基于改进小生境粒子群算法的主动配电网优化重构

分布式电源(DG)的接入为主动配电网(ADN)的稳定运行带来了挑战,而重构是提高系统稳定性的重要手段.提出了一种改进小生境多目标粒子群算法(INMPSO),建立了考虑网损、电压质量指数(VQI)、开关操作次数的多目标优化函数,对主动配电网的静态重构模型进行求解.全局最优粒子位置通过小生境共享机制来更新,使种群具有多样性和全局平均分布.根据模糊满意度评价决策方法从得到的Pareto解集中选择出最优折衷解,为决策者提供了科学的决策依据.最后以IEEE33节点标准配电系统为例,并与基本多目标粒子群算法(MPSO)的优化结果进行对比,验证所提模型和方法的有效性.     

基于改进哈里斯鹰优化算法的配电网动态重构

针对风光荷不确定性的配电网重构问题,建立分布式电源和负荷出力模型,以系统运行成本和电压偏移构建多目标函数。提出一种改进粒子群算法融合K-means(improved particle swarm optimization and K-means, IPSO-Kmeans)聚类算法来划分典型日负荷曲线,将改进哈里斯鹰优化(improved Harris hawk optimization, IHHO)算法应用于配电网重构,进行寻优计算。为了改善哈里斯鹰优化(Harris hawk optimization, HHO)算法种群分布不均、无法完整搜索到最优解空间范围、易于陷入局部收敛等问题,引入佳点集生成种群初始化,提高种群搜索空间的均匀性。将麻雀搜索算法中的探索者位置更新公式与哈里斯鹰优化算法探索阶段的位置更新公式结合,以提高算法的全局搜索能力。利用柯西-高斯变异扰动策略跳出局部最优解。最后在IEEE33节点配网系统仿真,结果表明所提方法的有效性。     

基于改进PSO算法的含分布式电源的配电网优化

为了对含分布式电源的配电网进行规划,提出了考虑配网实际运行约束下以配电网网络损耗、电压偏移及DG投资运行成本为目标函数的多目标优化模型.采用基于Levy Flights的粒子群优化算法对所构造模型进行优化,并对33节点配网系统进行仿真.结果表明所建模型是合理的,改进的PSO算法对求解含DG的配电网多目标优化问题是有效可行的.     

基于改进BCC算法的配电网综合运行优化

研究了配电网综合运行优化问题.将配电网无功优化与配电网络重构联络开关两者相结合,建立了配电网多目标综合优化数学模型.提出了基于改进的细菌群体趋药性算法的配电网综合优化计算新方法,针对算法易于陷入局部最优解的缺点,新算法在基本的细菌群体趋药性算法的基础上引入了动态调整策略、自适应变异算子和混沌搜索机制,改善了细菌寻优速度和寻优效率.利用改进的细菌群体趋药性算法对IEEE33系统进行综合优化,结果表明改进算法可以有效地降低系统有功网损,提高各节点电压,同时也验证了改进算法的可行性和有效性.     

一种融合分布估计的离散粒子群优化算法的配电网重构

将基于分布估计的离散粒子群优化算法运用于配电网重构,以降低网损为目标函数,对于新的种群,随机从概率模型和至今全局最优信息项中获取解信息。仿真实验结果表明提出的关于配电网重构的新算法优于其他几种优化算法。     

基于模拟退火粒子群算法的含DG配电网重构研究

含分布式电源的配电网重构是配网优化的重要课题．二进制粒子群算法（BPSO）是解决优化问题的重要算法,首先根据配电网重构的拓扑约束条件,将轮盘赌操作引入到BPSO中,改进了BPSO算法中粒子位置状态更新策略．接着将模拟退火算法中的动态变异机制引入到改进的BP—So中,解决了BPSO容易陷入局部最优的缺点,最终能够快速有效地达到网路损耗最小的目的．选取IEEE69节点系统进行算例仿真,并与现有研究成果进行对比,结果表明该算法在继承了粒子群优化算法简单容易实现的特点同时,使其具有了摆脱局部极值点的能力,能够优化最优解,提高算法的收敛速度,适合解决含分布式电源的配电网重构问题．     

基于多目标粒子群算法的分布式电源优化配置研究

大量分布式电源的接入会造成电网电压提升、 网络损耗增加等影响,因此,对分布式电源进行科学合理的优化配置,对配电网经济、安全和稳定地运行具有深远意义.针对分布式电源优化配置问题,建立了以分布式电源投资运行总成本最小、配电网总有功网损最小和节点电压偏差最小为目标函数的优化配置模型,并将自适应权重更新策略的粒子群算法应用于所...     

