基于改进人口迁移算法的输电网扩展规划

输电网扩展规划是一个非常复杂的大规模组合优化问题,对比提出了一种改进人口迁移算法的求解方法.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问题,针对以上缺点,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...     

模拟退火算法在输电网络扩展规划中的应用

输电网络扩展规划是一个非线性组合优化问题,文中用模拟退火算法有效地解决了该问题.首先用直流潮流模型建立该问题的非线性整数规划模型,然后用模拟退火算法求解该模型的最优解,并对具体实施步骤作了多处优化改进.最后,通过分别对Garver 6节点和IEEE 24节点两个算例的测试,并与Lingo软件得出的计算结果做比较,表明改进的模拟退火算法能更快搜索到较优可行解.     

基于改进蚁群算法的"N-1"安全输电网优化规划

满足N-1安全准则的输电网络扩展规划是一个复杂的非线性组合优化问题。蚁群算法是一种解决组合最优化问题的高效的启发式方法,但容易出现停滞和陷入局部最优。为此,结合满足N-1安全准则的输电网络规划问题的特点,用罚函数方法建立了网络扩展规划性能指标。通过改变蚁群算法中信息增量的选择方法,有效地减小了算法的全局搜索能力和计算效率之间的矛盾。该方法不需初始可行解,在提高计算效率的同时加大了找到全局最优解的概率。通过对IEEE-6节点和IEEE-24节点两个算例的测试,验证了这种方法能有效地解决直接求解满足N-1安全检验的输电网最优扩展规划问题。     

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Pareto多目标遗传算法的输电网扩展规划

提出将多目标遗传算法应用到输电网扩展规划,进而将N-1安全准则以罚函数的形式作为算法中多目标的一个目标,满足输电网规划对安全性的较高要求。本文多目标遗传算法引入最优个体保留策略,避免优秀个体丢失,加快收敛速度;N-1安全校验采用故障排序法提高计算效率。最后对一个标准算例进行仿真计算,结果表明:将N-1校验作为多目标的一个目标,能一步优化出满足输电网N-1安全性要求的解;与传统的单目标遗传算法相比,本文多目标遗传算法能提供均衡多个目标的最优解。     

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。     

基于改进蚁群算法的输电网络扩展规划

针对基本蚁群算法在求解过程中经常出现搜索陷入局部最优解和收敛到全局最优解的时间较长这2个问题,对蚁群算法的转移概率和信息量全局更新进行了改进,提高了蚁群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于单阶段输电网络扩展规划问题,建立了单阶段输电网络扩展规划的数学模型,设计了相应的算法.实例计算结果表明该方法的可行性和有效性.     

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。     

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。     

基于改进PSO算法的含风电场电力系统网架扩展规划研究

基于改进后的PSO算法,研究了如何利用网架扩展规划,来缓解风电并网发电后部分线路出现输电阻塞的现象.在PSO算法中,惯性权重和学习因子分别是控制PSO算法全局搜索和局部搜索的关键性可调整参数.为避免陷入局部解,同时加快收敛速度,提出了同时动态优化调整惯性权重和学习因子的改进PSO算法.基于IEEE39节点的仿真算例表明：在保证获得最优解的前提下,该算法的收敛速度显著加快.     

Optimization of Transmission Expansion Planning by Minimal Cut Sets Based on Graph Theory

Abstract—This research proposes a method based on the graph theory for transmission network expansion planning. The proposed method suggests an optimal investment cost for transmission network expansion planning by using the minimal cut sets based on the graph theory. On the basis of the oriented connected graph of an intent transmission network, this research aims to find the maximum power flows through the bottlenecks of the network. The main object function of the proposed algorithm is the construction cost of new lines, which needs to be added in parallel with the overloading lines of an existing transmission network. The major consideration is the load demand in the given future. This research uses three benchmark systems to illustrate the proposed method: Garver's 6-bus system (Garver system) the 24-bus and 21-bus IEEE reliability test systems. In a word, the Garver system is used to demonstrate the algorithm of the proposed method, and the 24-bus and 21-bus IEEE reliability test systems are tested by using the proposed method in many cases to compare the results and performance with those of recent studies. The findings of this research are of value to solve transmission network expansion planning problems.     

