一种优化配置谐波抑制装置的新方法

针对配电网谐波源的多样性、不确定性等特点,以平均谐波畸变率和经济性为目标函数,将有源滤波器容量和谐波电压畸变率作为寻优的约束条件,将滤波装置中电容器的容量与串并联谐振频率的关系作为谐振约束条件;并采用混合罚函数将非线性约束优化问题变为无约束优化问题。最后采用改进模糊粒子群算法对滤波装置优化配置,通过在算法中考虑所有个体对群体活动的导向性,以增强粒子之间相互学习的能力,有效防止粒子陷入局部最优。仿真结果表明,该优化算法在给定的电网范围内能统一优化有源滤波器和无源滤波器的安装地点及相应的参数,具有一定工程应用价值。     

微电网电能质量问题与谐波抑制措施研究

近年来,微电网中的电能质量问题得到越来越多的关注,微电源中大量的逆变器和电网中越来越多的非线性负荷,使得谐波问题尤为突出。本文首先总结分析了微电网中主要的电能质量问题,然后针对微电网谐波抑制问题进行深入研究,以经济性和滤波装置的滤波效果综合函数作为寻优目标,利用改进的粒子群算法对微电网进行了滤波装置安装地点和参数的优化配置,提出了一种适用于微电网的有源与无源滤波装置优化配置方法,进行了仿真研究。算例分析表明,所提出方法既能满足电网对谐波电流和谐波电压畸变率的要求,也能满足滤波装置配置的经济性。     

含分布式电源的配电网滤波装置最优配置研究

正由于分布式电源(Distributed Generation,DG)中存在大量逆变器,加上配电网中已有的非线性负荷,电网中电压和电流质量受到很大的影响,尤其以谐波问题较为突出。提出了一种基于遗传算法和差分进化算法相结合的滤波装置优化配置方法,该方法以滤波装置费用和电能损耗费用之和最小作为优化目标,对含DG的配电网进行有源滤波器和无源滤波器的统一优化配置。所提出配置方法融合了两种算法的优点,将差分进化的思想加入遗传算法,充分利用了父代基因的信息,提高了计算准确度。仿     

一种电网滤波器优化配置新算法

针对北碚110kV配电网谐波的特点,提出一种基于改进模拟退火-粒子群的电网滤波器优化配置算法.基于自适应惯性因子w和存储器,以滤波器一次投资最小为目标,在给定电网范围内优化配置有源和无源滤波器,使配电网中各节点的谐波畸变率满足谐波的标准要求.通过算法寻优求解,给出最优的滤波器配置方案;Matlab/Simulink仿真分析验证了该方案的正确性.     

配电网无源滤波器的优化配置

为了治理多谐波源对配电网电能质量的污染,研究了无源滤波器在配电网的优化配置。综合考虑投资费用、电压畸变率和谐振条件建立了无源滤波器优化配置的数学模型,该模型是一含约束、不可微、非线性的规划模型。运用导纳矩阵的灵敏度因子寻找配电网中各次谐波滤波器的最佳配置位置,然后采用人工免疫算法对滤波器的参数进行寻优。在保证网络各节点谐波电压和总谐波畸变率符合谐波标准以及滤波器安全可靠运行的前提下,使得全网滤波器的投资费用最少。研究表明,该方法能有效地抑制网络中各节点谐波电压畸变,提高了配电网电能质量,并通过与遗传算法比较,得出免疫算法能避免陷入局部最优。     

有源电力滤波装置在配电网谐波治理中的研究和应用

在分析某站0.4kV站用电系统现有谐波情况的基础上,结合谐波对配电网系统的危害特点分析,重点探讨了某站有源滤波装置的配置,指出有源滤波装置在工程选型中相关注意问题,希望对于今后配电网谐波治理具有一定帮助。     

基于遗传算法的配电网滤波装置的优化配置

配电网谐波治理是提高电能质量和电网运行可靠性的保证。通过建立系统各次谐波的节点导纳矩阵,求解对应的灵敏度矩阵,并运用灵敏度矩阵寻找配电网中各次谐波滤波器的最佳配置位置,然后采用改进遗传算法对滤波器的具体参数进行寻优。在保证网络各节点谐波电压含量和总谐波畸变率符合谐波标准以及滤波器安全可靠运行的前提下,使全网滤波器的投资费用最少。实例分析表明,所提出的无源滤波装置的最优配置方法有效,给出的谐波治理方案能有效地抑制网络中各节点谐波电压的畸变。     

