基于免疫BPSO算法与拓扑可观性的PMU最优配置

以电力系统状态完全可观测和相量测量单元PMU配置数目最小为优化目标,基于PMU的功能特点和电力网络的拓扑结构信息,形成快速且通用的电网拓扑可观测性判别方法,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目标函数进行求解,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.最后通过对IEEE14和新英格兰39母线系统进行PMU优化配置仿真及量测冗余性分析,验证了本文方法的有效性和优越性.     

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.     

自适应遗传算法在PMU优化配置中的应用

基于GPS的同步相量测量单元(PMU)是一种新型的高精度测量装置,能够测量母线电压相量。由于经济和技术等方面的原因,每个节点都配置PMU还不能成为现实。为此,提出了在传统的状态估计的基础上,部分安装PMU以后的状态估计模型。基于此模型,以提高状态估计的精度为目标,引入自适应遗传算法,应用遗传算法的全局搜索特性,自动获取和积累有关搜索空间的知识,并自适应地控制搜索过程来优化PMU的配置数量和安装位置。在遗传操作过程中,引入自适应规则,在线地改变交叉率和变异率,有效地加快了收敛速度和算法跳出局部最优的能力,并用IEEE14节点网络验证了算法的可行性。     

考虑电力系统潮流直接可解的同步相量量测单元最优配置

基于全球定位系统(Global Positioning System,GPS)的同步相量量测单元(Phasor Measurement Unit,PMU)是一种新型的量测装置,该装置可以直接量测节点电压相量.文章在电力系统潮流直接可解概念的基础上提出了采用遗传算法解决PMU的最优配置问题.数学模型(即评价函数)的构造是采用遗传算法的主要瓶颈,文章建立了PMU最优配置的数学模型,并以此模型为评价函数开发出相应的遗传算法.算例结果表明文章所建立的模型和采用的算法是有效的.     

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。     

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。     

模拟通道数最小的PMU优化配置方法

提出了一种基于0-1整数规划算法的改进的PMU配置模型,该模型具有良好的适应性,而且0-1整数规划算法计算速度快,结果精确可靠。通过该模型可以得出全部的所需PMU数最小的优化方案,进而在该模型的基础上提出了PMU模拟通道数最小化的处理方法。该处理方法可以减少因电力系统母线数量庞大而产生的配置PMU所需的资金。最后通过对IEEE14节点系统、IEEE30节点系统以及新英格兰39节点系统的仿真计算,验证了所提出的模型和处理方法的有效性,可供相关研究者参考。     

基于同步测量信息的电网拓扑错误辨识方法

将相量测量单元（PMU）提供的同步测量信息引入到拓扑错误辨识中,提出了一种基于同步测量信息的拓扑错误辨识算法以提高电网拓扑分析的可靠性。该算法首先在对拓扑错误进行显性、隐性分类的基础上,构建错误辨识准则,然后结合图的矩阵运算,确定PMU所量测的开关量和模拟量之间的判别关系,最后根据判别结果,对各类拓扑错误进行有效辨识。仿真算例表明,该算法能够准确对单个拓扑错误、多个拓扑错误以及同时存在多个不良数据与多个拓扑错误的情况进行有效辨识,具有可靠性高、容错能力强等优点。     

基于DSCADA和μPMU数据融合的配电网运行拓扑辨识

在配电网安装了配电网数据采集及监视控制系统（distribution network supervisory control and data acquisition, DSCADA）和部分节点安装少量微型同步相量测量装置（micro-synchronous phasor measurement unit, μPMU）情形下,提出了一种基于DSCADA和μPMU遥测数据融合的配电网运行拓扑辨识方法。首先,基于μPMU节点电压相位量测构建配电网拓扑变化时刻辨识模型,确定拓扑变化的时刻;然后,基于拓扑变化前后的节点电压变化,借助DSCADA和μPMU的遥测数据构建可能拓扑判据,缩小重构后可能拓扑的范围;最后,使用加权最小二乘法将DSCADA和μPMU遥测数据进行融合,估计出可能拓扑下的节点电压相位,并利用构建的拓扑相似度辨识模型辨识出实际拓扑。算例中考虑μPMU和DSCADA不同量测误差组合,对该算法辨识的准确性进行验证。     

基于禁忌搜索算法的相量测量装置最优配置

将相量测量装置(PMU)测量得到的电压相角引入到状态估计中,可有效地提高状态估计精度.但是工程实际中,不可能所有节点都安装PMU,为此,提出了采用禁忌搜索算法对PMU的装设地点进行最优配置.算例表明,经过最优配置后状态估计的精度得到了提高.     

