没有合适的资源?快使用搜索试试~ 我知道了~
工程科学与技术,国际期刊35(2022)101230时变加速系数辅助二进制粒子群优化Halime Hizarcia,Alzheimer,Onur Demirelb,Belgin Emre Turkayca部。土耳其萨卡里亚萨卡里亚大学工程学院电气和电子工程系b部电子和自动化,Kirsehir Ahi Evran大学,Kirsehir,土耳其c部 伊斯坦布尔技术大学电气和电子工程学院电气工程系,土耳其阿提奇莱因福奥文章历史记录:2022年1月4日收到2022年7月23日修订2022年8月8日接受2022年8月24日在线提供保留字:辐射状网络配电网重构加速系数粒子群算法A B S T R A C T粒子群优化(PSO)算法被广泛应用于解决各种复杂的工程问题.然而,粒子群算法在搜索过程中可能会本研究提出一种新的加速系数的粒子群算法,以克服这个问题。将该系数应用于配电网重构(DNR)问题,以降低网损.该方法在满足辐射状结构、电压限制和潮流平衡等约束条件的同时,获得了最低的网损。通过对IEEE 33节点、PG 69节点和84节点台湾电力公司(TPC)实际配电网的仿真研究,验证了所提出的基于加速系数的二进制粒子群优化算法(BPSO)在处理DNR问题中的有效性。此外,DNR问题的能源成本和环境问题进行了评估最后,对不同加速系数的粒子群算法的平均在DNR问题中,基于加速系数的方法的求解速度比其他方法快。©2022 Karabuk University. Elsevier B.V.的出版服务。这是CCBY-NC-ND许可证(http://creativecommons.org/licenses/by-nc-nd/4.0/)。1. 介绍由于配电网的电阻值高于输电网,因此降低配电网中的功率损耗非常重要。此外,由于功率损耗增加了系统的运行成本,因此功率损耗最小化对于有效使用配电网络是必要的。网络重构、分布式发电(DG)和电容器配置是降低配电网网损的途径。网络重构是首选,因为DG和电容器的位置是昂贵的方法,以尽量减少功率损耗。配电网络重构(DNR)是基于改变联络(常开)和分段(常闭)开关的状态以减少配电网络中的功率损耗的操作。找到最佳解决方案是重要的,因为DNR是一个组合问题,由于电压,电流和辐射约束,搜索空间复杂。另外,DNR问题中考虑了大量的开关*通讯作者。电子邮件地址:hhizarci@sakarya.edu.tr(H. Hizarci)。由Karabuk大学负责进行同行审查。并且存在2n个可能的变化(其中n表示分支编号)。因此,评估所有候选切换组合需要很长时间,特别是在大型配电网络中。因此,快速找到最优解并不容易。因此,DNR问题的解决方法有三类:基于最优流模式的方法、支路交换方法和智能优化方法[1]。DNR最初由Merlin和Back于1975年提出,用于减少功率损耗[2]。从那时起,人们对配电网的性能进行了全面的例如,Civanlaret al.使用支路交换法解决DNR问题,并且他们极大地努力开发功率损耗公式[3]。然而,由于DNR的结果依赖于网络的初始结构,在分支交换方法中,解搜索效率会较低,特别是在大规模网络中。在文献[4]中,Baran和Wu提出了用于负载平衡和功率损耗减少的DNR的一般公式在文献[5]中,提出了一种改进的混合整数混合差分进化算法(IMI-DE)来解决DNR问题,目标函数是降低功耗。提出了一种求解DNR问题的启发式方法,该方法基于最小支路电流[6]。在文献[7]和[8]中,遗传算法(GA)和和声搜索算法(HSA)被用于求解DNR。还有,https://doi.org/10.1016/j.jestch.2022.1012302215-0986/©2022 Karabuk University.出版社:Elsevier B.V.这是一篇基于CC BY-NC-ND许可证的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。可在ScienceDirect上获得目录列表工程科学与技术国际期刊杂志主页:www.elsevier.com/locate/jestchH.希扎尔奇岛Demirel和B.E. 图尔考伊工程科学与技术,国际期刊35(2022)1012302.Σ½ - ]在[9]中提出了另一种基于GA的解决方案。