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。     

基于多目标进化算法的PMU的优化配置

研究了配置相量测量单元(PMU)后电力系统可观测性的判断方法,以保证电力系统完全可观测为约束条件,以配置PMU数目最小和保证测量量具有最大量测冗余度为目标,建立了PMU最优配置问题的数学模型。这是一个多目标优化问题,需要寻求一组Pareto最优解,应用多目标进化算法求解该问题可以得到多种满足条件的PMU配置可行方案。最后,以IEEE39节点系统为例验证了该方法的合理性。     

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。     

基于改进自适应遗传算法的PMU优化配置

为了利用最少数目的相量测量单元(PMU)保证电力系统在正常运行时和线路N?-1故障时都能完全可观,提出一种基于改进自适应遗传算法(IAGA)的PMU优化配置方法。将PMU配置分为两个阶段:第一阶段以PMU安装数目最少和正常运行时系统完全可观为目标配置PMU;第二阶段在已有配置结果的基础上继续安装PMU,以保证线路N-1故障时系统仍完全可观。修改IAGA中交叉概率和变异概率的计算公式,克服了当群体最大适应度值与平均适应度值相等时进化停滞的缺点,优化了进化过程,同时方便了数学计算;对每一代个体进行防早熟操作,消除了由交叉运算和变异运算的偶然性及随机性导致的进化早熟。算例分析结果表明,该方法在PMU配置数目、配置方案种类、收敛性及实用性上有显著优势,证明了该方法的正确性和优越性。     

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。     

船舶电力系统相量测量单元多目标优化配置问题

为实现船舶电力系统潮流方程直接可解,同时保证相量测量单元(PMU)配置数目最少和N-1电压相量可解冗余度最高,提出了船舶电力系统PMU多目标优化配置方法。首先根据船舶电力系统不同工况下潮流方程的特点,分析得到PMU配置方案是否满足不同工况下潮流方程直接可解的判断方法;在此基础上,着重考虑最大运行工况下PMU配置数目最少和N-1电压相量可解冗余度最高的要求,建立了PMU多目标优化配置模型,并采用量子遗传优化算法对模型进行求解。以24节点典型船舶电力系统为例对所提方法进行了说明和验证,结果表明,该方法可实现全局多目标寻优,从而找到准确而完整的Pareto最优前沿。得到的PMU优化配置方案可为船舶电力系统配置PMU提供参考。     

考虑高风险连锁故障的PMU配置方法

针对连锁故障会导致广域测量系统(WAMS)丧失对电力系统完全可观测能力的问题,提出了一种考虑高风险连锁故障的最优相量测量单元(PMU)配置方法.首先使用隐性故障模型和风险理论对电力系统的连锁故障进行模拟仿真和统计分析,从而对系统中的高风险连锁故障进行辨识;进而通过最优PMU配置保证在单一高风险连锁故障发生的情况下WAMS能够保持对电网的完全可观测.以IEEE 39节点系统为例进行了PMU配置和分析,实验结果表明该方法在经济性和鲁棒性之间能够取得较好的平衡.     

基于图论的电力系统PMU布点优化算法

基于最小支配集理论和电力系统线性量测模型,提出了可观测节点集合、WAMS可观测矩阵两个概念以及一种新的节点可观测性计算规则。以保证系统的完全可观测性和以系统图的最小支配集为搜索范围构成约束条件, 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配置优化问题。并应用禁忌搜索(TS)方法求解该问题,保证了全局寻优。最后采用 IEEE 14、30、57 、118节点系统和新英格兰 39 节点系统对该方法进行了验证,仿真结果表明该方法的有效性和可行性。     

一种改进的相量测量装置最优配置方法

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,提出了一种改进的PMU最优配置方法.将启发式方法和模拟退火方法有效结合以确保得到最优解,提高了基于启发式方法的初始PMU配置方案的质量,通过改进配置模型缩小了模拟退火方法的寻优范围,从而提高了求解速度.还提出了一种基于节点邻接矩阵的快速可观测性分析方法.最后采用IEEE 14、IEEE 30、IEEE 118节点系统和新英格兰39节点系统对该方法进行了验证.     

Optimal allocation of phasor measurement unit for full observability of the connected power network

This paper presents binary particle swarm optimization (BPSO) technique for the optimal allocation of phasor measurement units (PMUs) for the entire observability of connected power network. Phasor measurement units are considered as one of the most important measuring devices in the prospect of connected power network. PMUs function may be incorporated to the wide-area connected power networks for monitoring and controlling purposes. The optimal PMU placement (OPP) problem provides reference to the assurance of the minimal number of PMUs and their analogous locations for observability of the entire connected power networks. Binary particle swarm optimization (BPSO) algorithm is developed for the solution of OPP problem. The efficacy and robustness of the proposed method has been tested on the IEEE 14-bus, IEEE 30-bus, New England 39-bus, IEEE 57-bus, IEEE 118-bus and Northern Regional Power Grid (NRPG) 246-bus test system. The results obtained by proposed approach are compared with other standard methods and it is observed that this BPSO based placement of phasor measurement units is found to be the best among all other techniques discussed.     

