配电网络重构减少功率损耗和电压概要文件使用混沌随机分形搜索算法改进

文摘

提出了一种混沌随机分形搜索算法(CSFSA)方法解决重构问题最小化功率损耗和提高配电系统的电压概要文件。该方法是一种metaheuristic方法为克服弱点的传统开发SFSA扩散和更新的两个过程。在第一个过程中,将创建新的积分的初始点的高斯走路。对于第二个,SFSA将更新更好的职位获得的粒子的扩散过程。此外,本研究还集成了混沌理论提高SFSA扩散过程以及提高收敛速度和找到最优解的能力。的有效性提出CSFSA 33-bus验证,84总线,119年的公共汽车时,和136 -分配系统。从测试用例结果CSFSA已经验证其他自然方法在文献中。结果比较表明,该方法比其他方法更有效减少测试系统的功率损耗和电压概要文件的改进。因此,提出CSFSA可以是一个非常有前途的潜在方法求解配电系统的重新配置问题。

1。介绍

分销网络中扮演重要角色为负载提供电能;然而,系统中的功率损耗高,电压调节是贫穷。有很多方法可以减少功率损耗、提高电压概要文件在补偿无功功率等分销网络,增加操作电压平衡负载,并增加线部分。这些方法可能部署的技术方面,需要太多的投资成本。网络重构被认为是一种有效的方法来降低功率损耗,提高电力系统电压概要显著而要求不多投资成本。配电网络重构是由打开/关闭开关形成新的网络结构为减少功率损耗而令人满意的操作限制。

研究人员作出巨大的努力来找到最优解的分销网络重新配置医嘱)问题的很多方法启发式方法metaheuristic方法。梅林和回1)首次提出这一问题的方法,离散的分支定界方法被用来找到电气结构导致功率损耗最小。在[2,3),小交换机的方法被用来解决问题,目的是减少功率损耗和负载平衡需求。周et al。4]提出的启发式规则和模糊逻辑来解决服务的重新配置问题恢复和负载平衡。其他一些启发式方法(5- - - - - -7)也用于解决不同目标函数的重构问题。启发式方法的优点是简单的应用程序,一些参数,快速计算。然而,这种方法容易陷入局部最小值,并不真正有效解决大规模问题。因此,应该制订更有效的方法来有效地处理大规模问题。

灵感来自大自然最近的方法开发metaheuristics的名字。这些方法已在许多领域广泛应用于不同的优化问题。提供良好的解决方案的优点,适用于大规模的网络metaheuristic方法已经成功地应用于解决电力系统中医嘱的问题。Olamaei et al。8)应用基于人工蜂群算法(ABC)算法处理的重新配置问题减少功率损耗的目的。提出了遗传算法(GA)为提高电压稳定解决问题(9]。在[10,11),和声搜索算法(HSA)和模拟退火(SA)算法,分别成功地应用于大规模分销系统重新配置。二进制粒子群优化(全局搜索)算法应用于解决医嘱问题减少功率损耗和平衡负载所示(12]。PSO算法,自适应布谷鸟搜索(ACS)算法,遗传算法被用来重新配置的分销网络考虑影响分布式发电机(DGs)与不同的场景被认为是在13- - - - - -15]。此外,一些其他方法16- - - - - -18)已经成功地解决了这个问题,功率损耗最小化的多目标函数,电压质量改进、负载平衡、缓解和切换。宇宙大爆炸算法结合大紧缩算法应用于解决重新配置和最佳电容器位置问题19]。在[20.),修改后的文化算法(CA)是用于配电网络的重构问题考虑功率损耗。一般来说,metaheuristic方法非常适合处理复杂的和大规模的问题获得接近最优的解决方案。然而,metaheuristic方法有许多控制参数调整为每个问题可能导致当地的最适条件,如果他们不正确的决定。此外,一些metaheuristic方法的计算时间非常高在处理大规模优化问题由于遭受大量的变量,需要若干次迭代搜索最优解。因此,它是非常重要的找到一个有效的方法来处理大规模和复杂的优化问题。

随机分形搜索算法(SFSA)是一个强大的metaheuristic方法包括更新和扩散过程最近由Salimi [21基于分形理论。SFSA是由改进分形搜索算法通过添加更新过程和操纵高斯扩散过程中行走。扩散过程的概率增加全球最大,避开当地的解决方案。在更新过程中,最好的点保存,其余的都是丢弃增加发现过程的效率。SFSA已成功实现解决复杂问题的重新配置与分布式代(22]。此外,混沌理论融入SFSA有助于提高收敛速度以及解决方案的准确性。混沌理论是一个数学研究领域,应用于提高随机搜索过程。许多研究混沌理论集成到不同的算法改进的有效性metaheuristic PSO算法等算法在解决优化问题(23],SA [24),布谷鸟搜索算法(CSA) [25],果蝇优化算法(基于来自营运资金流量的[26],ABC算法[27)和差分进化(DE) [28]。一般来说,这些方法与混沌理论的集成提供了一个更高的质量比原方法的解决方案。因此,混沌理论的集成到metaheuristic方法提供了一个有前途的改进以提高其搜索能力,这样可以提高质量解决方案。

