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。     

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。     

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。     

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。     

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.     

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     

改进遗传算法在电力系统无功优化中的应用

电力系统的无功优化控制,不仅能有效地降低系统的有功功率损耗,而且还可以改善电网的电压质量,对系统的安全稳定、经济运行具有非常重要意义。无功优化问题是一个含有连续变量和离散变量的混合优化问题,求解过程相当复杂,电力系统无功优化问题属于最优潮流问题的一个组成部分。探讨了求解无功优化的现代人工智能算法,总结分析了遗传算法的特点及使用情况。为提高解的质量与计算效率,对遗传算法做了改进,并将其应用于电力系统无功优化中。     

改进的混沌优化方法在电站机组负荷分配中的应用

利用搜索过程中的先验知识，提出了一种改进的变尺度混沌优化算法，对电厂机组负荷分配这一类高维、非线性问题进行寻优。该算法利用混沌运动的遍历性和随机性进行全局搜索，结合下降法思想在当前最优解的局部空间搜索，提高算法的收敛速度。通过罚函数，将非线性约束问题转化为非约束问题求解，在寻优操作过程中检验解的有效性。并采用目标函数中负荷取值区间判别方法，降低优化问题的规模，减少了计算次数。与传统遗传算法相比，改进的混沌优化算法获得了更好的效果。     

基于类电磁机制算法的综合能源系统多目标优化调度

针对综合能源系统低碳经济调度的优化问题,引入P2G设备提升系统的弃风消纳空间与低碳经济性,以运行成本与碳排放量为优化目标,建立含多种供能设备的综合能源系统多目标优化调度模型.模型的求解采用改进的类电磁机制算法,针对综合能源系统调度问题约束较为复杂,算法易陷入局部最优的问题,引入立方混沌初始化、差分进化策略和自适应权重因...     

基于改进粒子群算法含双馈风电机组 配网无功优化研究

针对风电机组并网后对配电网无功补偿产生的影响,从双馈风电机组自身的有功、无功输出特性出发,基于场景概率的方法计算风力机组出力情况,以网损最小为目标函数寻求优化求解方法。利用改进粒子群算法来实现系统接入双馈风电机组后的无功优化,在Matlab 2013b软件中构造IEEE33节点模型并利用该算法求解。结果表明,双馈风电机组在参与系统无功优化时具有良好的性能,验证了该改进算法的有效性     

高压电网电流互感器饱和对继电保护的影响应用分析与研究

在电力系统中,由于电流互感器选择不当,故障时电流互感器可能在瞬时内承载近百倍的故障短路电流,造成电流互感器严重饱和。通过详细分析对机电式、电磁式饱和特性以及饱和程度、模拟式以及微机继电保护装置的动作特性的影响以及理论计算,探求合理的电流互感器选择方法。为解决此问题,一个可能办法是选择保护安装处最大短路电流与其电流互感器的饱和倍数来选择,同时增强电流互感器的抗饱和能力,合理选择继电保护装置和电流互感器,以保证在最大短路电流下不致饱和。提出了提高继电保护装置在电流互感器饱和时测量动作正确性的对策。     

A new technique for solving the multi-objective optimization problem using hybrid approach

Energy efficiency, which consists of using less energy or improving the level of service to energy consumers, refers to an effective way to provide overall energy. But its increasing pressure on the energy sector to control greenhouse gases and to reduce CO₂ emissions forced the power system operators to consider the emission problem as a consequential matter besides the economic problems. The economic power dispatch problem has, therefore, become a multi-objective optimization problem. Fuel cost, pollutant emissions, and system loss should be minimized simultaneously while satisfying certain system constraints. To achieve a good design with different solutions in a multi-objective optimization problem, fuel cost and pollutant emissions are converted into single optimization problem by introducing penalty factor. Now the power dispatch is formulated into a bi-objective optimization problem, two objectives with two algorithms, firefly algorithm for optimization the fuel cost, pollutant emissions and the real genetic algorithm for minimization of the transmission losses. In this paper the new approach (firefly algorithm-real genetic algorithm, FFA-RGA) has been applied to the standard IEEE 30-bus 6-generator. The effectiveness of the proposed approach is demonstrated by comparing its performance with other evolutionary multi-objective optimization algorithms. Simulation results show the validity and feasibility of the proposed method.     

基于深度学习的配变停电电量损失预测

停电电量损失预测可为电网调度及规划提供参考,有利于为用户提供可靠供电服务。针对当前配变停电过程中的电量损失问题,先基于模糊C均值聚类算法实现对配变负荷曲线的分类处理及精细化分析,挖掘配变负荷数据规律;在此基础上,运用皮尔逊相关系数算法提取选择输入特征,构建基于门控循环单元神经网络的预测模型,从而得到停电时间负荷值,进而分析预测负荷曲线得到损失电量;最后,基于停电管理工作分析,实现基于粒子群优化的台区用电行为停电优化问题求解。算例测试验证了所提方法的正确性和有效性。     

含分布式发电系统的配电网无功优化研究

引入有功网损、电容器以及分布式发电的费用,并充分考虑了电压质量和无功补偿容量作为罚函数的综合目标函数,采用PSO算法时运用改变更新方式,并在后期引进变异因子,建立了含分布式发电系统的配电网无功优化模型.通过算例表明,验证了模型和算法是可行的,具有较强的收敛性,对分布式发电并入配电网的运行具有一定的参考价值.     

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。     

微电网孤岛模式下无功分配及电压优化分层控制策略

针对在微电网孤岛模式下并联运行的分布式电源采用传统下垂控制策略时存在无功功率受并网线路阻抗影响较大、电压偏离额定值等问题,提出了微电网孤岛模式下无功分配及电压优化分层控制策略,将微电网优化控制过程分为两层:初级控制层针对分布式电源无功功率受并网线路阻抗影响较大问题,提出变系数法下垂控制策略,根据下垂特性和线路特性约束方程调整下垂系数,实现无功功率精确分配;二级控制层应用多智能体一致性算法维持微电网电压稳定。仿真模型使用PSCAD/EMTDC搭建,结果表明,分层优化策略使无功功率合理分配的同时提高了微电网电压水平。     

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.     

Power optimization of wind turbines with data mining and evolutionary computation

A data-driven approach for maximization of the power produced by wind turbines is presented. The power optimization objective is accomplished by computing optimal control settings of wind turbines using data mining and evolutionary strategy algorithms. Data mining algorithms identify a functional mapping between the power output and controllable and non-controllable variables of a wind turbine. An evolutionary strategy algorithm is applied to determine control settings maximizing the power output of a turbine based on the identified model. Computational studies have demonstrated meaningful opportunities to improve the turbine power output by optimizing blade pitch and yaw angle. It is shown that the pitch angle is an important variable in maximizing energy captured from the wind. Power output can be increased by optimization of the pitch angle. The concepts proposed in this paper are illustrated with industrial wind farm data.