协同进化算法在西北电网无功优化中的应用

针对无功优化问题非线性、非连续性等特点以及大范围内无功优化控制变量较多的特点,将协同进化算法应用于西北电网无功优化.实际运行结果表明,协同进化算法不但能得到更好的优化结果,收敛性好,而且计算时间短,更适合于求解实际大系统的无功优化问题.     

基于PSO算法与协同进化算法的地区电网无功优化模型

电力系统无功优化属于非线性优化范畴,传统的数学规划算法处理时存在较大的局限性,针对大规模电网全局无功电压优化控制困难,提出了基于协同进化框架的合作协同进化粒子群优化算法(PSO)的电力系统无功优化方法,构建了数学模型。实际大电网计算结果表明,该算法寻优质量高、收敛性好、计算复杂度低,适合求解大规模系统无功优化问题。     

含分布式电源的配电网动态无功补偿优化策略研究

兼顾分布式电源（DG）出力和负荷动态变化提出一种基于需求侧响应的配电网动态无功优化策略。该策略采用灰色关联度映射方法划分时段,在同一时段内协同优化不同类型变量,然后固定多个时段内并联电容器组（SCB）和有载调压变压器（OLTC）的状态,进行二次静态无功优化校正。针对模型特征,对不同类型变量采用混合协同进化算法进行求解,并提出基于Tent混沌映射和Levy飞行策略的改进麻雀算法提高协同求解效率。仿真结果表明：计及新能源出力变化和需求侧响应的所提策略能在降低求解规模的同时获取较高满意度的无功优化结果,且该混合协同进化算法在求解混合整数的非凸、非线性优化问题上具有一定优势。     

带随机排序的进化策略法在电力系统无功优化中的应用

电力系统无功优化是带有多约束的非线性组合优化问题,进化策略算法在解决这类问题时显示出独特的优势。惩罚函数法是进化算法求解约束问题最常用的方法,但其罚系数难以合理确定。文中将带随机排序策略的进化算法应用到无功优化问题中,有效地避免了罚函数法处理约束问题时罚系数难以确定的缺点,并在编码方法、进化终止判据方面做了改进,有效地提高了算法的求解效率。算例证明了改进算法的有效性。     

改进小生境差分进化算法在配网 无功优化中的应用

配网无功优化是一类非线性的整数规划问题,通过调整变压器的变比,改变发电机的端电压和连接补偿电容来改变电力网络中的无功,减小系统网损。差分进化算法是一种收敛速度快,收敛精度高的智能进化算法,针对无功优化模型对差分进化算法做出改进,引入小生境思想。通过实例验证了小生境粒子群算法（NPSO）和改进小生境差分进化算法（FERDE）对无功补偿装置布点优化规划的有效性。结果表明,增强算法的局部搜索能力和扩宽搜索范围,在收敛速度和精度上都有不同程度的提高     

基于改进蜜蜂进化型遗传算法的电力系统无功优化

文章采用改进蜜蜂进化型遗传算法求解电力系统无功优化问题,该算法引入了自适应调整选择算子的策略,使算法能及时开辟新的解空间,提高其搜索效率;引入了驱逐算子,增加了蜂群的生物多样性,提高了杂交效率,避免了算法过早收敛的问题。通过以IEEE-6节点和IEEE-30节点测试系统为例进行无功优化计算,并与其他优化算法进行了比较,结果表明了文章算法在求解电力系统无功优化问题的有效性,同时证明了该算法在收敛速度和优化效果上具有比其他优化算法更佳的性能。     

评价无功优化进化算法的非整秩次秩和比法

针对进化算法是解决电力系统无功优化问题的重要手段,分析了目前进化算法性能比较法的片面性及传统法不能有效反映改进后算法的优劣,提出了采用非整秩次秩和比法分析进化算法性能,并利用IEEE-30节点的仿真计算验证.算例结果表明,该法科学分析了不同算法间的盖异,较传统法优越,优化效率高,收敛速度快,为优化算法的选择提供了依据.     