混合大爆炸-烟花算法(FWA)[11]用于DNR,考虑不同的负荷水平(重,正常和轻),以提高电压稳定性和功率损耗最小化。提出了选择性蝙蝠算法(SBAT)和选择性PSO(SPSO)[12],以基于两步解决方案(网格向量和搜索空间确定)找到DNR的最佳解决方案,以避免坚持不可行的解决方案。在[13]中,提出了一种类似的方法(称为选择性二进制PSO),该方法交替了PSO的传递函数,用于解决DNR问题。此外,作者提出了一个两步方法的基础上分析的网络网格,以减少BPSO的搜索空间。在文献[14]中提出了一种改进的选择性BPSO算法,并在很宽的范围内改变了sigmoid函数的参数。针对DNR问题提出了一种三维组搜索优化(3D-GSO)[15],其目的是降低功率损耗,并针对不同的负载水平实施3D-GSO蚁群优化(ACO)是另一种用于找到最佳开关模式以最小化配电网中的功率损耗的方法[16,17]。在[18]中,Salp Swarm算法(SSA),SSA的改进版本(称为ISSA)和信息间隙决策理论(IGDT)用于基于功率损耗和能量成本降低的最优DNR。提出了一种新的基于群的方法,称为改进的鲸鱼优化( IWOA ) [19] 在 文 献 [20] 中 , 提 出 了 一 种 混 沌 随 机 分 形 搜 索(CSFSA)算法,克服了SFSA算法的缺点,并将其应用于DNR问题。在DNR[21]中使用了由三个步骤组成的开关断开和交换(SOE)方法。在第一步中,开关依次打开,直到所有回路都打开。然后,在第二步中,对第一步中获得的分支状态进行修改,以找到更好的径向拓扑提出了自适应调整局部和全局搜索之间的平衡该加速系数能使粒子群快速收敛到全局最优解而不陷入局部最优。此外,与恒定加速系数相比,提高了收敛速度。此外,该算法给出了一个最佳的和强大的解决方案的DNR问题。除了功率损耗的减少,能源和温室气体排放(CO2,NOx和SOx)的成本被认为是在这项研究中。三个案例研究,以测试所提出的BPSO的有效性和鲁棒性最后,将该方法与基于系数修正的其他方法进行了比较作为仿真研究的结果,建议的BPSO给出了更好的功率损耗减少和收敛结果。本文的组织结构如下。首先,在第2节中介绍了BPSO的加速系数。在第3节中,考虑到DNR问题的目标函数和约束条件,实现了所提出的BPSO。接下来,第4节给出了案例研究。最后,在第5节中给出了结论2. 二进制PSOPSO算法是由社会心理学家J.肯尼迪和电气工程师R。Eberhart于1995年[29]。然后,同样的作者也在两年后提出了PSO的二进制版本[30]。粒子群算法的灵感来源于成群移动的动物的食物搜索。群体中的每个个体都被定义为一个粒子。粒子群优化算法基于群体中社会信息的共享。粒子群的运动如图所示。1.一、群中的每个粒子使用其先前的经验来调整其位置,以达到最佳位置。适应度函数是确定粒子与解有多接近的标准。最好的最接近最优解的粒子的解是和第三步。在[22]中,Harris Hawks优化(HHO)算法-Rithm被提出作为DNR的四步求解过程,P最佳(个人最佳)。 此外,g最好(全球最佳)是迄今为止目标函数是降低功率损耗。在[23]中,二进制粒子群优化和重力搜索算法(BPSO-GSA)的混合用于最优DNR。损失最小化和可靠性指标被认为是研究的目标函数。基于人工生态系统的优化(AEO)用于解决DNR问题,以减少功率损耗[24]。根据研究中的最小、平均和最大自适应函数值进行统计分析。在[25]中,执行改进的狼优化算法(ICOA),用于平衡和不平衡功率分配网络的重新配置,以最小化功率损耗。ICOA最重要的优点是它只更新到目前为止的最优解,而不创建新的种群。粒子群算法由于其易于实现和需要调整的参数较少而例如,基于PSO的算法用于删除事务[26],并在数据挖掘研究领域挖掘高效用项集[27]PSO的另一种变体,称为自适应PSO,被提出用于资源均衡问题中的资源均衡分配[28]。在文献中,DNR的目标函数通常是降低网损、电压偏差、电压稳定指标和系统可靠性然而,对减少温室气体排放的关注较少。由于功率损耗降低了电力系统的效率,因此使配电网中的功率损耗(其对大部分功率损耗负责)最小化的努力具有积极的环境。正面影响。提出了一种新的时变加速度系数辅助的BPSO算法来解决馈线重构问题。基于指数的加速系数为最好的解决方案中的所有粒子群。