一种基于同调分群的PMU配置方案的研究

提出了一种基于数据挖掘和同调分群的相量测量单元的优化配置方法,在对各种运行方式和故障场景进行穷尽式仿真后,通过免疫聚类算法对各种动态场景进行同调性分析,由于故障场景数目庞大,直接计算适合所有场景的分群结果就变得十分复杂,此时再对所有场景下的同调性分析结果先利用粗糙集在保持分类能力不变的条件下删除冗余信息进行场景压缩,最后对剩余场景进行简单组合就可以方便、简单地得到适合各种场景的同调分群方案。仿真分析结果验证了该方法的有效性。     

基于记忆的改进克隆算法及其PMU配置多目标优化应用

以PMU安装数、量测系统可观测性和基于混合量测的状态估计精度三者为优化目标的PMU优化配置(OPP)是二层规划问题。该文证明了用单次状态估计精度评价量测系统性能的可行性，提出精度加权估算公式。将二层规划目标简化为分段函数，提出基于记忆的改进克隆算法。除模仿生物免疫系统的克隆选择和受体编辑机制外，该算法引入记忆加速算子以强化邻域搜索，并分段调整循环补充规模、高频变异与重组操作概率，从而显著加快和稳定进化进程，避免搜索陷入局部最优解。基于IEEE 14/57节点系统的算例表明，该算法能快速稳定地求出全局最优解及近似解，比原克隆算法等更适用。     

基于01整数规划的多目标最优PMU配置算法

针对目前缺乏多目标PMU配置方法,提出了一种基于线性01规划的多目标优化配置算法。并在此基础上导出了三种特殊模型,分别处理系统在正常运行方式下完全可观测的PMU布点问题,在线路N-1故障时系统仍可观测的PMU布点问题及在PMU N-1故障时系统仍可观测的PMU布点问题。该方法的突出特点在于能够同时将以上三种布点需求使用统一的形式同时处理,并且最终的布点方案在保证PMU数目最少或保证配置PMU所需费用最少的基础上获得了最高的测量冗余度。通过IEEE30、IEEE 57、IEEE118节点系统布点验证了该方法的有效性和灵活性。     

基于01整数规划的多目标最优PMU配置算法

针对目前缺乏多目标PMU配置方法,提出了一种基于线性01规划的多目标优化配置算法.并在此基础上导出了三种特殊模型,分别处理系统在正常运行方式下完全可观测的PMU布点问题,在线路N-1故障时系统仍可观测的PMU布点问题及在PMU N-1故障时系统仍可观测的PMU布点问题.该方法的突出特点在于能够同时将以上三种布点需求使用统一的形式同时处理,并且最终的布点方案在保证PMU数目最少或保证配置PMU所需费用最少的基础上获得了最高的测量冗余度.通过IEEE30、IEEE 57、IEEE118节点系统布点验证了该方法的有效性和灵活性.     

基于节点概率可观性的PMU多目标优化配置

针对相量测量单元(phasor measurement unit, PMU)的多目标优化配置(multi-objective optimal PMU placement, MOPP)问题,提出一种计及节点概率可观性的MOPP模型。从节点可观的角度,考虑PMU及线路的故障概率,计算节点失去可观性的概率。在进行PMU的优化配置时,同时考虑PMU安装数量最少和各节点失去可观性的平均概率最小2个优化目标,采用基于快速非支配排序策略的多目标生物地理学优化(multi-objective biogeography-based optimization, MOBBO)算法进行求解得到Pareto解集,并利用模糊决策理论得到最优折衷解。IEEE 14和57节点系统的大量仿真结果表明,所提方法可以在MOPP中差异化计及PMU以及支路故障概率的影响,与非支配排序遗传算法相比,MOBBO在求解MOPP模型中能够得到更为逼近Pareto前沿的解,提供更佳的决策参考方案。     

基于动态规划算法的PMU优化配置

以电力系统状态完全可观测和PMU配置数目最小为目标,提出基于动态规划算法的PMU优化配置方案。选择PMU配置位置为动态规划的状态,PMU台数为动态规划的阶段数,从而实现动态规划计算。通过预处理准则、对称性准则、优胜劣汰准则提高了计算效率。用文中方法对IEEE 14和IEEE 39节点系统进行了PMU配置。与其他文献方法对比表明了该算法的正确性与优越性。     

