基于PSO的配网重构与电容器投切综合优化算法

配电网络重构和电容器投切是配电网络优化的两个重要内容,简单地迭加难以反映二者之间的联系和影响,不能到达整体最优的目的。将二者融为一体,提出了一种基于PSO的综合优化算法。算法借鉴了遗传算法的变异思想,对具有集聚倾向的粒子进行速度变异,避免了“早熟”现象;并结合配电网络综合优化问题的特点,适当地改进更新规则来同时处理不同类型的变量,引入“飞回”策略处理越限问题。算例结果表明所提算法不依赖于网络的初始状态,不易陷入局部最优,优化效果好。     

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.     

抗体克隆算法在配电网络重构中的应用

在人工免疫系统的克隆选择原理基础上,提出了一种抗体克隆算法.该算法先克隆亲和度高的抗体,然后利用小范围变异和大范围变异操作,从而寻找全局最优解.小范围变异能在较优解的基础上找到更优的解,增加找到全局最优解的机会.大范围变异能够防止抗体种群过早饱和,确保抗体种群的多样性.该算法应用于配电网络季节性产生的过负荷以及故障后恢复供电产生的过负荷,通过优化开关操作使得配电网络达到负荷均衡.算例表明本算法具有很高的搜索效率和寻优性能,可有效地应用于以负荷均衡为目标的配电网络重构.     

基于改进PSO算法在含风电场的电力系统无功优化控制

含风电场的电力系统无功优化是一种具有多状态、多约束条件的非线性规划问题.针对其存在易陷入局部最优解的缺点,提出了改进的PSO算法.该算法改变了初始化方法和粒子更新方法,并在算法后期引入变异因子.在放射状配电网络系统的仿真计算中,改进PSO算法与遗传算法相比较,结果表明,改进PSO算法可在较短时间内取得更好的优化效果.     

虚拟负荷法及其在配电网络动态优化中的应用

本文提出考虑负荷变化的电力系统动态优化的有效算法──虚拟负荷法。该算法根据最优网损曲线的变化，将时空分布的动态优化问题按时间分段等值为几个空间分布的静态优化问题，大大简化了计算，提高了算法的灵活性。该算法已成功地用于配电网络重构和电容器投切的动态优化中。     

含分布式电源优化调度的配电网络重构

配电网络重构是配电网优化的重要措施,分布式电源（DG）接入配电网将改变网络潮流分布,直接影响网络重构结果,而网络重构引起的DG相对位置变化也将引起DG最优输出功率的变化,进行单个优化不能达到整体最优的效果。针对这一问题提出了一种含分布式电源优化调度的配电网络重构方法。采用改进最小生成树算法和改进粒子群算法将网络重构和DG的优化调度相结合进行交叉迭代。首先,进行DG的优化调度;其次,进行网络重构。只要网络结构发生变化,就需要重新进行DG优化调度,直到重构和DG优化调度均无操作时算法收敛,停止计算。实际算例表明,该方法能有效降低配电网的网络损耗、改善电压质量,可以达到配电网总体最优。     

基于DAPSO算法的含分布式电源的配电网重构

为了改善智能算法性能、提高寻优效率、满足网络辐射状和连通性约束,提出一种基于动态自适应粒子群优化(DAPSO)算法的含分布式电源的配电网络重构策略,用于求解重构的离散变量优化问题。动态自适应调整惯性权重和对速度进行变异,避免算法陷入局部最优,保持全局开拓和局部探索的动态平衡,加强算法的寻优性能。采用"解环"法,确保重构后网络为辐射型并保证网络的连通性。基于IEEE33和PGE69节点系统的仿真结果显示,DAPSO算法收敛速度快、全局寻优能力强、稳定性好,其寻优重构方案可有效降低网损,改善电压水平,优于其他方法的结果,具有很好的实用价值。     

抗体克隆算法在配电网络重构中的应用

在人工免疫系统的克隆选择原理基础上,提出了一种抗体克隆算法。该算法先克隆亲和度高的抗体,然后利用小范围变异和大范围变异操作,从而寻找全局最优解。小范围变异能在较优解的基础上找到更优的解,增加找到全局最优解的机会。大范围变异能够防止抗体种群过早饱和,确保抗体种群的多样性。该算法应用于配电网络季节性产生的过负荷以及故障后恢复供电产生的过负荷,通过优化开关操作使得配电网络达到负荷均衡。算例表明本算法具有很高的搜索效率和寻优性能,可有效地应用于以负荷均衡为目标的配电网络重构。     

模糊遗传算法在配电网络综合优化中的应用

网络重构和电容器投切是配电自动化的两个重要内容,是配电网降低网损、安全经济运行的重要措施。两者的综合优化问题比较复杂,肝传统算法难以同时进行。提出用遗传算法从全局角度进行求解,将开关状态变量和电容器投切组数变量作为控制变量。为加快回收敛速度,根据种群进化情况对交叉率和变异率进行在线模糊控制。算例表明该方法不依赖于网络初始状态,易于处理整数约束问题,优化效果好。另外,对配电网络进行综合优化,能大幅度地降低网损,改善电压质量,提高供电的经济性和安全性。     

