅验证了算法及模型应用于输电网规划的正确性和有效性,而且验证了算法具有很高的计算速度和收敛性,为DE算法的进一步改进应用打下基础。     

基于小生境多目标粒子群算法的输电网检修计划优化

以检修成本和期望缺供电量最小为目标,建立输电网检修计划多目标优化模型,并提出一种基于小生境的改进多目标粒子群算法对其进行求解。通过得到一组Pareto最优解,全面统筹检修计划优化问题的经济性和可靠性目标。该算法采用小生境共享机制来更新粒子的位置,保持了解的多样性和分布的均匀性;引入混沌变异对部分非支配粒子进行小范围的扰动,提高了算法全局搜索能力,避免陷入局部最优。为使算法能够更好地应用于输电网检修计划优化问题,采用罚函数对约束条件进行处理,并根据模糊隶属度从Pareto最优解集中选取最优折衷解,为检修计划制定人员提供了科学的决策依据。通过IEEE RTS-79节点系统的仿真,验证了该算法在求解输电网检修优化问题时能有效避免早熟收敛,快速地收敛至Pareto最优解集。     

一种新型混合粒子群算法及其在输电网规划中的应用

输电网规划是一个规模巨大、极其复杂的、具有非线性离散变量和多约束多目标的数学优化问题。将一种融合了交叉和变异,以及结合混沌理论的新型混合粒子群算法应用到了求解输电网规划问题中。相对于普通粒子群算法,改进过的混合粒子群算法可以更快速有效地寻找到全局最优解。最后,通过算例验证了算法应用于输电网规划是有效性和可靠性。     

改进量子遗传算法在输电网规划中的应用

输电网规划是复杂的多目标非线性组合优化问题。针对传统遗传算法（GA）在求解输电网规划模型中存在收敛速度慢,容易陷入局部最优的不足,提出一种基于改进量子遗传算法（IQGA）的输电网规划方法。该算法在量子遗传算法（QGA）的基础上提出直接将量子染色体与当前最优解相比较来确定旋转门的旋转角策略,保证种群中个体以不同的收敛速度分别进行局部搜索和全局搜索,并同时采用量子全干扰交叉策略和量子非门变异策略有效防止算法陷入局部最优。所提三种改进策略各有针对性,能有效改善量子遗传算法在输电网规划中的收敛性能。分别采用传统遗传算法、量子遗传算法和该方法对Garver-6节点系统进行规划仿真,实验结果表明,该方法全局寻优能力强并且收敛速度得到显著提高。     

基于二层规划的交直流混合输电网最优潮流计算

建立了交直流混合输电网等值数学模型,提出了交直流混合输电网最优潮流二层规划数学模型。该模型的上层目标函数为总燃料费用最小,变量为系统中有功与无功出力;下层目标函数为各节点电压偏移最小,变量为变压器分接头档位,上下层变量相互影响,交替迭代。采用跟踪中心轨迹内点法和萤火虫算法相结合的混合算法对该模型进行求解,上层模型利用跟踪中心轨迹内点法处理连续变量,能快速收敛至全局最优解;下层模型采用萤火虫算法求解,能较好处理离散变量。最后采用IEEE 30节点系统和IEEE 118节点系统为算例进行仿真计算,验证了该二层规划模型的有效性和正确性,对比了交流线路和直流线路功率传输方式,验证了直流系统输电的优势。     

基于量子序优化混合算法的输电网规划

序优化理论是一种基于绝对随机抽取可行解的优化算法,最优解具有高概率的可信度.量子算法是一种局部搜索能力强的搜索算法.利用量子算法的强大的局部搜索功能与序优化混合,构造出随机性和方向性比较平衡的量子序优化混合算法.针对输电网规划这样一个复杂的组合优化问题,建立相应的数学模型,采用量子序优化混合算法求解.18节点系统算例的...     

计及地理环境因素的输电通道路径优化与扩展研究

传统输电网规划中一般由规划设计人员凭经验给出初选方案,然后通过技术、经济比较选出最佳方案。然而,由于复杂的地理环境因素的影响,优选方案不可避免地包含局限性和人为因素,方案评估工作进行较为困难。文中将输电通道扩展与路径设计相结合,分析施工条件、地形地质条件等地理环境因素对路径规划的影响,建立了输电通道规划双层运行优化模型,顶层模型以输电规划经济性为目标,底层模型以线路地理环境总成本为目标进行输电通道路径优化,并将底层优化得到的待选线路集返回顶层模型进行输电网络规划,结合遗传算法实现模型求解。最后针对修改后的Garver-6节点系统进行仿真分析,结果表明利用文中所提的方法得到的输电通道规划方案可以有效适应工程现场实际,保障输电网络的经济效益。     