在这篇文章中,一个混乱的随机分形搜索算法(CSFSA)实现求解的重新配置问题分销网络,以减少功率损耗、提高电压质量。在这个研究中,一个混乱的地图(高斯/鼠标函数)是集成到常规SFSA来改善其性能。事实上,混沌映射的集成到SFSA最近执行的许多研究人员。然而,本研究的主要贡献是高斯的成功适应混乱的地图/鼠标功能SFSA解决一个复杂问题的重新配置的目标减少功率损耗和电压概要改善分销系统。验证了该方法的有效性,四个分销网络已被用于测试包括33-bus 84总线,119 -总线,总线和136 -系统。结果从该CSFSA一直与其他方法相比在文献中报道如HSA [10(澳洲公平工作委员会)[],烟花算法29日(基本)[],Runner-root算法30.],CSA [31日),混合大Bang-Big紧缩算法(HBB-BCA) [32),模糊打乱Frog-Leaping算法(Fuzzy-SFLA) (33),入侵杂草多目标优化(MOIWO) (34),改进的自适应帝国主义竞争算法(IAICA) [35),改进整数混合差分进化(IMI-DE) [36),模拟植物生长算法(PGSA) (37],GA [38,39),混合人工免疫Systems-Ant蚁群优化(AIS-ACO) [40],启发式方法[41),改进的禁忌搜索(其)42),修改禁忌搜索(MTS) [43),混合蚁群Optimization-Harmony搜索算法(ACO-HAS) [44),自适应遗传算法(AGA) [45电压),统一发布出去是依靠建设性的重构算法(UVDA) [46),整数凸规划(MICP) [47),Non-revisiting遗传算法(NRGA) [48(FPEO) [], Feasibility-preserving进化优化49),优化器(拥有)和灰太狼的杂交PSO方法(GWO-PSO) [50),自适应打乱青蛙跳算法(ASFLA) [51]在文献中是可用的。

剩下的论文的组织代表的顺序如下。制定提出了部分问题2。CSFSA的实现问题是紧随其后的部分3。数值结果与测试系统提供了部分4。最后,给出了结论。

2。问题公式化

2.1。目标函数

医嘱问题的目标函数是最小化总功率损失和改善电压偏差的系统约束。数学上,医嘱问题的目标函数和约束可以制定如下(29日]: 在哪里P_损失是总实际系统的功率损耗和Δ吗V_D在负载的电压偏差的公交车。

根据(29日),两个目标同时被认为是通过结合成一个目标(1)。因此,本文的研究也使用这种方法来处理。

2.1.1。真正的总功率损耗

的总实际功率损耗网络拓扑描述如下: 在哪里N_br是数量的分支;R_我的电阻吗我^th分支;P_我和问_我是真正的功率和无功功率的我^th分支,分别;和V_我的电压大小巴士我。

2.1.2。在负载电压偏差的公交车

电压偏差的确定网络拓扑结构 在哪里V_裁判是一个预定的电压在负载大小巴士我p.u通常设置为1.0。V_最小值是最低总线电压网络的拓扑结构。

2.2。属

(我)功率流平衡:这些功率流约束平衡,真正的和无功功率输出的发电机和负荷 在哪里N_b公交车的数量,P_我和问_我是真实的和无功功率注入在公共汽车吗我分别P_胃肠道和问_胃肠道是真实的和无功发电在公共汽车吗我分别P_迪和问_迪是真实的和无功负载的需求在公共汽车吗我分别和在总线电压大小我和j分别G_ij和B_ij元素的实部和虚部吗Y_ij在导纳矩阵Y_公共汽车分别为,δ_我和δ_j是电压的角度在公共汽车吗我和j,分别。(2)总线电压限制:负载总线电压受限于他们的最小和最大值 (3)线电流限制:线电流上下值有界 (iv)径向网络结构必须维护,所有负载必须重新配置后服务。

3所示。CSFSA的实现问题

3.1。检查径向约束

分销网络安装与三种典型类型包括径向、循环和网格。它是最初建于循环;然而,分销网络运营为径向网络保护装置为了节约能源,减少故障率水平。此外,利用metaheuristic算法和随机初始化创造了许多网络配置不满足径向约束。因此,它是重要的,强制确定径向网络配置的重新配置问题分销网络,以减少搜索空间和计算时间。

