基于混沌优化与线性内点法的最优潮流算法

求解最优潮流是一项基本而重要的工作，文中将混沌优化与线性内点法相结合，提出了一种新的混合优化算法，并应用该方法进行电力系统最优潮流的计算。混沌优化方法利用混沌运动特定的内在遍历性、随机性和规律性等特点跳出局部最优点，接近最优点；同时，利用预测-校正原-对偶内点法在最优点的邻域内局部寻优，提高了收敛速度和求解精度。通过对IEEE 14、30和57节点试验电力系统的数值计算，验证了算法的有效性。     

基于混沌序列的变压器油色谱数据并行聚类分析

变压器油中溶解气体分析(DGA)是变压器运行和维护的重要技术手段,聚类算法是油色谱分析的一种重要智能算法。但是聚类算法的目标函数是一个典型的非凸函数,其寻优求解过程是局部搜索的爬山算法,迭代过程容易陷入局部极值点,因而无法实现有效的油色谱数据分类。混沌变量具有随机性和遍历性,使得全局寻优成为可能。该文在聚类迭代的过程中,利用混沌序列对聚类中心进行"人工突变",同时在聚类的过程中设置多条并行的寻优轨迹,在迭代过程中,每条寻优轨迹除了按照自身的梯度信息进行推演外,同时还共享其余轨迹的寻优信息。可在迭代寻优的过程改变原有的寻优轨迹,从而避免寻优过程终止于局部极值点,实现全局寻优。实例分析表明,该文的方法促进了聚类分析的全局寻优,提高了模糊聚类算法进行DGA故障模式识别的能力,具有现实应用价值。     

改进鲸鱼算法优化支持向量回归的光伏最大功率点跟踪

针对光伏阵列处于局部遮阴情况下其P-U特性曲线呈现出多极值点特性,传统最大功率点跟踪(MPPT)算法由于搜索机制导致难以跳出局部最优准确跟踪到最大功率点问题,提出一种基于改进鲸鱼算法优化支持向量机回归(SVR)的最大功率点跟踪方法.该方法在普通鲸鱼算法的基础上引入对数权重因子与随机差分变异策略,增强了算法在全局搜索与局部开发协调性能、避免陷入局部最优的能力.利用该改进鲸鱼算法对SVR参数寻优,建立光伏阵列最大功率点电压预测模型,并与电导增量法(INC)相结合应用于MPPT控制.Matlab/Simulink仿真结果表明,所提的复合MPPT控制算法在各种局部遮阴及光照突变情况下都能够有效避免陷入局部寻优,迅速准确地跟踪到全局最大功率点(GMPP).     

基于混沌优化和BFGS方法的最优潮流算法

将混沌优化与拟牛顿法中的BFGS方法相结合，提出了一种新的混合优化算法，并应用该方法进行电力系统最优潮流的计算。混沌优化方法利用混沌运动内在的遍历性、随机性和规律性等特点，跳出局部最优解，接 近最优点；同时，利用BFGS方法在最优点的邻域内局部寻优，提高了收敛速度和求解精度。 通过对IEEE 14，30和57节点试验电力系统的数值计算，验证了算法的有效性。     

电力系统内-外点优化潮流算法

提出了利用内-外点算法(IEPM)求解电力系统最优潮流问题。内点法(IPM)具有全局收敛性好的优点,但有时在最优点附近其收敛速度会降低,而外点法(EPM)在满足二阶最优条件时具有1.5Q的超线性局部收敛速度。IEPM将原对偶内点法和外点法结合,利用内点法寻找全局最优点所在的邻域,当内点法收敛到全局最优点邻域时,转到外点算法继续进行优化潮流数值计算。内-外点优化潮流算法结合了内点法和外点法的各自优点,具有快速的全局收敛性和超线性局部收敛性。对4个IEEE标准测试系统和一个实际某区域685节点系统仿真结果表明,该方法能够保证优化潮流计算的全局收敛性,且收敛速度快,迭代次数少。     