A novel modified GBMO algorithm based static transmission network expansion planning

Due to the growing demand of electricity, transmission sector has become important part of the power sector. The penetration level of renewable energy resources has increased presently, which gives more challenges to the transmission expansion planner. To overcome this problem better transmission expansion planning (TEP) needs to be done. Hence, it is necessary to incorporate the impact of high wind power penetration in TEP problem. In this paper wind farm are considered as an alternative source for supplying the load to the transmission networks. The complex wind energy cost model is incorporated with the traditional transmission network expansion planning (TNEP) problem. Factors accounting for wind power utilization cost, underestimation, and overestimation cost model of wind power are included. Static transmission network expansion planning (STNEP) problem is modeled using the DC power flow model. The main objective function is to minimize the total cost of the system, which consists of transmission line investment cost, fuel cost of generators and wind energy cost. To solve this non-linear, non-convex optimization problem with a novel optimization algorithm i.e. Modified Gases Brownian Motion Optimization (MGBMO) algorithm is applied. To validate the capability of the proposed method is tested with modified Garver’s 6-bus system, IEEE 24-bus system and IEEE 25-bus system.     

A simulated rebounding algorithm applied to the multi-stage security-constrained transmission expansion planning in power systems

This research discusses the multi-stage security-constrained transmission network expansion planning. In modern power systems, the problem is formulated as a large-scale, mixed-integer, non-linear programming problem, which for a real power systems is very difficult to solve. Although remarkable advances have been made in optimization techniques, finding an optimal solution to a problem of this nature can still be extremely challenging. In this paper, a new constructive heuristic approach, based on a local controlled random search (simulated rebounding algorithm) is proposed to choose the decision variables. The model can produce better solutions than other references techniques such as particle swarm optimization, evolutionary particle swarm optimization, genetic algorithms, and simulated annealing algorithm, among other evolutionary methods. The methodology is applied to assess the capabilities of the proposed approach in the Ecuadorian and Chilean Power Systems as an example of application. Simulation results show that the proposed approach is accurate and very efficient, and it has the potential to be applied to real power system planning problems. The algorithm has been presented and applied to the multi-stage security-constrained transmission expansion planning.     

基于柔性多状态开关的有源配电网双层优化方法

大量间歇性分布式电源的接入,给配电网带来了新的挑战。柔性多状态开关(soft open point, SOP)是一种新型的电力电子装置,具有强大的功率调控和潮流优化能力。文中提出了一种基于SOP的有源配电网双层优化方法。首先考虑SOP运行控制的约束条件,建立了多端口SOP等效模型。然后以年综合费用最小为目标建立SOP上层规划模型,以多时段配电网电压偏差、网损最低为目标建立基于最优潮流的下层优化模型,并采用改进的遗传粒子群混合优化算法对双层优化模型进行求解。最后在IEEE 33节点算例上,对比分析了规划前后三端口SOP的优化能力。结果表明,SOP能有效解决配电网电压越限问题,同时降低系统损耗,并且合理的SOP规划对配电网运行优化效果更为显著。     

基于蚁群最优的输电网络扩展规划

输电网络扩展规划是一个非常复杂的大规模组合优化问题。章提出了一种基于蚁群最优的输电网络扩展规划法（ACO）。ACO法来自对蚁群收集行为的研究,是一种求解组合最优问题的新型通用型发式方法。这种方法的主要特征是正反馈、分布式计算以及富于建设性的贪婪启发式搜索的运用。作初步研究了ACO法在单阶段输电网扩展规划中的应用。建立了相应的数学模型,设计了相应的算法,并在IEEE Garver-6系统上进行了测算。结果表明所提方法是有效的。     

A new Optimal reactive power planning based on Differential Search Algorithm

This paper proposes a new multi-level methodology based on the optimal reactive power planning. The developed methodology is designed to solve the problem of the non-feasibility solution of the fuel cost minimization problem (for a given operating point) where the classical method such as interior point method (IPM) is applied. The proposed solution to solve this problem is based on the application of the optimal reactive power planning problem considering voltage stability as the initial solution of the fuel cost minimization problem. To improve the latter the load voltage deviation problem is applied to improve the system voltage profile. For à good result improvement, the reactive power planning problem and the load voltage deviation minimization problems are solved using a new optimization method namely the Differential Search Algorithm (DSA). Moreover, the fuel cost minimization problem is solved using IPM. To identify the candidate placements of compensation devices for the optimal reactive power planning problem, a new voltage stability index namely: The Fast Voltage Stability Index (FVSI) is used. The methodology has been tested with the equivalent Algerian power system network, and the simulation results show the effectiveness of the proposed approach to improve the reactive power planning problem and to minimize the system voltage deviation.