保持径向配置,tie-switches重构过程中必须固定和等于基本循环的数量。tie-switches的数量是由下列方程(31日]: 在哪里N_年代是资源的数量。

算法的步骤为径向检查系统的分销网络重新配置如下:步骤1:创建一个关联矩阵一个(b,n),b指数和分支n节点索引。矩阵一个是创建14] 第二步:消除矩阵的第一列一个(对应于源总线网络的)。第三步:消除行组成的tie-switches对应相当大的网络配置。步骤4(检查条件):矩阵一个是一个方阵,依据(一个)= 1或−1。第五步:如果上面指定的条件都合格,配置是径向,反之亦然。

3.2。随机分形搜索算法

SFSA是一个新的强大的metaheuristic算法通过模拟自然现象的启发,增长为解决优化问题由分形属性Salimi 2015年(21]。的搜索过程SFSA获取最优的解决方案有两个主要过程包括扩散过程和更新过程描述如下。

3.2.1之上。扩散过程

在这一过程中每一个点扩散在当前的位置,可以利用搜索空间增加的概率找到一个更好的解决方案,避免局部最小值。生成新的点在这个过程中使用高斯走由以下方程描述: 在哪里W是一个额外的参数选择高斯走到解决问题;ε和ε′是均匀分布随机数属于[0,1];X_我、新新调整点的位置吗X_我;X_最好的和X_我是最好的点的位置在哪里吗我^th分别在集团;和 ,μ_X,σ高斯意味着,在哪里 , ,和标准偏差的数学方程给出如下: Iter表示迭代次数。

日志(Iter) / Iter比例减少的大小实现高斯跳过每个迭代。这鼓励更多的局部搜索能力和达到更接近最优解的算法。

3.2.2。更新过程

这个过程包括两个统计程序是用来有效地探索搜索空间。在第一个统计程序,所有的点都排名根据他们的健身价值,然后一个概率值(巴勒斯坦权力机构)计算出每个点使用以下方程: 在哪里N_p点的总数在集团和等级(X_我)的观点X_我在集团。

方程(11)表明一个更好点的概率高。这个方程是改善最坏点的机会获得一个更好的解决方案在下一代。对于每个点X_我在该集团,如果巴勒斯坦权力机构_我< ,的jth组成部分X_我由方程(更新12)。否则,点的位置保持不变。 在哪里ε是一个随机数在[0,1];新调整的位置吗X_我;和X_r和X_t点是随机选择的。

在第二个统计程序,所有点获得的第一个程序再次排名由方程(11)。对所有点 ,如果 ,的位置由方程(更新13)。否则,更新过程不会发生。

新观点取代的位置如果其适应度函数值比 。

3.3。在SFSA混沌映射集成

混乱的地图被称为一个有效的方法来提高收敛速度和避免当地最适条件metaheuristic算法。在本文中,以提高SFSA扩散变化因素和更新过程的原始SFSA变量α混乱的地图。的变量α利用融入SFSA高斯/鼠标功能混乱的地图,确定如下(26]:

3.4。实现CSFSA医嘱

的步骤应用CSFSA解决配电网络重构问题给出如下:步骤1:确定SFSA的元素步骤2:初始化一个混乱的地图步骤3:初始化初始个体通过使用CSFSA,每个径向配置的系统被描述为一个点(个人)。人口的N点给出如下: 每一个变量X从方程(15)表示如下: 每个人在大会是随机初始化由以下方程 第四步:计算初始功率流初始化变量来找到最好的点(X_最好的),检查径向约束。第五步:进行扩散过程的部分3.2.1之上。步骤6:创建的点扩散过程的检查部分的径向结构的算法3所示。1,确定目标函数计算功率流。点拥有最好的利用目标函数的集合N_p点改进新的点选择的点扩散过程。第七步:进行更新过程中提到的部分3.2.2。第八步:每点更新,检查径向约束和计算功率流来确定目标函数。步骤9:包括出口的结果X_最好的、最小功率损耗和电压偏差。第十步:停止的标准算法。

创建新的系统配置的扩散和更新过程,直到迭代次数达到最大迭代次数(Iter_马克斯)。

4所示。数值结果

33-bus拟议的方法测试,84总线,119总线,和136 -总线测试系统。CSFSA编码在Matlab平台和运行在一个2.5 GHz处理器4.0 GB内存的电脑。摘要功率流分析模拟利用Matpower [52]。

4.1。选择的参数

建立初始参数影响该方法找到最优的解决方案考虑的问题。因此,最优参数的确定起着重要的作用在解决医嘱的问题。选择参数的值通常是通过改变参数只有一个,其余的则是固定的。最初,参数设定在低价值,逐步增加收集不同的结果。所选参数解释如下。迭代Iter的最大数量_马克斯取决于测试系统,它将从50到3000。人口的规模或数量的点N已选择的值从30到70年。通过实验,选择CSFSA参数如表所示1。

