基于二次插值粒子群算法的配电网多目标双阶段故障恢复策略

随着人们对供电质量要求的提高,为了满足配电系统的可靠性、安全性和经济性方面的要求,配电网的故障恢复策略相关研究成为了目前专家学者研究的重要课题。提出了基于二次插值粒子群算法的适用于配电网多目标下故障恢复的双阶段策略。首先建立了配电网故障恢复时基于不同目标函数下的数学模型,制定了适合基于二次插值粒子群算法的配电网多目标双阶段故障恢复策略的编码策略,并利用基于二次插值的粒子群算法对其进行求解。最后以某实际电网为例,在不同故障情况下验证了所提策略的正确性和实用性。     

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.     

基于禁忌搜索粒子群优化算法的无功优化

针对粒子群算法局部搜索能力较弱和存在早熟收敛的问题,提出将粒子群优化算法结合禁忌搜索的混合算法,并应用它来求解电力系统无功优化问题。该混合算法是以粒子群优化算法为主框架,以禁忌搜索算法作为个体群继续在邻域中寻优,寻优结果对粒子群算法的输出做了更新。混合算法保留了粒子群优化算法的并行处理性,同时利用了禁忌搜索算法的较强的"爬山"能力,加快了混合优化算法的收敛时间和提高了收敛解的有效性。     

基于混沌多目标粒子群算法的测点优选方法

模拟电路的测点优选问题旨在寻找总测试代价最低、测试性能最好的测点集合。之前的研究通常把最高测试性能作为约束条件,以单目标优化思想搜索代价最小的测点集合。而实际应用中,对测点集合的需求是多样化的,需要根据实际需求调整性能和代价间的关系。提出了混沌多目标粒子群算法,该算法采用多目标优化思想,能同时找到多样化的方案,并根据多目标优化问题的特点,加入了混沌机制提高算法的搜索能力。实验结果表明,该算法能找到对应不同测试性能的最优测点集合,与其他算法相比,算法成功率最高、找到的方案最多且运行速度较快。对模拟电路的可测性设计和故障诊断很有帮助。     

混沌粒子群优化算法在配电网无功优化中的应用

针对电力系统无功优化的特点,提出了一种基于传统粒子群优化(PSO)算法的改进型智能算法——混沌粒子群优化(CPSO)算法。CPSO算法采用混沌初始化进行改善个体质量和利用混沌扰动避免搜索过程陷入局部极值,利用该算法分别对IEEE14和IEEE30节点系统进行仿真测试。仿真结果表明,CPSO算法相对于PSO算法,优化效果理想,收敛速度快。     

基于粒子群算法的变电所优化布点研究

配电网规划涉及海量数据的处理以及多方面的复杂问题,具有多约束、非线性和离散性的特点,对所采用的数学工具提出了较高的要求。介绍了把粒子群算法引入到配电网规划中的变电所选址问题中,采用了负荷点对变电站归属属性为粒子进行编码的方式,拓展了基于浮点数编码的基本粒子群,针对变电所选址问题的特点,确定了相应的约束条件,从而改善了算法的搜索效率。实际电网规划算例说明了该算法的实用性和有效性。     

基于电网成效贡献度的储备项目量化评价方法及优选排序

“十三五”以来,随着电网公司经营形势日趋严峻,如何科学合理决策电网投资,提高项目安排精准度对企业可持续发展至关重要。针对电网基建储备项目特点,从经济性、安全性、协调性等方面研究电网基建储备项目对电网发展的贡献度,建立了一套科学合理的储备项目评价指标体系。并通过分析每个电网储备项目在经济性、安全性、协调性等方面对整个电网成效评估指标的提升情况,提出了储备项目对电网整体的综合贡献度计算方法,并以单位投资综合贡献度为基础,考虑电网建设时序的影响,构建了电网储备项目的动态优选排序模型。最后以某地区10 kV配电网为基础,对某地区2020年新建或扩建10 kV级别的储备项目进行评估和优选,验证所提电网储备项目评估和优选排序方法的科学性与合理性。     

基于免疫粒子群算法的电力系统无功优化

为提高粒子群优化(particle swarm optimization,PSO)算法的收敛性能,将免疫算法(immunity algorithms,IA)的免疫信息处理机制引入到标准粒子群算法,形成一种新的优化算法,即免疫粒子群算法。该算法将免疫算法的免疫记忆和自我调节机制引入PSO,并采用基于粒子浓度机制的多样性保持策略;同时,用免疫算法的"接种疫苗"和"免疫选择"来指导搜索过程。改进后的算法可以很好的保持优化过程中粒子群的多样性,抑制优化过程中出现的退化现象,保证算法的收敛精度和收敛速度。IEEE 30节点系统算例仿真表明,IA-PSO算法与标准PSO算法相比,能够及时跳出局部最优得到全局最优解,且收敛速度快、精度高。     

基于粒子群优化算法的动态无功优化

提出了用于电力系统动态无功优化的粒子群优化算法(PSO),应用一个时间优先级序列来选择有载调压变压器分接头和可投切并联电容器组的动作时刻,将动态无功优化转化为一系列的静态无功优化问题.针对每一个时刻的静态优化,用罚函数将有约束问题转化为无约束问题,最后用粒子群优化算法加以解决.算例充分验证了本算法的正确性和有效性,以及在限制控制设备动作次数方面取得的成功,适用于解决动态无功优化问题.     

基于改进粒子群算法的电力系统无功优化研究

阐述了一种改进粒子群的无功优化方法.粒子群优化(PSO)算法是进化计算领域中的一个新的分支,其源于对鸟群和鱼群群体运动行为的研究.针对粒子群优化容易陷入局部极值点的问题,文章提出混沌粒子群算法,该算法可以较好地避免PSO算法过快收敛于局部最优解,有较快的收敛速度.文中将该算法应用于求解电力系统无功优化问题,并与标准PSO算法的性能进行了对比,仿真计算证明该算法是有效、可行的.     

