李鹏飞[1]2008年在《基于人工智能的配电网故障恢复重构研究》文中进行了进一步梳理网络重构是配电系统运行和控制的重要手段,也是配电管理系统的重要组成部分。随着智能技术的发展,运用智能算法重构配电网络来达到降低网损的目的已经成为一种可能。论文阐述了配电网重构的背景、现状与特点;研究了目前较为流行的配电网重构算法;分析了各种配电网重构的目标函数以及约束条件。在此基础上,论文针对支路交换法,研究其算法原理,并对算法进行有效地改进。运用PSASP电力系统分析综合程序,对不同结构的配电网络进行实际算例仿真,考察算法的实用性。BP神经网络等人工智能算法能避免一般算法反复进行潮流计算而耗费时间的缺点,并且有很好的全局逼近优点。论文从BP算法自身着手,针对其学习速度慢和可能局部收敛两个问题,采取有效的手段分别改进。论文还从图论知识着手,构造叁种数学模型。用配电网的树形拓扑约束改进BP算法的误差函数,并且对BP神经网络的输出结果做了环网和孤立顶点约束判断,很好地解决了BP算法可能收敛到局部最小的缺点。最后以实际算例对改进算法进行仿真测试,证实该算法具有输出结果速度快、能有效全局逼近的特点。BP神经网络还有自学习——这一最重要也最令人注目的特点,非常适合长期运行的配电网络。因此,论文所研究的算法有很好的应用前景。
潘浩年[2]2012年在《网络重构在配电网事故处理中的应用》文中认为社会经济的不断发展，对电力系统的要求更高更严格，作为电力生产和电力用户的纽带，配电系统是电力系统的重要组成部分，约有90%以上的用户停电归咎于配电系统发生故障，现有的城市配网设备水平较低，是其更深层的原因。论及配电系统运行和控制的重要手段，即网络重构，是配电管理系统不可缺少的部分。配电网络自动化是新世纪以来电力系统发展的新目标，伴随着系统优化手段的多元化，配电网络如果可以根据实际需要改变自己的拓扑结构，实现故障的迅速隔离，自动调节开关状态集，并在筛选后的开关集中搜索出效果最好的方案，将对实现这一目标起巨大的推动作用。本文的一个重点在于配电网的网络重构的原理，然后建立模型，并对遗传算法进行研究。建立针对配电网优化和在事故情况下，综合考虑到各种目标函数和约束条件的数学模型。通过按IEEE标准演算的算例，结果表明此方案是正确可行的。引入网络重构后，可提高配电网事故处理后电网的供电可经济性，在配电网事故处理中可有效减少操作的步骤，寻求最佳的事故处理方案。引入最小生成树算法为工具，对实际电网的事故恢复做了详细的计算和分析，为配电网故障恢复提供优选方案。
胡雯[3]2014年在《自愈机制下含微电网的配电网重构方法研究》文中认为来自环境保护和能源安全的双重压力,正不断推动着可再生能源在能源系统的持续发展。但目前我国对可再生能源并网发电还缺乏统一的技术标准,项目建设也不够规范,现阶段分布式电源和微电网并网运行给配电网运行控制所带来的问题日益突出。其中一个主要问题是传统方法已无法解决含微电网的配电网络重构、故障定位、故障隔离和恢复以及恢复供电等问题。本文以实现配电网自愈为目标,将分布式电源和微电网并网后的配电网运行问题作为研究对象,围绕分布式电源以微电网形式并网后的配电网重构这一基础问题,引入节点功率预测方法,建立了“配电网-微电网-本地单元”的叁级多代理系统。本文的主要研究内容包括：自愈机制下的配电网重构需要完成正常情况下的优化运行、故障发生后的自治恢复。