在这个表中,D_马克斯是数量最大扩散,年代_走高斯走比率取决于规则如下:+年代_走=1:SFSA首次使用高斯行走+年代_走= 0:SFSA使用第二个高斯走路+年代_走= 0.75:SFSA使用第一个高斯行走,以75%的概率来自制服,和SFS使用第二个走高斯分布的概率为25%

4.2。33-Bus系统

该算法应用于解决小规模33-bus配电网重构问题。这个系统由37个分支,tie-switches 32分段开关,和5。33岁的初始tie-switches 34、35、36、37。系统运行在12.66 kV和3.73 +总负荷需求j2.3 (MVA)电压最低的0.91081便士。在总线18 u (2]。系统的单行的图显示在图1。CSFSA的结果与其他方法相比,包括澳洲公平工作委员会(29日),基本30.],HBB-BCA [32],Fuzzy-SFLA [33],MOIWO [34],IAICA [35],CSA (31日],FPEO [49],GWO-PSO [50],ASFLA [51如表所示2。

是显示在表2执行医嘱后,该算法可以找到一个最优的网络结构与相应的tie-switches 7-9-14-32-37 138.91千瓦的功率损耗。因此,该方法已经减少了功率损耗与该最初病例的31.8%。此外,结果得到CSFSA CSA的相同方法表2。很明显,该方法的功率损耗和电压偏差是138.91千瓦和0.0576便士。0.64千瓦和0.0046 p.u u。低于其他方法,如基本HBB-BC, MOIWO。根据表,CSFSA也给更好的结果与其他方法相比而言,功率损耗和电压偏差。比较表明,CSFSA方法可以获得高质量解决配电网络重构问题。的计算时间,CSFSA需要49.59秒解决医嘱问题,时间比澳洲公平工作委员会,GWO-PSO, HBB-BCA比基本快。指出,计算时间不得直接比较的方法由于在不同的计算机处理器和编程语言使用。因此,比较结果的关键因素主要是目标函数的值,而不是计算时间。

该方法的收敛特性的功率损耗和电压偏差33-bus系统给出的目标数据2和3,分别。19个迭代后,该方法已经收敛到最优解,证明了通过集成混沌理论增加了该方法的有效性和快速收敛的过程。从数据2和3在10^th迭代从159.71 kW功率损耗降低到147.97千瓦和电压偏差迭代也减少了从0.0916便士。0.0617 p.u u。此外,电压的大小在所有公交车都显著提高,和最低电压值从0.91081 p.u增加。0.94235 p.u。显示在图4。

4.3。84 -总线测试系统

84 -总线分销网络是第二种情况调查的效率CSFSA医嘱的问题。这是台湾电力公司的实际网络与83分段开关和13 tie-switches电压在11.4 kV。系统设计与架空线和地下电缆包括12个喂食器。系统的总负载需求是28.35 MW和20.70兆乏36]。系统的单行的图呈现在图5。在该最初病例,tie-switches是84-85-86-87-88-89-90-91-92-93-94-95-96,最低的电压是0.9285便士。你在巴士9。

收集到的结果从该方法从IMI-DE相比36],PGSA [37),GA, HBB-BCA [32],AIS-ACO [40),和启发式方法(41如表所示3。从表中看到,该方法获得的功率损耗为469.878千瓦虽然该最初病例是531.99千瓦,导致11.68%的功率损耗减少。此外,该CSFSA还发现最优系统结构的tie-switches 55-7-86-72-13-89-90-83-92-39-34-42-62。从表中可以看到,该方法给出了功率损耗与GA, PGSA,从BB-BCA IMI-DE方法和比,AIS-ACO和启发式方法。拟议的CSFSA PGSA和GA方法可以找到相同的系统结构与tie-switches 7-13-34-39-42-55-62-72-83-86-89-90-92。BB-BCA方法提出的最优配置的交换机7-33-38-55-62-72-83-86-88-89-90-92-95导致471.62千瓦的功率损耗,这是1.742千瓦高于该CSFSA而电压偏离这两种方法都是相同的。最优结果AIS-ACO方法提供了电压偏差0.0521 p.u。0.00529 p.u。高于该方法。拟议中的CSFSA比其他方法需要较长的计算时间报告在表3。表3也说明了电压偏离提出CSFSA相比是最好的在所有的方法。

对于这个测试系统,由13个未知tie-switches医嘱问题;因此,迭代次数增加达到最好的结果。的收敛特性的功率损耗和电压偏差提出CSFSA 84 -总线系统,分别如图6和7电压偏差是0.04681 p.u。相比之下,0.0715 p.u。从最初的情况。因此,拟议中的CSFSA方法表明,功率损耗和电压偏差指数收敛于最优结果的倾向。图8表示电压特征之前和之后的重新配置。拟议中的CSFSA也改善了电压在公交车p.u最低的电压增加到0.9285。0.95931 p.u。