梯度与极值搜索复合算法的多峰值MPPT控制

当多个光伏组件串联组成的光伏阵列被部分遮挡时,带有旁路二极管的光伏组件会呈现出多峰值的输出特性,此时基于单峰值的最大功率点跟踪(MPPT)算法易陷入局部最优点从而导致寻优跟踪失败。为得到全局最大功率点(GMPP),需采用多峰值MPPT算法。提出一种结合梯度法和极值搜索(ESC)法的多峰值MPPT复合算法。该算法用梯度法搜索到第一个峰值附近的功率点,以该点为ESC法的起始点搜索出局部最大功率点(LMPP),再利用该LMPP为起始点进行迭代搜索,直到获取GMPP。与传统多峰值MPPT算法相比,该复合算法能快速准确地跟踪光伏阵列的最大功率点(MPP),具有良好的动态性能。     

基于改进鲸鱼优化算法的光伏发电系统MPPT控制研究

在局部阴影条件下,常规的最大功率点跟踪MPPT(maximum power point tracking)算法因含有容易陷入局部极值、跟踪精度低等弊端,使其无法及时、精确地跟踪光伏发电系统的最大功率点,因此,提出了一种基于改进型鲸鱼优化算法的光伏发电系统MPPT控制策略。首先,采用混沌映射初始化种群,增加种群的多样性。其次,通过引入非线性收敛因子使局部寻优能力和全局搜索能力达到均衡。最后,通过引入非线性时变的自适应权重使系统及时跳出局部最优解,并提高搜索的精度。经仿真验证,与粒子群优化算法、狮群优化算法、传统的鲸鱼优化算法等相比,改进的鲸鱼算法在跟踪速度、精度、稳定性等方面均有更显著的效果。     

基于二层规划的交直流混合输电网最优潮流计算

建立了交直流混合输电网等值数学模型,提出了交直流混合输电网最优潮流二层规划数学模型。该模型的上层目标函数为总燃料费用最小,变量为系统中有功与无功出力;下层目标函数为各节点电压偏移最小,变量为变压器分接头档位,上下层变量相互影响,交替迭代。采用跟踪中心轨迹内点法和萤火虫算法相结合的混合算法对该模型进行求解,上层模型利用跟踪中心轨迹内点法处理连续变量,能快速收敛至全局最优解;下层模型采用萤火虫算法求解,能较好处理离散变量。最后采用IEEE 30节点系统和IEEE 118节点系统为算例进行仿真计算,验证了该二层规划模型的有效性和正确性,对比了交流线路和直流线路功率传输方式,验证了直流系统输电的优势。     

混沌神经网络在DTC系统中的转速辨识

针对BP神经网络易陷入局部极小值的缺点,提出了混沌神经网络的学习算法。利用混沌的遍历性和随机性,采用混沌变量全局粗搜索与混沌变量局部细搜索相结合,得到神经网络权值的全局最优值。利用该算法对直接转矩控制(DTC)系统进行转速辨识,仿真结果表明用混沌优化BP神经网络的速度辨识器不仅具有较好的跟踪能力,还提高了运算效率,使系统具有良好的静动态性能。     

基于混沌量子蜂群优化SVR的多峰MPPT算法研究北大核心

针对局部阴影条件下光伏阵列P—V曲线具有多峰特性,而传统的MPPT算法无法有效跟踪其最大功率点的问题,研究了一种多峰MPPT算法。采用混沌搜索和量子计算对传统蜂群算法进行改进,并将改进后的算法应用于支持向量回归机(SVR)的参数寻优,最终实现了基于混沌量子蜂群优化SVR的多峰MPPT算法。通过仿真和实验对算法的有效性进行了验证。实验结果表明:该算法在均匀光照或局部阴影条件下均能够准确跟踪全局最大功率点,有效克服了传统MPPT算法容易陷入局部极值的问题。     

