基于改进BCC算法的电力系统无功优化研究

针对传统BCC算法中的忽略原有运动惯性而导致过早收敛的问题,提出了改进的BCC算法,并对其应用于电力系统无功优化问题进行研究.引入惯性因子,使得该算法能在考虑邻域内种群优良信息的同时计及细菌本身运动惯性,在结合电力系统无功优化特征的基础上进行惯性权重因子的动态调节,从而取得问题的全局优化解.通过对IEEE30节点的标准算例测试,验证了改进BCC算法在提高电网无功优化的收敛速度和优化效果上有令人满意的性能.     

基于改进BCC算法的含分布式发电的配电网无功优化

介绍了含分布式发电的配电网无功优化问题,改进了细菌群体趋药性算法(BCC),引入微分进化算子和线性幂函数混合映射混沌模型,动态调整细菌移动速度和感知范围,提高了算法的寻优速度和全局搜索能力。算例结果表明采用改进的BCC算法优化后的配电网网损最低,迭代次数最少。     

基于细菌群体趋药性算法的电力系统无功优化

将细菌群体趋药性（BCC———bacterial colcony chemotaxis）优化方法应用在电力系统无功优化中,以网损最小为目标函数,建立了BCC无功优化数学模型。由发电机机端电压、变压器分接头和电容器组3部分控制变量构成初始矩阵,它们在算法中作为细菌位置坐标,表征细菌移动寻优时的空间位置。控制变量即细菌移动遵循在 n维空间中的移动寻优规律,每个细菌通过感知周围的信息不断向最优方向移动,从而提高了全局搜索能力。通过优化参数,加快了收敛速度。对IEEE 30,IEEE 57,IEEE 118测试系统进行了测试,与免疫记忆遗传算法和混沌粒子群算法相比较,结果令人满意。     

改进BCC算法在油田配电网无功优化补偿中的应用

油田配电网负荷多为异步电动机,从而导致大量的无功功率流动,各发、输、配电设施的额定容量不能充分利用,增加了网络损耗,降低了供电质量。首先以网损最小、补偿装置投资最低和电压合格率最高为目标函数,考虑经济性和安全性的约束条件,建立油田配电网的无功优化数学模型;提出基于改进的细菌群体趋药性算法的无功优化计算新方法;最后以中原油田宋海线为例,求解无功优化模型,并在变压器低压侧以电容器分组投切的分散补偿方式对线路进行无功补偿。通过算例分析,验证了提出的模型及算法能够有效地对油田配电网进行无功优化。     

基于细菌群体趋药性的电力系统无功优化

提出了一种基于细菌群体趋药性的电力系统无功优化算法。细菌群体趋药性引入了群体信息交互策略,使得单个细菌在利用自身信息随机移动的同时,通过种群的信息交互,有效地改善了个体移动时的随机性和盲目性,加强了细菌趋于最优的移动策略。建立了基于细菌群体趋药性的无功优化数学模型,并对标准IEEE-6和IEEE-30节点测试系统进行了无功优化计算,通过结果分析表明,细菌优化算法在解决电力系统无功优化问题上,具有很好的应用前景。     

基于改进细菌群体趋药性算法的无功优化

基于细菌群体趋药性（Bacterial Colony Chemotaxis,BCC）算法提出变速菌群趋药性（Gear Bacterial Colony Chemotaxis,GBCC）算法,将其应用于电力系统无功优化。GBCC算法引入带有权重系数的变速公式,使得GBCC算法前期能够较快地收敛于几个最优解的周围,后期能够在最优解周围进行细致搜索,克服了BCC算法易于收敛于局部最优解的缺点。建立基于GBCC算法的无功优化数学模型,给出GBCC算法的具体步骤。通过对IEEE30节点算例的测试,得到GBCC算法在无功优化问题上的收敛速度和优化效果。     

基于改进细菌群体趋药性算法的无功优化

基于细菌群体趋药性 (Baeterial Colony Chemotaxis,BCC) 算法提出变速菌群趋药性 (Gear Bacterial ColonyChemotaxis,GBCC) 算法,将其应用于电力系统无功优化.GBCC 算法引入带有权重系数的变速公式,使得 GBCC 算法前期能够较快地收敛于几个最优解的周围,后期能够在最优解周围进行细致搜索,克服了 BCC 算法易于收敛于局部最优解的缺点.建立基于 GBCC 算法的无功优化数学模型,给出 GBCC 算法的具体步骤.通过对 IEEE30 节点算例的测试,得到 GBCC 算法在无功优化问题上的收敛速度和优化效果.     