该算法的搜索过程继续进行,直到达到目标在图1中,粒子i的速度在数学上被建模为(1)。vid¼xvidc1r1pid-xidc2r2pgd-xid 1其中x是粒子i的惯性重量和标度速度。d定义搜索空间的维度。c1是认知(或个人)加速系数,c2是社会加速系数。r1和r2是0 - 1之间的随机数。每个粒子的位置基于(2)更新。Fig. 1. 粒子群算法中的粒子运动H.希扎尔奇岛Demirel和B.E. 图尔考伊工程科学与技术,国际期刊35(2022)10123032ð Þ ¼-½ - ]ð Þ ðÞV2我xid¼xid vid2c2¼c1f-2e-2:2iter=最大iter在BPSO中改变粒子的位置定义如下:其中,分别为c1/40: 5和c1/42:iter和maxiter表示,ifrandSvid<4×。地点r -1先令2先令3便士;如果0<位R <1最大值最大值2 228><-4×。地点r -1先令2先令3便士;如果0<位R <1最大值最大值2 22c1¼最大值2 2Σ最大值2c2¼最大值2 2maxiter2>:-4×。地点r -12003;如果1≤iter ≤1>:4×。地点r -1先令2先令3便士;如果1≤iter ≤1图二. 不同加速度系数的比较。图三. 不同加速度系数下的收敛特性。Aij¼8>1>:0如果分支开始 在 总线 i如果分支开始于总线j,否则ð11Þ碳损失 1/4K损失×P损失×Ts× 12Ω其中,K损失表示每千瓦时的成本,等于0.06 $/kW[18,19],Ts是以小时为单位的时间,等于8760。能量损失:年能量损失按(13)计算:其中i1; 2; 3;;Nbr和j1; 2; 3;;Nbus。网络的辐射度用行列式检查,能量损耗<$8760×功率损耗×LFð13ÞA矩阵和DetA1、应该满足[42]。DNR的成本和环境效益:虽然DNR问题的主要目标是功率损耗最小化,但DNR也会影响能源成本和环境问题。特别是由于配电网的高电阻,功率损耗增加。增加功率损耗对应于能量成本的增加此外,需要更多的能源生产来将相同的能源分配给消费者。这种情况意味着每兆瓦时产生更多的排放气体,以在发电厂中产生相同的能量。电力成本:有功功率损耗的年度成本计算如下:11f1f21我1f11f21fH.希扎尔奇岛Demirel和B.E. 图尔考伊工程科学与技术,国际期刊35(2022)1012305LF是损耗因子[43],对于(13)中的住宅荷载,它被认为是0.3。减排:传统发电厂每兆瓦时产生的排放量相当于0.0036 kg SO2、0.1 kgNOx和720 kg CO2[43]。因此,CO2、NOx和SO2的计算公式如下:CO2减少量<$720×E损失量<$14 ×NOx减少量<$0: 1×E损失量15%SO2减少量<$0: 0036×E损失量<$16 ‰H.希扎尔奇岛Demirel和B.E. 图尔考伊工程科学与技术,国际期刊35(2022)1012306×见图4。提出的BPSO算法的实现。第4节对三种情况进行了成本和环境效益评估。所提出的用于DNR问题的算法的步骤如下:第一步:确定粒子群算法的种群规模和搜索空间的维数在迭代过程中,惯性权重从0.9减小到0.4DNR问题的最大迭代第二步:初始化由开关组合组成的随机种群,并建立初始速度和位置的维数为Nd的矩阵。步骤3:加载配电网数据进行潮流计算,并利用支路关联矩阵检查母线的连通性。此外,分支关联矩阵有助于跟踪网络中的闭环第四步:算法的主循环在这一步中给出。每个粒子的位置和速度是根据迭代次数确定的。为了搜索更宽的搜索空间,在步骤1中定义的惯性权重随着迭代次数而减小。使用(15)计算速度和位置,并以矩阵形式存储每个粒子。由于该算法被称为二进制PSO,因此使用sigmoid函数来缩放粒子在0和1之间的位置。因此,开关的状态被转换为1表示断开,0表示闭合。步骤5:通过实现根据从群集获得的开关组合形成的辐射状网络步骤6:针对粒子i检查问题的适应度函数和约束。更新粒子i的最佳位置。如果位置比前一个位置好,则此位置为选择P最好。如果该位置优于群的全局最佳位置,则将其分配为gbest。步骤7:检查停止标准,如果满足,则g best 被选为问题的最优解。否则,则返回到算法中的步骤4。最后,当迭代次数达到最大值值4. DNR问题本文提出了一种基于指数加速系数辅助的二进制粒子群优化算法来解决DNR问题。