电力系统无功优化方法分析

本文介绍了无功优化的历史,总结了各种无功优化模型,分析了静态、动态两种无功优化方式,比较了当前存在的多种优化算法,提出了目前电力系统无功优化研究中存在的问题及发展趋势。     

SQL优化分析

在数据库系统中，最重要的一个考核的指标是运行的速度，然而影响系统的运行速度及其对系统资源占用最多的一个因素是SQL语句的执行，效能欠佳的SQL语句在执行时能够消耗系统资源的70-80%，如何提高系统的运行速度，SQL的性能优化至关重要。本文首先从数据库SQL着手，分析性能优化的原理，提出采用的性能优化措施。     

企业计算机网络性能的优化

随着计算机网络的发展,企业内部使用计算机网络进行运作也变的越来越普遍,如何优化企业计算机网络性能一直是比较普遍的一个问题。本课题主要讲述了网络性能的优化技术和网络优化的一些手段,通过本课题的对优化网络性能的研究,可以帮助广大企业对内部网络性能的优化找到一些方法。     

计及风电不确定性优化调度研究综述EI北大核心CSCD

大规模风电并网后为系统带来不确定性因素,对系统优化调度造成极大的挑战。该文立足于国内外电力系统适应高比例风电并网消纳的实际进展,首先,从机组组合计划、经济调度、市场机制等多角度对国内外研究现状进行梳理;其次,依据时间尺度、调控目标、建模机理及不确定模型等多种准则对计及风电不确定性优化调度模型进行归类分析,归纳并总结各类优化模型的优缺点及应用情况;然后,分别从模糊隶属度函数、场景集、鲁棒不确定集及分布鲁棒不确定集等四个方面,详尽地阐述各类处理风电不确定性模型的架构、应用现状、优势及不足;最后,对相关领域未来研究方向进行展望,以期为计及风电不确定性优化调度的研究提供参考和建议。     

电力系统优化控制策略的鲁棒性评估

为了对电力系统优化控制策略的鲁棒性进行评估,综合考虑控制变量的可实现精度和状态变量的不确定性,建立了对控制策略的鲁棒性进行评估的指标,论述了单性能指标优化问题和多性能指标优化问题的控制策略鲁棒性满足要求的判断方法,提出一种基于抽样优化的控制策略鲁棒性评估方法,讨论了在若干控制策略的鲁棒性均满足要求或均不满足要求情况下进一步对各个控制策略的鲁棒性优劣进行比较的方法。以IEEE 30节点无功优化算例为例,对采用优化方法得出5个候选控制策略进行了鲁棒性评估,结果表明所提建议方法是可行的。     

粒子群优化算法及其在机组优化组合中应用

应用粒子群优化(PSO)算法对电力系统的机组优化组合问题进行研究,介绍了算法原理,分析了算法中各个参数的不同取值对算法搜索能力和收敛速度的影响,并以常用的测试函数进行验证,建立了相应的数学模型,并以IEEE3机6节点电力系统为实例进行研究。分析结果表明,PSO算法较之常用的遗传算法和混沌优化等算法,在算法结构、计算时间、搜索区间控制以及收敛速度等方面具有较好的特性,验证了该方法的有效性。     

电力系统无功优化研究综述

介绍了考虑多目标函数时无功优化模型的建立与解决方法,在总结了传统优化算法的基础上着重介绍了已经改进的智能优化算法和混合的智能优化算法在无功优化上的应用,简单介绍了动态无功优化的几种优化算法,并对今后无功优化的研究方向做出了展望。     

基于平衡优化器的含高比例风光新能源电网无功优化

为充分发挥风光新能源的无功调节潜力,本文搭建了风光新能源参与调控的电网无功优化模型。根据不同时刻的风速、光照强度、温度等气象条件信息,首先评估出风电场、光伏电站的当前无功调节容量,将新能源无功出力从本地自主控制转为全局协同控制。然后,采用平衡优化器进行无功优化求解,获得电网中变压器分接头档位调节、无功补偿设备投切、传统发电机组电压调节及风光的无功输出等控制措施的最优组合方案,结果表明该方法可减小电网的线损和电压偏差。最后,本文利用扩展的IEEE标准9节点和39节点算例进行仿真分析,并引入传统启发式智能优化算法来进行优化性能对比。     