基于PMU的新息图法状态估计

采用直流潮流模型的新息图法状态估计利用支路有功功率得到新息值,忽略了有功损耗,有一定误差。文章提出在电网的某些节点装设相量测量单元(PMU)后,利用PMU所得的电压和电流量测值,将直流潮流模型下的新息网络图变换为交流潮流模型下的新息网络图来进行状态估计,提高了拓扑变化的识别精度,并且在拓扑发生变化时同样可以给出较真实的网络运行状态。     

用免疫BPSO算法和N-1原则多目标优化配置PMU

为了在满足全网的完全可观测的前提下实现PMU安装投入的性价比最高,通过理论分析得出判断电网节点拓扑可观测的依据,并提出以N-1可靠性检验原则对PMU配置方案进行冗余性检验,由此以全网完全可观测、PMU数目最少和N-1量测冗余度最高为目标建立了PMU多目标优化配置数学模型,并设计了一种结合免疫系统信息处理机制的二进制粒子群优化算法对模型进行求解。该算法综合了粒子群优化算法简单快速和免疫系统种群多样性的优点,明显改善了进化后期算法的收敛性能和全局寻优能力。对新英格兰39母线系统进行PMU多目标优化配置仿真及量测冗余性分析的结果表明,该法对PMU配置方案的量测可靠性及其所需PMU数量进行综合评价可方便快捷地得到性价比最优的方案,较之普通的PMU单目标优化配置方法更为合理和灵活。     

基于改进BPSO算法的PMU优化配置新方法

相量测量单元(phase measurement unit,PMU)优化配置问题的主要目标是找到使电力系统完全可观所需的最小PMU数目及其位置。针对此问题,提出了一种基于二进制粒子群优化算法(binary particle swarm optimization,BPSO)的改进方法,并在IEEE标准测试系统中对此算法与传统的BPSO算法进行了比较。该方法在原始BPSO算法的基础上,使用V形阈值函数代替S形阈值函数更新粒子的位置,在粒子适应度评估函数中考虑到了冗余度指标,并且提出了新的变异规则以增加种群多样性。最后试验结果表明,该方法提高了收敛效率,减少了算法结果陷入局部最优的概率,最大程度保证了测量冗余度,从而验证了其准确性和有效性。     

PMU最优配置问题的混合优化算法

为使得电力系统在完全可观测的条件下,PMU安装数目最少,提出了一种混合优化算法以解决相量测量单元PMU的最优配置问题.混合优化算法以粒子群优化算法为主体,引入交叉、变异操作,并结合模拟退火机制控制粒子的更新.在处理解的约束问题时,采用了一种基于概率的启发式修补策略,避免修复后的解特征单一.将混合算法与其他算法在多个IEEE标准系统上进行了比较分析,结果表明在较大规模系统上,混合优化算法收敛率比标准粒子群算法提高数倍,计算量比模拟退火算法减少了数十倍,表明了较好的可行性和较高的效率.     

基于改进自适应遗传算法的系统可观测PMU最优配置

以电力系统配置同步相量测量单元（PMU）个数最少、系统有最大测量冗余度为目标,全网可观测为约束,提出PMU最优配置模型,同时针对实际电网中存在某些重要节点已经初步安装PMU或者必须安装PMU的情况,提出了特殊约束条件,并给出了相应的求解算法。在此基础上,用改进自适应遗传算法求解此模型,保证全局最优。对某省49节点电网进行的计算表明,改进的自适应遗传算法收敛到全局最优解的概率优于传统的遗传算法和自适应遗传算法,更适用于工程实际。     

基于适应型Petri网的电力系统相量测量单元配置优化方法

提出一种新的相量测量单元(PMU)配置优化算法,在关联节点可测的基础上,引入PMU优选约束,建立以可测关联节点与假设安装的适配指标为目标函数的网络覆盖模型.采用适应型Petri网分析方法,先将复杂网络分解为若干基本分析单元,从而缩小了分析规模;然后引入标识算子,将复杂矩阵运算转化为逻辑运算,简化推理过程;同时,通过更新变迁点火序列进行PMU地点选择,并引入变迁时间标签使计算过程得以简化,提高了计算效率.最后通过算例仿真,验证该方法计算准确,过程简便.     