在MATLAB R2021a环境下,对三个配电网的BPSO算法进行了仿真。对于功率流,使用MATPOWER[44]工具。该算法在PC机上运行,2.40 GHz CPU和12 GB RAM。所有情况下的结果都是在算法独立运行十次后获得的。粒子群算法的种群规模选择为20。联络开关指定了问题的维度,33和69节点配电网的维度为5,84节点配电网的维度为13。惯性权重在迭代过程中线性减小,从0.9减小到0.4。DNR问题的最大迭代次数为100。4.1. IEEE 33节点配电网如图5所示,33母线配电网有32条分段线和5条联络线。系统的基准电压为12.66 kV。该网络系统初始总有功损耗为202.68 kW。10次独立运行后,所得结果见表2。此外,实施所提出的方法是与其他研究在文献中。示在表2中,可以注意到,在基本情况下,33母线测试系统的总有功功率损耗为202.68 kW。改造后,网损降低31.45%.BPSO算法比SSA、ISSA和IGDT算法具有更低的功率损耗,而与3D-GSO算法具有相同的功率损耗。在3D-GSO和BPSO中得到的最优开关配置是相同的。由于在仿真中使用的潮流方法的功率损耗之间有一个小的差异。表2还列出了通过配电网络重构减少电力损耗而实现的年净节能量、CO2 、 NOx 和 SO2 减 排 量 。 在33 节 点 配 电 网 中, DNR 后 总 成 本 节 省33507.940$。此外,使用DNR减少功率损耗对环境问题的积极影响进行了研究。从表2中可以清楚地看出,在重新配置之后,环境有害气体的量显著减少。在DNR之前和之后的33总线网络的电压分布在图6中描绘。DNR前后,母线18处的电压最小,为0.9131 pu,母线32处的电压最小,为0.9378 pu。特别是,总线6-18处的电压分布检查图6中所见的系统的初始情况和最佳情况在重新配置之后,网络的拓扑结构发生了变化;在这种情况下,最远的总线是32。荷载从上方-图五. 33节点配电网单线图。H.希扎尔奇岛Demirel和B.E. 图尔考伊工程科学与技术,国际期刊35(2022)101230表7733节点测试系统中不同算法的结果比较基础案例[第18话]ISSA[18]IGDT[18]3D-地球同步轨道[15][第十七话]拟议的BPSO功率损耗202.68142.16141.99170.5027139.26139.55138.928(千瓦)功率损耗成本106528.2674721.9974589.3889616.234973195.05673347.4873020.3198($)净节省(美元/年)–31809.31231938.88016912.02533333.20433181.12833507.940(%)(29.86%)(29.98%)(15.88%)(31.29%)(31.15%)(31.45)CO2减排(公斤)–268989.466268667.798322618.389263502.202264050.928262873.151氮氧化物还原(公斤)–37.36037.31544.80836.59836.67436.510SO2还原(公斤)–1.3451.3431.6131.3181.3201.314断开的开关33-34-35-36-7-9-14-36-377-9-14-28-368-32-33-34-377-9-14-28-327-9-14-32-377-9-14-32-3737见图6。 33总线测试系统的电压剖面。通过改变开关的状态,将负载线路减少到更少的负载线路。因此,改善了电压分布。4.2. PG E 69母线配电网69母线配电网的单线图如图7所示,该网络有68个分段开关和5条联络线。系统的基准电压为12.66 kV[45]。网络的总有功功率和无功功率分别为3802 kW和2695 kVAr。基本情况下的功率损耗为224.97 kW。见图7。 69节点配电网单线图。在重构之后,得到给出最小功率损耗的最佳开关组合为14-57-61-69-70。 当功率损耗结果与其他方法比较时,可以看出,所提出的BPSO优于GA和HSA。虽然开关组合的方法是不同的,所提出的方法给出了相同的功率损耗减少与FWA,3D-GSO,和IWOA。当开关56、57和58断开时,它们给出相同的功率损耗。这种情况与这些总线的连接负载有关。