基于蚁群最优的配电网网架规划方法

配电网规划问题是一个复杂的组合优化问题.蚁群算法是用于解决组合优化问题的一种高效的随机化内启发式全局搜索技术,能有效地求解大规模组合优化问题.文中结合单阶段配电网规划问题的特点,应用蚁群算法来解决配电网规划问题,建立了相应的数学模型,并给出求解算法.算例的计算结果表明了这种方法是可行、有效的.     

基于蚁群最优的配电网网架规划方法

配电网规划问题是一个复杂的组合优化问题。蚁群算法是用于解决组合优化问题的一种高效的随机化内启发式全局搜索技术,能有效地求解大规模组合优化问题。文中结合单阶段配电网规划问题的特点,应用蚁群算法来解决配电网规划问题,建立了相应的数学模型,并给出求解算法。算例的计算结果表明了这种方法是可行、有效的。     

基于蚁群最优的配电网网架优化规划

配电网规划问题是一个复杂的组合优化问题。蚁群算法是用于解决组合优化问题的一种高效随机化内启发式全局搜索技术,能有效地求解大规模组合优化问题。文中结合单阶段配电网规划问题的特点,应用蚁群算法来解决配电网规划中网架规划绕障碍问题,建立了相应的数学模型,并给出求解算法。算例计算结果表明了该方法是可行的、有效的。     

基于蚁群是优的配电网规划方法

详细探讨了现代启发式方法家族中新兴成员－蚁群最优（Ant Colony Optimization,ACO)在配电网络扩展规划中的应用，蚁群最优是一种通用的内启发式（meta-Heuristic)算法，能够有效地求解大规模组合优化问题。文中给出了同时考虑配电网络扩展的固定费用和与电能损失相关的可变费用的配电网络规划的非线性混合整数规划模型，探讨了基于ACO的配电网络规划方法，并用该方法对一具有6个变电所，102条馈线的配电网络进行了测试，结果表明，文中所提方法是可行的，有效的。     

基于蚁群最优的输电网络扩展规划

输电网络扩展规划是一个非常复杂的大规模组合优化问题。章提出了一种基于蚁群最优的输电网络扩展规划法（ACO）。ACO法来自对蚁群收集行为的研究,是一种求解组合最优问题的新型通用型发式方法。这种方法的主要特征是正反馈、分布式计算以及富于建设性的贪婪启发式搜索的运用。作初步研究了ACO法在单阶段输电网扩展规划中的应用。建立了相应的数学模型,设计了相应的算法,并在IEEE Garver-6系统上进行了测算。结果表明所提方法是有效的。     

基于禁忌搜索与蚁群最优结合算法的配电网规划

禁忌搜索(TS)算法具有强大的全局优化性能,但其局部搜索性能易受分散性的影响;蚁群最优(ACO)算法的正反馈机制使其具有强大的局部搜索性能,但其全局优化性能的优劣在很大程度上与蒸发系数的选择有关,如选择得不合适易使算法陷于局部最优.文章将TS算法与ACO算法组合起来,提出了TS-ACO混合算法,用于求解配电网规划问题,在同时考虑扩展配电网所需的固定费用和与电能损失相关的变化费用的基础上,设计了非线性混合整数配电网规划数学模型,在一具有6个变电所、102条馈线段的配电网上进行的测试结果表明了TS-ACO混合算法的有效性.     

基于蚁群算法的配电网网架优化规划方法

蚁群算法是一种求解组合优化问题的新型通用启发式方法，该方法的主要特点是正反馈、分布式计算和富于建设性的贪婪启发式搜索。配电网网架优化规划是一个复杂的非线性组合优化问题。本文将蚁群算法用于配电网网架优化规划问题的研究，建立了网架规划的数学模型，该模型以线路的年综合费用和过负荷征罚费用之和最小为目标函数，并在此基础上设计了相应的算法。算例证明了该算法在配电网网架优化规划中应用的可行性和有效性。     

基于蚁群最优的配电网络重构算法

配电网络重构是一个非常复杂的大规模组合优化问题。本文提出了一种新颖的基于蚁群最优的算法来求解正常运行条件下的配电网络重构问题,以达到损失最小,蚁群最优算法法（Ant Colony Optimization,简称ACO算法）是一种新型通用内启发式算法。在求解组合最优问题上,ACO算法已被证明是非常有效的。ACO算法本质上是一个多代理系统,在这个系统中单个代理之间的交互导致了整个蚁群的复杂行为。这种方法的主要特征是正反馈,分布式计算以及富有建设性的贪婪启发式搜索的运用,为了证明本文提出的算法的可行性和有效笥,我们研究了两个算例系统,并给出了计算结果,结论表明,本文提出的算法是相当有希望的。     

