基于改进并行遗传算法的电网状态估计

鉴于现有电网状态估计算法存在的问题,提出了一种基于改进并行遗传算法的状态估计算法。该算法采用粗粒度模型组织局域网内的计算机进行并行计算,运用迁移策略组织染色个体的并行处理,结合小生境技术保证估计结果的全局收敛性,并根据电网结构和量测量数据特点对染色体编码进行改进。仿真结果表明,该算法提高了状态估计结果的准确性和计算速度,可满足实时处理电网数据的要求。     

基于最小欧式距离(1+1)小生境遗传算法的无功优化

针对电力系统无功优化存在的问题,提出了利用最小欧氏距离下(1+1)竞争小生境遗传算法,克服了小生境遗传算法中小生境难以确定的不足,改善了遗传算法容易陷入局部收敛和早熟的缺点。通过对IEEE30节点测试系统进行无功优化计算,验证了该算法全局搜索能力强、效率高。     

基于改进小生境遗传算法的电力系统无功优化

针对电力系统无功优化问题,提出一种改进小生境遗传算法来克服小生境遗传算法中小生境难以确定的不足,改善遗传算法容易陷入局部收敛和早熟的缺点。通过模糊动态聚类分析方法实现小生境群体的划分,然后利用适应度共享技术对小生境内个体适应度进行调整,以提高全局寻优能力。提出和运用隔代小生境共享机制、最优个体邻域搜索及保留策略等以提高算法的计算速度和收敛速度。通过对IEEE 57节点测试系统进行无功优化计算及结果分析,说明所提出算法的全局搜索能力强、效率高,能得到较好的结果。     

基于聚类排挤小生境遗传算法的配电网无功规划研究

针对应用传统排挤小生境遗传算法进行无功规划时,小生境数目设定值的不同会导致寻优结果波动性较大的情况,将聚类分析和排挤小生境遗传算法相结合应用于配电网无功规划。建立了以收益净现值为目标函数的数学模型,该模型更直观地反映了补偿方案的降损节能收益能力;利用聚类排挤小生境遗传算法对配电网进行无功规划,通过调整聚类距离控制收敛到的小生境数目,提高了算法的全局寻优能力和解的稳定性;采用面向对象的Visual 2005C#高级语言开发编制了配电网无功规划计算程序。实例分析表明所提算法收敛速度快,全局寻优能力强, 计算结果稳定高,具有更高的实用性。     

基于聚类排挤小生境遗传算法的配电网无功规划研究

针对应用传统排挤小生境遗传算法进行无功规划时,小生境数目设定值的不同会导致寻优结果波动性较大的情况,将聚类分析和排挤小生境遗传算法相结合应用于配电网无功规划.建立了以收益净现值为目标函数的数学模型,该模型更直观地反映了补偿方案的降损节能收益能力;利用聚类排挤小生境遗传算法对配电网进行无功规划,通过调整聚类距离控制收敛到的小生境数目,提高了算法的全局寻优能力和解的稳定性;采用面向对象的Visual 2005C#高级语言开发编制了配电网无功规划计算程序.实例分析表明所提算法收敛速度快,全局寻优能力强,计算结果稳定高,具有更高的实用性.     

基于小生境正交遗传算法的地区电网实时无功优化

在基本遗传算法（SGA）的基础上,引入生物学中小生境的概念和正交设计技术,制定了初始种群生成方法,以保证个体的多样性,并在遗传算法选择、交叉和变异等操作中做出相应改进,从而形成可用于电力系统实时无功优化的小生境正交遗传算法。应用此算法时,通过采用一种典型小生境技术结合最优保存策略的小生境最优选择方法来进行种群的选择,减少了迭代过程中陷入局部最优解的可能性,并进一步减少迭代次数。仿真算例结果标明：在优化条件相同时,该算法的迭代次数明显少于基本遗传算法,显著提高了无功优化的收敛速度。     

基于改进排挤小生境遗传算法配网无功优化研究

针对传统遗传算法在配电网无功优化中的缺陷和配电网的特点,把改进排挤小生境技术和自适应遗传算法有机结合起来应用于无功优化,且采用实数编码和μ λ竞争机制等策略,建立了以计算得到的投资回收年限作为评价电容器安装方案经济效益优劣标准的数学模型。利用SQL Server 2000数据库存储配电线路的原始数据,方便计算时数据的灵活调用。采用面向对象的Visual C#高级语言开发编制了配电网无功优化计算程序并应用于实际配电网中,程序运行稳定、便于维护。实际网络计算结果表明,改进排挤小生境自适应遗传算法更加适用于配电网无功优化。     

