TS算法在配电网络重构中的应用

配电网络重构作为优化网络、降低线损的一项重要手段,受到广大研究人员的重视.TS算法是一种新兴的现代启发式寻优技术 ,适合于求解组合优化问题,并能以很大的概率跳出局部最优解.本文介绍了配电网络重构的相关知识,并尝试将TS算法用于求解配网重构问题.另外,本文通过对寻优过程的有效控制,避免了在寻优过程中大量不可行解的产生,提高了计算效率.通过对实际算例的演算,证明了TS算法对于求解配网重构问题的有效性和可行性.     

基于图论的改进遗传算法在配网重构中的应用

针对遗传算法求解配电网络重构优化时,随机编码操作将产生大量不可行解的缺点,设计了基于图论的改进遗传算法进行重构优化。根据配电网络与图论中树结构的相似性,确定了配电网络重构优化实质上是在初步连接图的基础上寻找最优的生成树或某组树,并引入环路的概念,基于破圈法和环路的性质进行编码操作,在产生初始解和变异操作时生成的解均为可行解,交叉操作时满足树的基本条件,避免或大大减少了不可行解的产生,从而提高了算法的计算效率。分别对IEEE33和IEEE69节点配电系统进行了重构优化,两个优化算例说明了该方法的有效性。     

基于图论的改进遗传算法在配网重构中的应用

针对遗传算法求解配电网络重构优化时,随机编码操作将产生大量不可行解的缺点,设计了基于图论的改进遗传算法进行重构优化.根据配电网络与图论中树结构的相似性,确定了配电网络重构优化实质上是在初步连接图的基础上寻找最优的生成树或某组树,并引入环路的概念,基于破圈法和环路的性质进行编码操作,在产生初始解和变异操作时生成的解均为可行解,交叉操作时满足树的基本条件,避免或大大减少了不可行解的产生,从而提高了算法的计算效率.分别对IEEE33和IEEE69节点配电系统进行了重构优化,两个优化算例说明了该方法的有效性.     

基于网络动态重构的配电系统优化调度方法研究

为解决配电系统中网络资源利用率低、网络损耗大的问题，设计了一套配电系统对配电网进行动态重构，构建出改进型混沌进化算法模型以优化网络配置。改进型混沌进化算法模型融合反向传播(back propagation, BP)神经网络算法模型，通过混沌进化算法模型对重构后的配电系统进行优化，通过BP神经网络算法模型提高优化的精度，结果提高了配电系统优化调度能力。试验结果表明，提高了优化能力和网络资源利用率，降低了网络能耗。     

基于免疫优势算法的配电网重构

提出了一种新的免疫算法用于配电网重构,以减小网损。在种群初始化时,对个体进行接种疫苗,通过修改各个体的某些基因位上的基因,使得可行解的比例变大。对不可行解采用启发式的方法,通过打开回路和连通孤岛,将其修复成为可行解。重构优化过程中,免疫优势算法和信息熵的采用,提高了算法的效率和大大减少了优化所需的的进化代数,同时能有效维持群体的多样性和避免算法早熟收敛,算例结果表明该算法的计算速度比常规遗传算法的计算速度有较大的提高。     

用于降低网损的配电网络优化重构方法的研究

配电网络优化重构是降低配电网络线损的有效措施,本文综述了配电网络优化重构中常见的算法及问题。为了提高重构优化速度,提出了利用混合潮流算法快速计算网损的方法。提出了基于度的拓扑方法来判定在遗传算法优化过程中造成的不可行解,并列出了对不可行解的判断准则。本拓扑方法同样可以为前推回代法提供拓扑分析。为缩小搜索空间,对遗传算法采取了在基因操作过程中如产生不可行解采用返回重新操作的改进,使算法运算过程中不产生不可行解。同时为避免欺骗现象提出较差个体单独成群策略。实例证明,该算法应用于配电网重构是有效的。     

用于降低网损的配电网络优化重构方法的研究

配电网络优化重构是降低配电网络线损的有效措施,综述了配电网络优化重构中常见的算法及问题.为了提高重构优化速度,提出了利用混合潮流算法快速计算网损的方法.提出了基于度的拓扑方法来判定在遗传算法优化过程中造成的不可行解,并列出了对不可行解的判断准则.本拓扑方法同样可以为前推回代法提供拓扑分析.为缩小搜索空间,对遗传算法采取了在基因操作过程中如产生不可行解采用返回重新操作的改进,使算法运算过程中不产生不可行解.同时为避免欺骗现象提出较差个体单独成群策略.实例证明,该算法应用于配电网重构是有效的.     

