改进遗传算法在配电网无功优化的应用

提出了考虑配电网运行费用和节电效益的综合目标函数,对于目标函数中的电压越界点和无功补偿容量越界点采用惩罚函数予以解决.无功优化主要采用调整变压器分接头和并联电容器2种方法,笔者采用改进遗传算法实现了配电网无功优化计算,该算法有较好的计算效率和全局寻优能力.通过实例验证了该方法的实用性和有效性.     

基于改进免疫遗传算法的配电网网架规划

为了解决传统方法难以实现配电网网架规划组合优化的问题,针对改进免疫遗传算法具有生物免疫系统中抗体多样性的保持机制和基于抗体浓度的调节更新机制,同时又具有一般进化算法的随机搜索能力,采用改进免疫遗传算法对配电网网架规划进行求解,提高了种群的多样性和遗传算法的全局寻优能力.优化模型以网络年费用最小为优化目标,以线路传输容量、电压降、配电网的辐射性等为约束条件;根据配电网辐射性的要求,以备选网络的生成树作为初始解,从而避免了随机产生初始可行解时速度较慢的弊端.并借鉴支路交换的思想设计杂交算子和变异算子,以避免辐射性检查过程,使得算法的寻优能力大为增强.通过算例验证了该算法的有效性,同时算例结果表明该算法的计算速度比常规免疫遗传算法的计算速度有较大提高.     

基于改进小生境免疫遗传算法的船体建造板材图形排样

讨论了基于改进小生境免疫遗传算法的不规则图形排样问题,提出一种基于排挤机制的小生境技术结合传统改进免疫遗传算法的方法.通过实例比较,分别采用遗传算法、改进免疫遗传算法和小生境免疫遗传算法对排样问题的解决和优化.经过船体建造板材套料实验研究,在大规模不规则图形排样过程中免疫算子和基于排挤机制小生境技术结合遗传算法的应用中,具有较好的全局寻优表现和收敛速度,该算法是有效、可行的.     

基于改进小生境免疫遗传算法的矩形件排样

讨论了基于改进小生境免疫遗传算法的矩形件排样问题,提出了基于排挤机制的小生境技术结合遗传算法的新思路,分别采用遗传算法、改进免疫遗传算法和小生境免疫遗传算法对大规模矩形件排样问题进行了实例比较分析,实例表明：在大规模矩形件排样过程中免疫算子和基于排挤机制小生境技术结合遗传算法的运用具有较好的全局寻优表现和收敛速度,算法有效、可行.     

灾变遗传算法在配电系统最优时变重构中应用

提出一种灾变遗传算法来求解中压配电网最优时变重构问题,以达到网损最小和负荷平衡的目的.首先采用协调方法将多目标规划问题转化为单目标寻优问题,并给出了协调后的数学模型.求解过程采用灾变遗传算法以提高种群个体的多样性,防止局部收敛.通过对南方某城区配电系统的计算,证实该算法在求解速度和全局收敛能力上较普通遗传算法均有较大幅度的改善.     

计及配网有功无功协调运行优化的SST规划方法

固态变压器(solidstatetransformer,SST)作为一种利用电力电子器件实现能量管理和功率控制的新型变电装置,其应用将极大地提高配电系统的柔性调控能力,从而解决由于分布式电源接入给配网带来的诸多问题.针对SST在配网中的选址定容问题,考虑SST协调配电网有功无功资源的运行优化,提出了一种计及配电网提前运行优化结果的SST统筹规划方法.首先,基于SST的稳态数学模型,研究了SST在双交流/交直流系统连接下,计及负荷与分布式电源的参数时序控制方法.其次,建立了融合配电网有功无功时序运行优化的SST双层规划模型,上层考虑SST的投资成本、环境效益和配电网年运行成本,对SST的安装位置和容量进行了规划;下层以配电网日运行成本最低为目标,进行时序多场景下SST协调配网中有功无功资源的日运行优化,并提出改进的主从式差分入侵杂草混合算法进行双层规划模型迭代求解.最后,采用改进的33节点配电系统进行仿真验证,结果表明:相较于考虑SST协调配电网单方面有功/无功运行的规划方法,所提方法的配网年综合成本分别减少91.1 k$和21.8 k$;相较规划前和单层规划方法,所提方法的配网年运行成本分别降低10.6 k$和92.7 k$,电压偏差分别减少25%和18%.所以,计及配网有功无功运行优化的SST双层规划方法,可以充分考虑协调主动配电网有功无功资源运行对SST配置规划的影响,提高系统运行的经济性和规划方案的可行性.     

