考虑电压稳定的主动配电网动态无功优化

高比例分布式电源的接入造成电网局部电压越线问题严重,配电网动态无功优化是配网安全、稳定运行的重要保障。提出了一种考虑电压稳定的主动配电网动态无功/电压调控策略,基于分布式电源运行特性和网络日负荷曲线,建立考虑电压稳定、网络损耗为目标的主动配电网动态无功电压模型,同时考虑电容器组、SVC等无功调压设备动作次数约束;提出了基于柯西变异的动态权重粒子群优化算法,在粒子群进化过程中通过动态调整权重因子、学习因子提高算法的寻优速度,利用柯西变异提高算法跳出局部最优解的能力;最后,通过仿真算例验证本文方法的可行性和合理性。通过合理控制无功调压设备的动作时间实现一天内主动配电网无功潮流的最优分布,提高系统运行的安全性和稳定性。     

融入重构级别快速识别的配电网两阶段优化运行

配电网净负荷时空分布不均衡带来大规模弃光、失负荷问题,采用配电网动态重构改善潮流分布是一条有效路径,但全局动态重构在增加模型求解难度的同时,可能产生大规模潮流转移和非理想递进效益。基于此,该文提出融入重构级别快速识别的配电网两阶段优化运行策略。重构级别识别方法以优先局部自治、弃光失负荷成本最小为目标对各变电站、变压器的级别选择变量进行决策,获得配电网各时段“馈线–变压器–变电站”多级重构需求,并通过时段划分获得分时段多级重构级别评估结果。两阶段优化运行策略:第一阶段以弃光、失负荷、开关动作成本最小为目标进行分时段多级重构;第二阶段在已知全时段开关动作情况下,采用场景集对光伏和负荷的不确定性进行处理,通过可控负荷协调优化弥补第一阶段潮流分布改善能力的缺陷。最后,采用148节点系统验证了所提级别识别方法和两阶段优化运行策略的有效性。     

含风力发电的配电网分时段动态无功优化

风电场出力具有随机性,将其接入配电网会引起无功补偿设备的动作频繁。为此,提出一种先对风电场有功输出曲线进行分段,再对各个时段进行整体动态无功优化的方法。针对直接对24h风力发电曲线采用整体动态无功优化会引起维数灾导致算法难以收敛的问题,采用基于谱系聚类思想的风电场出力曲线的分段法。针对传统粒子群算法收敛到全局寻优能力较差且易陷入局部最优解的确定,采用云模型对粒子群算法的权值进行动态调整。最后,将上述算法运用于改进的IEEE 33节点系统,仿真结果表明提出的动态优化方法大大缩小了优化的时间,并减少了控制设备的动作次数,从而延长了设备的寿命。     

采用启发式策略的动态无功优化混合算法研究

严格考虑控制设备的动作次数限制,建立一个完整的非线性混合整数动态无功优化模型.结合混合算法,把离散变量和连续变量分开优化,分别使用改进后的遗传算法和内点法求解,以改善算法的收敛性和计算速度.将动态约束分为设备一天内调节次数限制和变压器相邻时段调节次数限制,提出全局调整策略和局部调整策略来分别处理这两类动态约束,使离散变量严格满足动作次数限制.启发式策略的应用使算法既能严格保证离散变量的动态约束,又能充分保留其动作自由,得到可行的最优解.Ward-hale 6和IEEE30节点系统的仿真结果证明提出算法的有效性.     

基于改进灰狼优化算法的配电网动态重构

为了更好地解决含分布式电源(DistributedGeneration, DG)的配电网重构问题,建立了考虑负荷需求与DG出力时变特性的配电网动态重构模型。首先采用K-means++聚类算法对日负荷进行时段划分。然后以系统损耗、电压偏离量为目标函数,并利用改进灰狼优化算法进行寻优计算。针对传统灰狼优化算法中存在的初始种群分布不均、缺少全局交流、容易陷入局部最优等问题,在生成初始种群时引入tent映射,增强初始种群的均匀性。引入合作竞争机制,提高个体间有效信息的利用率。在灰狼种群位置更新时引入自适应惯性权值,以满足不同时期的寻优要求。最后通过算例分析,验证了该算法的可行性与优越性。     

