基于改进遗传算法的电力系统多目标无功优化

针对遗传算法在求解多目标无功优化方面存在的缺陷,本文提出了基于蜜蜂双种群进化型云自适应遗传算法(double bee population evolutionary cloud adaptive genetic algorithm,BEPE-CAGA)。该算法根据蜜蜂双种群进化思想,引入了雄峰通过竞争参与交叉及雄峰与决定双峰群优秀遗传基因的蜂后交叉的策略,并结合正态云模型云滴的随机性和稳定倾向性特点对其进行改进,改善了算法陷入早熟的问题,提高了算法的收敛速度。建立了以有功网损最小、电压偏差最小及电压稳定裕度最大为目标的无功优化数学模型,并以BEPE-CAGA算法求解该模型。最后通过对IEEE14和IEEE30节点系统进行算例仿真,仿真结果验证了本文所提算法的有效性,同时也证明了该算法在收敛速度和优化效果上具有比基本GA算法和CAGA算法更佳的性能。     

基于ICA-EMD和Prony算法的区域电网低频振荡模式分析

针对互联电网低频振荡频现,已有低频振荡模式分析方法对噪声较为敏感和难以处理非线性、非平稳信号等问题,提出一种基于独立分量分析(ICA)与经验模态分解(EMD)有机结合的Prony关键振荡模式辨识法。通过对观测到的功角信号进行滤波预处理,并对其进行经验模态分解提取得到固有模态函数(IMF),将已得原始固有模态函数白化,接着用独立分量分析处理得到真正的IMF,用Prony算法辨识各IMF分量提取出观测信号中关键振荡模式。研究结果表明,该方法综合利用了ICA的去相关性和噪声抑制优势及EMD对复杂信号的分解能力,克服了Prony算法难以去除噪声和分解频率相近模式的缺陷,有利于提高辨识精度和准确性,更能满足实际应用需求。     

基于MCMC方法的二次系统风险评估研究

据统计,电力系统的大面积停电事故中,有70%以上都与二次系统有着直接或间接的关系,因此一个高可靠二次系统对建立坚强、健康的电网有着至关重要的作用。从二次系统的风险程度对电力系统可靠性的影响入手,应用MCMC方法进行研究,提出了系统的四个可靠性指标作为二次系统风险大小的衡量标准。MCMC方法继承了传统MC方法的优点,且有着收敛速度快、计算结果精确、指标稳定的特点,并实现动态模拟。通过IEEE-RTS 24节点的算例仿真,说明了MCMC方法的有效性和稳定性。最后以贵州地区某电网为算例,研究该地区四种典型运行方式下的可靠性指标,结果表明在冬大的运行方式下二次系统的风险程度更大,这对于建立更加可靠安全的电力系统来说有一定的参考价值。     

基于综合Copula函数的风电出力相关性建模

针对单一Copula函数模型在描述风电功率相关性中失真较大的缺陷,提出构造综合Copula函数模型刻画其相关结构的策略,并采用EM方法估计模型中相关参数的值。以某地区两相邻风电场的实际历史出力数据为基础,通过对比不同组合函数的拟合优度校验,筛选出最优的综合Copula函数,并将其运用于系统的概率潮流计算中,作出支路有功功率及节点电压这二者的概率密度曲线,通过与单一Copula函数所得曲线的对比,验证了其在风电场出力建模中的有效性及可行性。     

基于SIBCC算法的含风电场的配电网无功优化

针对传统的无功优化算法在求解含风电场的配电网无功优化问题时存在的局限性,充分考虑风电出力的随机性及间歇性,将风电机组作为连续的无功源参与电网的无功优化,针对1 d中不同时段的风速变化情〖JP2〗况,建立包含有功网损及电压偏差的综合无功优化模型,并提出一种基于子空间的细菌群趋药性算法（SIBCC）〖JP〗参与无功优化计算。最后以改进IEEE33节点系统为例进行仿真计算,验证了所提方法的有效性及实用性。