基于遗传算法的电力系统无功优化

电力系统无功优化主要是指在负荷给定的情况下,有载可调变压器分接头位置、无功补偿的最佳容量和发电机机端电压大小的优化确定。以有功网损最小为目标函数建立了主网无功优化的数学模型,对于目标函数中的无功电压越界和发电机无功出力越界,采用罚函数予以解决。采用遗传算法,针对遗传算法应用于求解无功优化等复杂非线性优化问题中容易发生"早熟"和收敛速度慢等问题,作了一些改进。通过改进,遗传算法能够跳出局部最优解,增强了全局寻优能力,使寻优速度和精度在一定程度上得到了提高。根据上述算法使用C++语言编制了求解程序,并对IEEE-14节点系统进行了优化计算,通过与初始有功网损比较,在各设备的正常运行范围条件下,系统有功网损降低了4%。     

基于改进CGA的配电网重构

针对遗传算法易早熟收敛和易产生大量不可行解的问题,提出了一种基于改进的克隆遗传算法(CGA)的配电网重构方法.该方法对克隆遗传算法进行了3点改进:通过简化网络结构,缩短了算法中染色体的长度;采用基于环路的编码方式,避免了产生大量不可行解;改进克隆遗传算法的选择算子、基因移位和突变操作,克服了早熟收敛的问题,提高了算法的收敛速度.本文以网损最小为优化目标对算例进行了重构,同时与基于遗传算法及粒子群算法的配电网重构进行了比较,算例结果表明:改进的CGA具有较高的寻优性能,应用于配电网中可以起到减小网损的作用.     

基于多种群免疫遗传算法的配电网网架规划

配电网网架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.提出一种多种群的免疫遗传算法进行配电网网架优化规划,采用多个种群针对优化目标的不同方面进行优化搜索.在遗传进化过程中,借鉴生物免疫机制对每个种群的染色体进行免疫算子操作,种群之间通过优秀个体转移进行交互,有效防止了种群退化,提高了种群的多样性和遗传算法的全局寻优能力.以网络年费用最小为优化目标建立配电网网架规划的数学模型,利用多种群免疫遗传算法求得优化解,通过具体实例验证了该算法的有效性.     

应用遗传算法实现配电网的无功规划优化

以配网系统全年电能损耗和无功补偿设备投资之和最小为目标，建立了考虑系统不同运行方式下无功规划的数学模型。采用结合灵敏度分析的改进遗传算法求解数学模型，提出容性和感性无功的补偿规划原则。实例验结果表明，应用该模型和算法可以有效地对配电系统进行无功优化，优化后系统的网损明显降低，节点电压明显提高。     

Optimal Reactive Power Compensation of Distribution Network to Prevent Reactive Power Reverse

The capacitive reactive power reversal in the urban distribution grid is increasingly prominent at the period of light load in the last years. In severe cases, it will endanger the security and stability of power grid. This paper presents an optimal reactive power compensation method of distribution network to prevent reactive power reverse. Firstly, an integrated reactive power planning(RPP) model with power factor constraints is established. Capacitors and reactors are considered to be installed in the distribution system at the same time. The objective function is the cost minimization of compensation and real power loss with transformers and lines during the planning period. Nodal power factor limits and reactor capacity constraints are new constraints. Then, power factor sensitivity with respect to reactive power is derived. An improved genetic algorithm by power factor sensitivity is used to solve the model. The optimal locations and sizes of reactors and capacitors can avoid reactive power reversal and power factor exceeding the limit. Finally, the effectiveness of the model and algorithm is proven by a typical high-voltage distribution network.     

适应多元源荷接入的配电网两阶段灵活性提升优化方法

配电网灵活性提升优化过程中易受不均匀电压、强磁场、电流效应等问题的干扰，灵活性提升效果不明显。为了解决上述问题，提出适应多元源荷接入的配电网两阶段灵活性提升优化方法。该方法首先采用瞬时功率平衡算法保证配电网达到三相平衡状态，其次通过无功出力与有功损耗的输出特点实现配电网的无功规划，有效地提高配电网运行质量，降低网损。最后采用多元源荷接入的两阶段提升优化法提升配电网的灵活性，第一阶段基于灵活性三指标与多源源荷供给特性构建灵活性提升优化模型，第二阶段考虑配电网灵活性指标的概率平衡性，并采用线性转换算法对模型求解，完成配电网灵活性提升优化。试验结果表明，所提方法的网损率小，净负荷波动曲线小，计算时间短，配电网分布式电源接入的灵活适应性强。可见通过灵活性优化调度，可以有效提升含分布式电源配电网的灵活性，提高配电网接纳分布式电源的能力。     

含分布式电源的配电网多目标无功优化

针对传统模型和现有算法对配电网无功优化带来的电压波动和网络损耗等问题,提出一种基于改进元胞差分算法的含风、光的配电网无功优化方法。建立了风电、光伏的随机概率出力模型,获取了其出力预测数据,以电压波动、有功损耗和电压越限3个目标为优化函数,通过权重系数将三目标模型转换为双目标模型,建立了含风电、光伏的双目标配电网无功优化模型。通过电压稳定指标（voltage stability index,VSI）对配电网各个时段的电压的稳定性进行评价,用改进元胞差分算法对模型进行求解,并利用测试函数对算法进行验证。结果表明,较传统模型和传统算法而言,所提模型和所用算法均能有效降低配电网的电压波动和减小配电网的有功损耗,从而保证电网的安稳运行。     