在节点功率预测和允许重构中存在孤岛的基础上,提出了与常规模型不同的广义配电网重构模型,包括以下内涵：①正常情况下,基于节点功率预测的动态优化重构；②故障情况下,允许孤岛存在的故障恢复重构；③从外部电网断开后,对孤岛划分的重构；④孤岛内,基于节点功率预测的微电网管理性重构。针对故障重构的极端情况,即故障造成系统从外部电网断开时,该模型可将配电网重构转化成常规的孤岛划分问题,完全适应自愈机制的要求,并能够自适应的实现不同运行状态下的控制操作,有效解决了常规模型在此方面的不足。实测信息与预测信息相结合,有利于重构操作时获取时间段内累积效果最优的拓扑结构。采用连接函数和高斯过程回归方法相结合,设计了一种节点功率预测模型。预测模型参考节点功率的历史时间序列建立适应该节点的混合连接函数模型,连接函数能够基于功率数据时间上的相依性解析出多个信息分量,还能够将微电网内电源之间、电源与负荷之间的相关关系解析出多个信息分量；各个信息分量的后验概率是基于贝叶斯推理计算得到；对应每个信息分量建立局部的高斯过程回归模型,并以后验概率作为局部模型的权重整合出用于节点功率预测的全局模型。由于时间序列模型通过混合连接函数模型将功率数据用多个特征化的信息分量来表征,该模型适用于多种不同性质的节点——负荷节点、分布式电源节点、微电网节点、负荷+分布式电源节点等.提出结合类电磁机制优化的极端学习机算法,计算选取神经元的输入权值与阈值的最优值,去除无用神经元以降低计算量。采用来自UCI数据库的实际数据集验证了算法的有效性。从测试结果与其他极端学习机进行比较的测试结果可以看出,类电磁机制优化的极端学习机(EMO-ELM)算法的收敛速度和收敛效果等指标明显更优。最后将EMO-ELM算法应用于前文提出的广义配电网重构问题进行算例分析,仿真和实验结果均验证了所述方法的有效性。在多代理环境下实现了含微电网的配电网以自愈为目标的控制。针对微电网孤岛运行、按重构方案孤岛操作的情况分别设计了相应的控制策略,实现了孤岛内以及切换到孤岛模式的功率平衡和系统暂态稳定。作为补充支撑的逆变器型微电源的控制Agent也进行专门设计,其控制策略是在下垂控制的基础上,采用离散时间的自适应前馈补偿对微电源和微电网进行动态解耦,以提高动态系统的稳定性和鲁棒性。采用小信号模型进行稳定性分析,增加了递推最小二乘估计算法来预测系统运行点使控制系统具有自适应特性。配电网的自愈机制表现在其自我预防、自我恢复的能力,其能够充分体现并满足当前用户对配电网高可靠性的要求;自愈机制下的配电网重构是以全局测量信息为基础,充分利用功率预测数据,采用分布式、具有自治性和协调功能的控制代理,通过决策算法制定适应微电网接入后的配电网重构方案；重构操作的同时微电网能控制内部各单元,或协调、或自主的进行优化控制,以适应重构方案的任务需求和外部电网环境的变化。
许琪[4]2011年在《基于配电网的馈线自动化算法及仿真研究》文中提出配网自动化中重要的核心部分——馈线自动化，具有很强的工程应用背景和巨大的市场潜力。在电力行业里，最为重要的就是时间，因为电能无法储存，故其生产、输送、分配和消费都必须在同一时间内完成，本文就以这个为出发点，以满足电力用户越来越高的用电需要为目的展开的研究。本文在传统配网模型的基础上，将配网图形加以简化，并结合目前使用最多的分层拓扑模型形成现代的配电网拓扑模型，该模型不仅可以将配电网络完整的表示出来，而且非常易于计算及存储。本文以故障定位的快速性、实时性为主要考虑因素，选定矩阵算法及过热弧搜寻算法作为故障定位的基础算法，针对这两种算法的低容错性及对包含T接点区域的不确定性进行了改进。