母线56、57和58中没有负载,因此断开开关会产生相等的功率损耗。根据表3,重构后功率损耗减少56.18%。使用所提出的方法重新配置的净成本节省是66425.790$。此外,功率损耗的减少显示出对温室气体减排的影响。DNR既有成本效益,又有环境效益。在69节点网络的电压分布图中也可以看到功率损耗降低的影响。图8显示了馈线重新配置前后母线的电压水平。在总线65处的最小电压为0.9092 pu,并且在DNR电压分布改善之后,在总线61处看到最小电压水平为0.9495 pu。4.3. 84-台湾电力公司(TPC)配电网84-总线TPC(见图9)在研究中被用作真实案例研究。在网络中,有83个分段和13个联络线[5]。系统的基准电压为11.4 kV。总有功电网无功功率分别为28350 kW和20,700 kVAr。在基本情况下,总功率损耗为531.994 kW。在84总线网络中,电压约束分别为Vi;min1/40: 95和Vi;max1/41:馈线A具有重负载;因此,该馈线处的大多数母线在DNR之前违反电压约束。在使用所提出的BPSO进行DNR之后,得到了给出最小损耗的最佳开关违反电压限制的母线数量为10条,在DNR之后,所有违反的母线都得到了改善。中给出了比较表四,和的最小功率损失是获得469.337千瓦BPSO算法比IMI-DE、CSFSA、SBAT、BB-BCA和GA算法具有更好的性能。使用DNR可降低功率损耗成本和GHG因此,DNR是不需要额外成本的适当解决方案。图10显示了DNR前后84总线网络的电压分布。母线10处的最小电压为0.9285 puH.希扎尔奇岛Demirel和B.E. 图尔考伊工程科学与技术,国际期刊35(2022)101230表8869节点测试系统中不同算法的结果比较。基础案例FWA[11]美国[7][7]3D-地球同步轨道[15]IWOA[19]拟议的BPSO功率损耗224.9798.5999.35103.2998.5998.595298.595(千瓦)功率损耗成本118247.4251821.6352218.36054289.22451821.6351821.6351821.63($)净节省(美元/年)–66425.79066025.87263955.00866425.79066425.79066425.790(56.18%)(55.84%)(54.09%)(56.18%)(56.18%)(56.18%)CO2减排–186557.894187986.096195441.206186557.894186557.894186557.894(公斤)氮氧化物还原–25.91126.10927.14525.91125.91125.911(公斤)SO2还原–0.9330.9400.9770.9330.9330.933(公斤)断开的开关69-70-71-72-14-56-61-69-7013-18-56-61-6914-53-61-69-7014-56-61-69-7014-58-61-69-7014-57-61-69-7073见图8。 69节点测试系统的电压剖面。并且在DNR电压分布得到改善之后。结果,在总线72处看到最小电压电平为0.9532 pu。建议的加速度系数与文献中的根据表5中的结果,建议系数给出的最小平均运行时间为32.058 s。因此,与文献中可用的其他系数相比,它提供了更好的结果表明,该算法在满足DNR问题约束条件下,为这三个配电网提供了最小网损和最小电压偏差的最佳开关模式。收敛性评估如图11所示,很明显,所提出的基于加速系数的BPSO在DNR问题解决方案中比其他方法更鲁棒。最后,所提出的加速系数为基础的BPSO算法的DNR问题收敛到一个最优解比其他方法。同时,计算时间表明,在这项研究中给出的方法是耗时较短的比别人。该算法的局限性是使用sigmoid函数作为经典的传递函数,将速度转换为概率。文献中新引入的传递函数如v形、x形和z形可以用来改善BPSO的性能,也可以用来改善Pro-PSO的性能。提出了EBAC BPSO。为了验证所提出的算法的性能,表6中列出了统计细节。经过20次独立运行和250次迭代后获得结果。最小的标准差标志着一个接近最优的解决方案,所提出的算法,见图9。 84节点配电网单线图。根据表6所示的结果,最小标准偏差为2.51,比其他算法更好地满足要求。