基于改进的PSO算法的电力系统无功优化研究

电力系统无功优化是保证电力系统安全、经济运行的重要措施,粒子群优化算法（PSO）具有模型简单、收敛速度快、参数简洁等优点,但用于求解高维复杂优化问题时易陷入局部最优,针对此缺陷,在PSO算法的基础上提出了自适应随机变异粒子群优化算法（AMPSO）,将该算法用于求解电力系统无功优化问题,并以IEEE30标准节点系统为算例进行验证。结果表明,与PSO算法相比,AMPSO算法有效降低了系统网损,显现出良好的全局收敛特性。     

基于自适应微粒群算法的电力系统无功优化

针对当前电力系统进行无功优化采用传统的优化方法,存在诸多不足的问题,提出了一种自适应微粒群优化(APSO)算法,用以解决无功优化时控制变量一般为离散变量和标准微粒群优化(PSO)算法中参数需经多次试验确定而影响实用性的问题。APSO算法采用自适应参数策略和边界约束条件,能够取得问题的全局优化解。通过建立基于APSO算法的无功优化模型,成功解决了变量的离散问题。在Visual Studio 2008环境下,采用C#语言编写,应用在IEEE 30节点系统的无功优化程序计算结果表明,APSO算法较标准PSO算法有效地提高了收敛精度及稳定性,具有较好的自适应性和有效性,而且全局寻优能力更强。     

电力系统无功优化研究综述

介绍了考虑多目标函数时无功优化模型的建立与解决方法,在总结了传统优化算法的基础上着重介绍了已经改进的智能优化算法和混合的智能优化算法在无功优化上的应用,简单介绍了动态无功优化的几种优化算法,并对今后无功优化的研究方向做出了展望。     

考虑暂态电压稳定性的电力系统多目标无功备用优化

鉴于目前电力系统无功备用优化方法较少涉及暂态电压稳定性,提出一种同时提高电力系统静态/暂态电压稳定性的无功备用优化模型,该模型首先基于数据密度提出一种无功电压控制分区方法,分别在静态/暂态电压的薄弱区域内定义静态/暂态无功备用,然后结合所建立的两个目标建立多目标无功备用优化模型,最后提出一种基于多阶段的多目标优化求解方法。通过求解所建模型,获得能够同时提升系统静态/暂态电压稳定性的无功备用配置方案。对IEEE 39节点系统的仿真分析证明了所提方法的有效性。     

基于DNA算法的电力系统无功优化

针对DNA算法具有遍历性、随机性和规律性的特点,介绍了DNA算法的机理和应用,并讨论了DNA计算在解决电力系统无功优化问题中的应用.通过对IEEE30节点的仿真计算,证明了该算法的可行性和有效性.     

基于改进粒子群算法电力系统多目标无功优化

在传统的电力系统无功优化问题的基础上,建立了同时兼顾电力系统有功网损最小和电压偏移最小的多目标无功优化模型,并且针对多目标优化问题,提出了一种改进的多目标粒子群算法,该算法利用计算非支配排序和拥挤距离方式更新粒子的个体最优值和全局最优值并保留每一次迭代后的一部分精英解集,最终结果在精英集合中找寻所需的Pareto前端;引入变异算子和动态权重算子,增强了寻优能力,降低了结果早熟和陷入局部最小值的可能,最后将该算法应用于IEEE 14节点系统进行测试,结果表明该算法不仅实现了系统经济运行同时也提高了电网的电压稳定,并且为用户提供了多样化的解集,方便用户根据实际情况灵活选择.     

基于小生境遗传算法的电力系统无功优化分析

针对遗传算法(SGA)在电力系统无功优化中存在早熟收敛和后期收敛速度慢的弱点,提出了基于小生境遗传算法的无功补偿优化方法,可在短时间内以极大概率值寻找全网最优补偿配置实现最优补偿.通过对含有14个节点的IEEE 14系统进行模拟分析,结果验证了该算法的有效性,显著提高了无功优化的收敛速度.     

考虑旋转备用约束的含风电场电力系统优化调度模型

文章建立电场电力系统优化调度模型,该模型考虑了风电功率预测误差的情况下,系统旋转备用容量满足负荷及风电波动的需求。模型中涉及火电机组、风电场的发电成本以及火电机组环境污染惩罚费用,并提出基于时变加速度的随机黑洞粒子群算法对模型进行求解,时变加速度增强了算法早期全局搜索能力,并保证迭代后期收敛到全局最优,同时黑洞原理避免了算法收敛早熟,陷入局部最优解。最后对含一个风电场的10机系统算例建模仿真,从而验证模型以及算法的合理性和有效性。     

遗传算法在电力系统无功优化中的应用综述

遗传算法是近10年来发展的基于自然选择规律的一种优化方法,算法能成功的解决无功变量中的离散问题,避免常规数学优化方法的局部最优现象。本文阐述了简单遗传算法以及遗传算法与其它算法相结合的算法在电力系统无功优化中的应用和今后的发展方向。     

基于RTDS的电力系统在线无功电压优化控制评估

地区电网自动电压控制(AVC)系统已在国内外电力系统中广泛应用,但其效果与水平参差不齐,而且目前还没有某种平台对其进行定量地评估。提出利用RTDS(Real Time Digital Simulator)实时仿真系统与无功优化程序相结合的方法,模拟实际的AVC工作方式,实现对无功电压的闭环控制,从而获得对实际电网的最优无功控制方案,其结果可与实际AVC系统的控制结果互相参照,对实际AVC系统的动作策略做出对比评价和改进。仿真测试显示,基于RTDS的电力系统在线无功电压控制仿真效果良好,可为实际AVC系统控制提供良好的对比评价方案和改进意见。     

