中共隆尧县公安局委员会 .doc
《中共隆尧县公安局委员会 .doc》由会员分享,可在线阅读,更多相关《中共隆尧县公安局委员会 .doc(17页珍藏版)》请在文库网上搜索。
1、电网故障恢复模 型进行求解,并采用网络基本环路的拓扑选择机制进 行计算. 算法通过对基因组进行深度编码,改进不可 行解的修复手段来搜索最优个体,提高了算法的搜索 效率. 文献22针对传统遗传算法容易产生许多不可 第9期杨 珺 等: 智能算法在含分布式电源配电网故障恢复的应用综述1811 行解的问题引进了合作型协同进化遗传算法,将初始 解分为几个子种群,每个种群单独进化,并且每个子 种群的进化方向是动态的. 在算法的寻优过程中,各 个子种群随时对各自的染色体进行更新,彼此交换信 息. 多个子种群同时进化,提高了算法的优化收敛速 度和效率,使故障后的配电网能快速恢复供电,降低 了因决策变量急剧增加
2、而造成系统优化问题的复杂 度,简化了搜索空间,提高供电质量. 文献23结合配电网的网络结构和故障后孤岛 的主从控制模式,对遗传算法中的染色体定义了基因 组和基因子块的概念,对含DG的配电网供电恢复模 型进行求解,并采用基于基因组的思想控制个体交叉 和变异操作,显著减少不可行解的数量,避免了早熟, 提高了算法的收敛性和实时性,从而满足配电网故障 恢复的实时性需求. 2.2蚁群算法 蚁群算法(ant colony optimization,ACO)与遗传 算法一样,也是一种模拟进化算法. 1992年,意大利学 者Marco Dorigo根据蚂蚁在寻找食物过程中发现路 径的行为首先提出了蚁群算法.
3、算法的原理是,蚂蚁 在寻找食物的过程中通过“信息素”标识路径,并通 过 “信息素” 与其他蚂蚁交换信息,当一条路径上 “信 息素”吸引的蚂蚁越来越多时,其他剩余蚂蚁选择这 条路径的概率大大增加,最终得到最优路径. 蚁群算 法是一种搜索能力很强的智能算法,它引进了分布式 计算、 正反馈机制和贪婪式搜索机制. 分布式计算的 作用是防止算法陷入早熟收敛;正反馈机制的作用 是使算法能够及时发现较优解;贪婪式搜索机制的 作用是使算法在早期搜索过程中找出可行的解,缩短 搜索时间. 蚁群算法思想简单、 易于实现,具有较强的鲁棒 性、较高的搜索速度和稳定性,是有效解决含DG的 配电网故障恢复这类复杂非线性优化
4、问题的方法之 一26-31. 文献26通过改进蚁群算法来求解故障条件下 含DG配电网的重构与孤岛划分问题. 修改了传统蚁 群算法的路径转移规则和信息素浓度更新规则,避免 搜索陷入停滞,适应了含DG配电网孤岛划分与故障 恢复等可行解解集较大问题的求解. 文献27采用基于生成树策略的改进蚁群算法 来寻找配电网故障后供电恢复的最佳路径. 生成树 策略保证了算法搜索过程中蚂蚁个体寻找的路径都 满足配电网辐射性的约束条件,从而提高可行解的数 量;同时,为使每条路径都在可选择的范围内,每只蚂 蚁个体按照轮盘赌的方式选择路径,从而使得较优的 路径被选择的概率大大增加. 对于含光伏发电的配 电网系统,采用改进
5、蚁群算法生成可行的故障恢复网 络,既缩小了寻优空间,又能保证恢复尽可能多的非 故障停电负荷,加快收敛速度,降低网损. 文献28为解决含DG的配电网故障恢复问题, 将蚁群分为数目相同的几组,设置每组蚁群单独寻找 最优路径,并将最后得到的几组最优路径按照平方和 相加,使算法更容易跳出局部最优解;对原来搜索路 径转换选择方式修改为轮盘赌方式,从而使蚁群的搜 索范围扩大,更快速地寻找到最优供电恢复方案. 2.3粒子群算法 1995年,Kennedy和Eberhart通过研究鸟类群体 捕食活动提出一种新的进化算法 粒子群算法 (particle swarm optimization,PSO). 算法的原
