基于群搜索算法的电力系统无功优化

为了提高电力系统的运行效率和经济性能,用群搜索优化算法(Group Search Optimizer)对电力系统各控制变量进行合理配置,以此减少电力系统无功损耗。群搜索优化算法是一种新兴的群智能优化算法,该算法把群成员分为发现者、追随者和游荡者三种,其中游荡者的位置随机选定,这有效地避免了其他算法容易陷入局部最小值问题。选定电力系统中无功投入量、电压变比、发电机端电压等作为控制变量,通过群搜索优化算法对控制变量进行迭代计算和潮流计算,最终计算出最小的网络损耗及其对应的控制变量值。最后用Matlab7.6对IEEE-14、30节点系统进行仿真,并与其他群智能优化算法进行对比,结果显示,群搜索算法的收敛较快且稳定,最终证明了群搜索算法对无功优化的优越性。     

基于改进蜉蝣算法的一种新型无功优化补偿方法及其应用

基于改进的蜉蝣算法提出了一种电力系统新型无功优化计算方法。首先以电力系统有功网损最小为目标函数,选择发电机端电压、可调变压器分接头以及并联静止电容器组数为控制变量,建立了无功优化的数学模型;提出将新型群搜索智能优化算法蜉蝣算法引入到无功优化问题中;针对基础蜉蝣算法易陷入局部最优解的缺陷,提出优化基础蜉蝣算法,将Levy飞行以及随机惯性权重系数引入蜉蝣算法的位置更新策略中,提高蜉蝣算法的全局搜索能力。最后,以IEEE30节点系统为测试对象,证明了改进的蜉蝣算法在电力系统无功优化问题中的有效性及优势。     

电力系统无功补偿点的确定及其容量优化

电力系统无功优化是一个复杂的非线性组合优化问题,针对该问题提出一种基于奇异值分解理论和改进的粒子群优化算法的无功优化方法。首先对系统潮流计算中雅可比矩阵进行奇异值分解,由奇异值分解理论可以得出矩阵的右奇异向量指标,依据该指标判断电压稳定弱节点,以此作为候选的无功补偿点;然后以有功网损最小为目标函数,构建无功优化数学模型,并提出改进的粒子群优化算法,在算法中引入二次插值算子,增强了算法的局部搜索能力,避免早熟,提高其寻优能力和收敛速度。最后,对IEEE30节点系统进行仿真计算,验证了该方法的有效性。     

基于并行协同粒子群优化算法和PC集群的无功优化

针对大规模电力系统无功优化高维度、非线性、不连续的问题,提出一种并行协同粒子群优化算法.该算法基于消息传递接口技术,采用二级并行的方案求解无功优化问题.第1级并行是通过控制变量分组,将原优化问题分解成几个相互关联的子优化问题,每一个子优化问题对应一个子粒子群,各子粒子群相互协同,共同求取最优解.第2级并行是指用粒子群优化算法求解子优化问题时使用多个进程并行求解,进程间采用对等模式分配计算任务,提高了优化效率.此外,为了增强粒子群优化算法的全局寻优能力,在优化过程中对其参数进行了动态调整.通过在PC集群上对IEEE 118节点系统和IEEE 300节点系统进行仿真计算,验证了该算法能取得较好的优化结果,具有较高的加速比和可扩展性,能满足大规模电力系统无功优化的需要.     

基于量子差分进化算法的电力系统无功优化

以系统有功网损最小为目标,建立了一种电力系统无功优化数学模型,并提出了一种基于量子差分进化算法的电力系统无功优化方法。该算法采用量子计算中的并行、坍缩等特性,增强了对解空间的遍历能力;同时在传统选择策略的基础上加入了量子计算的概率表达特性,有效地避免了算法的早熟现象。对IEEE-30节点测试系统进行仿真分析,并将优化结果与传统差分进化算法和粒子群优化算法进行对比分析,结果表明量子差分进化算法在解决系统无功优化问题上更科学、更有效。     

基于遗传算法的本溪地区配电网无功优化

针对电力系统无功优化目标函数与约束条件非线性、离散控制变量和连续控制变量相混合的特点,说明应用遗传算法(GA)解决电力系统无功优化的可行性,并对遗传算法的部分操作加以改进,将基于遗传算法的无功优化方法用于本溪地区配电网。     

