基于蚁狮优化算法分数阶PI的PMSM矢量控制

针对永磁同步电机(PMSM)双闭环矢量控制系统中传统工程经验比例积分(PI)参数整定易出现超调、振荡、鲁棒性不强等问题,提出采用分数阶PI(FOPI)控制器应用于系统的转速外环,并利用蚁狮优化(ALO)算法对FOPI控制器进行参数优化.该算法利用自然界中蚁狮狩猎蚂蚁的过程,将待优化的参数看作蚁狮个体所处空间位置,并利用...     

基于改进蚁群算法的分布式电源容量优化配置

以实现配电网经济成本最低和环境污染最小为目的,设计了基于改进蚁群算法的分布式电源容量优化配置方法。首先,考虑节点环境不同因素搭建含多类分布式电源的配电网综合运行模型,明确了系统运行约束以及功率约束;其次,通过对信息素进行约束提出了改进型蚁群算法,以提高蚁群算法的收敛精度以及速度;之后,设计了基于改进型蚁群算法的配电网容量优化配置流程;最后,在Matlab平台上实现了中压配电网系统的容量优化以及选址,与相关案例结果对比分析验证了所提出方法的有效性。     

基于改进猫群算法的分布式电源优化配置

对分布式电源(DG)进行合理的选址和定容能使其经济效益最大化。目前用于解决分布式电源优化配置的大多算法都存在对控制参数依赖性过强的问题,导致算法容易陷入局部最优解。为解决该问题,提出了一种混沌改进的多目标猫群算法。利用混沌理论的随机性、遍历性及其规律性,对猫群算法的参数进行调整,使算法能快速得出全局最优解。在分析DG特性的基础上,建立了考虑含分布式电源的有功网损费用最小和用户购电成本最小模型。最后,以PGE69节点配电网为例,通过将改进算法与粒子群算法及基本猫群算法的效果对比,验证改进算法对分布式电源优化配置问题的有效性。     

基于萤火虫算法的分布式电源优化配置研究

为了充分发挥分布式电源的优势,在研究分布式电网潮流特性的基础上,提出了以网络损耗最小和运行最经济为主要目标的分布式电源运行目标函数。并利用改进后的萤火虫算法对函数进行了求解探索。仿真证明,利用更迭域自适应方法改进后的萤火虫算法可有效地解决多目标复杂模型,寻优速度和算法收敛性明显好于单一算法,能够很好地解决分布式电源的定容和定址等优化配置问题。     

基于改进萤火虫算法的分布式电源优化配置

在分析分布式电源特性的基础上,建立了含分布式电源的购电成本最小、网损费用最小、投资成本最小以及电压稳定裕度最大的多目标优化模型,能够比较实际、科学地反映DG规划布局。在此基础上,应用超效率数据包分析评价方法,明确各目标函数的权重组合方案,将DG多目标规划问题转换成单目标规划问题。鉴于传统萤火虫算法具有容易早熟、过度依赖控制参数的缺陷,将混沌搜索策略和全局思想融入到萤火虫算法,提出了一种改进型萤火虫算法;并将其应用于解决分布式电源的规划问题。通过算例验证所提算法具有良好的实用性和适应性,并且也验证了所提模型的实际意义。     

基于改进萤火虫算法的农村配电网分布式电源优化配置

为了借助分布式电源就近供电的优势,进一步改善农村配电网负荷的供电质量,本文针对分布式电源在农村配电网中的优化配置问题,建立了综合考虑分布式电源建设运行总成本与农网网络损耗的多目标优化配置模型,并提出一种基于自适应步长策略的萤火虫优化算法用于农村配电网分布式电源的优化配置,并应用交互式模糊决策技术从前期优化配置pareto解集中选取最优配置方案。通过IEEE-33节点的配电网算例的仿真与分析,验证了模型的可行性与方法的有效性。     

基于改进乌燕鸥算法的分布式电源优化配置

对分布式电源(DG)接入配电网进行合理规划配置,能够在兼顾运营商和用户利益的同时,提高系统电压稳定性.在考虑经济指标的情况下,提出了一种新的系统电压增强指标,改善了系统整体电压分布.建立了多目标优化模型,利用层次分析法确定各目标函数的权重,进而转化成单目标函数规划问题.针对乌燕鸥算法全局搜索能力较强和局部搜索能力较弱的...     