小生境遗传算法在无功优化中的应用研究

在基本遗传算法（SGA）的基础上,引入生物学中小生境的概念,制定了初始种群生成方法,以保证个体的多样性,从而形成可用于电力系统无功优化的小生境遗传算法.应用此算法时,可用共享度改变个体的适应值,同时加速淘汰适应值低的个体,提高每一代个体的平均适应值水平,以减少迭代的次数.运用IEEE6节点系统和168节点实际电网进行计算的结果表明：在优化条件相同时,该算法的迭代次数明显少于基本遗传算法,提高了无功优化的收敛速度.     

基于改进排挤小生境遗传算法配网无功优化研究

针对传统遗传算法在配电网无功优化中的缺陷和配电网的特点,把改进排挤小生境技术和自适应遗传算法有机结合起来应用于无功优化,且采用实数编码和μ+λ竞争机制等策略,建立了以计算得到的投资回收年限作为评价电容器安装方案经济效益优劣标准的数学模型.利用SQL Server2000数据库存储配电线路的原始数据,方便计算时数据的灵活调用.采用面向对象的Visual C#高级语言开发编制了配电网无功优化计算程序并应用于实际配电网中,程序运行稳定、便于维护.实际网络计算结果表明,改进排挤小生境自适应遗传算法更加适用于配电网无功优化.     

基于共享小生境伪并行遗传算法配网无功优化研究

针对传统遗传算法(SGA)在配电网无功优化中的缺陷和配电网的特点,把基于共享函数的小生境技术和伪并行遗传算法有机结合起来应用于无功优化,采用实数编码和自适应交叉、变异等策略.建立了以运行费用最小为目标的数学模型.实际网络计算结果表明,小生境伪并行遗传算法在提高运算速度、维持群体多样性和抑制早熟等方面显示出优越性,更加适用于配网无功优化.     

电力系统状态估计算法的综合分析

简要介绍了电力系统状态估计的基本概念及功能,描述了状态估计的数学模型。介绍了几种电力系统状态估计的基本算法,即加权最小二乘法、快速分解法、基于量测变换及逐次型的状态估计算法等,并对这些算法作了简明的对比,指出各个算法的优缺点。最后,为了满足电力系统状态估计的要求,又提出了几种新型的状态估计算法。并且指出了状态估计算法中值得研究的几个方面。     

电力系统多区域分布式状态估计方法

提出了一种电力系统多区域分布式状态估计方法,各区域估计器利用其数据采集与监视控制系统提供的量测数据进行本地状态估计,并通过平均一致性算法获取全局信息进行系统级状态估计。建立了基于拉格朗日乘子法的状态估计模型并设计了基于一致性的全局信息交换协议,给出了多区域分布式状态估计算法的实现流程。通过IEEE 14节点和118节点系统中的仿真算例验证了所提方法的正确性和有效性,并就估计精度和计算效率与现有状态估计方法进行了比较。仿真结果表明分布式状态估计方法可有效提高集中式状态估计系统的计算效率及可靠性,适用于结构更加复杂、量测数据体量更大电网的状态估计。     

基于负荷电流的配电网状态估计研究

基于负荷电流的配电网状态估计方法以负荷电流为状态变量,将支路测量函数用负荷电流表示,利用三相潮流计算方法得到支路电流的状态估计值,从而降低了状态估计问题的求解空间,提高了算法的收敛性和计算速度,通过将该算法与三相潮流计算法比较,结果表明状态估计算法在效果、速度、收敛性方面都较常规方法优越。     

电力系统状态估计算法的研究现状和展望

为了保证电力系统的安全性和经济性,状态估计是能量管理系统(EMS)中不可或缺的组成部分。状态估计算法是状态估计的核心部分。综述了电力系统状态估计的研究现状。简要介绍了电力系统状态估计的基本概念及功能,描述了状态估计的数学模型。介绍了几种目前常用的估计算法,即加权最小二乘法、快速分解法、基于量测变换的状态估计算法等,并对这些算法作了简明的对比,指出各个算法的优缺点。最后,对状态估计算法中值得研究的方面进行展望。     