遗传算法在电力系统无功优化中的应用综述

遗传算法是一种通过在整个解空间多渠道同时搜索以找到全局最优解的寻优方法，已经在许多复杂优化问题上被证明是一种相当有效的方法。为此，就遗传算法在电力系统无功优化中的应用进行了介绍，并提出了遗传算法在大规模电力系统无功优化计算中的改进措施。     

基于家族优生学进化算法的电力系统动态无功优化

针对大规模电网无功优化收敛速度慢的问题，提出了基于家族优生学的无功优化算法，该方法将正交设计技术引入家庭子代培植过程中，以加强个体行为改善，避免早熟，加快了进化后期的收敛速度。采用改进的动态无功优化数学模型和相适应的编码方法，并根据控制变量的可调档位数动态分配码串长度，由控制变量确定基因组，以基因组中控制变量的可调档位数为约束条件，修正不可行解，提高了计算效率。算例表明将家族优生学进化算法应用于无功优化，取得了良好的效果。     

基于自适应混沌粒子群优化算法的多目标无功优化

针对粒子群无功优化中由于随机生成代表控制变量值的粒子,使得在优化迭代过程中易陷入局部最优解,而且后期收 敛速度慢等问题,将混沌优化算法融合到粒子群算法中,提出了混沌粒子群算法求解多目标无功优化问题.该算法在初始化粒子即无功优化控制变量值时,采用混沌思想,增加控制变量取值的多样性;通过粒子群无功优化算法计算各个粒子对应的适应值即无功优化目标函数值,并按照其大小择优选取控制变量值进行混沌优化以帮助无功优化控制变量跳出局部极值区域;并根据无功优化目标函数值自适应地调整其惯性权重系数以提高全局与局部搜索能力.通过算例分析表明,采用自适应混沌粒子群算法进行无功优化,能够及时跳出局部最优得到全局最优解,且收敛速度快.     

基于自适应混沌粒子群优化算法的多目标无功优化

针对粒子群无功优化中由于随机生成代表控制变量值的粒子,使得在优化迭代过程中易陷入局部最优解,而且后期收敛速度慢等问题,将混沌优化算法融合到粒子群算法中,提出了混沌粒子群算法求解多目标无功优化问题。该算法在初始化粒子即无功优化控制变量值时,采用混沌思想,增加控制变量取值的多样性;通过粒子群无功优化算法计算各个粒子对应的适应值即无功优化目标函数值,并按照其大小择优选取控制变量值进行混沌优化以帮助无功优化控制变量跳出局部极值区域;并根据无功优化目标函数值自适应地调整其惯性权重系数以提高全局与局部搜索能力。通过算例分析表明,采用自适应混沌粒子群算法进行无功优化,能够及时跳出局部最优得到全局最优解,且收敛速度快。     

考虑光伏无功分区计价的配电网无功优化

考虑无功成本并利用光伏逆变器的无功功率输出进行无功优化,可以提高硬件资源利用率和降低电站运维成本,为此计及电力市场环境下的无功成本,提出了并网光伏无功功率分区计价模型。首先研究光伏并网逆变器无功出力运行策略,以日配电网综合运维成本最小为优化目标,构建含响应光伏逆变器无功分区电价、静止无功补偿器、有载调压变压器和电容器组投切的配电网无功优化模型;继而采用二阶锥规划和大M法等数学手段处理模型中的非线性项,并利用奔德斯分解方法对模型分割求解,从而保证在计算收敛情况下有较高的求解速度;最后采用改进IEEE-33节点在MATLAB计算平台上验证了数学模型、求解方法与控制策略的正确性和有效性。     

基于变电站九区图调节的地区电网分层无功优化

根据地区电网的实际管理模式,提出了基于变电站九区调节的地区电网分层无功优化方法:将地区电网分成次输电电网和配电网。先对次输电网进行无功优化时,将配电网等效为负荷,此时控制变量少,采用传统算法可以快速求解。在此基础上,再采用九区图方法调整配电网的无功电压,进行迭代,逐层进行无功优化直到问题收敛。实际算例表明,这种方法优化了地区电网的运行,提高了无功优化的计算速度,并且更符合实际电网的管理模式,为地区电网无功电压调节提供了有益参考。     