基于捕食搜索策略的粒子群算法在输电网络扩展规划中的应用

针对标准粒子群算法粒子维数要求过高和收敛困难易陷入局部最优的缺点,提出一种基于捕食搜索策略的粒子群算法,并将其应用于输电网络扩展规划。捕食搜索在较差的区域进行全局搜索以找到较好的区域,然后在较好的区域进行集中地局域搜索以使解得到迅速改善。通过限制的调节,控制粒子群搜索空间的增大和减小,从而平衡探索能力和开发能力。局域搜索大大降低了粒子数的要求,全局搜索有效地避免陷入局部最优。算例分析证明了算法的有效性和正确性。     

基于粒子群算法对无线能量传输系统的优化研究

基于中继线圈的磁耦合谐振式无线能量传输系统,由于频率分裂现象,造成了系统传输效率的下降.利用互感理论建立了含有中继线圈的磁耦合谐振式无线能量传输系统模型,选取三个主要影响传输效率的参数,以改进的粒子群优化算法为基础,对三个参数进行参数匹配.结果表明:得出在系统工作频率为100 MHz,发射线圈与中继线圈距离为0.3 m...     

基于粒子群算法的含风电场电网规划优化研究

风电的不确定性以及负荷的随机变化性增加了电网规划难度。为此,针对系统运行、可靠性等约束条件,把罚函数转换为无约束目标函数,建立基于粒子群算法的含风电场电源规划多控制变量问题优化模型,并提出和分析优化规划的详细步骤。最后,采用IEEE30标准节点系统进行仿真优化,仿真优化结果验证了该模型的有效性、可行性,效果显著。     

基于混沌粒子群优化算法的微电网优化运行技术

以混沌粒子群优化算法为基础进行微电网优化运行技术的研究。首先,通过基于线性微分递减策略的惯性权重的引入,避免算法陷入局部最优;同时,采用线性调整的学习因子的选取增强算法的全局搜索能力;在此基础上,将粒子群优化算法与混沌理论相结合,通过增加粒子的随机性与遍历性,进一步解决传统粒子群算法容易出现早熟和搜索能力不强的问题;然后,在光伏电池、风力发电机等微电源模型构建基础上,考虑到功率平衡、微电源输出功率等约束条件,设计微电网优化运行目标函数,保障其运行成本最优;最后,通过对IEEE-14节点模型的微电网系统仿真对比,验证了算法的可行性与有效性。     

改进粒子群算法在分布式电源优化配置中的应用研究

合理的分布式电源(DG)位置和容量对配电网的安全、经济运行至关重要。建立了以电力公司年综合经济效益最大的优化配置模型,针对传统粒子群算法存在的早熟现象,采用改进粒子群算法进行目标函数寻优,最终得到满足目标函数的分布式电源最优配置方案与实际运行时的最优输出功率。对实际算例的仿真计算结果验证了算法的正确性和有效性,为进一步开展分布式电源规划拓展了思路。     

基于改进粒子群算法的微网优化运行

微网作为分布式电源并网的一种有效途径,其优化运行成为研究的重要课题之一。在多方利益的权衡下,考虑了经济成本、环境成本、网损和节点电压偏差等多个运行指标对微网的优化运行进行建模;引入精英反向学习策略和最劣粒子排斥法对粒子群算法(particleswarmoptimization,PSO)进行改进,并将其用来解决多目标多约束的微网优化运行问题,在搜索过程中对当前最优粒子进行混沌扰动,以加强局部探索能力,提高粒子跳出局部最优解的能力。在相同的条件下,分别用改进前后的算法求解所建立的微网优化运行模型,优化结果验证了改进后算法的优越性。     

基于粒子群遗传算法的变电站优化规划

文章综合考虑了变电站规划的经济性和安全性,提出了一种基于粒子群算法(PSO)和遗传算法(GA)相混合的变电站优化规划算法.该算法运用繁殖因子动态划分子种群、最佳保持策略和PSO算子等思想,并通过实例进行编程计算,结果表明该算法比遗传算法或粒子群算法求得的解更优.     

基于粒子群算法的输电线路参数辨识

为了确保电力系统建模的精确性和安全稳定分析的可靠性,进行输电线路参数辨识测试是1项重要的工作.粒子群算法是近几年来迅速发展起来并得到广泛应用的1种新型模拟进化优化算法.在简要介绍粒子群算法的基础上,将其应用于输电线路的参数辨识,并给出了参数辨识过程的理论分析,算例表明该算法具有可行性和有效性,对电力系统的发展有一定意义.     

基于多策略自适应粒子群算法的电网无功优化

针对无功优化中确定无功补偿点和无功补偿容量的问题,本文提出了一种基于奇异值分解理论和多策略自适应粒子群优化算法(MS-APSO)的无功优化法。首先基于潮流计算中的雅可比矩阵奇异值分解以确定电压稳定性较弱的节点作为无功补偿节点;然后以线路有功损耗、负荷节点电压偏差最小以及节点稳定度最大为目标优化无功补偿量。为解决迭代后期算法收敛速度降低、粒子群多样性下降等问题,提出了多策略自适应改进算法以寻求全局最优解,综合考虑了粒子群多样性、惯性权重、越限重置和变异的影响,有效提高了算法前期的收敛速度和后期的寻优能力。最后,改进算法的有效性在IEEE 118算例中得到了验证。结果表明,改进后算法降损率与传统方法相比可以提高38.6%。