拟态物理学优化算法在分布式电源选址定容中的应用

分布式电源接入点位置和容量的大小直接影响电网的安全性和经济性。文中建立了1个使配电网有功损耗最小的分布式电源选址定容优化模型。模型中考虑了电源接入容量和接入点对系统潮流、节点电压、线路负载及网络损耗的影响,并进行了相应的约束,以保证电网的安全稳定运行。采用拟态物理学优化(APO)方法对其求解,将接入容量、接入点、节点电压等拟态为物理学中的个体质量,每个个体根据自己的质量、速度及其他个体的引/(斥)力作用不断调整自己的运动和位置,通过全局最好、最差和自身适应值不断更新其质量,最终整个群体所经历的最好位置即为全局最优解,从而得到分布式电源的最佳接入位置和容量。最后采用标准IEEE-33辐射配电系统进行计算分析,并与粒子群(PSO)算法进行比较。APO算法的有功损耗减少更为显著,其平均电压和最低电压均好于粒子群算法的,验证了所提出的模型和方法是可行和有效的。     

基于自适应蝠鲼觅食优化算法的分布式电源选址定容

建立了考虑有功功率损耗、电压分布、污染排放、分布式电源(DG)成本以及气象条件的DG选址定容规划模型,其中选址、定容工作分别是一个离散、连续变量,是一个高度非线性、含离散优化变量的复杂模型.因此,应用 自适应蝠鲼觅食优化(AMRFO)算法获取最优Pareto解集,其具有丰富多样的搜索机制,个体更新机制以及先进的Pare...     

基于改进粒子群算法的分布式电源选址定容优化设计

在分析了分布式电源接入对配电网影响的基础上,针对配电网中的关键问题———分布式电源的选址和定容,进行了优化设计.通过构建包含分布式电源的投资运行费用、环境因素、网损费用的目标函数,并考虑潮流约束、电流约束、电压约束、系统容量约束等条件,搭建了分布式电源的模型,采用一种改进的粒子群算法,设计出了分布式电源所处位置及容量.通过仿真分析计算,验证了该方案的正确性和有效性.     

基于遗传算法的配电网中分布式电源选型与选址

在考虑自然条件的前提下,文章建立了分布式电源选型和选址的成本最小、网络损耗最小和电压偏移量最小的目标函数模型;在采用前推回代法计算配电网潮流基础上,应用遗传算法对目标函数进行了寻优计算;利用算例系统对模型和算法的正确性进行了验证。研究表明,通过对分布式电源进行合理的选型和选址,可以提高供电的可靠性和电能质量。     

基于改进哈里斯鹰算法的分布式电源优化配置

为解决分布式电源接入配电网进行合理规划配置的问题,在建立以网络损耗、节点电压偏差、投资综合费用为多目标函数的基础上,采用层次分析法将考虑经济性与稳定性的多目标函数转换成单目标函数,并用改进哈里斯鹰算法寻找最优的配置方案。为进一步改善哈里斯鹰算法的寻优精度与收敛速度,引入Tent混沌提高初始化种群的均匀性;将鲸鱼算法的搜索围捕方式与哈里斯鹰算法结合,增加了算法的多样性并提高了寻优精度;引入t分布策略增强全局寻优能力和求解速度。通过算例验证了采用改进哈里斯鹰算法在求解分布式电源优化配置问题中的高效性和稳定性。     

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Prüfer数的离散粒子群优化算法在TSP问题中的应用

通过引入Prüfer数编码、归一化运算、粒子的位置矩阵进行模糊化等操作,将连续型粒子群优化算法改造为离散化PSO.并通过构造旅行商问题的度约束最小生成树,利用DCMST的模糊离散粒子群算法求出最优解.采用TSP的测试实例进行仿真实验,证明算法的有效性与实用性.     

基于人工智能方法的变电站选址定容规划研究

变电站选址定容优化规划是一个多目标、多阶段,非线性．受约束的混合整数规划问题,传统的运筹学方法已不能满足求解的需要,以人工智能技术为主的各种智能优化算法成为解决变电站规划的主流算法。本文对变电站选址定容从规划的技术和经济性划分可靠性和经济性模型,按规划时问分静态和动态规划模型。并对多种算法进行全面的综述,重点分析这些模型和算法存在的问题和不足,并对存在问题和研究进行展望。     

考虑主动管理模式的多目标分布式电源规划

在考虑主动管理模式条件下,建立了多目标双层分布式电源规划模型.其中,上层规划以分布式电源年投资运行成本和网损最小为目标,下层规划以分布式电源出力切除量最小为目标,考虑风电光伏等间歇式能源出力的随机性及负荷的不确定性,利用基于拉丁超立方抽样的蒙特卡洛模拟方法对风速、光照强度和负荷进行抽样,利用非支配排序遗传算法对上层规划模型进行求解,采用原对偶内点法对下层规划模型进行求解,以得到问题的Pareto最优解集,从而避免了传统加权求解方法中权重确定的主观性.同时,通过对33节点配电网算例的仿真和分析,验证了所建模型的合理性和算法的有效性.     