约束优化问题的改进粒子群优化算法

提出一种求解约束优化问题的改进粒子群优化算法.该算法更多地考虑了当前全局最优粒子和个体最优粒子对粒子群搜索能力的影响,对速度更新公式做了改进;然后利用修正的可行基规则来更新个体极值和全局极值,从而引导不可行粒子尽可能到达可行的区域,以增加种群的多样性和提高全局搜索能力.数值实验表明,该算法是有效、稳定且计算精度高的全局...     

改进负荷均衡法在配电网重构中的应用

本文从配电网重构的潮流算法、优化目标单调控制、降低搜索空间三方面对已有的配电网重构负荷均衡算法进行改进。改进算法能以更少的支路交换次数收敛于最优网络结构,网络整体电压质量更好。在IEEE33节点系统算例结果表明,本文的改进算法具有寻优快、寻优结果好、原理简单的优点,具有实用价值。     

基于改进粒子群算法的配电网综合运行优化

在无功优化、分布式电源(DG)有功优化和网络重构协同的条件下,以有功网损最小为目标函数、多种电气限制和网络拓扑结构为约束条件建立了配电网综合运行优化模型;针对基本粒子群算法容易陷入局部最优、收敛速度慢等缺点,提出一种改进的粒子群(IPSO)算法,并将其用于求解配电网综合运行优化模型.结果表明,所建配电网综合运行优化模型能够同时优化补偿电容器投切容量、有载调压变压器变比、DG出力和网络开关状态,从而获得配电网的最佳运行状态.同时,通过IEEE 33节点配电网算例的仿真结果验证了配电网综合运行优化模型的有效性和IPSO算法的高效性.     

基于协同进化的配网动态重构算法

为解决传统配网动态重构算法迭代计算量较大的问题,提出基于协同进化的配网动态重构算法.首先根据配网各节点负荷的变化情况进行时段划分,再在划分的区段内采用改进的遗传算法进行静态重构,将各区段静态重构得到的优化解集作为动态重构的初始解集,最后以所有时段总运行费用最小为目标函数,采用协同进化算法,通过协调各区段的重构操作得到所有时段的重构方案.对修改后的IEEE-33测试系统进行仿真计算,结果表明所提出的动态重构算法能够有效减少潮流计算的次数,同时提高了计算效率.     

基于电压稳定度的分布式储能选址定容规划

本文针对配网中引入高比例风电、光伏等新能源引起的电压波动问题,提出基于电压稳定度的优先选址和改进粒子群算法的储能系统选址规划。首先以电压稳定度为指标,选出配网中部分相对稳定性较弱的节点,进行优先选址;然后以系统日有功损耗最小为目标,由改进的粒子群算法对储能系统的容量优化配置问题进行求解。最后对改进的33节点配电网系统进行仿真,验证该方法在储能选址定容工作中的有效性和可行性,为含高比例新能源的配网进行储能电站选址定容问题提供参考。     

基于改进粒子群算法的配电网多目标重构

配电网络重构是一个复杂的非线性组合优化问题。以降低配电网网损、提高系统供电可靠性为重构目标,采用基于环路的十进制编码粒子群算法进行配电网重构。选择配电网中开关全部闭合形成的网孔为环路,每个粒子由选为联络开关的开关在环路中的编号组成,粒子的长度为联络开关数,在有速度限定因子的粒子群算法中引入线性变化的惯性权重,并采用具有局部变异特性的粒子更新方式。算例结果表明改进后的粒子群算法求解配电网重构问题具有较高的效率和可行性,且综合考虑多目标的配电网重构能在不增加额外投资的情况下获得网损下降同时供电可靠性提高的综合效益。     