基于混沌量子免疫算法的电力系统无功优化

针对电力系统无功优化问题的离散性和多约束非线性特点,提出一种混沌量子免疫算法的电力系统无功优化方法。该算法利用量子比特和由bgistic映射产生的混沌变量来初始化寻优量子抗体,从而保证了算法的遍历寻优和搜索高效性。通过量子旋转门来实施抗体的克隆扩增和变异,利用线性变换将量子抗体由单位空间映射到寻优问题的解空间。IEEE30节点仿真验证混沌量子免疫算法用于电力系统无功优化的可行性和有效性。     

无功优化算法综述

简要介绍了无功优化的重要性,给出了无功优化问题的数学模型,介绍了解决无功优化问题的2类方法:常规优化方法、现代人工智能算法及新型方法;并指出对这些算法各自的优缺点及适用范围。     

核电参与电力系统调度运行方式分析

随着我国核电接入容量的扩大,研究合理的核电参与电力系统调度运行的方式具有重要意义。介绍了两种典型的核电运行方式,针对不同运行方式分别构建了相应的优化调度模型,提出了基于系统安全、环境、经济成本角度的评价指标,利用改进的帝国竞争算法对模型进行求解,根据解得的调度结果,对比核电两种运行方式对电力系统及核电机组本身的影响。仿真结果表明,核电可以在一定程度上参与系统调峰,会导致其节约能源的绝对量减少,并增加其运行成本,但对系统调峰安全、常规机组的煤耗率影响较小,并且具有更高的碳收益。     

改进遗传算法在电力系统无功优化中的应用

电力系统的无功优化控制,不仅能有效地降低系统的有功功率损耗,而且还可以改善电网的电压质量,对系统的安全稳定、经济运行具有非常重要意义。无功优化问题是一个含有连续变量和离散变量的混合优化问题,求解过程相当复杂,电力系统无功优化问题属于最优潮流问题的一个组成部分。探讨了求解无功优化的现代人工智能算法,总结分析了遗传算法的特点及使用情况。为提高解的质量与计算效率,对遗传算法做了改进,并将其应用于电力系统无功优化中。     

带随机排序的进化策略法在电力系统无功优化中的应用

电力系统无功优化是带有多约束的非线性组合优化问题,进化策略算法在解决这类问题时显示出独特的优势。惩罚函数法是进化算法求解约束问题最常用的方法,但其罚系数难以合理确定。文中将带随机排序策略的进化算法应用到无功优化问题中,有效地避免了罚函数法处理约束问题时罚系数难以确定的缺点,并在编码方法、进化终止判据方面做了改进,有效地提高了算法的求解效率。算例证明了改进算法的有效性。     

基于运行风险的配电系统动态无功优化控制研究

根据负荷变化,通过动态优化调节有载调压变压器分接头和并联电容器组,是保证配电系统电压质量、降低运行网损的一个重要手段。采用Gram-Charlier级数展开理论的半不变量法求解电压越限概率,建立了电压越限风险评估模型,并将运行中的有功损耗转化为由其导致的严重性后果的风险评估模型,在此基础上建立了一种基于运行风险的动态无功优化控制模型。优化过程文中采用了保证控制设备动作次数约束的预优化及实时控制时刻优化的2段式流程,既保证了动作次数的要求,又保证了结果的准确性和快速性。     

直流孤岛及弱联系方式下动态无功备用优化

针对直流孤岛及弱联系方式下系统经历大扰动后所面临的稳态电压波动问题,提出一种基于灵敏度的应对稳态电压波动的动态无功备用优化方法,该方法首先根据潮流方程获得节点电压和发电机的无功变化量及计及直流无功变化的电压变化量,然后基于推导得到的灵敏度矩阵,建立无功备用优化模型,以无功备用最大为目标,若干运行条件为约束,求解直流孤岛及弱联系方式下的动态无功备用方案。算例分析结果表明,所提方法可有效提高系统的总无功备用,减少直流孤岛运行模式下节点电压的波动范围,保障系统安全运行。     

考虑多源负荷不确定性的电力系统安稳风险优化

针对多源负荷的波动性和不确定性影响电力系统安稳运行,导致系统运行可靠性降低等问题,文章提出了一种考虑多源负荷不确定性的电力系统安稳风险优化方法;建立了考虑多源负荷不确定性的电力系统元件停运概率模型;提出了考虑多源负荷不确定性的电力系统安稳风险评估方法、安稳风险评估指标及其评估流程,对多源负荷波动下的电力系统安稳风险进行了评估。以系统运行过程安稳风险最低、负荷削减总量最小和系统经济损失后果最小为目标,建立电力系统安全稳定风险优化模型,对电力系统安稳风险进行优化。文章以IEEE-39节点算例进行仿真,验证了所建立模型的有效性。     

基于改进粒子群算法的多目标无功优化

提出了一种基于粒子群算法的多目标优化方法,该算法采用Pareto支配关系来更新粒子的个体最优和全局最优值,用存储池保存搜索过程中发现的非支配解;采用聚类算法裁剪非支配解,以保持解的分散性;采用动态惯性权重来平衡粒子的局部和全局搜索能力,并将该算法应用于IEEE14节点系统的多目标无功优化。     

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,本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IEEE 6、IEEE 30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。