无功优化协同进化计算的控制变量分区方法研究

在无功优化协同进化计算中,将控制变量合理地分区分组是算法正常运行的前提,也是获得良好并行性能的关键。参考无功优化控制变量分区问题与分级电压控制中电网分区问题之间的关系,提出将控制变量分区问题转换为降阶电网分区问题,并构造降阶电网分区优化模型。在此基础上,引入种子分区编码方法,提出一种能自动确定分区数目的方法。该方法使用向上归并法进行初步分区,降低了分区规模,并采用种子分区编码法将分区数目等信息编入染色体,解决了分区数目难以确定的问题。系统计算表明,新分区方法能自动确定分区数目,快速地对系统控制变量进行合理地划分。将该方法应用到协同进化计算中,能提高协同进化计算的并行性,保证算法寻优效率。     

基于智能单粒子算法的含光伏电站配电网的无功优化

将光伏电站的无功功率作为无功优化的控制变量,研究了含光伏电站配电网无功优化问题.智能单粒子算法采用了一个粒子在解空间中搜索,粒子的位置矢量被分成一定数量的子矢量,并基于子矢量对粒子进行更新.在子矢量更新过程中,通过分析之前的速度更新情况,引入一种新的学习策略,使粒子在搜索空间中能够动态地调整速度和位置,从而向全局最优靠...     

基于内点法和邻域搜索解耦动态规划法的区域电网动态无功优化方法

动态规划法可高效、准确求解小规模区域电网动态无功优化问题,但随着电网规模的增大,存在组合爆炸而导致求解时间急剧增长的问题。为此,提出了基于内点法和邻域搜索解耦动态规划法的区域电网动态无功优化两阶段混合方法。第1阶段,采用Sigmoid函数实现原模型的连续化,然后采用内点法求连续最优解;第2阶段,在连续解基础上,采用启发式邻域搜索策略确定解耦动态规划法搜索空间,通过站间解耦、调压和无功补偿设备的解耦协调以及站内的动态规划求解区域电网动态无功优化问题。该两阶段方法既保证了优化解的质量又可以有效避免离散变量求解状态组合爆炸问题,大幅度提高了动态规划法的计算效率。以某220 kV控制分区的仿真分析,验证了所提方法的有效性。     

自适应粒子群优化算法及其在无功优化中的应用

针对传统的粒子群优化(PSO)算法中的某些参数需通过试验确定因而影响了其实用性的问题,提出了一种自适应粒子群优化(APSO)算法,并将其应用于电力系统无功优化问题的求解。该算法能在优化过程中自动调整各参数,从而取得问题的全局优化解。某具有151个节点、71个控制变量的实际电网无功优化结果表明,该算法较传统的PSO算法具有更强的全局寻优能力。     

基于和声搜索算法的配电网多目标无功优化

首次将一种新型人工智能算法即多目标和声搜索算法(MOHSA)应用于配电网无功优化中,建立了以系统网损最小、无功补偿费用最低为目标函数的无功优化数学模型,考虑配电网的运行要求,以容性无功补偿的定容定址为控制变量。算法通过和声保留、音调调节和随机选择三种方式来更新和声解向量,同时基于非劣化排序,考虑拥挤距离,对和声记忆库优先筛选,确保求得Pareto前沿的非劣性与分布性,并采用理想点法选择工程最优解。最后采用IEEE-33节点系统,对算法的性能以及工程性进行测试,并与NSGA-II算法对比,结果表明了M OHSA在收敛稳定性、计算精度等方面具有一定优势。     

基于改进遗传算法与原对偶内点法的无功优化混合算法

基于改进遗传算法和原对偶内点法提出一种求解无功优化问题的混合算法。首先通过改进遗传算法求解无功优化问题中的离散变量,然后采用原对偶内点法求解与已获得离散变量最匹配的连续变量。在改进遗传算法中采用交叉、变异算子并基于可行域规则处理离散约束,有效提高了混合优化算法的整体寻优效率。在IEEE 118节点系统中的仿真计算结果验证了本文方法的有效性。该方法已应用于福建电网自动电压控制系统中。