CN110752594B - 基于改进凝聚层次聚类法的配电网路径优化方法 - Google Patents
基于改进凝聚层次聚类法的配电网路径优化方法 Download PDFInfo
- Publication number
- CN110752594B CN110752594B CN201910804451.3A CN201910804451A CN110752594B CN 110752594 B CN110752594 B CN 110752594B CN 201910804451 A CN201910804451 A CN 201910804451A CN 110752594 B CN110752594 B CN 110752594B
- Authority
- CN
- China
- Prior art keywords
- path
- antibody
- node
- distribution network
- power distribution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000009826 distribution Methods 0.000 title claims abstract description 44
- 238000005457 optimization Methods 0.000 title claims abstract description 15
- 230000002776 aggregation Effects 0.000 title claims abstract description 7
- 238000004220 aggregation Methods 0.000 title claims abstract description 6
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000010367 cloning Methods 0.000 claims description 12
- 230000035772 mutation Effects 0.000 claims description 9
- 206010064571 Gene mutation Diseases 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 3
- 238000005054 agglomeration Methods 0.000 claims 1
- 230000005494 condensation Effects 0.000 claims 1
- 238000009833 condensation Methods 0.000 claims 1
- 238000005868 electrolysis reaction Methods 0.000 claims 1
- 230000003053 immunization Effects 0.000 claims 1
- 238000002649 immunization Methods 0.000 claims 1
- 238000012163 sequencing technique Methods 0.000 claims 1
- 230000005540 biological transmission Effects 0.000 abstract description 4
- 238000005354 coacervation Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for AC mains or AC distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for AC mains or AC distribution networks
- H02J3/04—Circuit arrangements for AC mains or AC distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开一种基于凝聚层次聚类法的配电网路径优化方法。在能源互联网的背景下，大规模可再生能源可以通过各种电能设备，例如电能路由器等接入配电网中，其产生的电能也通过电能路由器进行分配。对含分布式能源的配电网进行路径优化可以有效的降低电能传输过程中的电能损耗，同时可以改善配电网的电压分布情况，有效的减少节点电压的偏差。本发明通过对含可再生能源和电能路由器的配电网建模和潮流计算，并且提出一种基于凝聚层次聚类的改进免疫克隆算法，以有功功率的总耗值和节点电压总偏差值最小为目标，寻找最优供电路径。
