基于粒子群蚁群混合算法的配电网故障后重构研究

针对粒子群算法在配电网故障恢复中容易陷于局部干扰和蚁群算法计算速度慢的缺点,提出了适用于配电网故障后重构的基于粒子群蚁群的混合算法,确定了配电网重构时的潮流计算方法和目标函数,根据配电网的网孔对配电网的支路进行分组、编码,并简化网络;最后采用粒子群算法、蚁群算法、混合算法共三种算法对IEEE33节点系统进行了故障后的重构仿真分析,仿真结果验证了混合算法在配电网故障后重构应用中的有效性。     

基于粒子群破环的主动配电网故障重构协同优化

针对主动配电网新能源接入时对故障自愈稳定性和节能优化运行的多重要求,文章提出一种粒子群“破环”的优化算法,以实现故障自愈过程中新能源接入承载力与线损协同的优化方案。首先给出配电网自愈重构的约束条件和优化目标函数,采用Floyd算法搜寻配电网的最小环结构,并采用一种改进的“破环”粒子群优化算法对故障自愈重构进行优化。最后通过与传统的粒子群优化算法的对比仿真,证实研究算法的寻优能力与收敛速度,可为主动配电网故障重构提供理论依据。     

基于多目标的多阶段主动配电网规划方法分析

传统主动配电网规划方法未考虑到间歇性分布电源可信性出力,且配电网负荷分配不合理,导致规划效果并不理想。提出一种基于多目标的多阶段主动配电网规划方法,在常规负荷预测的基础上组建接入主动配电网的风、光等间歇性分布电源可信出力模型,全面考虑需求侧响应对负荷预测结果的影响,构建配电网负荷预测模型;通过负荷预测结果,构建基于多目标的多阶段主动配电网规划模型;基于粒子群算法,在模型优化的过程中引入快速支配策略、精英保留策略等,对节点配电系统进行计算,设计不同负荷水平下的电源最佳规划方案。仿真实验结果表明,所提方法能够有效减少规划费用,提升规划效果。     

配电网故障恢复研究现状及展望

配电网作为输电与用电的中间环节,一旦发生故障不仅会对上级电网产生影响,而且也给下级电力客户带来重大损失。因此,制定合理、有效的配电网故障恢复策略十分重要。介绍了配电网故障恢复建模中常见的几种约束条件和目标函数,对求解配电网故障恢复方案的传统启发式算法以及现代智能优化算法进行分析,总结了各类算法的优缺点并分析了求解算法的发展趋势。结合配电网的实际状况及发展趋势,阐述了多故障及含分布式发电状况下的配电网故障恢复研究现状,探讨了配电网故障恢复的研究趋势和有待研究的五大问题。     

基于CAPSO的含分布式电源的配电网动态重构

对含分布式电源的配电网重构进行了研究,考虑配电网系统中各节点上的不同种类型负荷的不同占比和分布式电源日出力波动引起的日负荷变化,使用KMeans聚类算法对总的变化的日负荷进行时段划分,更具客观性;使用“解环”的重构策略,在满足动态重构的约束条件下以综合运行总费用最低为目标,使用较标准粒子群优化算法寻优性能更强的自适应惯性粒子群优化算法（CAPSO）进行配电网动态重构,得到最优重构策略,并用IEEE33节点系统进行了仿真验证。     

基于分组差分粒子群算法的含分布式电源配电网故障定位北大核心CSCD

针对粒子群算法在对含分布式电源的配电网故障定位时,易陷入局部最优的问题,文章提出了一种分组差分粒子群算法。该算法对粒子群进行了分组操作,每组粒子群均可代表原种群的特性,并对每组全局最优值进行了变异、选择操作。文章构造了配电网故障定位的目标函数,以含分布式电源的IEEE33节点配电网系统为例进行仿真测试,对该算法与其他启发式优化算法进行了对比分析,结果验证了该算法在故障定位时不易陷入局部收敛,且准确性和快速性得到提高。最后通过配网自动化平台对所提算法进行了验证,进一步证明了该算法应用于实际工程的可行性。     

基于混合算法的配电网中电池储能的多目标优化配置研究

基于随机会约束规划理论,计及系统的不确定性因素提出配电网储能电站多目标选址定容模型。首先分析配电网的经济性和可靠性特征,接着基于随机机会约束规划建立储能电站的优化模型。采用二进制粒子群算法和改进粒子群算法的混合算法对模型进行求解。最后利用研究模型,结合IEEE 33标准节点系统建立配电网储能电站优化算例,对离网模式和并网模式2种模式进行仿真,对优化配置结果进行对比和分析。     

考虑分布式电源孤岛运行的配电网故障恢复研究

为了在配电网故障时最大限度地对重要负荷供电,提出了分布式电源的孤岛划分模型,利用广度优先搜索算法和深度优先搜索算法相结合对分布式电源进行孤岛划分;接着建立了以开关操作次数最少及故障后负荷恢复量最大为目标的多目标故障恢复模型,对目标函数进行了归一化及线性加权处理,采用差分进化算法对故障恢复模型进行求解。最后采用IEEE33节点配电网进行孤岛划分,并对配电网中不同位置发生的故障进行了孤岛运行和网络重构,最大限度地恢复了网络供电,从而验证了孤岛划分模型和故障恢复模型及其算法的有效性。     

