基于改进最小生成树算法的油田电网网架优化研究

对现有的基于改进最小生成树的网架优化算法进行了改进。在原算法的基础上,提出了一种新的最小生成树算法。该算法简单易行,易于编程,提高了算法的计算效率。并把用户侧停电损失与线路建设费用和运行费用三者之和作为目标函数,以线路不过负荷为约束条件建模,以破圈迭代法求解最终网架。最后以大庆油田电网为例进行了网架优化,结果表明通过此方法获得的网架优化结果实现了经济性与可靠性的协调最优。     

一种基于改进最小生成树算法的配电网架优化规划

提出了一种用于配电网络规划的改进最小生成树算法：将配电网的电源点和负荷点当作顶点，将各个顶点间可能架设线路的走廊当作边，将线路的建设费用和运行费用(主要为线损)之和作为各条边的权，在采用基本最小生成树算法获得初步规划方案的基础上，采取动态调整各条边的权值并反复迭代的方法，获得总费用最小的优化规划结果，并采用随机初始权值的处理方法以提高获得全局最优解的机会。首先选中各个电源点间的最短路径、并以不再产生新的环路为约束条件，运用提出的改进最小生成树算法，实现了多供电途径的网格状配电网架规划，讨论了交叉点的处理方法以及在已建成网络的基础上进行扩展规划的方法。规划实例表明文中提出的方法是可行的。     

一种基于改进最小生成树算法的GIS配电网架优化规划方法

配电网架优化规划方法是基于GIS的配电网规划工作的重要组成部分。图论是研究图的组合关系及结构的一个数学分支,可以方便地实现图形同计算机算法的结合。因此,采用图论中的重要理论——最小生成树算法作为GIS软件处理配电网架优化规划问题的基本方法。阐述了从配电网架优化规划论域转化到加权图的一些处理措施,提出了一种采用基于限定主干网架线路的改进最小生成树算法的配电网网架优化规划方法。     

一种新的最小生成树算法

针对在最小生成树求解中常用的Prim算法和Kruskal算法适合直接在图上作业而不适于计算机求解,提出了一种新的最小生成树算法：根据最小生成树的定义和性质,对权矩阵进行操作。其优点是：求解过程简单清晰,形象直观,快速有效,易于编程,且具有更广泛的适用性,在求解多节点网络的最小生成树时更能体现其计算速度快的优越性。最后用大庆油田电网作为具体的实例验证了本算法的正确性。     

一种新的最小生成树算法

针对在最小生成树求解中常用的Prim算法和Kruskal算法适合直接在图上作业而不适于计算机求解,提出了一种新的最小生成树算法:根据最小生成树的定义和性质,对权矩阵进行操作.其优点是:求解过程简单清晰,形象直观,快速有效,易于编程,且具有更广泛的适用性,在求解多节点网络的最小生成树时更能体现其计算速度快的优越性.最后用大庆油田电网作为具体的实例验证了本算法的正确性.     

一种基于改进最小生成树算法的GIS配电网架优化规划方法

配电网架优化规划方法是基于GIS的配电网规划工作的重要组成部分.图论是研究图的组合关系及结构的一个数学分支,可以方便地实现图形同计算机算法的结合.因此,采用图论中的重要理论--最小生成树算法作为GIS软件处理配电网架优化规划问题的基本方法.阐述了从配电网架优化规划论域转化到加权图的一些处理措施,提出了一种采用基于限定主干网架线路的改进最小生成树算法的配电网网架优化规划方法.     

基于最小生成树算法的配电网架扩展规划

基于改进最小生成树算法，提出了一种高效率的配电网扩展规划方法。以最大投资额度为约束条件，以建设费用与运行费用的加权和最低为目标函数，采用prim算法求取最小生成树获得初步规划结果，根据潮流计算结果调整导线截面并计算运行费用，依此反复迭代调整规划网架直至最优。规划过程中考虑了对道路交叉点区别对待，并且只将采用Dijkstral算法获得的顶点间的最短路径作为边，还考虑了拆除线路的残值和拆除费用。对两个典型算例进行了规划，结果表明所提出的方法是可行的且具有较高的效率。     

基于最小生成树算法的配电网架扩展规划

基于改进最小生成树算法,提出了一种高效率的配电网扩展规划方法。以最大投资额度为约束条件,以建设费用与运行费用的加权和最低为目标函数,采用prim算法求取最小生成树获得初步规划结果,根据潮流计算结果调整导线截面并计算运行费用,依此反复迭代调整规划网架直至最优。规划过程中考虑了对道路交叉点区别对待,并且只将采用Dijkstral算法获得的顶点间的最短路径作为边,还考虑了拆除线路的残值和拆除费用。对两个典型算例进行了规划,结果表明所提出的方法是可行的且具有较高的效率。     