4.4。119 -公交系统

评估的有效性提出CSFSA在解决大规模系统,119 -公交系统被认为是在这个研究。该系统由132家分行和118分段开关的操作电压11千伏。系统的总负载需求是22.709 MW和17.041兆乏。给出了系统总线和分支数据(42]。单行的图显示在图9,系统的最低电压是0.8688 p.u。在116巴士。119 -公交系统有15个tie-switches对应15基本循环,和tie-switches 118-119-120-121-122-123-124-125-126-127-128-129-130-131-132在最初的情况下。所获得的结果提出CSFSA包括功率损耗、电压偏差,和最小电压119 -公交系统相比于其他方法包括(42],MTS [43),(10],ACO-HAS [44),澳洲公平工作委员会(29日],CSA [31日],FPEO [49)表中给出4。

重新配置后,提供的功率损耗提出CSFSA是854.04千瓦相比该最初病例减少了32.86%。拟议中的CSFSA方法发现这个系统最优结构对应于tie-switches 42-25-23-121-50-58-39-95-71-74-97-129-130-109-34的位置。拟议中的CSFSA还显示了其有效性改善电压最低电压增加从0.8688 p.u概要文件。0.9298 p.u。从表中观察到,它和MTS方法可以找到最优结构相同的24-27-35-40-43-52-59-72-75-96-98-110-123-130-131 tie-switches CSFSA提议。由其获得的功率损耗和MTS方法865.865千瓦和865.86千瓦,11.825和11.82千瓦的提议CSFSA高于,分别。同样,足协和CSA方法也给tie-switches一样该方法得到的最优结构,并从这些方法获得的功率损耗仍高于CSFSA提议。该方法也给相同的电压偏差指数与,,和FA方法。因此,拟议中的CSFSA方法优于其他方法的功率损耗和电压偏差。

在这种情况下,收敛的特点提出了功率损耗和电压偏差CSFSA给出数据10和11分别,需要更多的迭代比以前的系统来找到最优解,由于更大的系统中。因此,359年之后该方法收敛迭代。该方法的计算时间比HSA更长。没有报告计算时间从其他方法。图12描述了电压的公交网络之前和之后的重新配置。

4.5。136 -总线测试系统

该方法的有效性也验证了136公车上与135年实际分销网络选择开关和21 tie-switches 13.8 kV操作。136 -公交系统是一个分销网络的一部分,在巴西中西部[53]。最初的总线系统的电压是0.9307 p.u最低。在117巴士。系统的单行的图呈现在图13。在最初的情况下,tie-switches是136-137-138-139-140-141-142-143-144-145-146-147-148-149-150-151-152-153-154-155-156。的结果提出CSFSA包括功率损耗、电压偏差,和最小电压相比于其他文献中的方法如AGA [45],UVDA [46],GA [39],MICP [47],NRGA [48总结如表5。

重新配置后,获得了提出CSFSA是278.9千瓦的功率损耗,减少41.76 kW相比,从最初的情况。该方法找到最优网络配置的tie-switches 7-137-138-139-58-141-98-62-144-145-84-147-148-90-150-151-118-106-126-128-135。该方法的计算时间寻找解决方案是370.91秒,这是比MICP快。观察从表5从0.9307提高电压振幅p.u。0.9616 p.u。表中提供的比较结果5已经证明的有效性CSFSA比其他方法在文献中。对于这个系统,提出的电压偏差CSFSA小于从UVDA, GA, NRGA。GA方法是280.22千瓦的功率损耗,这是1.32千瓦高于CSFSA提议。该方法可以获得比其他方法更好的功率损耗和电压偏差。因此,提出了处理CSFA非常有效的重新配置问题非常大规模的系统。

图14描述了收敛的特征提出了功率损耗和电压偏差CSFSA 136 -公交系统,在提出CSFSA 1142次迭代后达到最佳的解决方案。此外,相应的收敛特性的电压偏离该方法给出的系统也在图15。图16显示电压概要文件在公共汽车相比显著提高之前重新配置。解决配电网络重构的136总线系统,所需的迭代的数量高于先前的系统获得最优的结果。

5。结论

本研究已成功应用于CSFSA医嘱问题目标函数的方法减少功率损耗和电压概要改善分销系统。混沌理论的集成传统SFSA提高了传播的效率和更新过程,这样搜索方法的能力明显增强。分销网络的径向结构已经测试使用后的图论创建新的配置。拟议中的CSFSA 33-bus已经测试,84总线,和大规模系统包括119 -总线和136 -总线系统。CSFSA的结果证实了该方法的有效性和鲁棒性来解决分销网络的重新配置问题提供了更好的降低功率损耗和电压概要改进比其他许多成熟的方法在文献中。因此,提出CFSFA可以有利的方法解决复杂的配电系统和大规模的重新配置问题。

