电力系统PMU安装地点选择优化算法的研究

将进化衰减因子引入了遗传算法,构造了一种新的自适应遗传算法.新算法在进化过程中能够同时根据个体适应度和进化时间的变化自动调整交叉与变异概率,克服了遗传算法易早熟的缺点,提高了最优解的多样性,加快了算法寻优速度.精英个体保留策略保证了整个算法的全局收敛性.算法约束条件处理采用了不可行解启发性修复方法,保证了全部优化结果都被严格限定在了满足约束条件的解空间内.基于图论的深度优先搜索方法用于系统可观性分析.将新的自适应遗传算法应用于优化PMU安装地点选择,实现了安装地点最少,而整个系统可观的目标.该算法已在某省电网PMU安装地点选择优化计算中得到了实际应用.     

电力系统PMU安装地点选择优化算法的研究

将进化衰减因子引入了遗传算法,构造了一种新的自适应遗传算法。新算法在进化过程中能够同时根据个体适应度和进化时间的变化自动调整交叉与变异概率,克服了遗传算法易早熟的缺点,提高了最优解的多样性,加快了算法寻优速度。精英个体保留策略保证了整个算法的全局收敛性。算法约束条件处理采用了不可行解启发性修复方法,保证了全部优化结果都被严格限定在了满足约束条件的解空间内。基于图论的深度优先搜索方法用于系统可观性分析。将新的自适应遗传算法应用于优化PMU安装地点选择,实现了安装地点最少,而整个系统可观的目标。该算法已在某省     

基于改进自适应遗传算法的电力系统相量测量装置安装地点选择优化

将进化参数衰减因子与基于适应度变化的自适应遗传算法相结合,提出了一种新的自适应遗传算法,使遗传算法在进化过程中能够同时根据个体适应度和进化时间的变化自动调整交叉与变异概率,克服了原有自适应遗传算法易早熟的缺点,提高了最优解的多样性和寻优速度.精英个体保留策略保证了整个算法的全局收敛性.在约束条件处理时,采用了不可行解启发性修复方法,提高了算法的优化效果.基于图论的深度优先方法用于系统可观性分析.将新的自适应遗传算法应用于优化相量测量装置安装地点选择,实现了安装地点最少,而整个系统可观的目标.该算法已在某省46节点系统的优化计算中得到了验证.     

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.     

基于线性整数规划模型的高适应性PMU配置算法

PMU布点问题需要在满足一定约束的条件下同时优化2个相互冲突的指标：配置PMU的数目(或费用)最少和测量冗余度最高。文章提出基于线性0-1整数规划的模型并用来求解系统正常运行方式下完全可观测的PMU配置方案,还分别给出了线路N-1故障时以及PMU N-1故障时系统仍可观测的PMU配置模型,该模型不仅考虑了PMU实测数据,还计及了可用的潮流数据和零注入节点。文章通过将零注入节点转化为潮流已知线路巧妙地回避了模型的非线性问题。通过对IEEE测试系统和浙江电网进行仿真,验证了所提方法的有效性和灵活性。     

基于定制遗传算法考虑配电网多种拓扑可观性的PMU优化配置

同步相量测量单元(PMU)可以为配电网提供相量数据以提高可观性。考虑因配电网节点数目多但投资成本少造成的PMU供需不平衡,提出了以固定PMU数目为约束条件的优化配置模型。目标函数在最大化可观性节点数目的前提下,最大化网络量测冗余度。模型中考虑了多种拓扑结构的影响,并通过引入零注入节点、节点注入功率和支路功率等量测数据提高可观性。提出了一种定制遗传算法来求解模型,通过定制交叉和变异操作,保证所有个体为可行解。最后,给出了基于最优方案的PMU配置顺序。通过对IEEE标准节点系统进行仿真计算,验证了所提方法的可行性和有效性。     

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.     

基于分段迭代法的PMU的优化配置研究

对电力系统中有限个数目PMU的优化配置进行研究。采用分段迭代法对PMU的优化配置进行研究。该法假设最初每个节点均安装有PMU。第一阶段和第二阶段的迭代算法用来去除那些不太重要的节点的PMU配置,并保留节点位置重要的PMU的配置。第三阶段的迭代算法则对前两阶段的PMU数目进行进一步的最小化,并且充分考虑电力系统全网的可观性,使得该法达到PMU的最优配置。通过在IEEE 14和IEEE 30节点上进行仿真验证,并与现有的优先算法在计算时间上进行对比,证明该法在计算时间上的优越性,及该法的有效性。     