4.4. Wilcoxon检验Wilcoxon符号秩和检验是用于两个独立组之间结局比较的非参数检验[46,47]。当其中一个变量的位置与另一个变量的位置针对备择假设,使用Wilcoxon检验对零假设假设零假设和备择假设[48]:H0:lollaH1:10表484节点TPC系统的不同算法的结果比较基础案例IMI-DE[5]SBT[12]CSFSA[20]启发式方法[6]BB-BCA[10][9]SOE[21][第十六话]拟议的BPSO功率损耗(kW)功率损耗531.994279616.046469.88246968.928469.88246968.928469.878246967.877470.89247499.784471.62247883.472469.878246967.877470.06247063.536469.88246968.928469.337246683.527费用(美元)–32647.118432647.118432648.17032116.26231732.57432648.17032552.51032647.118432932.519(美元/年)(11.68%)(11.68%)(11.68%)(11.49%)(11.35%)(11.68%)(11.64%)(11.68%)(11.78%)二氧化碳减少量(千克)–889088.141889088.141889084.356890999.222892380.499889084.356889428.730889088.141888060.698氮氧化物减少量(千克)–123.484123.484123.484123.750123.942123.484123.532123.484123.342二氧化硫减排量(kg)–4.4454.4454.4454.4554.4624.4454.4474.4454.440打开84-85-86-87-88-7-13-34-39-41-7-13-34-39-42-7-13-34-39-42-7-34-39-42-55-7-33-38-55-62-7-13-34-39-42-7-13-34-39-42-7-13-34-39-41-7-13-34-39-42-开关89-90-91-92-93-55-62-72-83-86-55-62-72-83-86-55-62-72-83-86-63-72-82-86-88-72-83-86-88-89-55-62-72-83-86-55-63-72-83-86-55-62-72-83-86-55-63-72-83-86-94-95-9689-90-9289-90-9289-90-9289-90-9290-92-9589-90-9289-90-9289-90-9289-90-92H.希扎尔奇岛Demirel和B.E. 图尔考伊工程科学与技术,国际期刊35(2022)101230见图10。 84总线TPC测试系统的电压剖面。表5基于 计算 工作量 的加 速度 系数比 较( 最大 迭代 次数为100)。平均迭代次数(s)固定c(c1=c2= 2)TVAC[35]SCAC[38]NDAC[39]SBAC[40]PNAC[41]拟议的BPSO32.70533.23634.71433.45132.89533.46132.058见图11。 不同加速度系数的收敛性L_0:网络重构之前配电网络的基本情况的母线电压值。la:网络重构后的母线电压值。显著性水平(a)确定为0.05。的概率计算了33节点配电网重构后的Wilcoxon符号秩和检验,在表7中给出。对于拟议的BPSO,第24页:2204e- 05。由于p值较小,比显著性水平(1/40: 05),零假设可以是拒绝,并得出结论,所提出的方法是统计显着的。与其他方法相比,所提出的BPSO和IGDT方法的p值最小8H.希扎尔奇岛Demirel和B.E. 图尔考伊工程科学与技术,国际期刊35(2022)1012309表633总线网络的统计详情。