电力市场环境下梯级水库中长期发电优化调度研究

针对差分进化算法在进化过程中适应度的进化模式未考虑进化的外部环境与进化成分间的内在联系问题,结合电力市场环境下梯级水库中长期发电优化调度的特点,借鉴生态学对个体生存环境与种群竞争的关系,提出了协同差分演化算法在电力市场环境下梯级水库中长期发电优化调度中的应用.实例验证结果表明,该算法可靠、合理,计算精度与计算效率高,为求解电力市场环境下高维、复杂的梯级水库中长期发电优化调度模型提供了一种新途径.     

基于逐次优化改进遗传算法的特高压穿越无功规划

与超高压线路相比,特高压线路无功大量富余,会与下级电网形成很大的穿越无功,从而影响无功的分层控制,甚至威胁电力系统的安全稳定运行。常规的优化算法存在维数灾问题,即使是智能算法,也由于解空间维度大而寻优效率低下。对此,提出了一种基于逐次优化改进遗传算法,该方法利用逐次优化的思想,对传统遗传算法的寻优方式进行了改进,并将该算法应用于某实际区域大电网中求解无功规划问题。结果表明,该方法不仅有效降低了解空间的维度,且在保证算法效率的同时使寻优的效果得到较大的改善。     

基于动态经济调度及无功调度的协同优化

本文探究了动态经济调度和动态无功调度协同优化在电网调度中的应用效果。通过设置约束条件构建了动态经济调度和动态无功调度的数学模型,并将两者结合得到了动态无功调度模型。随后在传统MHBA算法的基础上,提出了一种适用于动态调度的改进MHBA算法,并在Matlab软件上开展仿真实验。本实验中选取发电成本和功率损耗两项指标,对比两种算法下电网动态调度效果。结果表明,使用基于改进MHBA算法的协同优化策略,能够使电网的发电成本更低,功率损耗更小,该协同优化策略达到了预期效果。     

基于改进布谷鸟算法含光伏电站的无功优化

针对光伏电站并网运行给配电网无功优化带来的问题,根据光伏发电的运行特性,构建了含光伏电站的配电网无功优化数学模型,并提出改进的布谷鸟算法求解无功优化模型的方法,对含光伏出力的IEEE 33节点配电系统进行无功优化。结果表明,所提出的改进算法能有效降低配电网的有功网损,各节点远离电压崩溃点。     

基于区间建模的新能源电网无功优化策略

  目的  新能源发电具有间歇性和随机性,其功率为不确定性数据,会造成电网电压和频率的变化,对电力系统安全运行构成威胁。为保证大规模新能源并网后电网电压的安全,考虑新能源发电波动不确定性,提出一种基于区间建模的新能源电网无功优化策略。  方法  该策略采用区间数描述无功优化模型中的不确定参数,进而建立区间无功优化模型,采用基于优化场景的区间潮流算法求解区间潮流方程,获取状态变量区间,确定控制变量的可行性,在此基础上采用改进的粒子群优化算法求解区间无功优化模型,在粒子群算法中加入局部搜索环节和离散变量交叉处理操作以提高算法寻优能力。为了验证所提方法的有效性和优越性,分别采用IEEE 14节点和IEEE 30节点算例进行仿真计算,与自适应遗传算法和普通粒子群算法进行对比分析。  结果  仿真结果表明:与自适应遗传算法和普通粒子群算法相比,采用改进粒子群的区间无功优化策略具有更快的收敛速度,更强的寻优能力,并且可有效处理模型中离散变量。  结论  所提策略可有效解决区间无功优化问题,能保障大规模新能源并网后电网电压的运行安全。     

基于混沌优化鱼群算法的配网无功优化

为解决我国现阶段配电网线路无功功率流动大造成电压水平低、有功网损大的问题,采用前推回代潮流算法建立了配电网无功优化的数学模型,以有功网损、电压偏差水平及静态电压稳定裕度最优建立优化目标函数,并采用无功二次矩法确定优化补偿点,基于混沌特性提出利用混沌人工鱼群混合算法解决人工鱼群算法的早熟收敛、全局寻优能力不足问题。对典型IEEE33节点配电网系统测试分析结果表明,该算法有效、可靠。     

