基于遗传算法的无功优化在福建电网的实用化改进

分析了基于遗传算法的无功优化在实际系统应用中存在的问题,在传统遗传算法的基础上,对适应度函数和群体多样性的保持进行了改进,并将设备动作优先级和历史负荷经验数据引入遗传算法,根据福建电网的实际情况完成了遗传算法在无功优化中的实用化改进.实际应用表明,改进后的算法使得控制设备动作合理,动作次数少,能有效地提高电网的电压合格率并降低网损.     

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。     

基于强化学习理论的地区电网无功电压优化控制方法

基于强化学习理论,提出一种实用的地区电网无功电压优化控制方法。方法采用Q学习算法,在动作策略与电网状态的交互中不断学习,得到各状态—动作对所对应的Q值函数,形成电网各种运行状态下最佳的无功电压优化控制策略。方法摆脱了传统电网无功优化求解非线性混合整数规划模型所存在的收敛性问题,同时,相对于基于多区图的无功电压控制方式,由于方法所依据的Q值函数包含电网的全局响应信息,因而,可以综合判断执行控制策略后各变电站之间的相互影响,统一协调地控制各无功电压控制设备,给出所辖电网内的全局最佳控制策略,提高无功电压优化控制效果。通过对220k V变电站及其馈线系统的测试计算,证明了方法的有效性。     

基于负荷预测的地区电网电压无功控制方案

为提高地区电网的电压无功调节能力,构建了以实时电压无功优化控制为主,以各供电区域校正控制为备用的自动电压控制(Automatic Voltage Control,AVC)体系。提出了基于负荷预测的预先控制方案,根据负荷预测结果自动划分负荷变化趋势,并结合负荷变化趋势确定无功设备的调节方向。福州电网的闭环运行结果表明,该方案可有效提高电压和功率因数的合格率,避免无功设备的频繁调节。     

基于综合成本的电网AVC协调优化策略研究

离散无功设备输出变化,如并联电容器投切、有载调压变压器分接头调整等,所造成的设备损耗远大于发电机组、SVG等连续设备。从降低含网损和设备损耗在内的综合成本的角度,本文提出了一种电网无功电压控制协调优化策略,给出了对应的基于改进遗传算法的计算方法。IEEE 14节点系统上的仿真比对结果表明,所提策略比传统的不考虑离散设备损耗的控制策略更为合理,特别是在电网负荷周期变化情况下,所提策略有效地避免了离散设备反复动作。     

基于控制设备动作状态诊断的区域电网电压无功控制方法

提出一种设备动作状态诊断法来改进变电站电压无功控制以防止变压器分接头和电容器开关频繁动作。该诊断法由惰性因子和加速因子构成,判定设备处于可动作或不可动作状态,并结合“十三区图”控制策略形成一种改进的电压无功控制方法。改进方法无需对负荷进行预测,直接利用电压、负荷实时数据对变电站进行在线控制。针对辐射型配电网络,建立区域电网电压无功协调控制新模型,计及设备动作对区域内各电压等级的影响,采用上述改进方法,实施电压无功综合调节。实例表明,新模型在保证电压无功质量的同时,有效地限制了设备动作次数,具有很好的实用性     

基于专家系统的变电站电压无功控制装置

提出了一种基于专家系统的变电站电压无功控制装置设计方案。充分利用历史数据，通过对变压器及无功补偿设备对调压、调无功的参数估算，修正给定的额定参数，从而使动作结果更加可靠。实现了动作策略可编程，彻底解决了电压无功控制装置策略修改的困难。实践表明，基于新方案的装置能自动适应变电站负荷的变化，使电压无功达到最优。     

区域电网无功优化控制系统的研究和应用

目前所使用的电压无功自动控制系统虽能满足电网对电压无功控制的要求,但却缺乏对其所提控制策略的调节效果进行量化评价的手段。介绍了如何通过统计和分析区域电网自动电压控制（AVC）系统历年来的运行数据,采用改进后的灵敏度算法和无功优化算法,对萧山电网当前无功设备配置情况进行经济效益分析。基于原有的无功控制系统研究开发的无功优化控制系统可评估无功电源分布的合理性,同时根据现有电网结构和负荷水平得到无功补偿设备配置的效益分析报告,为电网无功优化配置提供量化参考,并对AVC策略优化提供量化依据。     

