基于改进GA-PSO混合算法的变电站选址优化

针对具有大规模、多约束、非线性特点的变电站选址优化问题,提出了一种可以适应实际地理状态具有寻优机制且兼顾速度的算法。该算法结合遗传算法与粒子群算法(GA-PSO),采用实数编码策略、精英保留策略,以变电站规划年最小费用为适应度,实现空间解在空间范围内的自适应搜索,有效避免局部最优解和早熟问题。其收敛速度比遗传算法(GA)快,求解精度比PSO和GA都要高。并利用基于层次分析法(Analytic Hierarchy Process,AHP)的评价函数对结果进行评价和局部修正,使其结果更贴近实际情况。算例结果表明,该算法具有较好的寻优能力和收敛特性,无需进行编码换算,操作简单且运行速度快,能更好地满足配电网大规模变电站规划的需求。

考虑新能源类型的电力系统多目标并网优化方法

提出通过优化供应侧的新能源设备选型来应对当前电力系统双侧随机问题的新思路。针对不同类型新能源设备的成本、收益以及容量不同,给配电网带来过度投资、电压降落和网损增加等问题,建立了多目标优化数学模型。基于精英保留策略的多参数遗传算法,考虑配电系统总投资收益率、系统网损以及系统节点电压偏移量,得到新能源并网决策的帕累托最优解空间。通过规格化处理转变为单目标函数,得到整体最优并网策略。以IEEE-30节点系统为例进行模拟分析,验证了所提方法的合理有效性,为供应侧新能源设备选型提供了一定的参考。