通过将耦合点纳入网络描述矩阵，并与故障信息丢失节点进行区分，分别判断处理并研究出了一种新的矩阵算法判定准则以解决上述问题；对于过热弧搜索算法是把对过热弧的搜寻转变成对过热区域的搜索，并给出了过热区域的详细搜寻步骤；同时对馈线测控终端上传故障信息不完备或错误的情况给出了相应对策，即在进行故障定位前先对接收到的原始故障信息进行组合纠错，再将纠错完成后的高正确性故障信息，组成新的故障信息序列，作为算法的输入数据。最后将两种改进后的算法结合使用，形成了本文的故障定位算法——新型图论类故障定位算法。完成对配电网的故障定位、隔离后，紧接着要进行非故障区域的恢复。本文选取以降低网损和均衡负荷为目标函数进行重构，采用前推回代法计算网络潮流。配网的重构算法选用蚁群算法，针对蚁群算法收敛速度慢、计算时间过长的现象，研究出了一种基于配网重构的人工蚁群算法，算法中构造了解元件库以及预防出现不可行解的“预防”算子和“修正”算子，“预防”算子引入了一种候选集平衡策略，“修正”算子用以加快算法从不可行区域的逃离。仿真结果表明该算法在解决了上述问题的基础上有效地维持了搜索空间探索与开采的平衡，提高了算法性能。这样就完整的对馈线自动化功能进行了分析和研究，最后通过两个具有代表性的实例对论文中的算法一一进行仿真分析，由仿真结果得出本文算法的正确性、可行性及优越性。
邓永生[5]2002年在《遗传算法在配电网重构中的应用研究》文中指出配电网络重构是一个非线性组合优化问题，智能计算方法目前被认为是最有效的求解途径。本文基于改进遗传算法求解配电网络优化重构和故障恢复重构的最佳结构。论文首先阐述了智能计算方法及其在电力系统和配电网络重构领域中的研究现状。接着从理论上多角度地分析遗传算法，阐述了遗传算法的基本内容、工作机理，并基于Markov链对遗传算法进行了全局收敛性分析。针对目前遗传算法在配电网络重构应用中的不足，论文着重从选择算子、交叉算子、变异算子和收敛准则等方面进行了改进，把最优保存策略和两两竞争相结合的方法作为新的选择算子，采用随最优个体相对保留代数自适应变化的交叉和变异算子，把最优个体最少保留代数作为算法的终止条件。这些改进提高了改进遗传算法（IGAs）解算配电网络重构问题的收敛性和计算效率。论文对配电网络优化重构模型进行了一定的研究和探讨，采用考虑负荷平衡约束的以网损和停电损失最小为目标的多目标优化重构模型，并通过变加权系数理论，将配电网多目标优化问题转化为单目标优化。将改进遗传算法（IGAs）用于解算配电网络优化重构问题。解算时，对配电网络优化重构问题的染色体编码作了深入的研究，同时对初始化、约束条件的处理、适应度函数的构造以及基因操作等方面作了较为深入的研究。给出了基于IGAs的配电网络优化重构算法的基本步骤和流程框图。算例分析结果表明，IGAs具有良好的全局搜索能力和较高的计算速度。论文对改进遗传算法（IGAs）在配电网络故障恢复重构中的应用进行了初步探讨。探讨了配电网络故障恢复重构的数学模型，深入研究了配电网络故障恢复重构的染色体编码方案以及适应度函数。详细讨论了基于IGAs的配电网络故障恢复重构算法的基本步骤。算例的仿真结果表明：IGAs能够用于解算配电网络故障恢复重构问题，而且比SGA，具有较好的收敛性和较高的计算效率，拓展了遗传算法在配电网络故障恢复重构中的应用前景。通过以上的分析表明，论文针对配电网络重构问题对遗传算法的改进是有效的，改进后的遗传算法（IGAs）比SGA具有更好的收敛性和更高的计算效率。