含分布式电源配电网规划

分布式电源大量接入使配电网的规划、保护等面临新的挑战。首先介绍了分布式电源接入对配电网负荷预测、运行特性及投资收益等影响;其次对含分布式电源配电网规划进行分类,详细阐述了布点规划、扩容规划的内容及特点;接着对含分布式电源配电网规划建模方法进行描述;最后对含分布式电源配电网规划重要意义进行总结。     

改进基因算法在膜系自动设计中的应用

提出一种基于改进基因算法的膜系自动设计新方法,并将该方法与常用设计方法进行比较,结果表明,在相同设计要求下,用改进基因算法可以得到更加合理的膜系结构,而且膜系结构简单,设计灵活,容易实现、理论和实践均表明该方法是高效和可靠的．     

基于改进差分进化算法的分布式发电系统调度

针对分布式发电（ DG）系统调度的经济成本和环境成本,提出了一种新的改进差分进化算法。首先对建筑物DG系统进行优化设计,在考虑建筑中电能和热能需求以及分布式发电技术特性的基础上,确定技术最优组合、容量和运营计划;其次,针对DG调度中存在的整数规划限制及非线性等式约束问题,提出了改进的差分进化算法来解决混合整数非线性规划（ MINLP）问题,对所设计的DG系统进行经济和环境成本的最小化调度,并与传统方法进行比较。结果表明,文中所提出的方法在经济性和收敛时间上都明显优于传统算法。研究结果可以应用于同时包含发电、供热、储电、储热的完善的分布式发电系统,可为分布式发电系统商业部门的运营提供参考。     

一种改进型遗传算法在电网规划中的应用

为了建设智能电网,本研究对传统遗传算法进行了改进,考虑了多种目标函数和约束条件。改进后的算法能根据优胜劣汰的原则进行搜索和优化,特别适合于整数型变量的优化问题。将该算法应用到某市15节点系统中进行测试后发现其具有很快的收敛速度和最优的运算结果。通过比较发现,利用优化算法得到的最优方案与实际电网规划中运用工程归算方法得到的计算结果相同,这说明本算法具有很好的适应性。     

改进的遗传算法在电梯群控中应用

针对乘客候梯时间,乘梯时间,拥挤度和电梯系统运行能耗等多个目标优化的电梯群问题,给出一个改进的遗传算法。该算法在选择,交叉,变异操作时,采用首位存在最优个体,在生成初始种群时采用模糊生成其中一个解的方法。并把改进的遗传算法应用到实际电梯群控中,数值结果表示该方法是有效的,可行的。     

改进的AGA在河流水质模型参数优化中的应用

河流水质模型一般具有非线性、非凸等不规则特点 ,若能找到一种优化方法平衡各参数的相对重要性 ,并能使其达到足够的精度 ,这是合理运用水质模型的关键。文章提出通过设置断点对 AGA加以改进 (称改进的 AGA) ,并成功地应用于多参数多宾斯 BOD-DO河流水质模型参数优化中 ,表明设置断点的有效性     

遗传算法的新改进--扰动式遗传算法

针对基于二进制编码遗传算法的精度低及二进制编码所带来的早熟等问题提出了一种新的改进方案--扰动式遗传算法(简称DGA),该方法通过对搜索区域进行微小的扰动而实现不同群体之间的竞争来提高算法的搜索性能.改进后的算法在提高精度的同时能够达到全局收敛,并能有效地处理多极值问题.对改进的算法进行了性能分析并用典型函数进行测试,结果表明,改进的效果较为显著.     

一种分布式后缀树构造与匹配算法

提出一种基于消息传递模式的分布式后缀树构造算法(DPSTG)及相应的并行匹配算法.DPSTG算法按不同的字符将原始字符串的后缀树分解成若干个子后缀树后由多个处理器并行构造.处理器间通过消息传递方式连接各个子后缀树,匹配时首先将要查找的字符串分割成若干不同首字符的子字符串,然后在构造相应首字符子后缀树的处理器上实现多个子字符串的并行匹配.理论分析表明DPSTG算法的时间复杂度要优于现有的大多数后缀树并行生成算法.模拟实验结果表明DPSTG算法的并行加速比随着待处理字符串的长度增加而提高.     

一种改进的遗传算法

从基因进化和退化的角度提出了基因优劣编码,在收敛性定性分析的基础上给出了适应度的另一种定义方式,使改进后的遗传算法更准确地模拟了生物进化机制,并对改进后的遗传算法的性能作了分析。经实验验证,改进后的遗传算法比标准遗传算法在求解质量和求解效率上都得到了明显提高。