基于相量量测的电力系统线性状态估计

分析了相量量测装置的量测误差情况,指出了相量量测参与状态估计计算的必要性。在完全使用相量量测的情况下,给出了基于直角坐标系的实数形式的电力系统线性量测方程和相应的线性静态状态估计算法。对负荷预报加潮流计算的系统状态预报方法进行改进,通过对误差协方差阵计算公式的推导与简化,提出了新的预报误差协方差阵计算公式,并将其与线性量测方程相结合,提出了基于相量量测的线性动态状态估计算法。最后讨论了线性状态估计算法的使用条件,并采用IEEE30节点系统对提出的算法进行了验证。     

Decentralized unscented Kalman filter based on a consensus algorithm for multi-area dynamic state estimation in power systems

A decentralized unscented Kalman filter (UKF) method based on a consensus algorithm for multi-area power system dynamic state estimation is presented in this paper. The overall system is split into a certain number of non-overlapping areas. Firstly, each area executes its own dynamic state estimation based on local measurements by using the UKF. Next, the consensus algorithm is required to perform only local communications between neighboring areas to diffuse local state information. Finally, according to the global state information obtained by the consensus algorithm, the UKF is run again for each area. Its performance is compared with the distributed UKF without consensus algorithm on the IEEE 14-bus and 118-bus systems. The low communication requirements and high estimation accuracy of the decentralized UKF make it an alternative solution to the multi-area power system dynamic state estimation.     

配电网状态估计中的量测变换技术

分析了不同情况下状态估计算法中量测变换技术的应用情况，导出了量测变换的具体数学表达式和量测变换后各数据量权重的确定。文章分别对基于牛顿法的状态估计算法，以节点电压电流方程式为基础的状态估计算法及基于支路电流的配电网状况估计算法进行了比较，从文中分析可以看出，量测变换技术的应用虽提高了算法的运算速度但牺牲了估计精度。因此在应用量测变换技术时，须因地制宜，在速度和精度之间寻求平衡。     

基于等值信息交换的分布式抗差估计算法

提出了一种基于等值信息交换的分布式抗差状态估计算法。各子系统通过等值计算将自身量测信息浓缩成等值信息,协调层收集各子系统的等值信息计算出边界状态量进而实现分布式状态估计。此外,在分布式算法基础上实现了分布式抗差估计。采用等价权原理将指数型目标函数抗差估计方法转换成变权重的加权最小二乘估计,并基于不动点迭代的方法进行求解。在求解过程中,等值信息随着权重值的变化而不断更新,子系统得以综合全系统信息进行抗差估计。最后,构造了多子系统算例和含不良数据的算例对算法进行测试。测试结果表明分布式抗差估计算法具有很高的计算精度和很好的抗差性能。     

基于Koopman算子与卡尔曼滤波的同步发电机动态状态估计

动态状态估计是监测同步发电机动态行为的重要手段,准确的动态状态估计结果对于指导电力系统安全运行与高效控制具有重要意义。从数据驱动的角度出发,提出了基于Koopman算子与卡尔曼滤波的同步发电机动态状态估计方法。该方法首先利用汉克尔动态模态分解算法从发电机动态响应数据中提取Koopman算子,进而以提取的Koopman算子为基础构建同步发电机状态空间模型,并利用卡尔曼滤波对同步发电机状态变量进行动态估计。该方法无须事先构建发电机模型及参数,实现了完全数据驱动的动态状态估计。仿真实验结果表明,在发电机模型及参数失配的情况下该方法估计精度明显高于传统以模型为基础的估计结果,具有较好的自适应性和鲁棒性。     

基于快速分解法的电力系统状态估计

电力系统状态估计,对保证电力系统的安全性和经济性起着重要的作用,是电力系统调度、控制、安全评估等方面的基础,也是当代电力系统能量管理系统（EMS）的核心组成部分。状态估计算法是状态估计的核心,其中快速分解状态估计算法是在吸取潮流计算经验的基础上得到,是状态估计的优良实用算法。本文对电力系统状态估计的原理及方法进行研究,建立了快速分解法状态估计的数学模型。最后,通过对IEEE-14节点的算例分析,验证模型的有效性。