Description
技术领域
本发明属于电力系统技术，具体为基于改进凝聚层次聚类法的配电网路径优化方法。
背景技术
面向未来能源互联网的配电网在原有基础上加入电能路由器，能够更好的调控可再生能源及各种储能设备，并且合理地规划配电网供电路径，能够使在电能传输分配的过程中损耗更小，同时通过电能路由器的接入，也能够有效提升各节点的电压水平，减小节点电压的偏差，为用电用户提供更好的电能质量。
目前对于含有电能路由器的配电网潮流计算研究，主要借鉴电力电子变压器的研究方法，采用统一迭代法或交替迭代法对电网系统进行潮流计算，但是电能路由器和电力电子变压器相比具有新的特性。对于配电网路径优化的研究方面，采用智能算法能够提高寻优效率，但是由于智能算法的随机性，路径解不一定具有可行性，目前已有研究采用邻域搜索先搜索出全部的可行路径解，再将可行解集合赋给免疫克隆算法的初始解空间，但是无法保证后续操作得到的路径解空间是完全可行的。
发明内容
本发明的目的在于提出了一种基于改进凝聚层次聚类法的含电能路由器的配电网路径优化方法。
实现本发明目的的技术解决方案为：一种基于改进凝聚层次聚类法的配电网路径优化方法，具体步骤为：
步骤1、初始化免疫克隆算法的每代抗体个数NP，最大免疫代数G；
步骤2、将配电网供电路径解作为抗体，随机生成初始抗体种群f，对抗体种群f中每一个抗体进行路径修正，使每个抗体都为可行解；
步骤3、计算修正后的的每个抗体总耗值，
将每个抗体的总耗值的倒数1/F作为每个抗体的亲和度；
步骤4、对抗体种群f中的抗体按亲和度从大到小排列，将排名前m个个抗体构成集合fa，m最优为NP/2个；
步骤5、对集合fa中的每个抗体进行克隆操作得到Cfa(n)；
步骤6、对突变后的克隆抗体依次进行路径修正，并按照亲和度值进行排序，将Cfa中亲和度最大的抗体替换掉fa中对应的克隆原抗体；
步骤7、随机生成新的抗体种群Bf，并进行路径修正及亲和值计算，将新的抗体种群Bf与结合fa合并，使集合f扩大为[fa，Bf]，将集合f中的抗体按亲和度从大到小排列，记录排名前NP/2个抗体fa，并将最优个体fa(1)赋值给Best(gen)，迭代代数gen加1；
步骤8、当迭代代数gen小于等于最大免疫代数时，回到步骤3，否则，Best(G)对应的供电路径即为最优路径。
优选地，步骤2对抗体种群f中每一个抗体进行路径修正的具体方法为：
步骤2-1、初始化投运线路信息矩阵Cb，其中第一行为已投运的线路编号L，第二行为投运线路对应首节点Fb，第三行为投运线路对应末节点Tb，将每一条抗体对应的配电网路径信息存储在投运线路信息矩阵Cb；
步骤2-2、判断随机路径解是否有孤立节点，若为，则添加进孤立节点集合Lb中；
步骤2-3、判断孤立节点集合Lb中的节点是否为配电网平衡节点，若是，则将平衡节点线路投运状态变为1，并将其线路信息存储进投运线路信息矩阵Cb中，若不是，则查找此节点在电网信息矩阵中的位置，从与其连接的线路中，随机选择一条未投运线路连通，并将此线路信息存入Cb中；
步骤2-4、将Cb中每一列对应的线路作为初始通电区域，通电区域数为Nt，按列顺序将每个通电区域与之前通电区域进行比较，若有1个共同节点，则说明两个通电区域连通，将两个通电区域合并，Nt减1；若有2个共同节点，则说明此线路与已投运路径形成了环路，将此条通电线路舍弃，Nt减1；若有0个共同节点，则说明通电区域不连通。
步骤2-5、结束所有通电区域凝聚判断后，若Nt不为1，说明路径解不连通，查找未投运线路集合，比较未投运线路集合中元素与通电区域节点重合信息，具体为：
当Nt不为1时，依次判断未投运线路，若未投运线路的首末节点分别在不同的通电区域内则为连通性修正线路，将此线路信息添加进Cb中，并合并其连接的通电区域，Nt减1；
当Nt为1时，则说明路径连通，得到可行路径解。
优选地，步骤2-2判断随机路径解是否有孤立节点的具体方法为：查找所有节点在投运信息矩阵Cb第二行Fb和第三行Tb中对应的位置，若位置信息为空，则此节点未连接任何通电线路，即此节点为孤立节点。
优选地，修正后的的每个抗体总耗值的计算方法为：
将每个抗体代表的路径解和电能路由器虚拟节点路径合并，并对整条路径进行潮流计算，求得每条抗体代表的路径解所含支路的有功功率损耗值及所含节点的电压偏差绝对值，根据公式
求得每个抗体的总耗值，其中f1(eij)为每条支路的有功功率损耗值，f2(vj)为每个节点的电压偏移值,c(eij)为支路投运状态，V是电网拓扑可用无向连通图G的节点集，表示电网中的发电机节点和母线节点，E表示图G的边集。
优选地，步骤5对集合fa中的每个抗体进行克隆操作得到Cfa(n)的具体方法为：