配电网络电容器优化投切的制约进化策略

针对传统进化规划方法寻优效率低的问题,提出了配电网络电容器优化投切的制约进化策略.利用配电网络物理规则求得投切点无功补偿容量调节范围,用于约束解的产生和进化,缩小寻优空间.通过在解空间中心点附近合理配置初始点,避免初始解不可行.采用小种群多代进化方式,避免求解过程产生大量不可行解.最后选择适合电容器优化投切问题的随机动态步进方式,在寻优的不同阶段,采用不同的步长,使优化效果和效率得到明显改善.使用制约进化策略对不同的配电系统进行分析,结果表明:制约进化策略在保证优化精度的同时,具有更高的优化效率,可以适应在线应用.     

基于改进禁忌算法的配电网络重构

为了提高配电网络重构的优化质量和优化效率,提出了一种结合变异运算的最优邻域禁忌搜索算法.通过在禁忌算法中引入小概率变异扰动,增强禁忌算法跳出局部最优解的能力,提高了算法的全局寻优能力;利用配电网的结构特点,快速、简易地确定邻域最大降损开关交换,提高邻域候选解集的质量,提高了算法的搜索效率.3个算例的计算结果表明,本文算法计算速度快,寻优效果好,有效提高了网络重构的优化效率和优化质量.     

应用自适应微分进化算法的配电网综合优化

单方面的网络重构或无功优化均不能实现最大程度的配电网优化,因此需要将两者综合考虑,为此提出了基于微分进化算法的配电网综合优化算法。为与无功优化的整数编码方式统一,网络重构采用编码长度最低的环路支路整数编码方式,以将网络重构和无功优化同时引入进化过程。同时将自适应变异及进化参数调整策略引入进化过程,以在确保获得最优解的同...     

一种基于解空间划分的配电网最优重构算法

提出了一种基于解空间划分的配电网最优重构算法。根据配电网不同拓扑结构上的共同点,制定一个划分规则,将配电网重构的整个解空间划分为不同的可行子空间和不可行子空间,排除不可行子空间,同时使用局部寻优算法找出各可行子空间中的最优解,逐一计算网损并进行比较,找出全局最优解。该算法能够确定地得到配电网重构最优解,且显著减少了需要计算网损的候选解数目,使计算效率能够满足实际需要,PG&E69节点系统和IEEE 33节点系统的算例结果与分析证明了该结论。     

基于改进自适应遗传算法的配电网络重构

提出了一种用于配电系统网络重构的改进型自适应遗传算法。给出了网络重构问题的数学模型及改进的自适应遗传算法。在应用遗传算法时结合配电网自身的特点,提出以环路开关号为基因、系统环路数为染色体长度的编码方法,在优化过程中采用自适应调整的交叉率和变异率,结合一定的禁忌规则．较好地提高了算法在网络重构方面的效率。在IEEE16节点、33节点、69节点3个不同规模的算例系统上进行了测试,计算结果表明,所提出的方法缩短了染色体长度,较好地抑制了不可行解的产生．无论是在收敛性、稳定性还是在计算效率上都取得了比较满意的结果。     

基于混合算法的多目标配电网重构

配电网重构是配电管理系统的重要内容,从本质上讲,它是一个非线性组合优化问题,若采用传统的遗传算法处理,由于其易于陷入局部最优解和随着配电网规模的扩大搜索效率低的问题,难以得到理想结果。提出一种混合算法来处理配电网重构问题,根据遗传算法和粒子群算法各自的原理特点,将遗传算法和粒子群算法相结合,充分地利用粒子群算法的快速性、随机性、全局收敛性,较好地解决了遗传算法用于配电网重构时的缺点和不足。理论分析和算例表明,该方法高效可行,适合配电网自动化的实际应用要求。     