蚁群优化算法及其在电力系统中的应用

蚁群优化算法是意大利学者M Dorigo受蚂蚁觅食行为的启发 ,提出的一种新型组合优化算法 ,具有正反馈、分布式计算等特点 ,已在许多问题中得到成功的应用。本文对蚁群优化算法的研究现状作一综述 ,并指出在电力系统中可能的应用方向     

配电网无功补偿的动态优化算法

配电网无功补偿动态优化的目的是在考虑负荷变化和电容器操作次数约束的条件下,求得各节点电容器的最优动作时间和投入容量。该文将动态优化问题描述为变约束优化问题,并提出一种求解算法。算法先将动态优化问题分解为一系列单节点电容器动态优化子问题,然后通过迭代求解一系列子问题的方式得到整个动态优化问题的最优解。由于给出的单节点电容器动态优化子问题的求解算法可以在变约束条件下搜索到子问题的最优解,而且在迭代求解过程中电容器的投入容量和动作时问都可以得到修正,因此使整个动态优化问题能得到更好的优化结果。算例表明,提出的算法是可行和有效的。     

基于变阶段逐步优化算法的阶梯水电站优化调度

水能属于可再生能源，合理地优化流域内阶梯水电站发电计划，可以达到提高水能利用率的目的。为提高某流域A、B、C 3个阶梯水电站的总发电量，建立了基于变阶段逐步优化算法的阶梯水电站发电优化模型，针对传统逐步优化算法容易陷于局部最优解的缺点，提出在逐步优化法两阶段分解集式中嵌入变阶段策略，有效降低了最优解对初始解的依赖性，保证优化结果收敛于全局最优解，算例计算结果表明变阶段逐步优化算法的收敛速度更快、更稳定。     

企业网站网络营销中搜索引擎优化的研究

随着网络越来越普及,网络营销变得越来越有效,对于企业来说,企业网站的网络营销变得越来越重要.为了能够让消费者在第一时间搜索到企业的网站,除了可以做网络广告外,通过网站的搜索引擎优化,同样能达到被搜索引擎收录并在搜索引擎排名靠前的目的.本文作者通过大量的研究并结合五年的网络营销经验,从网站自身、空间、域名、链接四个主要方面详细阐述如何通过搜索引擎优化使企业网站快速被搜索引擎收录并提高网站在搜索结果中的排名.     

基于混沌优化的量子遗传算法

量子遗传算法是一种高效的并行算法,但它有时会陷入局部极值。混沌优化的遍历性可作为搜索过程中避免陷入局部极小值的一种优化机制,随机性和规律性使它具有丰富的时空动态。对二者互补地结合作了试探分析,典型函数测试结果表明,混沌优化与量子遗传算法相结合的全局寻优效果更佳。     

基于短期预测信息和长期值函数近似的大规模电动汽车实时随机优化调度算法

针对大规模电动汽车(Electric Vehicle, EV)和可再生能源接入背景下主动配电网的实时随机调度问题,提出了一种结合短期预测信息和长期值函数近似的双层实时调度模型。为应对大量EV接入后的维数灾问题,首先提出双层调度框架,上层建立EV集群模型,下层根据EV特性提出功率分配算法对每辆EV制定充电计划,实现上层集群指令的完全消纳并满足各EV充电的需求。同时,为应对EV行为、实时电价及可再生能源出力不确定性的问题,实时优化时采用预测算法预测短期内未来接入的EV行为、可再生能源最大出力与实时电价,并通过值函数近似评估短期决策后系统的值函数,从而实现EV集群充电计划、可再生能源调度计划与购电计划的实时分阶段决策。仿真算例表明,所提模型可以实现大规模EV接入下主动配电网的实时随机调度,同时具备良好的鲁棒性。     