6、理是通 过模仿和类比鸟类群体的觅食,将鸟类群体的飞行空 间视为待解决问题模型的搜索空间,并把每只鸟抽象 地比作算法中的每个粒子,每个粒子代表待解决问题 模型的一个可行解,将寻找问题最优解的过程比作鸟 类群体通过个体之间的协作和信息共享来寻找食物 的过程,进而求解繁琐的工程优化问题. 粒子群算法作为一种全局性随机搜索算法,程序 简单易行、收敛速度快、搜索范围大,但考虑到配电 网要求满足闭环设计、 开环运行,粒子群算法在搜索 过程中会产生大量不满足拓扑约束的解,降低搜索速 度,并且只有正反馈机制,局部寻优能力较差,对离散 化问题处理不佳,对其进一步改进可有效解决含DG 的配电网故障恢复问题32-3
7、6. 文献32针对含DG的配电网故障恢复问题采 用了改进二进制粒子群算法. 算法建立了考虑DG随 时间变化的动态模型,将拓扑识别加入改进算法用以 消除环网和避免孤岛,保证配电网络为辐射状,排除 大多数不可行解. 同时,算法还提出了最优故障恢复 路径策略和枚举组合法,能够快速准确地输出含DG 的配电网故障恢复问题的最优解. 文献33通过改进学习因子和惯性权重来解决 传统粒子群算法收敛速度慢、 容易早熟的缺点. 令学 习因子c1与c2相等以保证粒子接近全局最优点;令 惯性权重随着迭代次数的增加而非线性递减以提 高搜索效率. 采用改进粒子群算法及分层运行方式 对含DG配电网进行故障恢复,可以减少不必
8、要的搜 索,大大提高了寻优速度. 文献34针对基本粒子群算法容易早熟和搜索 速度慢的问题,将粒子群算法分为3个不同的状态: 1812控制与决策第34卷 自由搜索状态、 精度搜索状态、 跟踪搜索状态. 首先, 将爬山算法中的自由搜索思想融入粒子寻优过程中, 使得搜索范围更广;如果算法寻优过程陷入局部最 优,则采用跟踪搜索;最后,为了提高粒子群算法的搜 索速度,采用精度搜索状态. 改进粒子群算法大大提 高了含DG 配电网非故障失电区的恢复供电的效率. 2.4其他新型智能算法 目前, 除上述几种常用的智能算法外, 人工蜂 群算法(artifi cial bee colony, ABC)37、 免疫算
9、法 (immune algorithm, IA)38、细菌群体趋药性算法 (bacterial colony chemotaxis, BCC)39、 多智能体 系统(multi-agent system, MAS)40、和声搜索算法 (harmony search, HS)41、 膜计算算法(membrane computing,MC)42、 差分进化算法 (diff erential evolution algorithm,DE)43等新型智能算法已用于解 决含DG的配电网故障恢复问题. 这些算法将故障恢 复方案优化求解过程中庞大的计算量进行了有效拆 解,特别适用于大规模的含DG的配电网故障
10、恢复优 化计算. 这在一定程度上丰富了解决含DG配电网故 障恢复问题的方法,有效推动了智能算法在故障恢复 领域的进步和发展. 文献37针对蜂群算法收敛速度慢、 易陷入局部 最优的缺点,提出了一种改进人工蜂群算法以解决含 DG配电网的故障恢复问题. 算法中令跟随蜂依据适 应度排序的选择策略来选择要跟随的蜜源位置,增强 了寻优多样性,防止了种群早熟;令侦查蜂在重新搜 索新的蜜源位置时动态地改变历史解的变邻域结构 以拓展结构集的搜索范围. 应用改进人工蜂群算法 对含DG配电网络进行寻优,能够使全部的非故障停 电负荷恢复供电,体现了很好的实用性. 文献38提出了一种多智能体免疫算法以解决 故障后微网的