基于多谐波源动态运行的配电网滤波装置优化配置

在一个配电网中往往同时存在多个谐波源,且工作时间不确定,为提高遗传算法的搜索效率,利用分级递阶的自适应遗传算法对配电网中的无源滤波器(Passive Power Filter,PPF)和有源滤波器(Active Power Filter,APF)进行统一优化配置。用该算法在多谐波源动态运行的整个配电网中分级优化PPF和APF的安装地点、安装类型、安装参数,即先确定安装地点,再确定安装类型和安装组数,最后确定滤波器的参数,在满足谐波潮流约束条件的前提下,在控制滤波装置初期投资费用的同时有效抑制谐波。算例计算结果证明了该算法的有效性。     

配电网中多谐波源的谐波抑制装置优化配置研究

针对配电网谐波源的多样性,不确定性等特点,采用改进的自适应粒子群模糊算法来配置滤波装置。优化算法通过采用隶属度函数对粒子群算法中的惯性权重进行模糊控制来实现局部搜索与全局搜索之间的平衡;并在算法中考虑所有个体对群体活动的导向性,以增强粒子之间相互学习的能力,有效防止粒子陷入局部最优。仿真结果表明,该优化算法在给定的电网范围内能统一优化有源滤波器和无源滤波器的安装地点及相应的参数,具有一定工程应用价值。     

配电网消除谐波的研究

介绍了谐波在配电网中的危害,对比分析了投入磁通补偿型零序滤波装置后的优点,通过实践和研究工作。磁通补偿型零序滤波装置能治理谐波污染、补偿无功功率、平衡三相电流,是改善低压配电网电能质量的有效手段。     

基于鸡群优化算法的配电网络重构

鸡群优化算法是模仿鸡群觅食的群体智慧发展而来的生物启发式算法,将鸡群优化算法应用到配电网重构当中,充分利用鸡群优化算法高效的全局和局部搜索能力,快速寻找使配电网在满足约束条件下目标函数最小的网络状态,保证配电网运行的经济性和可靠性。给出了基于鸡群优化算法的配电网重构具体实现流程,以IEEE33节点系统为例,采用鸡群优化算法(CSO)和粒子群算法(PSO)两种算法进行仿真实验,结果表明鸡群优化算法较粒子群算法搜索效率平均提高了11.6%,寻优速度更快更稳定。     

结合区块链的园区综合能源系统可信协调优化方法

分布式能源的日益普及与随之而来更复杂的能源系统结构,极大地增加了传统集中式求解能源协同优化问题的难度与成本。分布式优化方法与复杂的能源结构有良好的适配性,但缺少天然可信的协调中心,存在主体隐私保护困难、主体间交互数据真伪难辨等问题,因此提出了结合区块链的园区综合能源系统可信协调优化方法。首先,引入协调者角色组成协调委员会,并利用无偏随机排序算法选取协调者。之后,通过分解协调算法将协调优化问题解耦为上下两层的求解最优值问题,并利用区块链共识算法保障多协调者间可信。然后,设计了双区块链园区综合能源系统数据存储模型,保证数据安全和交易链效率。最后,仿真实验表明结合区块链的园区综合能源系统可信协调优化方法可公平选取协调者,有效实现园区综合能源协同优化、降低节点作恶影响、保护数据隐私,具有较好的鲁棒性和容错性。     

基于改进粒子群算法的开关磁阻电机本体优化

针对开关磁阻电机多变量、高非线性以及传统设计过程无法快速而准确获得最优方案的问题,提出一种基于Kriging模型和改进粒子群算法的参数优化策略。首先建立多目标优化模型,采用田口正交方法进行敏感性分析,依据灵敏度大小将优化变量分为两个子空间;其次为提高多目标粒子群算法的收敛速度和全局寻优精度,引入天牛须搜索算法中环境感应机制和遗传算法中交叉变异策略;最后建立Kriging模型,利用改进粒子群算法对两个子空间参数进行迭代寻优。实验结果表明,优化后的转矩脉动减少23%,平均转矩提高2.3%,在大幅度减少转矩脉动情况下保持了较大平均转矩。结论是改进的粒子群算法与Kriging模型相结合策略适用于开关磁阻电机优化过程,可显著提高优化效率,保证求解精度。     