基于协同进化算法的配电网络重构方案

提出了一种基于协同进化算法的配电网络重构方案,将配电网络重构分解为各个回路优化的子问题,采用分开进化、定期协同的思想来处理各个子问题,即生成与回路数目相等的种群,在确保全局最优解为优化方向的前提下,各种群独立进化对应各回路的优化过程。特殊的基因操作减少了不可行解的数量,提高了优化效率;使用"确定树"方法进行不可行解的修复,降低了陷入局部最优解的概率。算例结果表明所提算法具有较好的计算结果和较高的计算效率。     

基于粒子群算法的冷热电联供系统优化调度

近年来随着用户对供能形式的需求不断丰富,传统的以单一电能为形式的供能系统已经无法满足能源用户的需求。考虑了冷热电联供系统(combined cooling heating and power,CCHP)对不同能源协同供应的特点,对以风能、太阳能、天然气和储能协同供能的冷热电联供优化问题进行研究。综合考虑不同费率结构以及可再生能源带来的功率波动,以经济成本和环境成本为目标,构建了含燃气发电机、燃气锅炉、电制冷机、蓄电池组等机组的冷热联供能源协同优化模型。采用粒子群算法对多目标进行求解优化,结果表明该算法能够同时满足系统的经济性和环保性,对促进各种能源的综合利用具有实际意义。     

基于随机微粒群算法的电力系统无功优化

介绍保证以概率1全局收敛的随机微粒群算法,针对随机微粒群算法难以在有限进化代数搜索到全局最优解的问题,介绍一种改进的随机微粒群算法,这种算法对随机微粒群算法停止进化的微粒采用模拟退火方法生成,使得搜索更为有效.提出将两种算法分别应用于电力系统无功优化,通过对IEEE14节点系统的仿真计算,并与遗传算法、标准微粒群算法相比较,结果表明这两种算法取得了更好的优化效果,改进的随机微粒群算法更具有实用意义.     

混合整数无功优化问题的连续优化方法

通过对离散变量进行二进制编码,把每个离散变量表示成若干个取值在0、1之间的连续变量,从而将一个含有离散变量的混合整数无功优化问题转化为一个等价的连续优化问题,再用非线性原对偶内点算法求解。并且,在优化过程中根据二进制变量的权重系数逐步确定离散变量的取值,实现了离散变量在优化过程中的逐次归整。并以IEEE118节点作为试验系统,与常规的离散优化算法作比较,验证了该算法的正确性和有效性。     

混合整数无功优化问题的连续优化方法

通过对离散变量进行二进制编码,把每个离散变量表示成若干个取值在0、1之间的连续变量,从而将一个含有离散变量的混合整数无功优化问题转化为一个等价的连续优化问题,再用非线性原对偶内点算法求解.并且,在优化过程中根据二进制变量的权重系数逐步确定离散变量的取值,实现了离散变量在优化过程中的逐次归整.并以IEEE 118节点作为试验系统,与常规的离散优化算法作比较,验证了该算法的正确性和有效性.     

基于拟态物理学优化算法的微电网功率优化

考虑天气等因素对微电网有功功率平衡的影响,计及电力市场环境下的需求侧响应,将微电网负荷分为高赔偿可中断负荷(ILH)与低赔偿可中断负荷(ILL).在保证微电网功率平衡以及满足潮流、电压、频率偏移和开关损耗等约束的前提下,以微电网总收益最大为目标函数,建立考虑切负荷操作的微电网功率优化数学模型,并利用拟态物理学优化(APO)算法进行求解.微电网14节点系统的仿真结果验证了所提算法的有效性.     

基于粒子群-差异进化混合算法的电力系统无功优化

针对传统粒子群算法中收敛速度快但易于陷入局部最优等特点,将差异进化算法与粒子群算法相结合,提出了一种粒子群-差异进化混合算法。该算法在粒子寻优过程中除跟踪个体极值和全局极值外,还跟踪粒子差异进化产生的第三个值;同时,当粒子在某一维上的速度小于给定值时,将重新初始化该维度粒子速度。建立了无功优化数学模型,并将合算法应用到无功优化中。通过MATLAB编程对IEEE-30节点系统进行优化计算,并与遗传算法和粒子群算法比较,结果表明本文提出的算法应用于无功优化拥有较快的收敛速度和全局寻优能力,具有广阔的发展前景。     

改进粒子群算法的无功优化

通过对传统梯度算法和粒子群算法的研究,提出了将梯度算法和粒子群算法(GPSO)相结合的梯度粒子算法.建立了无功优化的数学模型,将梯度粒子算法运用到无功优化中,通过算例验证,梯度粒子算法能够获得更好的全局最优解,此表明该算法运用到实际中将有利于在线电力系统无功优化.     

基于全局粒子群算法的无功优化

针对粒子群(PSO)算法的局限性,提出了全局粒子群(GPSO)算法,并将其应用于电力系统无功优化.建立基于全局粒子群算法的无功优化数学模型,给出全局粒子群算法的具体步骤.通过对IEEE30节点算例的测试,得到全局粒子群算法在无功优化问题上的收敛速度和优化效果.     

基于改进粒子群算法的多目标无功优化

提出了一种基于粒子群算法的多目标优化方法,该算法采用Pareto支配关系来更新粒子的个体最优和全局最优值,用存储池保存搜索过程中发现的非支配解;采用聚类算法裁剪非支配解,以保持解的分散性;采用动态惯性权重来平衡粒子的局部和全局搜索能力,并将该算法应用于IEEE14节点系统的多目标无功优化