基于最优流法与Mayeda生成树算法相结合的单阶段配网重构新方法

针对随机类优化算法用于配网重构计算时间长,而启发式算法用于配网重构存在的低精度解等的缺点,提出一种基于最优流法与Mayeda生成树算法相结合的单阶段配网重构新方法。该方法利用最优流法从支路交换的候选集中快速确定用于Mayeda生成树算法中用于支路交换的支路,从而既回避了随机进化选择方法进化慢的缺点,又回避了穷举法生成过多的劣树的缺点,等效于采用优化技术局部剔除了部分比当前树更劣的树,而明显加快其最优树的搜索过程。方法的优点是充分利用了最优流方法的快速性、Mayeda生成树算法的解空间的完备性,进行良好的结合实现了两者的优势互补,而提高其计算效率。算例验证了方法的有效性。方法因其快速性及至少得到次优解的特点而具有工程应用价值。     

考虑电网特性的网络重构算法解空间优化

用于配电网络优化的智能算法在选择初始可行解时,往往忽视其是否满足电网电气运行特性,从而造成求解效率不高。从配电网的拓扑模型入手,归纳通用的底层网络运行约束条件,并基于该拓扑模型提出考虑电网运行特性的通用网架简化与开关分组策略,建立应用于简化网架的辐射运行约束函数,形成满足配电网辐射状网络运行要求的初始解空间。以遗传优化算法为例,证明通过拓扑收缩去除不可行解,将以指数倍数提高优化算法的计算效率。     

基于诊断算法配网重构中不可行解问题的研究

针对一般遗传算法应用于配电网络重构中会产生大量不可行解的不足,提出了基于诊断策略的遗传算法。该算法通过运用新的编码方法,改进了遗传操作,诊断出病态基因（即不可行解）,通过打开回路和连通孤岛,将不可行解修复为可行解。从而有效地解决了不可行解的问题,大大地提高了搜索效率。     

基于自适应多种群遗传算法的配电网重构

配电网重构是配电管理系统的重要内容,从本质上讲,它是一个非线性组合优化问题,若采用传统的遗传算法处理,由于其易于陷入局部最优解和随着配电网规模的扩大搜索效率低的问题,难以得到理想结果。提出一种改进的遗传算法来处理配电网重构问题,借助多种群进化和种群间个体移植的概念,通过自适应控制参数的调整,有效地避免了早熟,提高了算法的搜索范围和效率,较好地解决了配电网重构问题。理论分析和算例表明,该方法高效可行,适合配电网自动化的实际应用要求。     

配电网重构遗传算法的不可行解问题研究

不可行解是遗传算法应用于配电网重构时遇到的一个难题。文章介绍了配电网重构遗传算法不可行解的含义 ,讨论了不可行解产生的原因和危害 ,并针对遗传操作过程中可能产生不可行解的各个环节 ,讨论了交叉操作、突变操作和倒位操作等解决方案 ,认为这些方案可以有效地减少或控制不可行解 ,提高遗传算法的搜索效率。     

基于化整为零策略和改进二进制差分进化算法的配电网重构

为缩减编码长度,提高计算效率,提出了基于化整为零策略和改进二进制差分进化算法的配电网重构方法。将开关根据其在环路中的位置进行分类,建立了环路–开关关联矩阵。应用化整为零策略将整个解空间划分成若干个子解空间,应用改进二进制差分进化算法直接对各子解空间进行并行搜索,比较所有子解空间的搜索结果即可找到重构问题的最优解。该方法缩短了开关方案的编码长度,改进二进制差分进化算法通过调整变异、交叉操作规则,避免了不可行解的产生。接入分布式电源的配电网仿真算例验证了该方法的有效性。     

基于小生境技术的Pareto多目标配网重构

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建设和应用具有重要意义。该文提出一种基于小生境技术的多目标配电网最优重构遗传算法,将安全约束作为目标之一,得到Pareto最优解集,实现了真正意义上的多目标优化;提出了基于相似个体交叉和( 2 +2 )选择机制的小生境并行进化技术,改善了遗传算法的全局收敛可靠性和收敛速度。最后用算例说明了该方法的应用。