基于改进粒子群优化算法的电力系统有功最优潮流

提出了一种基于改进粒子群优化算法的有功最优潮流模型及求解方法,采用了自适应罚函数法处理最优潮流问题的各种约束条件。通过对IEEE-30节点系统的仿真计算,并且与遗传算法进行比较,验证了提出的模型和方法的有效性。     

搜寻者优化算法在最优潮流中的应用

为实现电力系统经济运行,以有功网损最小为目标函数,建立电力系统最优潮流模型,将搜寻者优化算法(seeker optimization algorithm,SOA)应用到最优潮流计算中,选取发电机机端电压、变压器分接头位置和可投切电容器组等控制变量构建初始矩阵,对IEEE30、IEEE57标准系统进行测试,并与带自适应惯性权值的粒子群算法、带收敛因子的粒子群算法和全面学习的粒子群算法进行了比较.结果表明:SOA能够有效地搜索到最优解且具有较好的全局寻优能力,适应于电力系统最优潮流计算.     

优化算法与最优潮流

介绍了优化算法在最优潮流计算中的主要研究成果 ,并对各算法的利弊做了简要讨论 ,提出了最优潮流目前仍待解决的问题     

基于改进粒子群优化算法的最优潮流计算

提出应用粒子群优化算法（PSO）求解最优潮流问题（OPF），并结合动态调整罚函数法将最优潮流问题转化成一个无约束求极值问题，有效提高了PSO算法的全局收敛能力和计算精度。应用此算法对标准IEEE30节点系统进行潮流计算，并与线性规划算法和遗传算法进行了比较，结果表明，该算法能够更好地获得全局最优解，具有实用意义。     

改进粒子群优化算法的电力系统最优潮流计算

标准的粒子群优化(PSO)算法一般不能兼顾收敛速度、全局探索能力和局部精细搜索能力,因此,提出了改进粒子群算法以解决电力系统的最优潮流计算问题,同时指出今后粒子群算法的研究方向.     

基于人工鱼群算法的最优潮流计算

提出了基于人工鱼群优化算法(AFSA)的最优潮流(OPF)计算方法;算法结合动态调整罚函数的方式,将最优潮流问题转化为一个无约束求极值问题,有效提高了算法的全局收敛能力和计算精度.应用此算法对标准IEEE30节点的电力系统进行最优潮流计算,并与粒子群算法和遗传算法进行了比较,仿真结果表明,该算法能够更好地获得全局最优解,具有实用意义.     

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。     

优化潮流算法的分析与研究

针对如何利用计算机技术来优化电网中的潮流分配,以使其可以达到最优解,提出3种数值计算方法：牛顿法、动态优化潮流算法和混沌搜索与模糊集理论相结合的方法。     

搜寻者优化算法在含风电机组系统最优潮流中的应用

针对风力发电机组并网后电力系统的最优潮流(OPF)问题,将搜寻者优化算法(SOA)应用到最优潮流计算模型之中。通过分析风力发电机的稳态数学模型,根据功率守恒原理,得到异步风电机组有功无功出力的表达式,考虑到风电机组的特点,将其作为电压静特性节点处理。建立综合系统经济性和安全性的最优潮流计算的目标函数,该目标函数由网损和静态电压稳定裕度两部分组成,并将搜寻者优化算法运用到最优潮流模型的求解中,并制定该算法的计算流程。算例表明,提出的模型和算法是可行的。     

动态连续潮流与自适应混沌粒子群结合计算静态电压稳定裕度

提出一种动态连续潮流(Dynamic Continuation Power Flow,DCPF)与自适应混沌粒子群优化算法(Adaptive Chaotic Particle Swarm Optimization,ACPSO)结合求取系统最大静态电压稳定裕度的方法。该方法以静态电压稳定裕度最大为目标函数,针对连续潮流在处理不平衡功率上存在不足,将动态潮流算法引入到连续潮流模型中,根据发电机和负荷的静态频率特性分配系统的不平衡功率,建立DCPF模型;用DCPF计算每一组控制变量对应的静态电压稳定裕度;用ACPSO进行最优控制变量组合的搜索,求取最大静态电压稳定裕度;ACPSO算法通过将混沌算法引入到粒子群优化中,克服单纯粒子群优化算法计算速度慢、有时易陷入局部最优解的缺点。算例验证了该算法的有效性。     

Optimal Power Flow Using a Hybrid Optimization Algorithm of Particle Swarm Optimization and Gravitational Search Algorithm

Abstract—This article presents a hybrid algorithm based on the particle swarm optimization and gravitational search algorithms for solving optimal power flow in power systems. The proposed optimization technique takes advantages of both particle swarm optimization and gravitational search algorithms by combining the ability for social thinking in particle swarm optimization with the local search capability of the gravitational search algorithm. Performance of this approach for the optimal power flow problem is studied and evaluated on standard IEEE 30-bus and IEEE 118-bus test systems with different objectives that reflect fuel cost minimization, voltage profile improvement, voltage stability enhancement, power loss reduction, and fuel cost minimization with consideration of the valve point effect of generation units. Simulation results show that the hybrid particle swarm optimization–gravitational search algorithm provides an effective and robust high-quality solution of the optimal power flow problem.     