数据可用性

没有数据被用来支持本研究。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究是由胡志明市科技大学(HCMUT) VNU-HCM,在格兰特号码bk - sdh - 2020 - 8141223。

引用

1. a .梅林和h,“寻找最少操作生成树配置在一个城市配电系统,”第五届电力系统计算研讨会论文集(PSCC)英国剑桥,页队,1975年9月。视图:谷歌学术搜索
2. Baran和f·f·吴”,网络重新配置在分销系统减少损失和负载平衡,”IEEE电力交付,4卷,不。2、1401 - 1407年,1989页。视图:出版商的网站|谷歌学术搜索
3. s . Civanlar j·j·h·阴,遍布全球,和s . s . h·李,“配电馈线重构损失减少,”IEEE电力交付,3卷,不。3、1217 - 1223年,1988页。视图:出版商的网站|谷歌学术搜索
4. 问:周、d . Shirmohammadi W.-H。e .刘“配电馈线重构服务恢复和负载平衡,”IEEE电力系统,12卷,不。2、724 - 729年,1997页。视图:出版商的网站|谷歌学术搜索
5. 诉Borozan和n . Rajakovic”应用程序的评估分销网络最低损失重新配置,“IEEE电力交付,12卷,不。4、1786 - 1792年,1997页。视图:出版商的网站|谷歌学术搜索
6. d . Das,”一个模糊多目标方法网络分销系统的重新配置,“IEEE电力交付,21卷,不。1,第209 - 202页,2006。视图:出版商的网站|谷歌学术搜索
7. m·a·Kashem诉Ganapathy, g . b . Jasmon”网络重新配置负载平衡的分销网络,“IEE Proceedings-Generation、传输和分布,卷146,不。6,563年,页1999。视图:出版商的网站|谷歌学术搜索
8. j . Olamaei t Niknam, s . Badali Arefi,“配电馈线重构基于修改的蜜蜂交配的损失最小化优化算法,”能源Procedia,14卷,第311 - 304页,2012年。视图:出版商的网站|谷歌学术搜索
9. n . c . Sahoo和k·普拉萨德,“模糊遗传方法网络重新配置来提高电压稳定在径向分布的系统中,”能量转换和管理卷,47号18日至19日,第3306 - 3288页,2006年。视图:出版商的网站|谷歌学术搜索
10. r . Srinivasa Rao s . v . l . Narasimham m . Ramalinga Raju a . Srinivasa饶,“大规模分布的最优网络重新配置系统利用和声搜索算法,”IEEE电力系统,26卷,不。3、1080 - 1088年,2011页。视图:出版商的网站|谷歌学术搜索
11. Y.-J。全和J.-C。金”,一个高效的网络重构算法在大规模的分销系统,”IEEE电力工程学会学报夏季会议,1卷,页243 - 247,埃德蒙顿,加拿大,1999年7月。视图:谷歌学术搜索
12. a . a . Firdaus o . Penangsang, a . Soeprijanto”分销网络重新配置使用二进制粒子群优化以减少损失,降低电压稳定指数,”电气工程和信息学的公告,7卷,不。4、514 - 521年,2018页。视图:谷歌学术搜索
13. j . Olamaei t Niknam, g . Gharehpetian”应用粒子群优化分布式发电机、配电馈线重构考虑”应用数学和计算,卷201,不。1 - 2、575 - 586年,2008页。视图:出版商的网站|谷歌学术搜索
14. t·t·阮、A . v . Truong和t . A . Phung”小说的方法基于自适应布谷鸟搜索最优网络重构和分布式发电分配在分销网络,”国际期刊的电力和能源系统卷,78年,第815 - 801页,2016年。视图:出版商的网站|谷歌学术搜索
15. s Das、d Das和a .智利的“重新配置与最优位置的分布式代分销网络远程控制总线电压的存在,”可再生能源和可持续能源的评论卷,73年,第781 - 772页,2017年。视图:出版商的网站|谷歌学术搜索
16. y y。香港和S.-Y。Ho”网络配置的确定考虑多目标分配系统使用遗传算法,”IEEE电力系统,20卷,不。2、1062 - 1069年,2005页。视图:出版商的网站|谷歌学术搜索
17. 研究。黄:“Enhanced-genetic-algorithm-based模糊多目标配电网重构方法,”IEE Proceedings-Generation、传输和分布,卷149,不。5,615年,页2002。视图:出版商的网站|谷歌学术搜索
18. M.-R。Haghifam, j . Olamaei M.-R。Andervazh”,自适应多目标配电网重构使用多目标离散粒子群优化算法和图论,“专业生成、传输和分配,7卷,不。12日,第1382 - 1367页,2013年。视图:出版商的网站|谷歌学术搜索