N–1条件下不失去可观测性的PMU优化配置方法

针对N-1故障会导致广域测量系统(wide area measurement system,WAMS)丧失对系统的观测能力,提出一种保证N-1条件下与关键线路相连的节点不失去可观测性的最优相量测量单元(phasor measurement unit,PMU)配置方法。该方法首先结合复杂网络理论模型和N-1故障模型辨识出系统中脆弱线路,并定义与脆弱线路相连的母线不可观测的系统鲁棒性损失模型;然后利用模拟退火法求出系统正常情况下母线全部可观测所需的PMU数目。以此为基础,逐步增加PMU数目,建立起系统鲁棒性损失和经济性之间的关系,其可视化结果为规划人员提供了有力的决策和支持。以IEEE30节点系统为例对文中方法进行测试,实验结果表明该方法的有效性和实用性。     

考虑SCADA量测的PMU优化配置研究

针对目前PMU与SCADA系统并存、且互为补充的状况,提出了一种PMU优化配置方法。该方法充分利用PMU和SCADA的量测信息来降低PMU的配置数目,通过合理布置、优化配置PMU,保证了系统的可观测性。算例表明,该方法与现有方法相比可减少PMU的配置数量而达到同样的观测性能。     

基于田口法考虑N-1情况的PMU优化配置方法

传统的同步相量测量单元(PMU)配置方法在N-1情况下会丧失对系统的观测能力,而完全考虑N-1情况的配置方法虽然能克服在N-1情况下系统不可观测的缺点,但需要配置的PMU数目较多,经济性差.文中针对以上2种方法的缺点,将田口鲁棒设计法应用到PMU优化配置问题中,提出一种最优成本-绩效比的PMU设计方案.通过基于复杂网络理论的互补生脆弱度指标集求出综合脆弱度指标来辨识重要线路,然后在方案设计过程中重点考虑对重要线路观测并充分考虑了方案对N-1噪声的鲁棒性.在设计实现时通过田口法品质特性指标和信噪比指标分别标示PMU配置方案的N-1观测能力和鲁棒性,最后采用两阶段最佳化程序对PMU配置方案进行设计得出最终方案.算例仿真表明,该方法设计的方案有效且实用.     

Minimizing the number of PMUs and their optimal placement in power systems

This paper presents a new method for minimizing the number of PMUs and their optimal placement in power systems. The proposed method provides suitable constraints for power systems with two adjacent injection measurements (IMs). In addition, suitable constraints for considering the connection of two buses to each other and to an injection bus are proposed. The proposed constraints result in a reduction in the number of PMUs even though the system topological observability is complete. Existing conventional measurements are also considered. First, the number of PMUs is minimized in such a way that the system topological observability is complete. Then the optimal placement is done to maximize the measurements redundancy. The resulting phased to be installed in multiple stages. The optimal number of PMUs that ensure system topological observability under failure of a PMU or a line is also simulated. Simulations are performed on IEEE 30, 57 and 118 bus test systems by binary integer programming. The results show that the number of PMUs is equal to or less than the corresponding results of recently published papers, while the system topological observability is complete, and measurement redundancy is increased.     

基于随机矩阵理论的配网故障可观的PMU优化配置方法

定义故障在全网最不灵敏节点发生时可检测为随机矩阵理论下的全网可观。相同故障发生在不同节点时对配网影响程度不同,对应的随机矩阵理论指标MSR的跌落程度不同。提出了配网故障时全网可观的PMU优化配置方法。分别在所有节点设置单相和两相接地故障,得到2种情况下全网的电压数据并计算相应的MSR;对2种MSR进行加权,计算出各节点灵敏系数;以灵敏度最低的节点发生故障时全网可观为目标,按灵敏程度逐次减去不灵敏节点的PMU并计算相应的MSR,直到故障不可检测,得到的PMU配置即为最后配置。以IEEE36节点和IEEE39节点模型进行仿真,验证了在该PMU优化配置方案下,可用随机矩阵理论对配网进实时监测,在故障发生时能准确检测到故障并确定故障发生的时刻。     

基于改进遗传模拟退火算法的PMU优化配置

分析了遗传算法和模拟退火算法的优缺点,将具有较好全局寻优性能的遗传算法和具有较强局部搜索能力的模拟退火算法结合,形成的遗传模拟退火MGASA算法用于解决以电力系统状态完全可观测和PMU配置数目最小为目标的PMU优化配置问题.在寻优过程中,先将每一代群体进行遗传操作,再对产生的新群体中各个体进行模拟退火操作,同时在选择、交叉、变异和复制操作过程中实施最优保留策略,复制策略采用Metropolis判别准则.通过采用IEEE14和IEEE39节点系统对该算法进行验证表明,MGASA算法在解决PMU优化配置问题上具有较高的寻优性能和搜索效率.