基于量子粒子群算法的电力系统无功优化

量子粒子群算法是以粒子群中粒子的收敛特性为基础,依据量子物理理论提出的,改变了传统粒子群算法的搜索策略,可使粒子在整个可行解空间中搜索寻求全局最优解.首次将量子粒子群算法用于电力系统无功优化中,以网损最小为目标函数,在IEEE30节点系统上进行测试,通过仿真测试以及不同算法优化结果的对比,表明基于量子粒子群(QPSO)...     

多目标无功优化的向量评价自适应免疫粒子群算法

为了克服粒子群算法在高维复杂问题寻优时容易陷入局部搜索的现象,提出了一种自适应免疫粒子群算法。该算法利用引入免疫系统的免疫信息处理机制和自动调整动量系数的自适应因子,从整体上达到系统的最佳控制方案。并将基于目标向量的个体评价方法与自适应免疫粒子群算法相结合,提出了基于向量评价的自适应免疫粒子群算法(vector evaluated adaptive immune particle swarm optimization,VEAIPSO)来解决多目标无功优化问题。通过引入静态电压稳定指标,建立了以系统有功损耗最小、节点电压偏移量最小及静态电压稳定裕度最大为目标的多目标无功优化模型。IEEE30和IEEE118节点系统算例仿真结果表明,该算法能有效地解决多目标无功优化问题,并具有良好的收敛稳定性和较高的寻优精度。     

一种求解最优潮流问题的改进粒子群优化算法

提出了一种新的基于可行保留策略和变异算子的改进粒子群优化算法来求解最优潮流问题。可行保留策略将最优潮流问题的目标函数和约束条件分开处理,使得只有可行的解才能指导粒子飞行,避免了粒子在不可行域中的无效搜索,提高了算法的搜索效率;变异算子以预定的概率选择变异个体,对粒子的位置进行高斯变异操作,使得粒子可以有效避免陷入局部最优,增强了算法的全局搜索能力。通过 IEEE 30节点系统对该算法进行了测试,结果表明,对于复杂的最优潮流问题,该算法优于进化规划算法和常规的粒子群优化算法。     

基于协同多目标粒子群优化的交直流系统最优潮流

为了统一协调经济性和电压偏差,提出一种基于协同多目标粒子群优化(CMOPSO)的含基于电压源型变流器的高压直流(VSC-HVDC)输电的交直流系统多目标最优潮流(MOPF)算法。首先,基于VSC-HVDC稳态模型,以最小化发电成本和电压偏差为目标,构建交直流系统的MOPF模型;然后,采用CMOPSO算法优化该模型,得到具有良好分布的帕累托最优解集;最后,在通过模糊C均值算法将所得解集进行聚类的基础上,采用灰关联投影法计算各决策方案的优属度,确定反映决策者不同偏好的最优折中解。应用于IEEE 14节点和IEEE 118节点系统的测试结果验证了所提方法的有效性。     

基于节点不平衡功率的粒子群潮流转移控制算法

通过将潮流转移的校正控制转化为非线性规划问题,提出了基于节点不平衡功率的潮流转移控制算法。首先将常规优化问题中的功率平衡等式转化为节点不平衡功率,作为优化目标处理,避免了常规人工智能优化算法中必须先满足潮流等式后再优化求解的弊端,提高了计算速度;然后应用信息充分交流的粒子群优化方法求解该模型。为了克服粒子群算法的早熟,采用混沌序列初始化粒子位置,发生早熟停滞时进行混沌寻优,以增强搜索多样性。该方法可同时计及实施过程中的各种约束。系统负荷较重时,常规方法无法使用,但文中所述算法依然有效。利用新英格兰39节点系统验证了该方法的有效性。     

基于自适应聚焦粒子群优化算法的电力系统多目标无功优化

自适应聚焦粒子群算法(adaptive focusing particle swarm optimization,AFPSO)是根据粒子群算法的全局搜索与局部搜索平衡特性,并予以改进得到的一种具有较好全局搜索能力和寻优速度的自适应群体智能优化算法。作者将此算法用于电力系统无功优化。该方法以最优控制原理为基础,引入了静态电压稳定性指标,建立了综合考虑系统有功网损最小、静态电压稳定裕度最大的多目标无功优化模型。IEEE 30节点系统仿真结果表明,AFPSO算法在实现系统经济运行的同时也增强了电网的电压稳定性,证明了AFPSO算法的有效性和优越性。