田佳[6]2008年在《基于改进蚁群算法的配电网多目标重构问题研究》文中研究表明本文研究了蚁群算法及其在配电网重构中的应用,对算法的搜索过程和信息素更新方面进行了重大改进,弥补了传统蚁群算法计算速度慢并易于陷入局部最优的不足,并改善了解的收敛性。算例仿真结果表明改进后算法的高效性和可行性。本文针对配电网中电能质量和经济运行的实际情况,构造了多目标网络重构模型,包括网络损耗、节点电压最大偏移、支路负荷电流比最大值和开关动作次数,运用Pareto关系比较蚁群算法中各蚂蚁搜索解的优劣,应用于改进蚁群算法中的寻优和信息素更新环节,得出Pareto最优解集。算例仿真得出的重构方案,验证了该方法的实用性和可行性。
孙健[7]2004年在《配电网络分析与重构拓扑优化应用研究》文中指出配电网络是电力系统中直接为广大用户分配电能的重要环节，其运行稳定性、可靠性等直接影响广大用户的生产与生活。随着社会的发展与人民生活水平的不断提高，人们对供电质量与可靠性提出了更高要求。实施配电管理系统，实现配电系统自动化，进一步提高电网配电部分的运行管理水平已是当务之急。 本论文对配电网络进行了系统的研究与分析，结合配电网的特点详细地分析了配电线路、变压器、发电机和负荷等元件，建立了适合配电系统分析和控制的各类网络元件的数学模型，并对网络潮流分析中变压器模型遇到的问题进行了阐述，并给出了相应的解决方法。 配电网潮流计算是配电网络分析的基础，用于配电网调度、运行分析、操作模拟和设计规划，同时也是网络优化重构，电压无功优化等必需调用的功能。本论文详细讨论了近来出现的配电网络潮流计算的各种有效算法，如前推回代法、ZBUS法、牛顿ZBUS法及其改进、回路阻抗法等，给出了各种算法的计算基本原理，步骤以及应该注意的问题，并通过大量的算例进行验证，从而通过比较得出各种算法的特性、应用场合和优缺点。本文还进一步对一些算法进行了改进，如前推回代法对弱环网和PV节点的统一处理，ZBUS法对弱环网的处理以及改进牛顿ZBUS法对PV节点的处理等，使得算法的通用性极大地得到提高，从而满足实际应用的需要。 配电网络重构是配电系统运行和控制的重要手段，有利于提高配电系统安全性和经济性，也是配电管理系统的重要组成部分。本论文详细研究了多种配电网络重构算法，主要包括支路交换法、最优流模式法、递归虚拟流法和混合流模式法，详细分析了各种算法的理论依据、改进过程和基本步骤，简述了其它相关重构算法的思路及其发展，比较了各种算法的各类特性，提出了一种简化递归虚拟流算法，并通过实例证明了几种重构算法的有效性。
张杰[8]2008年在《配电网负荷均衡及降低网损的重构算法研究》文中指出配电网重构是一个复杂的多目标非线性组合优化问题。本文在网络正常运行、电压稳定的的条件下,通过操作网络中的分段开关和联络开关,改变网络的拓扑结构,实现负荷均衡化和降低网损两个主要目标。本文给出一种基于分层、分支模型的方法来实现负荷的均衡化。配电网负荷均衡是降低配电网线损、优化配电网运行、实现网络重构的一个目标。而网络重构的结果其实是将一个配电网分割成几部分,各部分通过常开的联络开关相连。通过网络分支、分层,来寻找联络开关的最优位置,从而实现网络重构。建立了数学模型,并给出求解过程。最后通过一个算例,验证了本文所提方法的可行性和有效性。本文研究了一种新颖的蚁群算法,对配电网进行重构。根据蚁群算法的基本原理和配电网的结构特点,求解正常运行条件下的配电网络重构问题,以达到线损最小。蚁群算法ACA(Ant colony Algorithm)是一种新型通用内启发式算法,研究表明该算法具有并行性、鲁棒性等优良性质。结合配电网的特点,本文应用蚁群算法来解决配电网重构问题,建立了相应的数学模型,并给出求解过程。使用该方法对IEEE33节点,和美国PG & E 69节点两个配电网络进行了重构,得到了理想的结果,表明该方法有较好的搜索效率。