将集合fa的每个抗体fa(i)复制n次，形成Cfa(n)，保持Cfa(1)不变，随机产生突变几率P1与已定的突变值P0比较，若P1大于P0，则进行基因突变，随机产生两个不同的突变位，对Cfa(i)进行基因突变操作。
优选地，步骤6对突变后的克隆抗体依次进行路径修正的具体方法与步骤2相同。
优选地，步骤7对新的抗体种群Bf进行路径修正的具体方法与步骤2相同。
优选地，m为NP/2。
本发明与现有技术相比，其显著优点为：1)本发明避免了对所有可行解的搜索，直接对随机生成的路径解进行修正，保证了免疫克隆算法初始解的随机性。2)本发明采用的基于改进凝聚层次聚类法的修正算法，在原有算法基础上添加了孤立节点修正和冗余判断，使生成的路径解都是有效的，增大了有效的解空间。3)本发明应用于含电能路由器的配电网路径优化满足配电网结构特征，为配电网潮流计算提供有效路径解。
附图说明
图1为免疫克隆算法流程框图。
图2为孤立节点修正算法流程框图。
图3为改进凝聚层次聚类法流程框图。
图4为初始随机路径示意图。
图5为孤立节点修正后的路径示意图。
图6为连通性修正后的路径示意图。
图7目标函数收敛曲线图。
图8为程序运行次数与每代最小目标函数值曲线图。
图9为目标函数值最小的路径示意图。
具体实施方式
一种基于改进凝聚层次聚类法的配电网路径优化方法，具体步骤为：
步骤1、初始化免疫克隆算法的每代抗体个数NP，最大免疫代数G；
步骤2、将配电网供电路径解作为抗体，随机生成初始抗体种群f，对抗体种群f中每一个抗体进行路径修正，使每个抗体都为可行解，路径修正的具体方法为：
步骤2-1、将每一条抗体对应的配电网路径信息进行存储，初始化投运线路信息矩阵Cb，其中第一行为已投运的线路编号L，第二行为投运线路对应首节点Fb，第三行为投运线路对应末节点Tb；
步骤2-2、判断随机路径解是否有孤立节点，具体方法为：查找所有节点在投运信息矩阵Cb第二行Fb和第三行Tb中对应的位置，若位置信息为空，则此节点未连接任何通电线路，即此节点为孤立节点，将该节点添加进孤立节点集合Lb中；
步骤2-3、孤立节点修正。判断孤立节点集合Lb中的节点是否为配电网平衡节点(即首端节点)，若是，则将平衡节点线路投运状态变为1，并将其线路信息存储进Cb中，若不是，则查找此节点在电网信息矩阵中的位置，从与其连接的线路中，随机选择一条未投运线路连通，并将此线路信息存入Cb中，具体流程图如图2所示；
步骤2-4、基于改进的凝聚层次聚类法路径修正。将Cb中每一列对应的线路作为初始通电区域，通电区域数为Nt，按列顺序将每个通电区域与之前通电区域进行比较，若有1个共同节点，则说明两个通电区域连通，将两个通电区域合并，Nt减1；若有2个共同节点，则说明此线路与已投运路径形成了环路，将此条通电线路舍弃，Nt减1；若有0个共同节点，则说明通电区域不连通。
步骤2-5、结束所有通电区域凝聚判断后，若Nt不为1，说明路径解不连通，查找未投运线路集合，比较未投运线路集合中元素与通电区域节点重合信息，具体为：
当Nt不为1时，依次判断未投运线路，若未投运线路的首末节点分别在不同的通电区域内则为连通性修正线路，将此线路信息添加进Cb中，并合并其连接的通电区域，Nt减1；
当Nt为1时，则说明路径连通，输出可行路径解，具体流程图如图3所示。
步骤3、对修正后的的每个抗体进行总耗值计算，具体为：
将每个抗体代表的路径解和电能路由器虚拟节点路径合并，并对整条路径进行潮流计算，求得每条抗体代表的路径解所含支路的有功功率损耗值及所含节点的电压偏差绝对值，根据公式
求得每个抗体的总耗值，其中f1(eij)为每条支路的有功功率损耗值，f2(vj)为每个节点的电压偏移值,c(eij)为支路投运状态。
将每个抗体的总耗值的倒数1/F作为每个抗体的亲和度；
步骤4、对抗体种群f中的抗体按亲和度从大到小排列，将排名前m个NP/2个抗体构成集合fa，m最优为NP/2个；
步骤5、对fa中的每个抗体进行克隆操作。设i的范围为[1,m]，即将fa(i)复制n次，形成Cfa(n)。保持Cfa(1)不变，随机产生突变几率P1与已定的突变值P0比较，若P1大于P0，则进行基因突变，随机产生两个不同的突变位，对Cfa(i)进行基因突变操作；
步骤6、对突变后的克隆抗体进行路径修正，亲和度值计算，对Cfa进行亲和度值排序，将Cfa中亲和度最大的抗体替换掉fa中对应的克隆原抗体；
步骤7、随机生成新的抗体种群Bf，并进行路径修正及亲和值计算。合并fa，使f扩大为[fa，Bf]，抗体种群刷新，对f中的抗体进行排序，按亲和度从大到小排列，记录排名前NP/2个抗体fa，并将最优个体fa(1)赋值给Best(gen)，迭代代数gen加1；
步骤8、当迭代代数gen小于等于最大免疫代数时，回到步骤3，否则Best(G)对应的供电路径即为最优路径，路径优化算法结束，具体流程图如图1所示。