风电并网系统区域间概率可用输电能力计算

为了准确评估风电场接入电网对系统可用输电能力(Available Transfer Capability,ATC)的影响,针对风电并网系统的概率可用输电能力计算展开研究,详细分析不同风电并网情况下ATC的变化规律。首先基于风速Weibull分布,建立了大型风电场输出功率数学模型;进而采用原-对偶内点法完成风电并网系统可用输电能力单一样板值的求解。在此基础上,采用蒙特卡罗仿真法从广义角度对风电并网系统的ATC进行概率评估。仿真结果表明,所提算法能够有效评估风电这种波动性电源对ATC的影响。研究成果可为风电并网系统安全经济性能评估提供有效参考信息,对未来电网规划扩建具有指导意义。     

基于变尺度混沌理论与免疫遗传算法的电力系统无功优化

提出一种基于变尺度混沌理论与免疫遗传算法的混合智能无功优化算法。该算法利用混沌变量的遍历性、随机性和规律性特点,将混沌运动自身的遍历区域变换成优化变量的取值范围,通过对整个解空间进行考察实现了可行域内的全局优化搜索。同时通过变尺度方法不断缩小优化变量的搜索范围来实现局部细化搜索,从而增强混沌局部搜索能力,加快解的收敛速度,提高解的精度。文章最后以某地区实际电网为例,分别采用免疫遗传算法和混合智能算法对其进行无功优化计算,结果表明本文提出的混合智能算法在计算速度和全局收敛性方面有很大的提高。     

考虑暂态稳定约束的可用传输能力计算

提出了一种考虑暂态稳定约束的可用输电能力(ATC)的计算方法。建立了在传统的静态ATC模型中加入暂态稳定约束的有效方法,并在此基础上给出了动态ATC问题的优化计算模型。同时提出了求解动态ATC问题的内点非线性规划算法。该算法不仅具有强大的处理等式约束和不等式约束的能力,而且具有良好的收敛性,能够有效求解动态ATC问题。所提出的模型与算法已在若干系统得到了验证,文中以IEEJ-WESTlO和IEEJ-WEST30系统的计算结果为例说明了该方法的有效性。     

电力系统经济负荷分配的人工免疫混沌优化算法

提出了一种用于求解复杂电力系统经济负荷分配问题的新的人工免疫混沌优化算法，该算法融合了人工免疫算法极强的全局搜索能力以及混沌优化方法适合局部搜索的特点。在优化过程中，人工免疫算法通过克隆选择、克隆扩增和高频变异形成记忆细胞，并将其作为最优解的近似解，然后按混沌运动规律在近似解的邻域内进行局部搜索，进而获得精确的最优解。多个算例仿真结果表明，所提出的算法能够有效地解决经济负荷分配问题。     

配电网供电恢复的混沌免疫算法

为在配电网供电恢复的方案计算中提高获得最优解的概率并加快算法的收敛速度,分析混沌优化算法和免疫算法原理的基础上,提出了一种混沌免疫算法。该算法融合了混沌优化算法的全局搜索和人工免疫算法的局域搜索能力的特点,在优化过程中采用人工免疫算法代替混沌优化算法中的"细搜索",同时用混沌优化算法中的"粗搜索"来初始化免疫算法中的初始抗体。实例分析表明,该算法具有较快的收敛速度和较强的全局搜索能力,避免了不成熟收敛,有效地提高了供电恢复的速度和精度。     

计及静态电压稳定约束的交直流系统可用输电能力

为考虑不同控制方式下直流系统对交流潮流的影响,采用顺序求解法计算交直流系统潮流时,对交流系统雅可比矩阵的特殊节点元素进行了有效修正。将电压稳定局部指标L进行合理简化,简化后的L指标能够避免电压相量复数运算,有效提高了计算速度。在简化的L指标基础上,提出了计及电压稳定性约束的交直流系统可用输电能力优化模型。采用非线性原–对偶于内点法对优化模型进行求解,通过计算L指标研究不同的电压稳定裕度对系统可用输电能力和电压稳定性的影响。算例结果验证了简化L指标的合理性和优化模型的有效性。     