动态状态估计中PMU配置的离散粒子群优化算法

以提高动态状态估计精度为目标,采用离散粒子群优化(discrete particle swarm optimization,DPSO)算法对同步相量测量单元(phsor measurement unit,PMU)的配置点进行优化。该方法克服了传统解析优化方法难以适应不连续目标函数和不连通约束域等情况的缺点,同时,在配置有限PMU的情况下使PMU量测量发挥最大效益。最后对基于扩展Kalman滤波算法的动态状态估计模型进行仿真,证明了经DPSO优化后的配置与随机配置相比最大可能地利用了PMU的高精度量测信息,充分发挥了PMU量测的优点,大大提高了动态状态估计的精度。     

基于最大树理论的分阶段相量测量单元配置方案

当前相量测量单元(PMU)配置主要采用启发式算法进行,不足之处在于无法实现不完全可观下分阶段配置PMU,也无法同时保证N?1故障下可观性和经济性。为此,提出一种分阶段配置PMU并保证N?1条件下可观性的优化PMU配置方案。该方案首先依据通信质量、经济效益和均衡性三方面对广域电网进行分区,再按照熵理论对各区内节点脆弱性指标进行排序,以这两方面为基础采用最大树理论实现全网PMU分区分阶段配置。最后,设计了N?1条件下全网可观的PMU配置方案,为现实条件下的PMU配置工作提供了坚实的理论基础。以IEEE 39节点系统对所述方案进行测试,其结果表明本方案不但在经济性、安全性和时间效益方面取得了较好的平衡,而且对于现有电网中已装配PMU的情况,本方法具有更好的效果。     

多目标电能质量监测器的优化配置

针对电能质量监测器的优化配置问题,建立了以监测程度和监测器个数为指标的多目标优化配置模型。采用带精英策略的快速非支配排序遗传算法(non-domtnated soring genetic algorithm,NSGA-Ⅱ),获得此多目标优化问题的Pareto最优解集。该方法能保证种群的多样性,避免传统加权求解时权值的选择和解的偏好性。最后,对Pareto最优解集的各个目标函数进行归一化处理,将最大值对应的方案作为合适的最优解。通过对2个算例进行仿真,得到了合理的电能质量监测器的配置方案,验证了该方法的可行性和有效性。     

相量测量装置故障分析

变电站和电厂安装相量测量装置（phasor measurement unit,PMU）用于加强电力系统的动态检测和分析能力。但由于PMU相量测量装置对全球定位系统（global position system,GPS）的高度依赖以及对通道的严格要求,PMU装置故障频发。统计分析了PMU的常见故障,指出目前PMU故障包括了数据变量名称或系数错误、传输丢帧和离线文件召唤失败等情况,并针对各种情况给出解决意见。     

电力系统相量测量装置最优配置混合算法的研究

以电力系统状态完全可观测和相量测量装置(PMU)配置数目最小为目标,形成了PMU最优配置问题。将遗传算法和禁忌算法有效结合形成禁忌遗传算法,该算法在改进交叉和变异算子的基础上,继承和发展了遗传算法基于多点搜索、鲁棒性强等诸多优点,每当群体有出现早熟而陷入局部最优解的趋势时,利用禁忌搜索增强算法的爬山能力,避免算法早熟而陷入局部最优解,增强算法的全局收敛能力和收敛速度。与遗传算法和禁忌搜索方法相比,禁忌遗传算法具有更好的全局收敛能力和收敛速度。最后采用IEEE14,IEEE30和IEEE57节点系统对算法的有效性进行了验证。     

多目标进化算法求解无功优化问题的比较与评估

多目标进化算法在电力系统无功优化领域已有广泛应用,目前研究主要集中于引入某种单一算法求解该问题,难以全面客观地分析算法的寻优性能。因此选取当前典型的多目标进化算法,从整体角度对它们在无功优化问题中的应用展开比较研究。与传统设定偏好参数、将多目标问题转化为单目标问题的方法不同,直接采用计及系统网损与电压偏移的多目标模型。以IEEE 30节点标准系统的多目标无功优化为算例,从非支配解集质量和多样性、帕累托前沿分布广阔性和均匀性及收敛速度等角度,比较算法的寻优性能,分析其优势或不足。在评估各种算法计算性能的基础上提出了进一步研究的展望。相关结论对多目标进化算法在无功优化问题中的应用和改进具有一定的参考价值。