金鑫[9]2010年在《种群规模自适应的遗传算法在配电网重构中的应用》文中提出现代城市配电网络发展迅速,网络结构日趋复杂,供电日趋紧张,用户对电能质量和供电可靠性的要求日益增高。配电网络重构能够提高系统运行的可靠性和经济性,具有很大的经济效益和社会效益。本文在对比分析传统遗传算法和种群规模自适应遗传算法的基础上,针对传统遗传算法采用固定的种群规模从而在配电网络重构的应用中存在易发生“早熟”和算法后期搜索效率低的不足,提出采用种群规模自适应的遗传算法进行配电网络重构。此算法在运行过程同时从宏观和微观两方面控制种群规模,使得算法在每一代进化过程中能够自适应地调整种群规模,因此能够有效防止“早熟”现象的发生,提高遗传算法的性能。本文以网损最小为目标对配电网络进行重构,并根据配电网络的结构特点采用基于环路的编码策略,避免了初始种群中不可行解的产生。相应的交叉、变异操作也采用基于环路的方法并对此过程中产生的不可行解进行修复,有效地提高了运算效率。本文给出了基于种群规模自适应遗传算法的配电网络重构的基本步骤和流程图,使用MATLAB软件编写了相关程序并采用IEEE标准算例验证了本文算法的可行性和有效性。算例的结果表明,种群规模自适应的遗传算法具有比一般遗传算法更好的收敛性能及全局寻优能力。
邹必昌[10]2012年在《含分布式发电的配电网重构及故障恢复算法研究》文中提出近年来,随着地球上常规能源特别是石油、煤、天然气的逐渐衰竭以及全球对环境保护和节能问题的日益关注加之电力科学技术的不断发展,以风力发电、光伏发电等可再生能源为主的分布式发电(Distributed Generation, DG)技术的正日趋成熟,并逐渐成为国内外研究的热点。然而大量DG接入配电网对传统的配电网结构和运行控制方式都将发生巨大改变。国内外学者在DG并网后对电力系统的影响方面作了较多的研究,但对含多DG的配电网重构与故障恢复方面研究得还比较少,尤其是在如何合理运用DG的孤岛效应在确保重要负荷的供电可靠性的前提下对非故障停电区域尽快恢复供电方面研究更少,因此,对此进行研究具有很重要的理论意义和实际意义。本文对含多DG的配电网叁相不平衡潮流算法,含DG的配电网故障诊断,重构与供电恢复等方面做了深入的研究,主要研究成果如下：(1)配电网的重构优化和故障定位以及供电恢复等都离不开潮流计算,大量DG接入配电网,使得潮流计算更加复杂。为解决不同类型DG并入配电网后的潮流计算问题,本文根据配电网中常见的不同类型的分布式发电所具有的不同特点,对它们分类建立了潮流计算模型,将分布式发电节点归类为PQ节点、PI节点、PV节点、P-Q(V)节点,鉴于前推回代法不能处理环网和PV节点,本文以传统电流前推回代法为基础,采用相分量法进行计算不平衡量,针对DG的特殊节点计算模型,利用迭加原理和迭代、补偿等手段得到分层改进前推回代算法,同时提出针对弱环网和PV节点的处理方法。从而使含DG的叁相不平衡配电网潮流计算变得简单易行,并以IEEE33节点和一个实际配电网为算例验证了本文算法的有效性。