基于混沌学习算法的神经网络短期负荷预测

基于混沌理论对电力负荷的复杂时间序列进行分析,得出该时间序列属于混沌序列的结论,就此提出了一种新的神经网络（NN）学习算法——混沌学习算法。该算法中的混沌轨道的游动性有利于系统跳出局域极值的束缚而寻求全局最优,这样克服了前馈NN 的BP学习算法所存在的本质问题,使NN训练的收敛性好、速度快、误差小。文中通过对实际系统负荷预测结果,与BP算法预测结果比较,证明了混沌学习算法的电力负荷短期预测具有明显好的效果。     

基于粒子群进化算法的极限输电容量计算方法

针对 N -1静态安全模型的电力系统可用输电容量（ATC）计算问题，提出一种基于粒子群进化算法的新方法。其基本思想是，对得到的某个ATC可能值，验证在该功率传输水平下系统是否满足静态安全约束。对群中每个粒子对应变量分为区域交换功率值和停运支路编号2部分，二者以不同方式分别进化。计算过程中，不可行粒子用于得到ATC的值并对其采取校正措施来加快得到ATC的速度，可行粒子用于判别严重支路。计算终止时得到区域间ATC、关键支路和对ATC影响较大的严重支路集。在IEEE 118节点测试系统上，通过与其他计算ATC的方法相比较，表明该算法可以准确捕获严重支路集并得到ATC的值。     

基于纵横交叉算法的波浪发电装置最大功率跟踪控制

针对波浪能最大功率点跟踪控制中,浮子水动力模型的非线性,使传统群智能算法存在局部最优问题,提出纵横交叉算法(CSO)控制方案。CSO的纵向交叉算子,在纵向交叉概率判定下进行个体维变量间的算术交叉,保证种群能够脱离局部最优状态; CSO的横向交叉算子完成个体间的随机配对与算术交叉,并将解空间全体分割成若干个子空间,每个子空间以配对个体为对角顶点,搜索子空间内部及邻域,实现精细的局部搜索能力。通过纵、横交叉算子的交替作用,任何有益于实现全局最优的信息,都将被迅速地分发到种群的各变量中,用以改变搜索路径。仿真表明,在波浪周期发生变化时,纵横交叉算法能够实现最大功率点跟踪,并提高收敛速度。     

Multi-objective Economic Dispatch Considering Wind Power Penetration Using Stochastic Weight Trade-off Chaotic NSPSO

In this paper, a stochastic weight trade-off chaotic non-dominated sorting particle swarm optimization (SWTC_NSPSO) is proposed for solving multi-objective economic dispatch considering wind power penetration. Multi-objective functions including generator fuel cost and system risk are considered. The SWTC_NSPSO algorithm improves the solution search capability by balancing between global best exploration and local best utilization through the stochastic weight trade-off technique combining dynamistic coefficients trade-off methods. The proposed algorithm cooperates with the freak, lethargy factors, and chaotic mutation to enhance diversity and search capability. Non-dominated sorting and crowding distance techniques efficiently provide the optimal Pareto front. The fuzzy function is used to select the local compromise best solution. Using a two stage approach, the global best compromise solution is selected from a large number of local best compromise trial solutions. Simulation results on the modified IEEE 30-bus test system indicate that SWTC_NSPSO can provide a lower and wider Pareto front than non-dominated sorting genetic algorithm II (NSGAII), non-dominated sorting particle swarm optimization (NSPSO), non-dominated sorting chaotic particle swarm optimization (NS_CPSO), and a stochastic weight trade-off non-dominated sorting particle swarm optimization (SWT_NSPSO) in a less computation effort, leading to a lower generator fuel cost and a higher system reliability trade-off solution.