电力系统PMU最优配置数字规划算法

随着相量量测装置(PMU)硬件技术的逐渐成熟和高速通信网络的发展,PMU在电力系统中的状态估计、动态监测和稳定控制等方面得到了广泛应用.为达到系统完全可观,在所有的节点上均装设PMU既不可能也没有必要.文中提出一种基于系统拓扑可观性理论的数字规划算法,利用PMU和系统提供的状态信息,最大限度地对网络拓扑约束方程式进行了简化,以配置PMU数目最小为目标,形成了PMU最优配置问题,并采用禁忌搜索算法求解该问题.其突出优点是利用了系统混合测量集数据,即不仅考虑了PMU实测数据,同时计及了可用的潮流数据.在IEEE14节点和IEEE 118节点系统的仿真结果表明,与常规的PMU最优配置算法相比,所提出的数字规划算法可以实现安装较少数量的PMU而整个系统可观的目标.     

Placement of Synchronized Measurements for Power System Observability

This paper presents a method for the use of synchronized measurements for complete observability of a power system. The placement of phasor measurement units (PMUs), utilizing time-synchronized measurements of voltage and current phasors, is studied in this paper. An integer quadratic programming approach is used to minimize the total number of PMUs required, and to maximize the measurement redundancy at the power system buses. Existing conventional measurements can also be accommodated in the proposed PMU placement method. Complete observability of the system is ensured under normal operating conditions as well as under the outage of a single transmission line or a single PMU. Simulation results on the IEEE 14-bus, 30-bus, 57-bus, and 118-bus test systems as well as on a 298-bus test system are presented in this paper.      

Novel Clustering-based Hidden Markov Model (CHMM) optimization approach for optimal PMU placement

A Phasor Measurement Unit (PMU) is an important device for monitoring the wide-area power distribution network. Placement of the PMUs across the network enables reliable monitoring of the network to identify the faults in the bus system. Due to the increase in the installation cost of the PMUs, optimal placement of the PMU is a significant task. But the existing techniques do not provide the optimal solution for the PMU placement. To overcome this issue, this paper proposes a novel Clustering-based Hidden Markov Model (CHMM) optimization approach to achieve optimal placement of PMUs in the power distribution network. Optimal PMU placement is achieved by applying cluster formation in the bus system to extract the data with neighboring buses. Best optimal position for placing the PMU is estimated by using Fuzzy logic-based rale formation to update the binary table of the bus system. The HMM approach is used for updating weight in the cluster formation. Our system is implemented in various bus systems like IEEE 28-bus system, 69-bus system and also in Karnataka 155-bus system. The proposed approach is implemented in the IEEE bus system and Karnataka Power Transmission Corporation Limited (KPTCL) bus system and compared with the existing approaches, based on the total number of PMU placement. The proposed approach achieves better performance in the optimal placement of PMU than the existing optimization algorithms.     

基于博弈演化算法的PMU最优配置方法

为实现电力系统可观测性,提出一种新的相量测量单元(PMU)配置方法,即基于博弈论的演化算法。该算法将寻找PMU最优配置方案的问题映射为理性主体寻求自身利益最大化的博弈过程,PMU最优配置方案即对应于博弈中的纳什均衡解。其突出优点是演化方向确定、全局收敛性好、收敛速度快、解具有多样性。应用该算法在IEEE 30节点、新英格兰39节点、某128节点系统进行仿真计算,与深度优化算法、模拟退火算法和最小生成树算法的结果进行比较,说明了该算法的可行性及优势。     

基于改进的整数规划法结合零注入节点的PMU优化配置方法

为了提高同步相量测量装置的优化速度并利用最少数量的相量量测单元(PMU),结合零注入节点的特性,提出了基于整数规划算法的PMU优化配置算法。根据电力系统全网的可观测性建立其数学模型,并考虑了零注入节点的相关特点,求解系统模型获得PMU的优化位置。对IEEE-14节点、IEEE-18节点、IEEE-30节点以及IEEE-118节点系统分别进行了实验仿真,并利用Matlab以及Lingo工具对所提改进的整数规划法进行了验证,对约束方程进行优化,获得了PMU的数量和位置。将该算法与整数规划算法、模拟退火法以及改进过的遗传算法相比较,该算法可以用更少数量的PMU设备使全网可观,验证了该方法的有效性和优越性。     

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。