蚁群算法在配电网规划中的应用

配电网规划是一个复杂的组合优化问题，传统的优化方法往往难以解决此类问题，但是近年出现的一些智能算法有效地解决了此类问题。蚁群算法是一种新型的模拟进化算法，研究表明该算法在求解组合优化问题时是有效的。算法中，蚂蚁之间通过信息素进行交流，相互协作，使得蚁群表现出智能行为，针对配电网络的辐射性特点，提出了基于蚁群算法的单期配电网优化规划方法，该方法避免了辐射性检查过程，提高了算法效率，算例表明该算法具有实用性和可行性。     

多阶段输电网络最优规划的并行蚁群算法

多阶段输电网络最优规划是一个复杂的非线性组合优化问题,难以采用传统的数学优化方法求解。蚁群算法是近年来出现的用于解决组合优化问题的一种高效的内启发式搜索技术,但存在着未成熟收敛问题。文中给出了多阶段输电网络最优规划的数学模型及其解的向量形式;详细分析了传统蚁群算法的未成熟收敛现象及其原因;提出一种并行蚁群算法并用于求解多阶段输电网络最优规划问题。并行蚁群算法无需初始可行解,能很好地协调局部搜索与全局搜索,在加快计算速度的同时有效地避免了因参数设置、种群规模等不同而引起的未成熟收敛。对实际算例的计算结果表明,该方法具有很高的计算效率和良好的全局收敛性。     

基于模式记忆并行蚁群算法的输电网规划

该文讨论了目前大规模输电网规划求解中常见的无法完成对解空间的充分搜索，从而难于求得全局最优解的问题；给出了泛函形式的输电网规划模型，并重点分析了输电网规划解的模式。在分析了传统蚁群算法易产生未成熟收敛现象及其原因的基础上，设计了一种基于模式记忆的并行蚁群算法，该算法通过模式记忆实现了解空间分解，能够有效地识别、记忆和跳出局部最优解；通过局部细化搜索进一步加强了局部搜索能力；通过并行计算提高了计算速度。某实际77节点的算例分析表明了该算法具有很高的计算效率和优秀的局部、全局收敛性，有效克服了现代启发式算法在求解输电网规划问题时存在的效率不高及未成熟收敛等现象。     

基于改进多种群遗传算法的配电网规划

提出了改进的多种群遗传算法并将其应用于配电网规划.根据优化目标数学模型确定统一目标函数和多个子目标函数,并将其作为父、子种群的适应度评价函数,用迁徙算子决定父子种群的联系程度.采用"0"和"1"逐线逐点方式对馈线和变电站进行编码,并构成网架的染色体.用变电站的容载比作为约束条件决定变电站的负荷规模.在此基础上提出了包括孤链、闭环、孤岛的修复方案,将遗传操作所产生的非辐射性网络修复成辐射性网络.该方法可以处理同时涉及变电站和馈线优化的多目标配电网规划问题.算例结果表明了该方法的有效性.     

模糊优化理论在电网规划中线路路径选择上的应用

提出了一种在电网规划中线路路径选择的新方法。通过在线路负荷矩最小与各用户负荷需求满足程度最大之间求最佳折衷平衡,解决了负荷预测不确定情况下的路径优化问题。文中算例验证了所提方法的可行性和有效性。     

一种求解最优机组组合问题的随机扰动蚁群优化算法

针对蚁群优化算法中易出现的停滞现象，设计出一种新颖的随机扰动蚁群优化算法。该算法包含了两个重要方面：一是提出了采用倒指数曲线来描述的扰动因子；二是设计出了相应的随机选择策略和扰动策略。此外，还对该算法中参数的选取方法及取值范围进行了研究和探讨。利用该算法求解最优机组组合问题，并在模型的转化、约束项的处理等方面进行了深入的分析。通过对两个测试系统进行计算，并与基本蚁群算法进行比较，证明了该算法可以有效地克服基本蚁群算法计算时间较长和容易出现停滞现象的缺陷，具有更好的全局优化能力。