基于改进TLBO算法的输电网规划

输电网规划问题维数高、变量多以及约束条件复杂,导致问题难于求解。本文采用新型的智能算法教与学算法(TLBO)对问题进行求解。教与学算法具有收敛速度快、设置参数少的优点,但在求解时容易陷入局部最优解。本文通过加入自主学习环节和反思环节以及自适应扰动策略,提高算法寻找全局最优解的能力,使其适应大规模输电网规划问题的求解。采用目标函数为线路投资费用、网损费用、过负荷费用之和的输电网规划模型,通过在Garver-6节点系统和IEEE-18节点系统中的计算,验证了该算法可以正确有效地解决输电网规划问题。     

离散粒子群优化算法在输电网络扩展规划中的应用

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。文中研究了离散粒子群优化(DPSO)算法在单阶段输电网络扩展规划中的应用,提出一种基于黑板系统的多智能体协调模型。该模型中,DPSO算法利用黑板系统进行粒子间信息共享,有效地提高了算法的全局收敛能力。通过构造节点扩展矩阵和速度矩阵,建立了输电网络扩展规划问题的求解模型和DPSO求解算法。该算法已成功用于IEEE Garver-6等两个系统,计算结果表明了该方法的可行性和有效性。     

基于二进制量子粒子群算法的含分布式电源配电网重构

配电网重构是一个复杂的非线性组合优化问题。为了克服基本优化算法易陷入局部最优解的问题,提出了一种改进的二进制量子粒子群算法(BQPSO),对含分布式电源(DG)的配电网重构模型进行求解。通过引入遗传算法的交叉操作和变异操作来避免早熟来提高算法的全局搜索能力,改进了算法的性能。并且选择了适当的不可行解处理方式来提高了算法的计算效率。最后通过对IEEE33节点配电系统进行仿真,验证所提算法在求解重构问题时得到的解更好,收敛速度和全局寻优能力都有提升。     

Transmission network expansion planning considering repowering and reconfiguration

Transmission expansion planning (TEP) is a classic problem in electric power systems. In current optimization models used to approach the TEP problem, new transmission lines and two-winding transformers are commonly used as the only candidate solutions. However, in practice, planners have resorted to non-conventional solutions such as network reconfiguration and/or repowering of existing network assets (lines or transformers). These types of non-conventional solutions are currently not included in the classic mathematical models of the TEP problem. This paper presents the modeling of necessary equations, using linear expressions, in order to include non-conventional candidate solutions in the disjunctive linear model of the TEP problem. The resulting model is a mixed integer linear programming problem, which guarantees convergence to the optimal solution by means of available classical optimization tools. The proposed model is implemented in the AMPL modeling language and is solved using CPLEX optimizer. The Garver test system, IEEE 24-busbar system, and a Colombian system are used to demonstrate that the utilization of non-conventional candidate solutions can reduce investment costs of the TEP problem.     

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.     

基于改进粒子群算法的含DG配电网无功优化

含分布式电源(DG)配电网的无功优化是一个复杂的非线性优化问题,文中采用改进的粒子群算法(PSO)对配电网进行无功优化计算,建立以系统网损和电压平均偏离最小为目标函数,节点电压和电容器投切容量为约束条件的优化模型。在PSO中引入位置方差防止PSO陷入局部最优解,根据种群中粒子的适应度值对粒子进行变异处理,在保证算法收敛速度的基础上,改善算法性能。以含分布式电源的IEEE14节点配电系统为例进行无功优化分析,结果表明DG能增强电网运行的稳定性,所提算法具有较好的优化性能。     

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。