19. m . Sedighizadeh和r . Bakhtiary分布系统优化多目标重构和电容器安置与混合大Bang-Big紧缩算法在模糊框架中,“Ain Shams工程杂志,7卷,不。1,第129 - 113页,2016。视图:出版商的网站|谷歌学术搜索
20. Verma h·k·p·辛格,“最佳分销网络,使用改进后的文化的重构算法,”工程师(印度)的机构:杂志系列B,卷99,不。6,613 - 622年,2018页。视图:出版商的网站|谷歌学术搜索
21. h . Salimi”,随机分形搜索:一个强大的metaheuristic算法”,以知识为基础的系统卷,75队,2015页。视图:出版商的网站|谷歌学术搜索
22. 电汇东、k . HoangTruong和d . NgocVo“随机分形搜索算法重构的分销网络与分布式代,”Ain Shams工程杂志在出版社。视图:出版商的网站|谷歌学术搜索
23. 廖t, x, K.-W。黄”,一种改进的粒子群优化算法结合分段线性混沌映射,”应用数学和计算,卷190,不。2、1637 - 1645年,2007页。视图:出版商的网站|谷歌学术搜索
24. 陈和k . Aihara .“混沌模拟退火与暂态混沌神经网络模型,”神经网络,8卷,不。6,915 - 930年,1995页。视图:出版商的网站|谷歌学术搜索
25. 刘x和m .傅”布谷鸟搜索算法基于青蛙跳跃的本地搜索和混沌理论,“应用数学和计算卷,266年,第1092 - 1083页,2015年。视图:出版商的网站|谷歌学术搜索
26. m . Mitićn . Vukovićm . Petrovićz . Miljković,“混乱的果蝇优化算法,以知识为基础的系统卷,89年,第458 - 446页,2015年。视图:出版商的网站|谷歌学术搜索
27. b .吴邦国委员长和美国球迷,”与混乱,改进人工蜂群算法”环境工程和计算机科学EcoInformatics,y、z . Yu和j .赵。,卷。158,pp。51- - - - - -56,年代pringer Berlin Heidelberg, Berlin, Germany, 2011.视图:谷歌学术搜索
28. j .王、吴z和h . Wang”混合差分进化算法与混乱和广义反对学习”先进的计算和智慧z Cai, c . Hu z Kang和y . Liu, Eds。,卷。6382,pp。103- - - - - -111, Springer, Berlin, Germany, 2010.视图:出版商的网站|谷歌学术搜索
29. A·默罕默德·伊姆兰和m . Kowsalya”一种新的电力系统功率损耗最小化的重构方案和电压概要文件使用烟花算法增强,”国际期刊的电力和能源系统卷,62年,第322 - 312页,2014年。视图:出版商的网站|谷歌学术搜索
30. t·t·阮t·t·阮a . v . Truong问:t·阮和t . a . Phung”使用runner-root算法、多目标配电网重构解决方案”应用软计算52卷,第108 - 93页,2017年。视图:出版商的网站|谷歌学术搜索
31. t·t·阮和a . v . Truong分销网络重新配置功率损耗最小化和电压概要文件使用布谷鸟搜索算法改进,”国际期刊的电力和能源系统卷,68年,第242 - 233页,2015年。视图:出版商的网站|谷歌学术搜索
32. m . Sedighizadeh s艾哈迈迪,m . Sarvi”一个高效混合大bang-big紧缩算法多目标重构的平衡和不平衡的分销系统在模糊的框架中,“电力组件和系统第41卷。。1,第99 - 75页,2013。视图:出版商的网站|谷歌学术搜索
33. h . d . Dehnavi和s Esmaeili”一个新的多目标模糊打乱frog-leaping径向分布系统优化重构算法在无功补偿装置的存在,”土耳其的电气工程和计算机科学杂志》上,21卷,不。3、864 - 881年,2013页。视图:谷歌学术搜索
34. d . Sudha王妃:Subrahmanyam, m . Sydulu“多目标入侵杂草optimization-an应用程序在径向分布最优网络重新配置系统,”国际期刊的电力和能源系统卷,73年,第942 - 932页,2015年。视图:出版商的网站|谷歌学术搜索
35. s, s·h·Mirhoseini m . Hosseini和m .艾哈迈迪·m·Ghanbari对路透”一个新的改进的自适应帝国主义竞争算法解决配电系统的重新配置问题减少损失和电压概要改善,”国际期刊的电力和能源系统,55卷,第143 - 128页,2014年。视图:出版商的网站|谷歌学术搜索
36. C.-T。苏和c。李,“网络重新配置配电系统使用改进整数混合微分进化,”IEEE电力交付,18卷,不。3、1022 - 1027年,2003页。视图:出版商的网站|谷歌学术搜索
37. 王c和h . z程”,优化网络配置大型分销系统使用模拟植物生长算法,”IEEE电力系统,23卷,不。1,第126 - 119页,2008。视图:出版商的网站|谷歌学术搜索