算法最佳(kW)平均值(kW)最差(kW)标准偏差断开的开关拟议的BPSO138.928140.3251156.60132.517-9-14-32-37FWA[11]140.335147.02157.2435.397-9-14-28-32美国[8]138.06152.33195.1011.287-10-14-36-37RGA[8]139.5164.9198.413.347-9-14-32-37[8]139.28163.5196.312.117-9-14-36-37[8]141.6166.2202.714.537-9-14-32-37表733节点网络不同算法的Wilcoxon符号秩和检验概率算法[第18话]ISSA[18]IGDT[18]3D-地球同步轨道[15]拟议的BPSOp6.8087e-054.9565e-054.2204e-054.5744e-054.2204e-055. 结论本文采用基于指数的加速系数辅助的BPSO算法,研究了以最小化网损为目标的DNR问题。文中给出了基于加速系数的BP SO算法对不同分布网络的仿真结果本文的贡献总结如下:- 提出了一种基于指数的加速系数辅助的BPSO算法,以找到最优的开关组合,使功率损耗最小化,同时提供问题的约束,如网络的辐射度,总线电压限制,和所有负载的连接- 在三个配电网上的算例表明了该算法的优越性- 采用EBAC BPSO进行配电网重构后,无需增加额外的DG或电容器配置,即可降低网损。- EBAC粒子群优化算法在减少CO2、NOx和SO2等环境有害气体方面的有效性也被考虑。- 在计算时间和收敛速度方面,与其他时变系数进行了比较。研究结果表明,与文献中已有的方法相比,本文方法具有计算时间短、收敛速度快的此外,它是可能的,以扩大所提出的算法为不平衡和大型配电网络作为本文的未来范围。该算法也可用于其他电力系统的问题,如负载平衡,最佳DG/电容器的位置。竞争利益作者声明,他们没有已知的竞争性财务利益或个人关系,可能会影响本文报告的工作。引用[1] H. Li,W. Mao、毛叶菊A. Zhang C.,中国古猿科 Li,基于最小生成树算法和启发式规则 的 配 电 网 重 构 改 进 方 法 , Int. J. Electr. Power Energy Syst. 82 ( Nov. 2016 )466https://doi.org/10.1016/j.ijepes.2016.04.017[2] A. Merlin,H.返回,城市配电系统中最小损耗操作生成树配置的搜索,1975年。[3] S. 作 者 : J.J. Yin , S.S.H. 李 , 配 电 馈 线 重 构 降 低 损 耗 , IEEE Trans.PowerDeliv.2004。3(3)(1988)1217doi.org/10.1109/61.193906[4] 法医Baran,F.F.吴,配电系统网络重构的降损和负荷平衡,IEEE电力传输。4(2)(1989)1401https://doi.org/10.1109/61.25627[5] 鉴证组Ching-Tzong,C. S.李,基于改进混合整数混合差分进化算法的配电系统网络重构,IEEE电力传输。18(3)(2003)1022https://doi.org/10.1109/TPWRD.2003.813641[6] A.A. Mohd Zin,A.K.Ferdavani,A.B.Khairuddin,M.M.Naeini,通过最小电流循环更新机制法重构辐射状配电网,IEEE Trans. 电源系统 27(2)(2012)968-974。[7] R.S.拉 奥 , K.Ravindra , K.S
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- JSBSim Reference Manual
- c++校园超市商品信息管理系统课程设计说明书(含源代码) (2).pdf
- 建筑供配电系统相关课件.pptx
- 企业管理规章制度及管理模式.doc
- vb打开摄像头.doc
- 云计算-可信计算中认证协议改进方案.pdf
- [详细完整版]单片机编程4.ppt
- c语言常用算法.pdf
- c++经典程序代码大全.pdf
- 单片机数字时钟资料.doc
- 11项目管理前沿1.0.pptx
- 基于ssm的“魅力”繁峙宣传网站的设计与实现论文.doc
- 智慧交通综合解决方案.pptx
- 建筑防潮设计-PowerPointPresentati.pptx
- SPC统计过程控制程序.pptx
- SPC统计方法基础知识.pptx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功