基于结合均匀变异的粒子群算法的配电网重构研究

配电网重构是确保电力系统安全、稳定、可靠运行的有效方法之一。为使重构后的配电网有功网损更低,文中提出了一种结合均匀变异与惯性权重的改进的二进制粒子群优化算法(BPSO)。首先,采用一种线性递减的惯性权重,然后引入遗传算法的均匀变异算子,使BPSO兼具良好的全局和局部搜索能力,克服了容易早熟的缺点。最后,将算法用于IEEE33节点系统进行重构。仿真结果表明,与传统粒子群算法相比,采用改进后的算法进行重构寻优效果更佳,且重构后的网损较初始状态降低了32.42%。     

基于改进模拟植物生长法的含分布式电源配电网重构

将着手于不同类型分布式电源接入配网的等效模型,结合特定潮流计算处理方案,利用改进的模拟植物生长算法对分布式电源接入配网之后在最优流模式下寻求新的生长点,然后确立配网重构时的目标函数,并利用此算法对建立的重构模型进行配网重构,而后对配网的整个节点进行可行性分析,以确保重构的可行性与优越性.     

嵌入不动点迭代法的粒子群算法

针对利用粒子群优化算法寻找最优极值的问题,本文提出了一种对粒子群优化算法的改进方式.在粒子群优化算法中,加入不动点迭代法,即在进行粒子群迭代寻优之后,再利用不动点迭代策略再次进行迭代寻优计算.通过两次迭代寻优计算,让算法更加快速的收敛到最优值,并且能够找到更小的极值,且不易陷入局部极值.让粒子群算法更加稳定,寻优更加优化.     

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.     

改进粒子群算法的风电场多目标无功优化

采用基于场景的思想确定了风电机组功率输出,通过在潮流计算中增加对风电场节点电压的迭代解决了含风电场的潮流计算问题。建立了有功网损最小、电压偏差最小、静态电压稳定裕度最大的多目标无功优化模型,提出了多目标归一化处理方法,通过改变各分量权重系数解决了多目标无功优化问题。分析了基于遗传交叉因子的粒子群优化算法,通过父代的遗传交叉产生代表解的新粒子,有效避免了粒子解陷入局部最优。算例表明,该模型和算法可有效解决含风电场的多目标无功优化问题。     

考虑配电网安全稳定运行的蓄热式电采暖多目标优化配置

蓄热式电采暖系统的不合理配置会对配电网的安全稳定运行带来不利影响。为此,提出一种蓄热式电采暖多目标双层优化配置模型。首先,根据历史数据计算出供暖季逐时热负荷需求,采用k-means聚类算法选取一定数量典型日场景;其次,以蓄热式电采暖系统投资成本、运行维护成本和线路负荷标准差最优为目标,建立一种基于配电网经济性和潮流均衡性的多目标双层规划模型。采用多目标粒子群算法求出Pareto最优解集,通过熵权-TOPSIS法从中选取最佳接入位置、功率和容量。最后,以改进的IEEE 33节点系统为例进行仿真分析,结果表明：该模型虽然增加了一定的经济费用,但明显改善了线路负荷分布,使配电网潮流更加均衡,保证配电网能够安全稳定运行。     

基于自适应变异粒子群的风光储微网调度

为克服传统粒子群算法(particle swarm optimization, PSO)在求解时容易形成局部最优,求解精度低的不足,提出了一种基于自适应变异粒子群优化(adaptive mutation particle swarm optimization, AMPSO)的微电网调度求解方法。AMPSO惯性权重采用自适应正态分布递减,随着迭代次数的增加更新粒子位置的移动策略,并且在算法后期引入变异环节。为验证算法的有效性,该算法与其他改进算法进行收敛性能对比,并对4种典型天气情况下的微网运行成本模型仿真求解,得到最优调度。算例仿真结果表明,AMPSO能够对粒子全局最优搜索优化,在解决微网经济性运行问题上效果优于其他算法,可合理调配各微电源出力时段,具有良好的灵活性和可行性。