基于一种改进蚁群算法的动态无功优化

为满足并联电容器开关或有载调压变压器分接头等离散控制设备最大允许动作次数的限制,根据负荷变化情况提出采用全天各时段的离散控制设备延缓动作时间来避免不必要的调节。运用层次聚类法和引入种群多样性思想,提出一种求解动态无功优化的改进蚁群算法。该算法用各时段的离散控制设备动作次数修改初始信息素;在每个时段优化过程中,对系统各节点灵敏度进行聚类分析后确定信息素变化量,并用离散控制设备的动作次数对其修改。通过对IEEE 14节点系统进行的仿真计算验证了所提方法的可行性和有效性。     

基于改进双层聚类多目标优化的配电网动态重构

随着配电网的高速发展,电力用户对供电可靠性的要求越来越高。针对现有配电网动态重构中开关次数难以约束,系统节点功率变化对配电网潮流分布的影响以及单一聚类算法负荷识别不足的问题,提出基于形态与幅值的双层聚类。外层以皮尔逊为相似度量进行形态相似聚类,内层以欧氏距离为相似度量进行幅值相近聚类。建立减小网损、提高电压稳定性、均衡馈线负荷、减少开关操作次数的多目标优化数学模型,采用改进粒子群算法完成配电网多目标动态重构。仿真结果表明,较静态重构开关操作次数降低了54.76%,减小电能15 575.4 kW·h,降低了39.28%,较重构前电压偏移指数降低49.1%,负荷均衡度改善41.9%。该研究所提改进的双层负荷聚类相比FCM聚类,准确度提高了11%,聚类效果更加接近原始数据。该动态重构方案可提高配电网运行的可靠性。     

配电网负荷均衡的网络分割算法

随着配电网规模的不断扩大,配电网网络重构算法的实时性越来越难以满足工程实用化的要求.而网络重构的结果其实是将一个配电网分割成几部分,各部分通过常开的联络开关相连.基于此,提出了配电网负荷均衡的新算法--网络分割算法.该算法将负荷均衡作为一个网络优化问题,利用配电网的一种新模型--分层拓扑模型,将全局最优问题转为多阶段分割问题;同时,充分利用配电网负荷均衡的特点,通过寻找源点分支负荷大于负荷平均值的下确界负荷和小于负荷平均值的上确界负荷的方法,实现了配电网的负荷全局最优均衡.算例的仿真结果说明了该算法的正确、有效和快速.     

实时环境下动态无功优化建模研究

为避免控制设备频繁操作,动态无功优化模型需引入变压器抽头和补偿装置投切开关的允许动作次数约束。一般做法是按全天24时段的预测负荷水平进行全局优化,寻优的难度大。作将控制变量的动作次数约束还原为经济成本,并与当前时段下的电能损失费用共同构造目标函数,各时段的优化不再相关。采用灾变遗传算法便于求解,且无需依赖于负荷预测,适合于实时环境。章用实例证明了该模型能恰当地描述负荷动态变化时的无功优化问题。     

基于综合协调优化的两阶段配电网动态重构研究

针对配电网动态重构,常需要考虑长时间尺度下的合理规划综合考虑负荷功率变化以及光伏、风电等分布式电源的出力变化,及时调整网络拓扑结构使得网络损耗和电压偏差尽可能地小,同时还需顾及网络拓扑结构改变时断路器动作次数与断路器组合冲突问题。为此,文中提出了一种基于综合协调优化的两阶段配电网动态重构法,将配电网动态重构分为两个阶段：1)以网损最低为目标,以基于有序环网的启发式规则灰狼静态重构算法对配电网所有时段进行重构寻优;2)对最优解进行综合协调优化,并提出削减规则策略与时段融合策略,按顺序缩减动态重构的断路器动作次数。仿真结果表明,该方法不仅可以有效降低网损,提高配电网各个节点的电压值,且大幅度降低断路器动作次数。     

混合粒子群算法在PSS参数优化中的应用

通过采用一种新的混合粒子群算法对多机系统的电力系统稳定器(PSS)进行参数优化,以达到更好的低频振荡抑制效果.引入交叉操作的混合粒子群优化算法是一种应用于连续空间的、具有较好的全局搜索能力和寻优速度的改进粒子群算法(PSO).用Matlab软件进行仿真,结果表明,该方法设计的PSS稳定性有较大提高.     

