最小化运行费用的时变重构全局优化算法

该文提出了一种以运行费用最小为目标的时变重构全局优化算法。将时变重构问题分解为多个静态重构子问题,使用核心模式遗传最短路算法(CSGSA)分别求解每个子问题,得出候选放射状网络结构,并使用动态规划,根据各子问题的结果求解全局最优的时变重构策略。算法还对开关操作次数约束进行了处理,使之不影响动态规划的全局最优性。所提算法是配电网络实时调度,规划和离线分析的有效工具。

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.

基于最短路算法和遗传算法的配电网络重构

提出了通过组合负荷实现寻优的重构方法。利用最短路径法按照某一顺序为每个负荷分别寻找供电路径 ,然后利用遗传算法选择最优的负荷排列顺序 ,从而实现在局部最优解中寻求全局最优解。通过将容量约束和电压约束转换成弧的权值 ,在网络形成的过程中就考虑这些约束 ,从而进一步保证了该算法高效地找到全局优化解。此方法很容易实现树状约束 ,并对多环的复杂结构网络也能高效地实现重构寻优。

免疫遗传算法在配电网重构中的应用

配电网重构是配电网络优化的主要措施,其实质是一个多目标非线性混和优化问题.采用免疫遗传算法来研究重构问题的求解方法.免疫遗传算法在传统遗传算法的基础上,借鉴生物免疫机制中抗体的多样性保持策略和记忆抗原的特点,大大提高了算法的全局搜索和局部搜索能力.实验表明,免疫遗传算法具有很好的全局收敛性,能有效解决配电网重构问题.

基于改进PSO算法的光伏阵列MPPT研究

为解决传统粒子群优化(PSO)算法在寻优过程中出现粒子早熟、收敛速度慢、易陷入局部优化等问题,提出一种基于反向学习的Logistic-Tent双重混沌映射和时变双重压缩因子(TVCF)策略的改进粒子群优化(LT-TVCFPSO)算法,在传统PSO算法基础上,引入了Logistic-Tent混沌映射和TVCF,既可增强种群多样性,避免粒子早熟,跳出局部优化,又能加快粒子收敛,提升全局寻优能力。最后在MATLAB/Simu-link上进行仿真。仿真结果表明:相比于传统MPPT算法,LT-TVCFPSO算法能够快速准确地追踪到全局最大功率点(GMPP)。

基于蚁群算法的配电网重构

本文提出了一种基于蚁群系统的配电网重构算法(ACSA)[12],该算法用于减少在正常运行情况下的电能损耗的问题。结合相应的数学模型和算法,对一个典型的配电网重构的问题进行了验证。基本蚁群算法的缺点是收敛速度慢和进化停滞,本文提出了一些新的措施来克服这些缺点。