Two-stage ADMM-based distributed optimal reactive power control method for wind farms considering wake effects

Since the connection of small-scale wind farms to distribution networks, power grid voltage stability has been reduced with increasing wind penetration in recent years, owing to the variable reactive power consumption of wind generators. In this study, a two-stage reactive power optimization method based on the alternating direction method of multipliers (ADMM) algorithm is proposed for achieving optimal reactive power dispatch in wind farm-integrated distribution systems. Unlike existing optimal reactive power control methods, the proposed method enables distributed reactive power flow optimization with a two-stage optimization structure. Furthermore, under the partition concept, the consensus protocol is not needed to solve the optimization problems. In this method, the influence of the wake effect of each wind turbine is also considered in the control design. Simulation results for a mid-voltage distribution system based on MATLAB verified the effectiveness of the proposed method.     

基于改进遗传算法的配电网无功优化

在传统无功优化模型的基础上,引入静态电压稳定裕度指标,建立了综合考虑系统有功网损最小、无功补偿容量最小和系统静态电压稳定裕度最大的配电网无功优化模型。根据节点无功2次电阻矩的大小,确定了待补偿节点以及各节点补偿容量的上下限。在基本遗传算法的基础上,对遗传操作进行了改进,提出了1种改进遗传算法。实例计算表明,采用该方法对配电网进行无功优化不仅可以降低有功网损,还能提高系统静态电压稳定性。     

微网并网与孤岛运行模式下的无功优化策略

高渗透率的间歇性分布式电源(DG)使微网在并网或孤岛模式的运行可靠性降低,而传统的无功优化方法往往因忽略微网可靠性导致优化效果较差。依据有功及无功功率充足和电压极限限制,以概率方式来评估微网的可靠性,提出了一种微网在并网及孤岛模式下的无功优化规划模型,以系统年电能损耗最小和微网可靠性最大为目标进行求解。最后,采用PGE 69节点进行算例分析,研究了优化系数的作用效果和算法的鲁棒性,并通过成本-效益分析来确定系统的电容器组的最优容量。结果表明,对微网进行分布式无功电源的优化配置能有效改善网损,并提高系统的可靠性。     

基于混沌量子免疫算法的电力系统无功优化

针对电力系统无功优化问题的离散性和多约束非线性特点,提出一种混沌量子免疫算法的电力系统无功优化方法。该算法利用量子比特和由bgistic映射产生的混沌变量来初始化寻优量子抗体,从而保证了算法的遍历寻优和搜索高效性。通过量子旋转门来实施抗体的克隆扩增和变异,利用线性变换将量子抗体由单位空间映射到寻优问题的解空间。IEEE30节点仿真验证混沌量子免疫算法用于电力系统无功优化的可行性和有效性。     

含双馈感应风电机组的配电网无功优化

考虑传统无功调节设备调节次数限制和双馈感应电机无功容量限制等约束条件,提出一种基于双馈感应电机与传统无功调节设备协调控制的分时段分层无功优化策略。首先,该策略采用谱系聚类算法对预测等效负荷曲线进行分段;其次,在每个时段采用分层调控策略进行无功优化,建立以网损和平均电压偏离度之和为目标函数的无功优化模型,上层利用改进粒子群算法计算出包括双馈感应机组在内的各种无功调节设备的优化运行状态,并预先对变压器、电容器动作;在此基础上,下层利用双馈感应机组的无功调节能力对上层优化得出的并网点电压进行自动跟踪控制,由此实现了每个时段内接入点电压控制和全局无功优化相结合,最后以IEEE33节点配电系统为算例来验证上述策略的有效性。     

考虑变压器损耗的配电网无功优化研究

针对传统配电网无功优化未考虑变压器损耗的缺陷,提出了考虑变压器损耗的配电网无功优化模型,优化措施包括电容器无功补偿、变压器有载调压等,通过差分进化算法对改进的IEEE 33节点系统进行仿真计算,研究了不同负荷水平情况下配电系统无功优化结果,并与传统无功优化结果进行对比分析。结果表明,系统轻载情况下,考虑变压器损耗对于配电网无功优化尤为必要,可使配电网无功优化方案更加合理全面。