基于最小生成树算法和改进遗传算法的配电网络综合优化

配电网络重构和电容器优化配置是进行配电网络优化的两大重要手段。两者都有降低网络有功损耗和提高供电电压质量的功能,但单个的网络重构和电容器投切都不能达到配电网络总体优化的效果。且两者一个是非线性组合优化问题,一个是非线性规划优化问题,用传统方法将两者结合进行配电网综合优化容易产生＂组合爆炸＂,计算效率低。文章采用最小生成树算法和改进遗传算法将网络重构和电容器投切相结合,同时优化网络结构和网络参数,实现配电网络的综合优化。     

基于最小生成树算法的配电网络重构

为提高配电网的供电电压质量,提出了一种基于最小生成树算法的配电网络重构方法.首先将整个配电网当成一个赋权图,在潮流计算的基础上,利用Kruskal算法寻找网络的最小生成树,然后通过动态调整各条边的权值并反复迭代进行支路交换操作、细致优化网络,最终得到满足目标函数的网络拓扑.实例表明该方法不仅可以提高供电电压质量,也能够达到降低网损的目的.该方法对所寻网络没有特殊要求,不依赖于网络初始结构,易于解决复杂结构网络的寻优问题,重构速度快、效果理想.     

An improved distribution network reconfiguration method based on minimum spanning tree algorithm and heuristic rules

This paper presents an improved distribution network reconfiguration method with the goal to minimize active power loss. The proposed method combines the minimum spanning tree (MST) algorithm and improved heuristic rules. It consists of three procedures. The first procedure calculates the branch (edge) weights with bus (vertex) voltages, and then carries out preliminary optimization with MST algorithm to get a local optimal solution. The second procedure gets alternative optimal solution based on the improved heuristic rules. Then during the third procedure, the optimal solution can generally be obtained through correcting the results. The algorithm does not rely on the initial network topology. The local optimal solution, solved by MST algorithm, provides a favorable initial condition for the subsequent optimization procedures. Further with the improved heuristic rules, the amount of the candidate switches can be significantly reduced. Two typical test systems, 33-bus system and 69-bus system, and a real 210-bus MV utility distribution system verified the feasibility and effectiveness of the proposed method. The method has higher efficiency and can be used to the large distribution systems.     

基于Multi-agent和粒子群引导最小生成树的配电网重构算法

在最小生成树的基础上提出了粒子群引导的最小生成树算法,并结合粒子间互学习,优秀粒子自学习,优胜劣汰机制和Multi-agent系统的特点,构成了一种新的配电网重构算法。该方法加强了信息在环境中的传递,有效地解决了一般最小生成树的盲目性,边值的难以确定性和改进粒子群优化算法仿生学意义的不明确性等缺点。在Multi-agent系统中,粒子通过竞争与合作,提高了粒子间的相互交流,加快了粒子向全局最优点靠拢。对粒子进行互学习和自学习操作,使算法的收敛速度得到进一步的提高。通过对PG&E69系统进行仿真,结果表明提     

基于Multi-agent和粒子群引导最小生成树的配电网重构算法

在最小生成树的基础上提出了粒子群引导的最小生成树算法,并结合粒子间互学习,优秀粒子自学习,优胜劣汰机制和Multi-agent系统的特点,构成了一种新的配电网重构算法.该方法加强了信息在环境中的传递,有效地解决了一般最小生成树的盲目性,边值的难以确定性和改进粒子群优化算法仿生学意义的不明确性等缺,点.在Multi-agent系统中,粒子通过竞争与合作,提高了粒子间的相互交流,加快了粒子向全局最优点靠拢.对粒子进行互学习和自学习操作,使算法的收敛速度得到进一步的提高.通过对PG&E69系统进行仿真,结果表明提出的算法具有计算速度快,收敛性好,求解可靠等优点.     

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。     

基于改进随机森林的电力线通信优化算法研究

针对传统信道估计技术会占用频谱资源的缺陷,提出了一种基于改进随机森林的解映射优化算法。首先针对信源数据固有的不平衡性引入了改进SMOTE算法进行预处理,基于电力线信道特性确定了少数类数据的合成规则,并以解映射模块的子区间误码率作为评价指标进行性能分析。搭建了宽带电力线通信系统模型,以实际电表数据作为信源数据,在500 m的18径电力线信道模型下进行了仿真测试。实验结果表明,所提算法可以很好地弥补电表数据固有的不平衡性对随机森林性能的影响,极大地降低了子区间误码率的波动性。在各种信噪比环境下,引入改进随机森林算法均可以很好地优化解映射模块性能,提高宽带电力线通信质量,降低误码率。     

基于改进差分进化算法的微电网经济优化

为了解决差分进化算法局部搜索能力差、收敛速度较慢的问题,结合不同方式的变异特点,引入模拟退火策略,保证算法有较强的全局搜索能力和较快的收敛速度,使其适用于微电网经济优化问题.建立了基于各微源燃料成本、运行和维护成本、污染物排放成本和污染气体或温室气体排放约束的微电网环保经济优化模型.通过算例验证了算法和模型应用于微电网经济优化的正确性和有效性,以及该算法具有很好的收敛性和较高的计算速度,为DE算法进一步改进打下基础.