基于混合优化微分进化算法的电力系统无功优化

阐述了一种基于混合优化微分进化算法的无功优化方法。混合优化微分进化算法是一种直接随机搜索方法,由在当前种群中随机采样的个体之间的基因差异来驱动,混合优化微分进化算法的主要思想是采用不同的策略产生变异算子,并在进化过程中采取父代和子代合群处理,来提高进化速度。将该无功优化方法在IEEE 30节点系统上进行了校验,并与基于其它算法的无功优化方法进行比较,仿真结果表明该算法具有收敛速度快、鲁棒性好、计算精度高的优点。     

解决电力市场无功优化问题的序优化级联编码遗传算法

发电机和并联补偿设备是系统中主要的无功源,负责满足负荷的无功需求并维持系统电压水平。在电力市场环境下,对无功的优化调度要考虑各类无功电源的成本,并以此作为建立无功市场机制的基础。建立了一个在电力市场环境下考虑无功成本的无功优化模型,该模型将电容的投切标志作为0-1变量,即描述为一个非线性混合整数规划问题,采用级联编码的遗传算法解决该非线性混合整数规划问题。引入了序优化的思想,以指导遗传算法的个体选择和进化代数,并对计算结果的可靠性进行定量评估。在IEEE 30母线系统上的仿真结果验证了该方法的有效性。根据5种情况的计算结果,分析了考虑无功成本时系统的运行状况以及相应的经济效益。     

蚁群算法在组合优化中的应用

本文介绍了崭新的求解复杂优化问题的启发式算法-蚁群算法以及它的基本原理.该算法是通过模拟蚁群搜索食物的过程,达到求解此类问题的目的.它具有智能搜索、全局优化、稳健性强、分布式计算、易与其他方法结合等优点.文章还介绍了该算法在静态组合优化,如旅行商、二次分配、车间任务调度、车辆路线、图着色、有序排列,以及动态组合优化中的应用.文章最后展望了蚁群算法所具有的广阔应用前景.     

基于混合粒子群优化算法的电力系统无功优化

应用粒子群优化算法(PSO)求解电力系统无功优化问题,提出基于混沌搜索的混合粒子群优化算法,以克服PSO容易早熟而陷入局部最优解的缺点。该算法引入了基于群体适应度方差的早熟判断机制,当算法陷入早熟时,利用混沌运动的遍历性、随机性和规律性等特性,先对当前粒子群体中的最优粒子进行混沌寻优,然后把混沌寻优的结果随机替换群体中的一个粒子,从而提高了PSO的寻优特性。通过对IEEE 14、IEEE 30、IEEE 118等标准测试系统进行无功优化,并与遗传算法、标准PSO进行比较,表明该算法具有更高的搜索效率和更好的全局优化能力。     

基于混合优化微分进化算法的电力系统无功优化

阐述了一种基于混合优化微分进化算法的无功优化方法.混合优化微分进化算法是一种直接随机搜索方法,由在当前种群中随机采样的个体之间的基因差异来驱动,混合优化微分进化算法的主要思想是采用不同的策略产生变异算子,并在进化过程中采取父代和子代合群处理,来提高进化速度.将该无功优化方法在IEEE 30节点系统上进行了校验,并与基于其它算法的无功优化方法进行比较,仿真结果表明该算法具有收敛速度快、鲁棒性好、计算精度高的优点.     

混沌粒子群优化算法在配电网无功优化中的应用

针对电力系统无功优化的特点,提出了一种基于传统粒子群优化(PSO)算法的改进型智能算法——混沌粒子群优化(CPSO)算法。CPSO算法采用混沌初始化进行改善个体质量和利用混沌扰动避免搜索过程陷入局部极值,利用该算法分别对IEEE14和IEEE30节点系统进行仿真测试。仿真结果表明,CPSO算法相对于PSO算法,优化效果理想,收敛速度快。