自适应遗传-禁忌搜索混合算法在PMU最优配置中的应用

针对PMU最优配置问题,提出一种结合自适应遗传算法与禁忌搜索算法的混合算法。通过初始配置原则,缩小了算法的寻优范围。充分利用两种算法各自的特点,结合自适应遗传算法并行计算特性与禁忌搜索算法跳出局部最优解的能力,使得该混合算法寻得全局最优解的同时,提高了算法的优化效率,增强了算法的鲁棒性。最后利用IEEE14、IEEE39、IEEE57节点系统对该混合算法与其他两种遗传算法进行了对比验证。     

考虑系统完全可观测性的PMU最优配置方法

基于电力系统线性量测模型，研究了引入相量测量单元（PMU）相关量测集后的增广关联矩阵的电力系统可观测性拓扑分析方法，以保证系统结构完全可观测性和最大量测数据冗余度为约束，以配置PMU数目最小为目标，形成了PMU最优配置问题，并应用禁忌搜索（TS）方法求解该问题，保证了全局寻优。算例表明，该方法准确可靠、有效可行。     

基于遗传算法的电网故障行波定位装置的优化配置

为了提高电网故障行波定位系统的稳定性和经济性,提出了一种电网故障行波定位装置的优化配置方法。该方法首先根据配置规则建立的约束关系进行故障行波定位装置的初始配置,然后运用遗传算法对得到的初始配置方案进行优化,最后对于行波定位装置配置数目相同的方案根据配置冗余度进行方案优选。该方法将优化过程与配置过程有效结合,可缩小遗传算法的寻优范围,从而提高遗传算法的求解速度。最后对某系统进行仿真验证表明,经过优化后的配置方案可以在不影响电网故障定位鲁棒性和准确性的基础上适当减少故障行波定位装置的配置,有利于节约投资。     

一种基于改进Petri网拓扑的PMU配置优化方法

本文提出一种基于改进Petri网的PMU配置优化算法,先在关联节点可测的基础上,引入关联节点安装PMU优选约束,建立网络覆盖优化函数.然后采用改进的Petri网对系统的结构进行分析,并结合节点关联信息,得到PMU最少时网络的最大覆盖.该方法将复杂网络拓扑分解为若干基本分析单元,从而缩小了分析规模;通过引入标识算子,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,验证本文所提的方法计算准确,过程简便.     

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。     

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PMU的双端同步故障测距算法的研究

基于分布参数的线路模型,推导了双端数据同步采样的测距算法。该算法充分利用PMU测量数据的同步性,完全不考虑不同步采样角的影响,大大简化了测距过程,根据故障前系统的电压、电流相量对线路参数进行了修正,提高了测距的精度。结合PMU的配置方案,对线路两端均装有PMU和线路一端装有PMU两种情况进行了ATP仿真分析,仿真结果验证了算法的有效性,在两种情况下均能满足故障测距的精度要求。     

Multi‐objective PMU placement optimization considering the placement cost including the current channel allocation and state estimation accuracy

The optimal phasor measurement unit (PMU) placement problem in power systems has been considered and investigated by many researchers for accurate and fast state estimation by PMUs. However, the current channel cost of the PMU affects the total placement cost. This paper proposes a novel formulation in the multi‐objective optimal PMU placement, which minimizes the PMU placement cost with the current channel selection and the state estimation error. The current channel selection is represented as a decision variable in the optimization. For trade‐off objective functions, the Pareto approach by nondominated sorting genetic algorithm II (NSGA‐II) is applied in the optimization. The result of the numerical experiment in this paper demonstrates the advantage of considering the appropriate PMU current channel allocation, compared with the conventional method that ignores it, in the modified IEEE New England 39‐bus test system. As a result, the proposed method obtained a better Pareto solution compared with the conventional one because of the consideration for the current channel selection. An advantage of the proposed PMU placement is that it is able to reduce the total PMU placement cost while maintaining the state estimation accuracy.