(2)不同类型、多DG接入配电网会对配电网的重构优化产生较大影响,由于配电网负荷的频繁变化,DG并网运行时段的不确定性,配电网的实时重构就显得非常必要,实时重构最重要的一点就是计算速度和效率,以前的配电网重构要么计算速度慢,要么找不到最优解,本文了提出了采用改进混合整数差分进化算法来解决含分布式发电的配电网重构优化问题。该方法将网损最小作为目标函数,首先对传统差分进化算法(DE)进行改进,形成能处理离散变量的混合整数差分进化算法,再通过在算法中嵌入加速操作和迁移操作克服了种群规模较小时传统差分算法易早熟的问题,既提高了全局搜索能力,又提高了搜索速度,局部搜索能力也较强。同时提出以环路为基础的整数编码方法,减少了编码长度,大大提高了可行解的比例,进一步提高了计算效率,从而为配电网的实时重构打下基础。(3)大量分布式发电的引入使配电网结构愈加复杂,继电保护与故障诊断难度加大,而故障诊断定位是配电网故障后供电恢复的基础,其诊断定位速度则是提高配电网供电可靠性的关键,为此提出了适于含有大量DG的配电网快速故障定位新方法。该方法首先根据配电网潮流计算结果,建立节点电压暂降数据库,然后通过安装在配电网中关键节点处的电能质量监控器采集到的各节点的电压,电流,功率等信息,并对节点电压暂降数据库数据及节点电压采集数据进行相关分析,匹配度最接近1的节点即为故障点。该方法对发生的故障定位准确,快捷,其效率明显优于以往的故障定位方法。配电网结构变化后,只需适当修改相应节点电压暂降数据库,不会影响使用效果。(4)大量分布式发电引入使配电网后,对配电网故障后的供电恢复问题提出了新的挑战。鉴于传统的配电网供电恢复算法都没考虑DG并网后孤岛效应产生的影响,论文提出利用DG孤岛效应的配电网供电恢复算法。首先按照负荷的重要程度进行DG孤岛划分,称为计划孤岛,当配电网发生严重故障引起大面积停电时,配电网按DG孤岛划分方案转入孤岛运行模式维持对孤岛内重要负荷供电。然后对非故障停电区域采用改进混合整数差分进化算法,以开关操作次数最少和网损最小为目标函数进行故障后的配电网重构供电恢复,尽量恢复更多负荷,对无法恢复的负荷则进行切负荷处理,合理利用DG的孤岛运行,既保证了重要负荷的供电可靠性,又恢复了更多负荷。同时提出了故障消除后配电网恢复初始运行,如果存在非计划孤岛并网时应采取的措施。
参考文献：
[1]. 基于人工智能的配电网故障恢复重构研究[D]. 李鹏飞. 南京理工大学. 2008
[2]. 网络重构在配电网事故处理中的应用[D]. 潘浩年. 上海交通大学. 2012
[3]. 自愈机制下含微电网的配电网重构方法研究[D]. 胡雯. 武汉大学. 2014
[4]. 基于配电网的馈线自动化算法及仿真研究[D]. 许琪. 江苏科技大学. 2011
[5]. 遗传算法在配电网重构中的应用研究[D]. 邓永生. 重庆大学. 2002
[6]. 基于改进蚁群算法的配电网多目标重构问题研究[D]. 田佳. 华北电力大学（河北）. 2008
[7]. 配电网络分析与重构拓扑优化应用研究[D]. 孙健. 浙江大学. 2004
[8]. 配电网负荷均衡及降低网损的重构算法研究[D]. 张杰. 东北电力大学. 2008
[9]. 种群规模自适应的遗传算法在配电网重构中的应用[D]. 金鑫. 华北电力大学. 2010
[10]. 含分布式发电的配电网重构及故障恢复算法研究[D]. 邹必昌. 武汉大学. 2012
标签：电力工业论文; 遗传算法论文; 蚁群算法论文; 自适应算法论文; 孤岛效应论文; 计算负荷论文; 重构论文; 仿真软件论文; 网络节点论文; 网络模型论文; 负荷预测论文; 功率控制论文; 算法论文;