变权重蛙跳算法在PMU优化配置中的应用

以电力系统状态信息完全可观测为前提,配置相量测量单元PMU(phasor measurement unit)数目最少为目标,建立PMU优化配置问题的数学模型,并应用一种变权重蛙跳算法进行求解。首先以混合蛙跳算法为基础,建立考虑PMU配置数目和系统可观性的适应度函数;然后通过改变蛙体基因段的权重,指引蛙体跳跃的方向,解决了收敛性较差和跳出局部最优解较慢的缺点,实现了最优配置方案多样性;最后进行冗余度比较确定最优方案。通过新英格兰39母线系统和IEEE 57母线系统的仿真分析,验证本文方法较一般算法具有更佳的收敛效果和全局性。     

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.     

改进二进制粒子群算法在PMU优化配置中的应用

以电力系统状态完全可观测和相量测量装置(PMU)配置数目最少为目标,提出概率偏移二进制粒子群优化配置算法.该算法是全局优化算法,可得到多组可行解.针对普通二进制粒子群算法收敛较慢的缺点,在算法中引入概率偏移因子,根据节点出线度的差异,设置不同的取0或1的概率,从而提高了收敛速度.最后,采用新英格兰39节点系统和湖南长株潭42节点系统算例对所提方法进行了验证.     

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.     

一种改进的PSO算法在系统无功优化中的应用研究

为了确定系统中无功的合理配置,针对传统粒子群算法的不足,提出一种改进的小生境粒子群优化算法:借助于问题的局部极值点信息,对原目标函数进行"拉伸"变换,达到优化计算、缩小目标函数极值范围和降低搜索难度的目的。IEEE-6节点标准系统仿真结果表明,所提算法不仅收敛速度更快,且具备更强的全局搜索能力。     

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。     

基于自适应小生境粒子群优化算法的电力系统无功优化

针对电力系统无功优化问题,提出用自适应小生境粒子群优化ANPSO(Adaptive Niche Panicle Swarm Optimization)算法来克服粒子群优化(PSO)算法容易早熟而陷入局部最优解的缺点.以粒子的位置状况及其2个向量点积的符号动态生成小生境半径,根据各粒子之间的距离组成小生境种群.在小生境群体中运用粒子群优化算法进行寻优,对于更新后的群体根据粒子间的距离,利用共享机制改变粒子的适应度,用以提高整个群体的全局寻优能力.通过对IEEE 6、14、30和118节点测试系统的无功优化问题计算及结果分析,并且与其他算法进行比较,结果表明该算法收敛成功率高,能获得较好的解.     

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。     

含海水淡化系统的海岛微电网经济运行优化

针对海岛供电供水困难的现状,将海水淡化系统引入到微电网中,解决海岛居民的水电供应问题。针对微电网经济运行优化算法容易陷入局部最优的问题,将遗传算法中的小生境种群策略引入粒子群算法中,提出了一种改进小生境粒子群算法,对学习因子进行异步变化调整,对惯性权重进行指数递减,改善了算法寻优性能。以考虑海水淡化经济收益的孤立微电网系统经济运行成本最低为目标,建立数学优化模型,以改进算法进行优化计算,分别与标准粒子群算法计算结果以及不考虑海水淡化系统的微电网经济运行优化结果进行对比,验证了引入海水淡化系统可提高系统的经济性,所提改进算法具有良好的寻优能力。     

基于梯度法和扰动观察法相结合的多峰值MPPT算法的研究

当多个光伏电池串联组成的光伏阵列被部分遮挡时,光伏特性曲线会出现多个局域峰值,此时基于单峰值的MPPT算法将有可能失效。针对这种情况,本文提出了一种结合梯度法和扰动观察法的多峰值最大功率跟踪算法。该算法采用梯度法搜索出第一个阶梯功率点,并以此功率点作为扰动观察法的起始点搜索局部最大功率点,继而利用此局部最大功率点进行搜索,最后得到最大功率点。与其它多峰值MPPT算法相比,该算法不仅具有编程简便、易于实现的特点,而且具有搜索跟踪速度快和抗干扰能力强等优越性。     

高斯-快速解耦潮流算法

高斯法潮流计算中,PV节点转化为PQ节点易造成计算收敛缓慢,对此文中提出了应用快速解耦法处理网络中PV节点的方法。该方法应用传统高斯法处理PQ节点,利用高斯消元法消去网络中的PQ部分,得到了一个由PV节点和平衡节点组成的网络,然后用快速解耦法求解这个网络,从而实现了算法的快速收敛。该方法有恒定的雅可比矩阵、且内存占用量小、收敛可靠、计算速度快。     