基于改进果蝇优化算法的分布式电源优化配置

研究分布式电源（distributed generation,DG）接入配电网的优化配置问题,基于模糊隶属度技术建立综合考虑投资效益、电压指标和网损的多目标优化配置模型,有效解决了因各子目标数量级不同而导致的过度优化问题。对一种新颖的仿生智能算法--果蝇优化算法（fruit fly optimization algorithm,FOA）进行改进,效仿细菌在觅食过程中的趋化思想,在算法寻优过程中引入吸引和排斥操作,有效提高了种群多样性,降低了算法陷入局部最优的可能。IEEE 33节点系统的仿真结果表明,与传统果蝇优化算法和粒子群优化算法（particle swarm optimization,PSO）相比,改进果蝇优化算法（improved fruit fly optimization algorithm,IFOA）在寻优速度和求解精度上都具有较大优势,能快速、有效地搜索到最优配置方案,从而验证了改进算法的有效性与合理性。     

基于改进萤火虫算法的分布式电源优化配置研究

分布式电源(DG)的位置和容量优化配置可确保其发挥更好的技术经济效用。本文在分析DG特性的基础上,建立了考虑含分布式电源的有功网损费用最小和投资成本最小模型;鉴于传统萤火虫算法具有容易早熟、收敛速度慢、过度依赖控制参数的缺陷,将混沌搜索策略融入到萤火虫算法,提出了一种改进型多目标萤火虫算法;为克服算法对控制参数依赖性较强缺陷,利用混沌理论的随机性、遍历性及其规律性特性,对萤火虫算法的参数进行调整。最后,以PG&E69节点配电网为例,采用Matlab仿真软件验证本文所提算法在求解DG优化配置问题上的有效性,及其与粒子群算法、常规萤火虫算法相比所具有的更好的寻优精度和优化结果。     

基于分布式可再生能源发电的能源互联网系统

以分布式可再生能源发电为基础,构建可以实现实时、高速、双向的电力数据读取和可再生能源接入的能源互联网系统.能源互联网系统由智能能量管理系统、分布式可再生能源、储能装置、变流装置和智能终端等组成.智能能量管理系统提供了一个可视化的操作平台,除了可以实现常规的能量管理,还可以实现可再生能源的"即插即用",并根据系统需要,自主实现孤岛运行和并网之间的切换;储能装置在改善电能质量、提高系统稳定性、电源备用和提高经济效益方面具有重大的作用,是能源互联网系统不可缺少的组成部分;电力电子变压器的应用使可再生能源发电达到电网接入要求.最后确定了控制策略、电力电子变流技术和储能技术3个能源互联网的未来主要研究方向.     

基于蚂蚁算法的配电网无功优化

电力系统中无功功率的优化配置在电网经济运行中占有十分重要的地位,无功优化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。文中采用改进的蚁群算法来解决配电网络无功优化问题,建立了相应的数学模型。并以某城市配电网无功优化结果表明这种方法搜索效率高易于找到全局最优解的优点。     

基于蚂蚁算法的配电网无功优化

电力系统中无功功率的优化配置在电网经济运行中占有十分重要的地位,无功优化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。文中采用改进的蚁群算法来解决配电网络无功优化问题,建立了相应的数学模型。并以某城市配电网无功优化结果表明这种方法搜索效率高易于找到全局最优解的优点。     

分布式可再生能源发电出力稳定性最优选择探讨

探讨了在分布式可再生能源发电（DREG）具有成本优势且电网对其出力稳定性要求增加的前提下,DREG出力稳定性的最优决策。在对DREG随机性出力成本特性进行分析的基础上,基于随机生产模拟方法构建了发电利润期望值最大化目标下DREG出力稳定性的最优选择模型,运用该模型对以IEEE—RTS系统负荷数据为基础的算例进行了计算和分析,得出了DREG厂商的最优决策可能损害电网企业以及电力用户的利益的结论,并提出了改进的措施。     

基于改进NSGA2算法的配电网分布式电源优化配置

分布式电源接入配电网对其潮流分布、有功网损、电压稳定等多方面造成影响.建立以分布式电源有功网损、电压稳定性指标和投资成本最小为目标的配电网多目标优化模型.提出了改进的带精英策略的非支配排序遗传算法（non-dominated sorting genetic algorithmⅡ,NSGA2）,将改进单亲遗传算法移植到NSGA2,对非劣分层算子进行改进,缩短算法计算时间,最后通过IEE33节点算例分析,结果表明该模型可以在投资成本、有功网损、电压稳定性方面,较为全面地优化配电网分布式电源的配置.     