38. b . Tomoiagăm . Chindriş井筒中心炮眼,r . Villafafila-Robles和a . Sudria-Andreu”分配系统重新配置使用遗传算法基于连接图,“电力系统研究卷,104年,第225 - 216页,2013年。视图:出版商的网站|谷歌学术搜索
39. j . c . Cebrian n·卡根,“重新配置的分销网络,以减少损失和破坏成本使用遗传算法,”电力系统研究,卷80,不。1,53 - 62年,2010页。视图:出版商的网站|谷歌学术搜索
40. a . Ahuja s Das, a . Pahwa”一个AIS-ACO混合方法对多目标分配系统重新配置,“IEEE电力系统,22卷,不。3、1101 - 1111年,2007页。视图:出版商的网站|谷歌学术搜索
41. a . a .穆罕默德寻a . k . Ferdavani a . b . Khairuddin和m . m . Naeini”重新配置径向电气分销网络通过最小电流circular-updating-mechanism方法,”IEEE电力系统,27卷,不。2、968 - 974年,2012页。视图:出版商的网站|谷歌学术搜索
42. d·张,傅z和l .张“损最小重构的改进TS算法在大规模分布系统中,“电力系统研究,卷77,不。5 - 6,685 - 694年,2007页。视图:出版商的网站|谷歌学术搜索
43. a . y作为礼尚往来,f·m·穆罕默德·s . f . Mekhamer和m·a·l·巴德尔,“分销系统重新配置使用修改后的禁忌搜索算法,”电力系统研究,卷80,不。8,943 - 953年,2010页。视图:出版商的网站|谷歌学术搜索
44. a . y作为礼尚往来,r·a·奥萨马,s m . Elkhodary”分销系统重新配置使用蚁群搜索算法优化和和谐,“电力组件和系统第41卷。。5,537 - 554年,2013页。视图:出版商的网站|谷歌学术搜索
45. n . Gupta a . Swarnkar k . r . Niazi和r·c·邦萨尔”多目标重构的分销系统使用自适应遗传算法在模糊的框架中,“专业生成、传输和分配,4卷,不。12,1288页,2010年。视图:出版商的网站|谷歌学术搜索
46. 到了去年,a阿訇,r . Noroozian”最佳的选址和规模的分布式发电伴随着的分销网络重新配置最大损失减少通过使用一个新的UVDA-based启发式方法,”国际期刊的电力和能源系统卷,77年,第371 - 360页,2016年。视图:出版商的网站|谷歌学术搜索
47. 公元前r . a . Jabr r·辛格,朋友,”最小损失网络重新配置使用整数凸规划,“IEEE电力系统,27卷,不。2、1106 - 1115年,2012页。视图:出版商的网站|谷歌学术搜索
48. c . Wang和y高”,确定配电网络配置使用non-revisiting遗传算法,”IEEE电力系统,28卷,不。4、3638 - 3648年,2013页。视图:出版商的网站|谷歌学术搜索
49. a . Landeros s Koziel, m . f . abdel fattah“分销网络使用feasibility-preserving进化优化重组,”《现代电力系统和清洁能源,7卷,不。3、589 - 598年,2019页。视图:出版商的网站|谷歌学术搜索
50. f . m . Abd El-salam大肠Beshr, b . m . Eteiba”一个新的混合技术,减少功率损耗分配系统的最优规模和选址的分布式发电机与网络重构,”能量,11卷,不。12日,2018年。视图:出版商的网站|谷歌学术搜索
51. a . Onlam d . Yodphet r . Chatthaworn c . Surawanitkun a . Siritaratiwat和p .坤吉滴,“功率损耗最小化和电压稳定性改善电气配电系统通过网络重构和分布式发电位置使用新颖的自适应打乱青蛙跳算法,”能量,12卷,不。3,p。553年,2019年。视图:出版商的网站|谷歌学术搜索
52. r·d·齐默尔曼,c, e . Murillo-Sanchez和r . j .托马斯“MATPOWER:稳态操作、规划、电力系统研究和分析工具和教育,“IEEE电力系统,26卷,不。1,19,2011页。视图:出版商的网站|谷歌学术搜索
53. j . r . s .多亏尤文和f . Casari, r·a·罗梅罗“Reconfiguracao de sistema de distribuicao radiais使用o de组织甚至de tensao”Controle和Automacao,11卷,不。3、150 - 159年,2000页。视图:谷歌学术搜索

版权

版权©2020东Tran et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。