基于RLS的自适应滤波算法研究

为抑制谐振接地系统对地电容中的工频信号和其他谐波成分,提出了一种基于RLS算法的自适应滤波算法.该算法通过给定n-1次迭代滤波器抽头权向量最小二乘估计,依据新到达的数据计算n次迭代权向量最新估计.当滤波器输入信号变化时可保持最佳输出信号,在一定程度上补偿了滤波器元件参数变化带来的运算误差.对其滤波理论及算法进行仿真研究.结果表明:该算法提高了滤波的稳定性、快速性和精确性,优于其他自适应算法.     

一种基于两电平的5电平空间矢量调制算法

多电平逆变器被广泛地应用于高压大功率工业领域,但是随着电平级数的增加,其空间矢量调制算法(SVPWM)也越来越复杂.研究一种基于两电平的新型5电平SVPWM算法,该算法易于确定参考矢量的位置及其作用时间.以5电平NPC/H逆变器为例解释该算法,该算法可以非常容易地推广到更多电平级数的逆变器中.最后,实验波形验证了该算法的正确性.     

基于分布估计—单亲遗传算法的配电网规划

为了改善单亲遗传算法在某些方面存在的缺陷,提出一种分布估计算法与单亲遗传算法相结合的混合智能算法进行配电网的优化规划。并结合普里姆(Prim)算法产生初始种群,获得比完全随机产生的配电网络更优的初始方案。分布估计算法根据所得分布概率可为单亲遗传算法提供搜索方向,而后者则加速了前者精确分布概率模型的获得,二者的结合起到了优势互补的作用。实例计算的对比结果表明,混合算法更加稳定高效。     

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。     

基于改进FFT的合并单元计量性能校验算法研究

采用常规FFT算法作为合并单元计量性能校验仪的算法时,由于频谱泄漏和栅栏效应,比差和相差不满足0.05级的准确度要求。针对这一问题,在常规FFT的基础上,提出了加Hanning窗的单谱线插值FFT算法和加Blackman窗的双谱线插值FFT算法这两种改进FFT算法,在LabVIEW平台上对这两种算法和常规FFT算法进行仿真比较,仿真结果表明,加Blackman窗的双谱线插值FFT算法的计算准确度最高,更适合用于合并单元计量性能校验。最后在国家高压计量站对合并单元计量性能校验仪进行了校准试验,测试数据表明校验仪满足0.05级准确度要求,从而验证了加Blackman窗的双谱线插值FFT算法的有效性和可行性。     

基于龙贝格算法的高精度数字积分算法

积分环节是信号处理领域的关键环节,广泛应用于电力系统测量及控制领域之中。目前对于数字积分算法的研究普遍基于传统牛顿科茨算法,低阶科茨公式高频响应普遍较差,高阶科茨公式所引入的传输函数设计则过于复杂。在研究复合科茨传输函数与理想积分误差的基础上,利用龙贝格算法将采样频率加倍前后的积分输出信号做线性组合处理,在算法阶数相同的情况下,提高了数字积分器的精度,降低了设计难度。仿真和试验测试证明,所设计算法准确度可以达到0.01%以内,具有优良的稳态和暂态性能。     

一种基于富氏算法的交流采样精确算法

分析了衰减非周期分量对富氏算法的影响,并在此基础上提出了一种新的滤波算法,算法适用于输入信号中除包含直流分量、整数次谐波分量外,还包含衰减非周期分量的情况,该算法能弥补任意衰减时间常数的衰减非周期分量对全波富氏算法的影响,从而求得精确的基波分量和谐波分量。用电磁暂态仿真程序ＥＭＴＰ进行了大量仿真实验,验证了此算法的优良性能。     

基于混沌免疫混合算法的多目标无功优化

针对目前评价多目标函数解的不足，提出了将多目标函数各个解映射成多维空间中不同的点，利用这些点与理想点之间的欧氏距离来衡量各个解的优劣；同时针对无功优化、混沌优化算法和免疫算法的特点，提出了在采用免疫算法进行无功优化的记忆抗体群中，运用混沌优化方法和免疫算法的交叉和变异等操作对无功优化的连续变量和离散变量进行交替优化求解，并将它们运用于以降低有功损耗，提高电压稳定裕度及减小电压偏移为目标的无功优化中；通过 IEEE-30和IEEE-118节点算例系统验证了混合算法及最优解评价方法的正确性和可行性。