改进Tabu优化算法在地区电网故障诊断的应用

基于优化算法的电网故障诊断是将电力系统故障诊断描述为优化问题后用优化方法求解。提出了基于改进Tabu搜索算法的电力系统故障诊断的新方法。以覆盖集理论为基础, 把电力系统警报处理问题表示为0-1整数规划问题, 并引入了一种新的评估指标,确保了全局最优解,并极大地满足了电网实时性的要求。最后用一个全新算例来证明计算结果的可靠性与快速性, 结果表明以改进TS为基础的方法能够满足地区电网故障诊断的要求。     

自动化药房多个出药单据的调度优化

为了提高自动化药房的出药速率，实现多个出药单据药品出库时间最短。以某医院自动化药房出药系统结构为基础，建立多个出药任务单据的时间调度模型。针对此模型设计了改进的混合鲸鱼优化算法(H-WOA)。首先对多个出药单据进行整合分组，融入了遗传算法的交叉、变异，来提高种群探索的多样性；其次引入了免疫克隆算法的抗体与抗体的亲和度判定原理，来帮助构建最佳执行序列；最后结合鲸鱼算法的包围收缩和螺旋更新机制来保证种群最终收敛于最佳鲸鱼位置。实现结果表明，以3个出药单据为例，H-WOA优化算法相比原算法和未含优化算法效率分别提高了6.11%和18.11%。在4个、5个出药单据调度优化上，具有同等的优化效果。证明改进算法具有很好的寻优能力。     

改进小生境遗传算法在电力系统无功优化中的应用

利用改进小生境遗传算法进行了电力系统无功优化计算。算法主要做了以下改进：设置个体之间的距离判别标准L为动态函数,保持了群体的多样性;采用最优保存策略保证算法的收敛性;采用局部最优徘徊策略作为辅助终止原则,避免陷入局部最优情况。对IEEE 30节点算例系统进行了无功优化,并对优化前后各项技术性能指标进行了分析,说明了改进小生境遗传算法在保持解的多样性、提高搜索效率和优化效果等方面都具有良好的性能。对某县级配电网进行了仿真计算,仿真结果证明了所提算法的有效性。     

求解动态无功优化问题的混合免疫遗传算法

无功优化是电力系统运行中提高经济性和电压安全性的重要措施,为防止静态无功优化可能导致无功控制设备的频繁操作,考虑并联电容器投切组数和有载调压变压器变比档位的调节次数约束,建立了电力系统动态无功优化模型。提出免疫遗传算法与非线性内点法相结合的混合算法进行求解,其中免疫遗传算法处理离散变量,非线性内点法处理连续变量,并在免疫遗传算法中设计独特的编码方式,使抗体能够自动满足动态约束。采用IEEE14系统的24时段无功优化问题进行仿真计算,动态无功优化后离散控制设备的调节次数很少,有功损耗比静态优化结果仅有轻微增加,算例结果验证了混合免疫算法的有效性。     

基于PSO-GA混合算法的配电变压器检修优化

针对当前流行的状态检修的概念,通过分析比较,确定了基于风险的配电网检修优化方法;并根据配电变压器历史故障概率数据通过威布尔分布拟合配电变压器的故障概率,并采用等效役龄对故障概率进行修正;计及设备检修时的检修风险和故障风险后,建立了以电网运行风险最小为目标的配电变压器检修优化模型;最后提出了一种以粒子群优化算法为主、遗传算法为辅的混合优化算法求解模型。该模型既能够降低搜索到局部最优解的概率,又能保证全局最优解的精度。算例验证表明了该方法的有效性。     

基于免疫禁忌混合算法的多目标最优潮流计算

针对电力系统多目标最优潮流计算问题,提出了一种基于免疫禁忌混合算法的多目标模糊优化潮流计算的新方法。该方法运用模糊集理论来构造评价函数,实现了多目标优化问题向单目标优化问题的转化,兼顾了各子目标,保证了较高的整体优化水平;采用求解精度高、使用灵活的免疫禁忌混合算法来进行单目标寻优,准确地获取了符合实际的全局最优解。通过对IEEE 30节点系统进行多次多目标最优潮流仿真计算,并将计算结果分别与单目标最优潮流计算及采用粒子群算法、免疫算法等其它算法的结果进行比较和分析,验证了该方法是解决电力系统多目标最优潮流问题的一种有效方法。     

多目标并行优化的高级遗传算法在无源滤波器设计中的应用

文章首次在利用高级遗传算法处理多目标优化问题中引入了并行寻优的思想,摆脱了传统的通过加权第的办法,避免了加权系数确定地盲目性。并成功地应用到无源滤波器的参数优化中,获得了较好的效果。同时高级遗传算子的引入,可保证问题的全局收敛。