本发明按配电网潮流计算要求，为路径寻优算法提供有效、可行的路径解，以去除解空间中的无效解，提高寻优效率。
对于含电能路由器及可再生能源的配电网，可再生能源通过电能路由器接入电网中，将配电网分为电能路由器的高压侧和低压侧，对于低压侧正常进行潮流计算，对于高压侧，根据免疫克隆算法进行路径优化。电网拓扑可用无向连通图G＝(V,E)表示，V是图G的节点集，代表电网中的发电机节点和母线节点，E代表图G的边集，对应电网中的输电线路。采用改进的凝聚层次聚类法对每代生成的随机路径进行孤立节点修正及连通性修正，保证配电网中的每个节点都包含在传输路径中。
实施例1
本实施例在IEEE标准33节点配电网系统基础上，添加了电能路由器和各种能源及负荷节点，对于接入配电网的电能路由器来说，其高压侧连接配电网网络节点，低压直流母线和交流母线接入各种能源设备及低压负荷，同时不同的电能路由器之间还有连接线路，以进行电能交换，本实施例中将不同电能路由器统一用一个整体表示，不同电能路由器之间的电能交换，视为在整体电能路由器内部进行的能量平衡，以此统一电能路由器的数学模型，并采用统一迭代法进行潮流计算。用虚拟节点表示对应的电能路由器的各个端口，在原有的节点线路编号之后继续编号。在本实施例中，路径解优化时，先对原配电网系统路径进行随机生成，在计算目标函数时加入电能路由器及其对应的虚拟节点以及低压侧连接的负荷及能源节点进行潮流计算。基于MATLAB软件进行仿真分析，其中免疫克隆算法参数的具体设置为：种群规模为30；免疫克隆代数为100，基因突变率为0.1。
如图4所示，随机生成一条即有孤立节点又不连通且有冗余的路径解，经过孤立节点修正后，如图5所示，正确将孤立节点纳入路径解拓扑图中，经过改进的凝聚层次聚类法修正后，输出图6的路径解，满足连通无冗余的可行性要求。图7所示为经过100次迭代后，每一代克隆免疫算法得到的最小目标函数值，从图中可以看到在30代之后，得到了最优的路径解，算法具有较好的收敛性。其最小目标函数值为0.3643。对程序进行10次仿真后如图8所示，每一次都得到了相同的结果，算法具有较好的稳定性。图9所示为最终输出的最优路径。
Claims (7)
1.一种基于改进凝聚层次聚类法的配电网路径优化方法，其特征在于，具体步骤为：
步骤1、初始化免疫克隆算法的每代抗体个数NP，最大免疫代数G；
步骤2、将配电网供电路径解作为抗体，随机生成初始抗体种群f，对抗体种群f中每一个抗体进行路径修正，使每个抗体都为可行解，具体方法为：
步骤2-1、初始化投运线路信息矩阵Cb，其中第一行为已投运的线路编号L，第二行为投运线路对应首节点Fb，第三行为投运线路对应末节点Tb，将每一条抗体对应的配电网路径信息存储在投运线路信息矩阵Cb；
步骤2-2、判断随机路径解是否有孤立节点，若为，则添加进孤立节点集合Lb中；
步骤2-3、判断孤立节点集合Lb中的节点是否为配电网平衡节点，若是，则将平衡节点线路投运状态变为1，并将其线路信息存储进投运线路信息矩阵Cb中，若不是，则查找此节点在电网信息矩阵中的位置，从与其连接的线路中，随机选择一条未投运线路连通，并将此线路信息存入Cb中；
步骤2-4、将Cb中每一列对应的线路作为初始通电区域，通电区域数为Nt，按列顺序将每个通电区域与之前通电区域进行比较，若有1个共同节点，则说明两个通电区域连通，将两个通电区域合并，Nt减1；若有2个共同节点，则说明此线路与已投运路径形成了环路，将此条通电线路舍弃，Nt减1；若有0个共同节点，则说明通电区域不连通；
步骤2-5、结束所有通电区域凝聚判断后，若Nt不为1，说明路径解不连通，查找未投运线路集合，比较未投运线路集合中元素与通电区域节点重合信息，具体为：
当Nt不为1时，依次判断未投运线路，若未投运线路的首末节点分别在不同的通电区域内则为连通性修正线路，将此线路信息添加进Cb中，并合并其连接的通电区域，Nt减1；
当Nt为1时，则说明路径连通，得到可行路径解；
步骤3、计算修正后的每个抗体总耗值，将每个抗体的总耗值的倒数1/F作为每个抗体的亲和度；
步骤4、对抗体种群f中的抗体按亲和度从大到小排列，将排名前m个抗体构成集合fa，m最优为NP/2个；
步骤5、对集合fa中的每个抗体进行克隆操作得到Cfa(n)；
步骤6、对突变后的克隆抗体依次进行路径修正，并按照亲和度值进行排序，将Cfa中亲和度最大的抗体替换掉fa中对应的克隆原抗体；
步骤7、随机生成新的抗体种群Bf，并进行路径修正及亲和值计算，将新的抗体种群Bf与结合fa合并，使集合f扩大为[fa，Bf]，将集合f中的抗体按亲和度从大到小排列，记录排名前m个抗体fa，并将最优个体fa(1)赋值给Best(gen)，迭代代数gen加1；
步骤8、当迭代代数gen小于等于最大免疫代数时，回到步骤3，否则，Best(G)对应的供电路径即为最优路径。