基于小生境遗传算法优化串级神经网络的台区理论线损预测

台区作为电力系统的最末端部分,节点数目多、网络架构复杂,导致不易精确计算其理论线损问题。在海量实际低压台区运行历史数据的基础上,首先研究影响台区线损的相关因子,建立台区线损特征指标集合。然后利用皮尔逊相关系数分析方法从中提取出高损关键特征指标作为线损预测模型输入。再融合集成学习和梯度提升树思想,建立基于串级BP(back propogatiow)神经网络的台区线损预测模型,并采用小生境遗传算法对预测模型的初始参数进行优化从而提高模型训练效率。最后通过实际数据算例仿真,并与其他预测方法结果进行比较,验证所提台区线损预测模型具有优秀的训练效率和预测泛化能力。     

基于随机矩阵理论和改进粒子群优化-深度置信网络的无功优化

配电网无功优化是使电网能安全稳定运行的重要问题,本文将深度学习应用于配电网无功优化上,提出基于改进的粒子群优化 (Particle swarm optimization, PSO)深度置信网络（Deep Belief Networks,DBN）模型的配电网无功优化方法。首先,利用随机矩阵理论将配电网运行过程中产生的环境以及电气数据构造五种随机矩阵,每种矩阵构建8种特征指标,共提取40种特征指标;其次,以随机矩阵理论所提取的各特征指标为输入,以变压器分接头档位和节点的无功补偿容量作为输出,利用改进的PSO优化DBN网络的初始权重,建立PSO-DBN模型,学习各特征指标输入与变压器分接头档位以及节点无功补偿这两种控制策略之间的关系,得出相应的无功优化策略。最后,以改进的IEEE33节点系统作为算例仿真对象,验证了所提方法可降低网损和减少电压波动。     

多目标电网规划的一般最优化模型

针对现有电网规划中难以很好综合考虑经济性和可靠性的问题，在对电网规划进行数学描述的基础上，以供应方开发成本最小和需求方缺电成本最小为目标函数，提出了多目标电网规划的一般最优化模型，并直接在算法的寻优过程体现该最优化模型．同时以改进的混合遗传模拟退火算法为求解工具，来解决该多目标电网规划问题．算例证明了该模型的有效性．     

含多种分布式电源的配电网概率无功优化

针对配电网无功优化时多种分布式电源出力以及负荷的随机性,建立了考虑多重不确定因素的概率无功优化模型.通过三点估计法将概率潮流计算转化为采样点处的确定潮流计算,以处理所建模型中的不确定因素对无功优化结果的影响.为克服粒子群算法易陷入局部最优的缺陷,将自适应控制策略应用于粒子群算法,采用一种改进粒子群算法(IPSO)用于模型的求解.在改进的IEEE33节点系统上进行仿真测试,其结果验证了所提概率无功优化模型和求解方法的可行性及有效性.     

城市电网最优无功补偿容量模型及应用

文章采用年电能损失费用与新增无功补偿设备的费用之和最小为目标 ,建立城市电网无功补偿优化规划的数学模型 ,在目标函数中综合考虑了网损微增率、无功负荷补偿容量及网络因素。并采用适合城市电网特点的潮流计算方法 ,经实际系统计算 ,验证了本数学模型及算法的合理性与有效性 ,具有较高的实用价值     

含分布式电源的配电网网损组合优化

网络重构与无功补偿是配电网减小网络损耗、提高电压质量的主要手段,但二者皆受负荷时序性的影响,且随着波动性分布式电源的接入,其影响更大。针对含有出力波动分布式电源的配电网,考虑分布式电源出力以及用电负荷的随机性,基于分布式电源出力以及负荷的短期预测数据,以网络损耗最小为目标函数,给出未来24 h的最优网络重构与无功补偿方案,且以两日不同优化方案的目标函数差值作为方案是否执行的判定指标。提出了一种网络重构与无功补偿相统一的编码方法,利用和声算法进行求解。通过IEEE 33节点为算例的仿真,结果表明该优化方法能够明显降低网损并改善电压质量,证明了本模型和算法的有效性。     

基于GA的多区域互联电力系统的经济调度

针对电力系统规模的不断扩大,多区域互联系统经济调度的目标逐步向市场化过渡这一特点,把能够获得最大经济效益作为主要研究内容,将遗传算法引入到经济调度问题的研究中,实现了互联网在运行中网络损耗最小,运行最经济的分配目标.并通过模型系统的算例进行了证明.