风-光-沼可再生能源分布式发电系统电源规划

为了有效提高风–光–沼混合可再生能源分布式发电系统的可靠性和经济性,首先研究分析了风、光、沼各发电电源特点以及该分布式发电系统结构特征,并以此为基础建立了其系统电源规划的优化目标函数和约束条件函数等数学模型。由于改进的自适应遗传算法使用最优保存策略进化模型的选择算子、改进的自适应交叉算子和变异算子,来获得较优的全局搜索能力和较强的鲁棒性,所以采用该遗传算法对此分布式发电系统电源规划进行优化运算处理。最后选取某负荷中心的300 kW负荷总量为对象进行风–光–沼混合可再生能源分布式发电系统的电源规划模拟优化求解,算例结果验证了该方法的可行性和有效性,而且对其它类型可再生能源分布式发电系统电源规划有一定的指导意义。     

分布式发电接入村镇配电网络的影响模拟分析

当新能源分布式发电并网后,新能源发电的随机性与分布式发电与负荷的空间关系会对电力系统的潮流、电能质量和运行可靠性造成影响。本文旨在研究将新能源发电与一个典型村镇配电网连接后,对电压、潮流和对有载调压变压器等电力设备运行的影响。并结合村镇配电网的运行特点,对分布式发电接入造成的影响进行分析,探讨了减少发电机输出约束需求的解决方案。其次,通过SIMULINK模拟了可再生发电系统(光伏阵列)与村镇配电网系统,分析了新能源分布式发电对村镇配电网的影响。     

基于改进粒子群优化算法的多目标分布式发电规划

通过归一化处理和权系数选取,将以网络损耗最小、节点电压平均偏差最小、静态电压稳定裕度最大和总投资成本最小为目标的多目标分布式发电（distributedgeneration,DG）规划模型转化为单一目标。采用改进粒子群4~g415（improvedparticleswarmoptimization,IPSO）算法进行DG规划的优化计算,为避免陷入局部最优,对惯性权重进行非线性的自适应调整,并在计算过程中引入速度变异算子和位置交叉算子,较好地克服了计算后期易陷入局部收敛的问题。将IPSO算法应用于69节点配电网测试系统,仿真结果验证了IPSO算法是有效和可行的。     

基于改进粒子群算法的含DG配电网无功优化

含分布式电源(DG)配电网的无功优化是一个复杂的非线性优化问题,文中采用改进的粒子群算法(PSO)对配电网进行无功优化计算,建立以系统网损和电压平均偏离最小为目标函数,节点电压和电容器投切容量为约束条件的优化模型。在PSO中引入位置方差防止PSO陷入局部最优解,根据种群中粒子的适应度值对粒子进行变异处理,在保证算法收敛速度的基础上,改善算法性能。以含分布式电源的IEEE14节点配电系统为例进行无功优化分析,结果表明DG能增强电网运行的稳定性,所提算法具有较好的优化性能。     

基于猫鼠种群算法的分散式风力发电优化配置

发展智能电网是能源可持续发展的重要支撑,而以分散式发电的方式利用可再生能源发电是智能电网的一大特点。从经济、技术和环境等因素出发,将人工鱼群算法和猫群算法相结合,提出了一种新型的优化方法--猫鼠种群算法。研究了分散式风力发电的优化配置问题,包括选择分散式风力发电机的位置和确定风力发电机的容量。猫鼠种群算法同鱼群算法一样,具有参数不敏感性,解决了优化算法参数较多带来的困扰。最后本文以IEEE14节点系统为例,验证了算法的有效性和优越性。