摘要：为了实现配电系统安全经济地运行,针对传统算法收敛速度与精度较低等缺点,对传统的二进制粒子群算法进行了改进,将自适应比例选择策略与混沌搜索引入算法中,避免传统算法容易陷入局部最优、收敛速度较慢等问题。以IEEE33节点配电系统为研究对象,以有功网损和节点电压偏移作为目标函数,进行了配电网重构的仿真试验,并考虑了含有多种分布式电源的情况。试验表明,相比于传统算法,该算法收敛速度提升约2.5倍,系统网损下降约51%,电压偏移下降约49%,具有更佳的重构效果。

摘要：分布式电源接入(DG)电网将变为常态,提出了一种考虑DG出力优化分配的以降低系统网损为优化目标的重构算法。首先基于DG的发电成本,采用复制动态算法(Replicator Dynamics,RD)离散化求解,经过进化博弈之后获得DG出力的优化分配。然后,分三个优化过程实现配电网的优化重构求解。初始优化利用最小生成树算法寻找一个较优的初始解,二次优化基于改进的启发式规则对候选开关进行评价得到最优开关及二次优化解。经过第三个优化过程的修正,一般可以得到最优重构方案。算法不依赖网络的初始拓扑;改进的启发式规则可以减少待评价候选开关的数量,提高算法的计算效率;而通过修正可克服环路对进化规则的影响,得到(近似)最优解。两个典型算例结果检验了算法的有效性和可行性。

摘要：为了更好地解决含DG的配电网重构问题,建立了以系统损耗、负荷均衡、电压偏差为目标的重构模型,并利用改进萤火虫算法进行寻优计算。针对传统萤火虫算法中存在的早熟收敛、过度依赖控制参数等缺陷,引入了惯性权重,利用混沌理论对算法参数进行调整,使算法兼顾全局搜索与局部搜索能力的均衡。同时将精英保留策略融入到萤火虫算法当中,加快了算法收敛的速度。为了减少网络重构中出现的大量不可行解,对网络拓扑进行了简化操作,缩短了编码维数,提高了寻优效率。最后通过算例分析,验证了该算法的有效性与实用性。

摘要：针对配电网重构过程中编码复杂和计算效率低等问题,采用并行禁忌搜索算法通过设置多个禁忌长度对解空间同时进行搜索,提高了搜索效率。在设计邻域结构时,采用N维坐标系的编码策略对网络中开关进行编码,其中坐标系的维数对应网络中联络开关的个数,在每维坐标中针对每个状态量分别进行加1和减1操作,对应网络拓扑图中的开关的移动操作,在该种邻域结构下进行寻优并得到全局最优解。最后采用2个IEEE经典算例进行仿真,验证了该算法的可行性。

摘要：配电网重构是配电网络结构优化的有效手段。考虑到系统运行的经济性,建立了以网络损耗最小为目标函数的数学模型,采用一种具有高效并行优化能力的人工鱼群算法来求解含DG的配电网重构问题。为了克服二进制编码所带来的"维数灾"问题,提出了三大网络简化原则以提高算法的计算效率。当算法陷入"早熟收敛"的怪圈时,引入局部学习与反向学习机制,一部分鱼群根据处于最优位置鱼群之间的差分结果进行动态调节,协同最优种群强化局部搜索;另一部分鱼群则沿最差位置方向进行反向学习,及时逃离局部最优区域,有效地改善了种群的多样性。为了进一步加快算法的寻优效率,在视野与步长参数方面做出了相应的自适应调整。通过算例分析,验证了文中算法的准确性与有效性。

摘要：将基于基因疗法的遗传算法(GTGA)应用于求解配电网重构问题,提出了新的配电网拓扑结构描述方法。给出了生成和更新基因库的方法,设计了由清除和插入组成的治疗算子。在IEEE 33和IEEE 69的100次仿真测试中,GTGA全部找到最优解,且最快收敛代数分别为第2和第3代,平均收敛代数分别为6.29和7.92代。测试结果及与传统遗传算法和相关文献算法的对比表明,GTGA求解配电网重构问题是可行和高效的。

摘要：为克服基本粒子群算法易陷入局部最优而导致的早熟收敛,引入了一种含衰老和竞争机制的粒子群算法求解非线性整数组合优化的配电网重构问题。该算法引入衰老和竞争机制,设计了领袖寿命调整、竞争者产生和竞争者领导能力评估等策略以改善粒子群算法的收敛特性。IEEE16、IEEE33和IEEE69三个典型测试系统的重构结果表明,ACM-PSO不仅保持了基本粒子群算法的快速收敛特性,而且在全局寻优能力和稳定性方面较基本粒子群算法有了明显的提高。

摘要：应用植物多向生长模拟算法求解配电网络静态重构问题。在植物生长过程中,其总体形态处处蕴涵着分形的性质。从优化数学角度来看,生长点对应优化问题的控制变量;树干和树枝构成控制变量解空间;光照条件最好点对应目标函数最优解;树根对应控制变量初始值。因而植物向光性生长机制可用于求解配电网络重构的整数规划问题。植物多向生长模拟算法在基本的植物生长模拟算法基础上对植物形态素浓度的求解进行了改进,且增加了新枝的随机生长方向;同时从丰富随机生长方向的角度进一步改进了植物多向生长模拟算法。在算法计算过程中以基本环路作为控制变量,采用3个经典测试系统IEEE16、IEEE33、PG&E69和3个大型实际网络Taipower84、Bus119、Bus136作为算例进行重构计算,结果表明植物多向生长模拟算法具有良好的全局寻优能力,且可行解的多样性使算法收敛速度加快。

摘要：为了提升含光伏并网的配电网中光伏的消纳率,提出一种基于配电网动态重构的新型分布式光伏消纳策略。综合考虑各时段负荷需求变化、分布式光伏出力不确定性和开关切换次数等因素,建立以光伏消纳比最大化和开关切换次数最少化为优化目标的配电网多目标优化重构模型。根据矩形公式与光伏出力特点,提出最短置信区间快速求解法,该方法能够快速计算任意置信水平的Beta分布最短置信区间,解决光伏出力误差区间估计不准确的问题。设计一种新型的多目标指数微分进化算法对模型进行求解,该算法将指数函数既是凹函数又是减函数的特性引入微分进化算法,达到兼顾个体多样性和收敛速度的效果。以分布式光伏接入IEEE 33节点系统为例,验证了所提策略的有效性。

摘要：针对不同周期的负荷预测存在可能的差异提出的基于有序优化算法的配电网两级重构思想;在最优模糊C均值聚类(Fuzzy C-means Clustering,FCMC)的基础上建立以相异度为指标用来评估2次负荷预测差异的重构方法,可以有效地避免实时负荷波动与预测值差异较大带来的影响;建立以网损为目标函数的优化重构模型,采用有序优化算法求解此模型。通过IEEE33节点系统进行算例分析计算,算例结果验证了上述方法的有效性。