11、孤岛划分和供电恢复问题. 算法对抗 体采用随机生成树的方式编码以消除计算过程中的 大量不可行解,缩小可行解的空间;对抗体还采用高 频变异的方式进行变异以加快收敛速度;对抗原采 取动态改变的方式同样加快了算法的收敛. 多智能 体免疫算法能在微网故障后尽快计算出供电恢复方 案,有效提高了生产和生活效率. 文献39建立了多故障分阶段、 分层抢修与恢复 模型以解决含DG配电网故障恢复问题. 采用二进制 细菌群体趋药性算法对外层优化模型进行求解,引入 独立故障支路概念,增强了算法寻优的突出性. 采用 改进蚁群算法对内层优化模型进行求解,更快地找到 阶段全局最优解. 内外层优化模型相互配合,相互影 响,提
12、高了算法的有效性和快速性. 智能算法虽然在一定程度上弥补了经典算法在 解决含DG配电网故障恢复问题时存在的不足,但其 算法自身的缺陷也容易在优化过程中被放大. 所以, 对于组合智能算法的研究已引起人们的广泛关注. 3组合智能算法在含组合智能算法在含DG配电网故障恢复 中的应用 配电网故障恢复 中的应用 为了弥补单个智能算法在寻优过程中的先天不 足,组合智能算法应运而生. 组合智能算法将两种甚 至多种不同的智能算法按照一定的策略进行有机结 合,彼此取长补短,优势互补,实现了方法寻优能力的 提升. 应用组合智能算法解决含DG 配电网故障恢复 问题可以改善单个算法性能,进一步提高恢复效率, 缩短供电
13、恢复时间,非常具有实用价值44-48. 文献44将全局寻优能力较强的二进制粒子群 算法与收敛速度较快的二进制差分进化算法相互结 合,形成二进制混合算法,既克服了二进制粒子群算 法容易早熟的缺点,又弥补了二进制差分进化算法容 易陷入局部最优的缺陷. 提出了一种能使配电网孤 岛划分和故障重构相互配合的恢复策略,并应用二进 制混合算法对配电网故障重构和孤岛划分进行寻优 计算. 为判断故障重构时是否有孤岛产生而建立一 个孤岛界限矩阵,在构造目标函数时加入孤岛划分后 得到的停电负荷,使孤岛划分和故障重构的结果共同 影响全局寻优,增强了这两种恢复方法的整体性. 文献45针对传统粒子群算法容易陷入局部最 优
14、和搜索速度缓慢的问题,将杂草算法融入到粒子群 算法中,同时,对算法粒子的位置更新方式进行了改 进. 对含DG的配电网络首先采用深度优先算法进行 孤岛划分,在此基础上使用杂草粒子群算法对剩余配 电网进行故障恢复,所得可行解不仅使配电网开关操 作次数最少,而且在电气角度也使网损相对最小,具 有一定的工程价值. 文献46在配电网供电恢复过程中根据DG的 类型和运行方式,将不能并网的DG进行分层孤岛运 行,最大程度地利用DG缩小停电区域,并利用多智能 体遗传算法寻找最优恢复路径. 所有的智能体都固 定在多智能体遗传算法构造的环形网格中,将智能体 作为遗传算法中的染色体进行竞争操作和自学习行 为,使算法
15、能够快速地全局收敛,跳出局部最优,找到 全局最优解. 采用改进的基于环路分解的方法来解 除算法运行过程中产生的不可行解,大大提高了寻优 效率. 这种组合算法增强了遗传算法的学习能力,达 到较好的寻优效果. 第9期杨 珺 等: 智能算法在含分布式电源配电网故障恢复的应用综述1813 综合来看,含DG的配电网故障恢复优化求解需 要先进的、 快速的、 可靠的智能算法的支撑,改进的智 能算法及其组合智能算法能够在故障恢复模型求解 过程中很好地兼顾快速性和全局最优性,显著提高故 障恢复效率,减少因非故障停电造成的损失. 4智能算法在考虑多目标含智能算法在考虑多目标含DG配电网故 障恢复中的应用 配电网故
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 中共隆尧县公安局委员会 中共 隆尧县 公安局 委员会