基于控制设备动作状态诊断的区域电网电压无功控制方法

提出一种设备动作状态诊断法来改进变电站电压无功控制以防止变压器分接头和电容器开关频繁动作.该诊断法由惰性因子和加速因子构成,判定设备处于可动作或不可动作状态,并结合"十三区图"控制策略形成一种改进的电压无功控制方法.改进方法无需对负荷进行预测,直接利用电压、负荷实时数据对变电站进行在线控制.针对辐射型配电网络,建立区域电网电压无功协调控制新模型,计及设备动作对区域内各电压等级的影响,采用上述改进方法,实施电压无功综合调节.实例表明,新模型在保证电压无功质量的同时,有效地限制了设备动作次数,具有很好的实用性和实时性.     

基于控制设备状态诊断的变电站电压无功控制方法

为了防止变压器分接头和电容器开关频繁动作,提出一种设备状态诊断法来改进变电站电压无功控制。该诊断法由惰性因子、比例因子和加速因子构成,判定设备处于可动作或不可动作状态,并结合“十七区图”控制策略形成一种改进的电压无功控制方法。改进方法无需对负荷进行预测,直接利用电压、负荷实时数据对变电站实施在线控制,解决了控制设备频繁动作问题,且算法简单,易于实现。实例表明,其在保证电压无功质量的同时,有效地控制了设备动作次数,具有很好的实用性和实时性。     

一种综合改进型遗传算法及其在综合负荷建模中的应用

针对基本遗传算法本身存在收敛速度慢和易早熟的缺陷,提出一种综合改进型遗传算法并成功地应用于负荷建模。该改进遗传算法通过对初始种群的选择、最优个体的保留、自适应的交叉和变异率、早熟现象的防止策略等各方面进行综合的科学设计,能十分有效地克服早熟、避免近亲繁殖、明显提高收敛速度,并具有优良的自适应特性。基于现场实测负荷特性数据的负荷建模实践表明,所提出的综合改进型遗传算法对于加速收敛缩短辨识时间、提高模型拟合精度、克服模型参数的分散性均具有显著作用,是一种很适合于负荷建模的优秀优化算法。     

基于粒子群算法的火电厂机组负荷优化分配研究

负荷优化分配是火电厂运行优化的一个重要研究领域,在机组之间合理地优化分配负荷能够提高整个火电厂运行的经济性。针对火电厂实际的运行情况,考虑多个实际约束条件,建立了并行火电机组间连续多时段动态负荷优化分配的数学模型;提出运用新近发展起来的智能算法-粒子群算法来解决动态负荷优化分配问题,详细介绍和研究了该算法的基本原理以及在负荷优化分配问题上的实现过程,并针对原算法的不足,对算法进行了改进;根据负荷分配和算法的特性,对初始种群的生成方法进行了改进,同时对约束条件进行了有效处理。仿真实例表明,该方法收敛性好,收敛速度快,能够有效地达到或接近全局最优,从而为火电厂机组负荷优化分配的求解提供了新的有效算法。     

UD-IGA网络构造法在短期负荷预测中的应用

电力系统短期负荷预测既是电力系统调度部门制定发电计划的依据,也是制定电力市场交易计划的基础，它对电力系统的运行、控制和计划都有着非常重要的影响。可由于负荷预测的复杂性、不确定性，难以获得精确的预测值。为提高预测精度，针对电力负荷的特点，综合考虑历史负荷、天气、日类型等因素的影响，将基于均匀设计（UD）和改进遗传算法(IGA)的网络构造法用于短期负荷预测。数据样本训练和实际预测结果表明，该模型不仅可避免陷入局部极小点,而且提高了预测精度和网络的训练速度。     