基于微粒群优化算法的电力系统动态无功优化

根据系统负荷曲线变化趋势按单调性将一天的预测负荷曲线划分为若干(小于24)个时段，并将动作次数约束还原为经济成本，将它与网损费用等之和作为目标函数，并考虑了各种运行约束条件，采用微粒群优化算法进行计算，该算法收敛速度较快。与静态无功优化模型相比表明，该无功优化模型更适合给定的地区电网，优化后全天的网损略有增大，但变压器抽头调节次数以及电容器组投切次数明显减少。     

基于粒子群算法的电磁装置优化设计

简要介绍了粒子群的算法及其特点,详细分析了粒子群算法和罚函数法相结合应用于电磁装置优化设计的若干问题。以某型号电磁继电器优化设计为例进行例示。设计结果证明了该算法的有效性。     

运用混合优化算法求解包含离散变量的无功优化问题

利用遗传算法和传统优化方法的互补特性,采用混合优化方法求解包含离散和连续变量的无功优化问题。遗传算法的选择、交叉和变异操作仅作用于离散变量,对种群进行全局广度搜索,运用传统优化方法对种群个体中的连续变量进行优化使其移动到局部最优点上。为保证对连续变量的优化效果,选择了基于函数变换与广义逆的优化新算法。混合优化算法模型简单规范,遗传算法擅长处理离散变量和传统优化方法速度快、数值稳定性好的优势得到发扬。算法实用性和有效性通过算例及工程应用得到验证。     

基于粒子群算法的故障测试集优化

为加速测试进程和减少测试开销,数字集成电路在生成测试矢量后必须进行故障测试集的优化。文中利用粒子群优化算法生成最小完备测试集,根据故障测试集优化问题的具体特点,构造粒子的表达方式和编码规则,建立粒子群的速度一位置模型;同时为提高优化效率,引入混沌优化算法来初始化粒子群。实验结果表明,在测试生成后,该方法能在较短的时间内生成最小完备测试集,验证了它的实用性和有效性。     

基于粒子群算法的VSC-HVDC控制参数优化

随着大功率电力电子技术的发展,电压源型直流输电得以实现,为了简化这种新型的直流输电方式控制器设计和提高系统鲁棒性,采用了结合PI控制器的双闭环控制。以两端均为有源网络的电压源型直流输电系统为研究对象,以Matlab/Simulink为研究平台,利用粒子群优化算法,对VSC控制器参数进行了优化。建立直流输电的暂态数学模型,据此分析其控制器结构,选定需要优化的控制参数。将粒子群算法程序与直流输电仿真模型结合进行仿真计算,通过多次迭代得出优化的控制器参数,并与原始参数进行系统性能对比,验证该方法的可行性。     

基于混合粒子群优化算法的电力系统无功优化

应用粒子群优化算法(PSO)求解电力系统无功优化问题,提出基于混沌搜索的混合粒子群优化算法,以克服PSO容易早熟而陷入局部最优解的缺点。该算法引入了基于群体适应度方差的早熟判断机制,当算法陷入早熟时,利用混沌运动的遍历性、随机性和规律性等特性,先对当前粒子群体中的最优粒子进行混沌寻优,然后把混沌寻优的结果随机替换群体中的一个粒子,从而提高了PSO的寻优特性。通过对IEEE 14、IEEE 30、IEEE 118等标准测试系统进行无功优化,并与遗传算法、标准PSO进行比较,表明该算法具有更高的搜索效率和更好的全局优化能力。     

基于动态多种群粒子群算法的无功优化

提出了一种基于动态多种群策略的改进粒子群算法。该算法将传统粒子群优化算法(particle swarm optimization,PSO)中的种群划分成多个子群,每个子群相对独立地朝同一目标进化,仅通过一种轮形结构的弱联系进行交流。在进化过程中各种群不断分裂和聚类重组,动态调整种群规模以更好地适应进化。该算法可以较好地避免PSO算法过快收敛于局部最优解,并且有较快的收敛速度。文中将该算法应用于求解电力系统无功优化问题,并与标准PSO算法的性能进行了对比,仿真计算证明该算法是有效、可行的。     

基于改进粒子群算法的电力系统无功优化研究

阐述了一种改进粒子群的无功优化方法.粒子群优化(PSO)算法是进化计算领域中的一个新的分支,其源于对鸟群和鱼群群体运动行为的研究.针对粒子群优化容易陷入局部极值点的问题,文章提出混沌粒子群算法,该算法可以较好地避免PSO算法过快收敛于局部最优解,有较快的收敛速度.文中将该算法应用于求解电力系统无功优化问题,并与标准PSO算法的性能进行了对比,仿真计算证明该算法是有效、可行的.