考虑分布式电源出力随机性的配电网无功优化策略

随着大量出力随机波动型的分布式电源并入配电网中,使得基于并联电容器等静态无功补偿装置的无功调节方式不能满足新的配电网络结构下的无功优化要求。提出了一种利用SVG动态无功补偿以稳定其并网点电压的无功控制策略,并详细分析了SVG容量的选取方法。在此基础上,提出了一种含有出力随机型及其他不同类型分布式电源的配电网无功优化策略,并利用改进的粒子群算法,充分验证了所提出方法的可行性及改进粒子群算法的快速有效性。     

含储能的三端SOP对主动配电网的潮流优化研究

提出一种含储能的三端智能软开关(SOP)对主动配电网的潮流优化策略,建立以SOP传输的有功功率、无功功率为决策变量,多种约束条件下配电网总有功损耗最小、电压偏差最小的多目标优化数学模型,采用多目标粒子群优化算法求取全局最优解,对SOP的最优接入位置进行选取,实现主动配电网总有功损耗的降低和电压水平的改善.最后,将不同类...     

基于改进粒子群优化RBF网络的变压器故障诊断

为提高变压器故障诊断精度,提出了一种改进粒子群优化RBF网络算法,用于优化RBF网络的中心参数。首先通过非线性递减权值策略改进粒子群算法,再利用改进粒子群优化RBF网络,最后建立用于变压器故障诊断的RBF网络模型,并在Matlab平台上进行了仿真测试。结果表明,优化后的RBF网络比单一RBF网络故障诊断率有大幅提高。通过诊断国网某公司的5组故障实例,验证了所提算法的可行性。     

基于分层分区的含DG配网故障恢复策略

为实现计及DG随机性出力的主动配电网分层分区故障恢复,建立了基于DG时段出力模型的主动配电网故障孤岛划分策略,并建立了主动配电网故障两阶段恢复模型,第一阶段综合考虑负荷的波动性和DG出力的随机性,建立考虑负荷恢复价值最优的主动配电网区域恢复方案;第二阶段利用可中断负荷建立配电网开关操作次数最优的全局优化模型,实现主动配电网故障后的故障恢复,既保证重要负荷的优化恢复,又延长了开关寿命,提高了经济性。采用改进的IEEE69节点系统进行仿真验证,验证了文中方案的有效性。     

基于VMD和SVPSO-BP的滚动轴承故障诊断

为了提高旋转机械滚动轴承故障诊断的准确率,提出一种基于变分模态分解（VMD）和缩放变异粒子群算法（SVPSO）优化BP神经网络的旋转机械滚动轴承故障诊断方法。通过在标准粒子群算法中加入缩放因子以及粒子变异操作提升其局部与全局寻优性能,得到一个改进的粒子群算法——缩放变异粒子群算法（SVPSO）,再利用该算法优化BP网络的权值与阈值,提高BP神经网络的故障诊断精度;进一步,为了减少输入特征向量对BP神经网络分类性能的影响,采用VMD分解轴承振动信号,并计算其IMF分量时频熵的方法构建信号特征向量。通过与其他采用相同基准轴承数据集的诊断方法作对比,所提方法的故障诊断精度和算法稳定性均得到有效提升。     

基于粒子群优化BP神经网络的风电机组齿轮箱故障诊断方法

提出了一种基于粒子群优化BP神经网络风电机组齿轮箱故障诊断方法。粒子群算法不需要计算梯度,可以兼顾全局寻优和局部寻优。利用粒子群算法对BP网络权值和偏置进行优化,减少了BP神经网络算法陷入局部最优解的风险,提高了神经网络的训练效率,加快了网络的收敛速度。考虑风电齿轮箱振动信号的不确定性、非平稳性和复杂性,提取功率谱熵、小波熵、峭度、偏度、关联维数和盒维数作为故障特征。经测试,算法诊断结果正确,表明了PSO优化BP神经网络用于风电机组齿轮箱故障诊断的有效性和实用性。     

基于混沌海鸥优化算法的含光伏发电系统负荷模型参数辨识

针对分布式光伏发电系统广泛接入配电网,导致电力系统潮流计算速度和精度较低的问题,提出一种基于混沌海鸥优化算法的含光伏发电系统负荷模型参数辨识模型。首先,在综合负荷模型的虚拟母线上接入等效光伏发电系统的负荷模型,从而建立配电网广义负荷模型;之后,提出一种将混沌优化与海鸥优化相结合的优化算法,基于该算法完成配电网的等值,并在此基础上进行含光伏发电的综合负荷模型参数辨识。最后,通过仿真表明该文提出的算法,相比于传统的粒子群算法和单一海鸥优化算法,在计算精度和收敛速度等方面具有优越性,并可应用于负荷模型的参数优化。