基于变尺度混沌理论与免疫遗传算法的电力系统无功优化

提出一种基于变尺度混沌理论与免疫遗传算法的混合智能无功优化算法。该算法利用混沌变量的遍历性、随机性和规律性特点,将混沌运动自身的遍历区域变换成优化变量的取值范围,通过对整个解空间进行考察实现了可行域内的全局优化搜索。同时通过变尺度方法不断缩小优化变量的搜索范围来实现局部细化搜索,从而增强混沌局部搜索能力,加快解的收敛速度,提高解的精度。文章最后以某地区实际电网为例,分别采用免疫遗传算法和混合智能算法对其进行无功优化计算,结果表明本文提出的混合智能算法在计算速度和全局收敛性方面有很大的提高。     

基于均匀设计混合算法的短期负荷预测

提高电力系统短期负荷预测精度有助于提高电网运行的安全性和经济性,改善供电质量。将均匀设计、改进遗传算法和误差反向传播算法相结合构成混合算法,并将其用于短期负荷预测。数据样本训练和实际预测结果表明,该模型不仅可避免陷入局部极小点,而且可提高预测精度和网络训练速度。     

基于布谷鸟搜索和模拟退火算法的两电压等级配网重构方法

为进一步提高电力系统整体资源的优化配置,加强各电压等级之间的协调性,降低电网运行的经济成本,将单电压等级配电网结构优化问题拓展至两电压等级,提出了一种两电压等级的配网重构优化方法。以有功网损、电压偏差、负载均衡度为目标函数,在满足各电压等级电网运行条件的同时,引入各电压等级供电可靠性约束以及线路负载率约束等协调性约束指标,利用布谷鸟搜索算法寻优。并针对其在后期收敛速度慢、收敛精度差的缺点,引入模拟退火算法以提高算法的全局和局部搜索能力。算例分析表明所提方法是可行和有效的。     

基于小生境正交遗传算法的地区电网实时无功优化

在基本遗传算法（SGA）的基础上,引入生物学中小生境的概念和正交设计技术,制定了初始种群生成方法,以保证个体的多样性,并在遗传算法选择、交叉和变异等操作中做出相应改进,从而形成可用于电力系统实时无功优化的小生境正交遗传算法。应用此算法时,通过采用一种典型小生境技术结合最优保存策略的小生境最优选择方法来进行种群的选择,减少了迭代过程中陷入局部最优解的可能性,并进一步减少迭代次数。仿真算例结果标明：在优化条件相同时,该算法的迭代次数明显少于基本遗传算法,显著提高了无功优化的收敛速度。     

基于虚拟狼群策略的分层分布式自动发电控制

为解决传统集中式自动发电控制(AGC)无法解决的大规模新能源接入电网所带来的强随机扰动问题,从AGC角度提出一种面向分布式能源、基于虚拟狼群策略的分层分布式控制方法,以实现区域的最优协同控制。该方法简称虚拟狼群策略,它结合新赢输评判标准、爬山算法和资格迹,通过智能体精确计算赢输评判标准并快速收敛到纳什均衡;在总功率指令分配部分采用协同一致性算法。通过对IEEE标准两区域电力系统改进模型以及湖北电网模型进行仿真,表明所提方法能实现区域协同控制、改善闭环系统性能、减少碳排放,同时具有更快的收敛速度。     

基于VMD-NCWOA-LSSVM的短期电力负荷预测方法

准确的电力系统负荷预测对电力系统安全稳定运行具有重要意义,为提高负荷预测精度,采用变分模态分解(variational mode decomposition,VMD)预处理数据,将原始日负荷曲线分解为不同频率的子序列,降低数据不规律性对负荷预测带来的干扰。使用Piecewise模糊映射策略进行改进,解决鲸鱼优化算法(whale optimization algorithm,WOA)受初值影响容易陷入局部最优的问题。使用非线性收敛因子代替线性收敛因子,进一步提升WOA的全局寻优能力和局部探索能力,得到非线性收敛因子的混沌鲸鱼优化算法(nonlinear convergence factor of the chaotic whale optimization algorithm,NCWOA)优化最小二乘支持向量机(least square support vector machine,LSSVM)的组合预测模型(VMD-NCWOA-LSSVM)。测试结果表明本文所提模型可以降低预测值的最大相对误差和平均绝对百分误差,有效提高短期电力负荷预测的精度。