基于虚拟极值粒子群的电网无功优化研究

为解决电网无功优化中因控制变量种类多、维数高而导致优化结果精度低且容易陷入局部最优等问题,提出一种基于虚拟极值的粒子群算法对电网进行无功优化.该算法采用蒙特卡洛模拟技术对初始种群进行选择,保证取值的多样性;加入影响因子,根据控制变量的种类分区间制定不同的优化参数;引入虚拟全局极值,帮助粒子跳出局部最优.应用该算法对IEEE-14节点系统进行无功优化计算并与传统粒子群算法进行比较,结果表明虚拟极值粒子群算法在电网无功优化计算中具有较强的全局搜索能力和较高的收敛精度.     

基于粒子群算法的含风电场电网规划优化研究

风电的不确定性以及负荷的随机变化性增加了电网规划难度。为此,针对系统运行、可靠性等约束条件,把罚函数转换为无约束目标函数,建立基于粒子群算法的含风电场电源规划多控制变量问题优化模型,并提出和分析优化规划的详细步骤。最后,采用IEEE30标准节点系统进行仿真优化,仿真优化结果验证了该模型的有效性、可行性,效果显著。     

基于解空间分解的电力系统无功优化

为解决大型电力系统无功控制变量维数灾的问题,提出一种基于解空间分解的方法对电力系统进行无功优化。通过摄动分析选出无功优化中最活跃的控制变量,根据该控制变量分解解空间,最后在JADE(Java agent development)平台上对分解后的问题进行并行计算。应用该方法对IEEE30节点系统进行无功优化计算,结果表明基于解空间分解的办法在电网无功优化计算中具有较强的全局搜索能力和较高的收敛精度。