2.根据权利要求1所述的基于改进凝聚层次聚类法的配电网路径优化方法，其特征在于，步骤2-2判断随机路径解是否有孤立节点的具体方法为：查找所有节点在投运信息矩阵Cb第二行Fb和第三行Tb中对应的位置，若位置信息为空，则此节点未连接任何通电线路，即此节点为孤立节点。
3.根据权利要求1所述的基于改进凝聚层次聚类法的配电网路径优化方法，其特征在于，修正后的每个抗体总耗值的计算方法为：
将每个抗体代表的路径解和电能路由器虚拟节点路径合并，并对整条路径进行潮流计算，求得每条抗体代表的路径解所含支路的有功功率损耗值及所含节点的电压偏差绝对值，根据公式
求得每个抗体的总耗值，其中f1(eij)为每条支路的有功功率损耗值，f2(vj)为每个节点的电压偏移值,c(eij)为支路投运状态，V是电网拓扑可用无向连通图G的节点集，表示电网中的发电机节点和母线节点，E表示图G的边集。
4.根据权利要求1所述的基于改进凝聚层次聚类法的配电网路径优化方法，其特征在于，步骤5对集合fa中的每个抗体进行克隆操作得到Cfa(n)的具体方法为：
将集合fa的每个抗体fa(i)复制n次，形成Cfa(n)，保持Cfa(1)不变，随机产生突变几率P1与已定的突变值P0比较，若P1大于P0，则进行基因突变，随机产生两个不同的突变位，对Cfa(i)进行基因突变操作。
5.根据权利要求1所述的基于改进凝聚层次聚类法的配电网路径优化方法，其特征在于，步骤6对突变后的克隆抗体依次进行路径修正的具体方法与步骤2相同。
6.根据权利要求1所述的基于改进凝聚层次聚类法的配电网路径优化方法，其特征在于，步骤7对新的抗体种群Bf进行路径修正的具体方法与步骤2相同。
7.根据权利要求1所述的基于改进凝聚层次聚类法的配电网路径优化方法，其特征在于，m为NP/2。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910804451.3A CN110752594B (zh) | 2019-08-28 | 2019-08-28 | 基于改进凝聚层次聚类法的配电网路径优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910804451.3A CN110752594B (zh) | 2019-08-28 | 2019-08-28 | 基于改进凝聚层次聚类法的配电网路径优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110752594A CN110752594A (zh) | 2020-02-04 |
| CN110752594B true CN110752594B (zh) | 2022-09-30 |
Family
ID=69275937
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910804451.3A Active CN110752594B (zh) | 2019-08-28 | 2019-08-28 | 基于改进凝聚层次聚类法的配电网路径优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110752594B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112200406B (zh) * | 2020-08-31 | 2022-07-22 | 国网浙江省电力有限公司 | 一种园区配电网能量路由器接入规划方法和装置 |
| CN117933181B (zh) * | 2024-01-29 | 2024-07-23 | 嘉兴鼎镓半导体有限公司 | 一种半导体集成电路的节能方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102377180A (zh) * | 2011-08-17 | 2012-03-14 | 广东电网公司电力科学研究院 | 基于电能质量监测系统的电力系统负荷建模方法 |
| EP2884614A1 (en) * | 2013-12-13 | 2015-06-17 | Alstom Renovables España, S.L. | Multiphase generator-conversion systems |
-
2019
- 2019-08-28 CN CN201910804451.3A patent/CN110752594B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102377180A (zh) * | 2011-08-17 | 2012-03-14 | 广东电网公司电力科学研究院 | 基于电能质量监测系统的电力系统负荷建模方法 |