基于细菌群体趋药性算法的配电网无功补偿优化

配电网的无功补偿优化是改善配电网电能质量、提高电压稳定性和减少网损的重要方法.以配电网网损费用和动态无功补偿设备投资费用之和最小为目标函数,通过最大、一般和最小3种负荷方式模拟配电网的实际运行.应用细菌群体趋药性算法进行无功补偿点位置的选择,使用前推回代法潮流计算分别确定最大、一般和最小三种负荷方式下的无功补偿量,并通过动态无功补偿装置的固定部分和可投切部分来实现不同负荷方式下的无功补偿.对24节点辐射网络算例进行仿真计算,得到了良好的结果.     

改进细菌群体趋药性算法在无功优化中的应用

为了克服细菌群体趋药性BCC(bacterial colony chemotaxis)算法容易陷入局部最优的缺点,在自适应调整细菌移动速度和感知范围的基础上引入了混沌优化.先将部分重叠或者陷入局部极值点的菌群映射为混沌序列,使其可以重新更优质的遍历分布于空间;然后通过逆映射得到菌群新的适应度值,提高了算法的全局搜索能力,并成功将其应用到电力系统的无功优化中;对Rastrigin函数进行仿真以及IEEE33节点配电系统进行计算分析.结果表明改进的算法具有很好的全局搜索能力,能有效降低系统有功网损,该算法是可行的.     

基于改进PSO算法的电力系统无功优化研究

将粒子群优化算法(PSO)应用到电力系统无功优化问题的研究中,给出了具体的实施流程。为提高PSO的搜索能力,对PSO进行了改进,在算法中加入了第 3种极值指导粒子搜索方向,并引入了“飞回”策略。对IEEE-30节点系统的仿真计算结果表明了算法的有效性。     

基于粒子群-差异进化混合算法的电力系统无功优化

针对传统粒子群算法中收敛速度快但易于陷入局部最优等特点,将差异进化算法与粒子群算法相结合,提出了一种粒子群-差异进化混合算法。该算法在粒子寻优过程中除跟踪个体极值和全局极值外,还跟踪粒子差异进化产生的第三个值;同时,当粒子在某一维上的速度小于给定值时,将重新初始化该维度粒子速度。建立了无功优化数学模型,并将合算法应用到无功优化中。通过MATLAB编程对IEEE-30节点系统进行优化计算,并与遗传算法和粒子群算法比较,结果表明本文提出的算法应用于无功优化拥有较快的收敛速度和全局寻优能力,具有广阔的发展前景。     

基于蚁群系统的电力系统无功优化

无功优化是电力系统电压稳定与经济运行的核心问题之一,也是提高电力系统电压质量的重要措施.将蚁群系统应用在电力系统无功优化,给出优化模型.对IEEE 6节点系统进行仿真计算,将计算结果与传统优化结果进行比较,表明蚁群系统的有效性.     

基于改进蚁群算法的无功优化研究

建立了网损最小的数学模型,对蚁群算法的缺陷进行改进,包括对蚁群搜索到的路径进行排序,自适应调节路径上释放的信息素.同时又在信息素更新机制里引入微分进化算法的发散项,提高算法的收敛速度和全局寻优能力.通过IEEE-30节点的仿真计算,验证了改进蚁群算法在电力系统无功优化领域的可行性和有效性.     

多场景下含风电机组的配电网无功优化的研究

研究了多场景下含风电机组的配电网无功优化问题。利用概率统计的思想解决了风电机组有功输出的不确定性问题,根据转子侧最大电流限制条件确立了风电机组无功输出范围。结合传统的电容器无功补偿方法,将风电机组作为连续可调无功源参与到配电网的无功优化。建立了以系统网损最小和节点电压越限惩罚为目标的无功优化模型。算例表明不同场景下的风电机组参与配电网无功优化可有效地降低系统的网损,提高各节点电压,同时,增强配电系统受风速影响的适应性。     

基于改进遗传算法的电力系统无功优化

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,该文将遗传算法应用于电力系统无功优化,并对常规遗传算法的编码方式、遗传算子以及终止判据等方面进行了改进,使用该文提出的算法对IEEE6、IEEE30节点系统进行了无功优化计算,结果表明该改进遗传算法应用于无功优化是合理可行的。     

基于区间算术的含分布式电源电网无功优化方法

为了解决分布式电源出力不确定性以及负荷波动性所带来的影响,提出一种基于区间数的含分布式电源电网无功优化方法。介绍区间数和区间算术的概念并建立区间潮流模型;建立含分布式电源电网区间无功优化模型的目标函数和约束条件,并给出采用粒子群算法求解区间无功优化模型的步骤;最后通过Matlab对一个修改后的IEEE14节点系统进行区间无功优化仿真计算,并采用粒子群算法对单一潮流断面进行无功优化验证了所提算法的正确性。仿真结果表明,基于区间算术的无功优化方法能够在计及电网不确定性因素情况下,使得电网趋优运行。