| EP2884614A1 (en) * | 2013-12-13 | 2015-06-17 | Alstom Renovables España, S.L. | Multiphase generator-conversion systems |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110752594A (zh) | 2020-02-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9954362B2 (en) | Systems and methods for optimal power flow on a radial network | |
| WO2016172348A1 (en) | Distributed optimal power flow processes for unbalanced radial distribution networks | |
| CN107704959B (zh) | 一种基于蚁群算法实现降维的电力系统网架重构方法 | |
| CN110752594B (zh) | 基于改进凝聚层次聚类法的配电网路径优化方法 | |
| CN105809297A (zh) | 一种基于多目标差分进化算法的火电厂环境经济调度方法 | |
| CN105897577B (zh) | 一种可充电无线传感器网络免疫路由修复方法 | |
| CN113421004A (zh) | 输配协同的主动配电网分布式鲁棒扩展规划系统及方法 | |
| CN107609675B (zh) | 一种基于多智能体系统趋同控制的经济调度运行方法 | |
| CN112100907A (zh) | 一种基于分布式纵横交叉算法的电网最优潮流问题解决方法 | |
| CN105119279A (zh) | 一种分布式电源规划方法及其系统 | |
| CN106505575A (zh) | 一种基于粒计算的线路潮流经济调度方法 | |
| CN109378819A (zh) | 基于谱聚类及模块度校验的电力系统电压分区方法及系统 | |
| CN116706917A (zh) | 基于快速交替方向乘子法的智慧园区协同调控方法及系统 | |
| CN108616124A (zh) | 基于有序二元决策图的配电网重构计算方法 | |
| CN108667027A (zh) | 含柔性直流的交直流系统潮流转移搜索与量化分析方法 | |
| CN107579517A (zh) | 复杂配电网的量子粒子群优化重构中所得解是否可行的判断方法 | |
| CN105406517B (zh) | 基于有限时间平均一致性算法的电力系统经济调度方法 | |
| CN109004639B (zh) | 基于完全分布式算法的配电网分区供电恢复策略优化方法 | |
| CN114665481A (zh) | 一种基于电网节点矢量化的城市电网分区方法及装置 | |
| CN112257950A (zh) | 应用于电力市场的交易路径配置方法及计算机可读存储介质 | |
| CN110119317A (zh) | 一种基于遗传算法的云计算任务调度方法和系统 | |
| CN109033603A (zh) | 基于源流路径链的智能变电站二次系统仿真方法 | |
| CN116629354A (zh) | 一种分布式电网多目标优化方法、装置及存储介质 | |
| CN105956937B (zh) | 电力系统小干扰稳定分析的数据中心求解方法 | |
| CN105142198B (zh) | 一种使用微分进化求解无线传感器网络最优路径的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information |
Inventor after: Liu Zhao Inventor after: Zhao Shanshan Inventor after: Feng Mengxuan Inventor after: Feng Junmou Inventor before: Zhao Shanshan Inventor before: Liu Zhao Inventor before: Feng Mengxuan Inventor before: Feng Junmou |
|
| CB03 | Change of inventor or designer information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |