配电网无功优化的分时段控制策略

为改善电压、降低损耗、简化控制，根据负荷水平及其变化趋势，对已装有补偿电容和在变电站装有有载调压变压器的配电网，提出了分时段优化控制的策略，开发了次日运行中电容器投切和调压变压器变比调节的模型和算法。应用改进的退火选择遗传算法，该算法对于每一负荷时段可得出该段的最优运行方式；计算一天所有负荷段即得出次日电容器投切和调压变压器变化调节的运行表。该模型易于满足电容器投切和变压器调节次数的限制。文中还分析了有载调压变压器调节电网电压水平的作用和变压器铁耗的影响。算例结果表明该算法不但能有效地降低电能损耗，而且控制简单。     

基于Fisher最优分割法的配电网多时间尺度无功优化

分布式电源在配电网中的渗透率不断提升,而源荷的预测精度与时间尺度成反比,源荷的波动已成为制约配电网安全经济运行的重要因素。鉴于此,提出日前与日内相结合的多时间尺度无功优化方法,利用Fisher最优分割法对离散无功补偿设备进行动作时段划分,在日内对日前连续无功补偿设备的无功出力进行实时校正以应对源荷的波动性。通过IEEE 33节点系统验证了所提优化策略的有效性。     

城网无功补偿规划的优化方法

通过对网络最优无功潮流计算方法和无功补偿容量最优配置规划方法的阐述和分析，建立正确的数学模型，运用线性规划方法任意选定电网的初始运行点，在初始运行点处对目标函数及运行约束方程进行线性化，而后运用线性规划求出控制电量的解。再经过潮流计算求出对应于“解”的电网所有运行点参数，在此运行点处对目标函数及运行约束方程进行线性化，重新用线性规划求解。这样经重复进行计算，逐步逼近非线性规划的解，最终得到城网无功补偿规划的优化方法。     

基于短期负荷预测的无功优化控制的研究

在短期负荷预测的基础上,利用遗传算法求解整个电网的无功优化问题,得到的优化结果为各个变电站VQC的合理限值。该方法将全局优化、集中控制与分散控制的优点结合起来,克服了各变电站无功、电压就地最优控制的弊端,提高了系统电压的合格率,降低了系统的总线损,节电效益显著。     

基于模型预测控制的配电网无功优化控制策略

为了解决配电网中普遍存在的变压器过负荷以及用户电压偏低的问题,提出了一种基于模型预测控制(model predictive control,MPC)的配网无功优化控制策略。在分析配电网潮流特点的基础上,充分利用配变的过负荷能力来传输更多的有功,而无功则在低压电网中进行优化补偿。基于模型预测控制理论,采用季节时间序列的方法动态预测未来一天内的负荷大小,并考虑配变最大可用传输无功和无功补偿装置最大投切次数的约束,在通用数学模型系统(general algebraic modeling system,GAMS)上建立了以网损最小为目标函数的无功优化数学模型,依次给出无功补偿装置的动作情况。在IEEE14节点配网系统上的试验结果,验证了所提出的无功优化控制策略的有效性。     

应用于智能电网故障检测的关联规则挖掘算法优化

针对于目前故障检测方法在智能电网应用中存在较大误差的问题,介绍了一种基于贝叶斯网络和关联规则数据挖掘的算法模型,通过Hash技术优化Apriori算法,对原数据挖掘,去除不期望的候选项集,并通过贝叶斯网络训练样本,减少检测误差,最终得到电网故障检测结果。仿真结果表明,这种基于贝叶斯网络和关联规则挖掘算法的故障检测模型,比传统算法在电网故障检测方面更有效率,且检测误差大幅降低。     

基于智能优化方法的相似日短期负荷预测

针对传统相似日法中各因素相似度及其权重需要人工赋值的不足,在充分考虑日期类型、日期距离、气象因素等几种主要常规影响因子的前提下,建立了一种基于智能优化方法的相似日模型对日用电量进行短期预测.相似度计算公式中全部原本需要人工赋值的参数均由历史数据基于果蝇优化算法训练得出.参数值可以根据特定用户的负荷变化特性动态调整,增强...     

基于短期负荷预测的无功/电压控制策略研究

针对静态无功优化系统仅采集、计算当前数据断面的缺陷,引入相似日负荷预测方法,对短期和超短期负荷进行预测,并进行负荷曲线合理分段,为下一个调度周期各个时段的电压无功控制提供决策依据,避免了由于负荷波动造成的各变电所电容的投切和有载主变分接头调节振荡或者不必要操作,延长设备的运行寿命.通过对某地区实际系统的应用表明,合理利用系统负荷历史数据,在线数据和预测数据,不但能满足电网电压无功优化运行的要求,而且有效减少设备的动作次数.     

短期负荷预测的无功优化控制的研究

在短期负荷预测的基础上,利用遗传算法求解整个电网的无功优化问题,得到的优化结果为各个变电站VQC的合理限值。该方法将全局优化、集中控制与分散控制的优点结合起来,克服了各变电站无功、电压就地最优控制的弊端,提高了系统电压的合格率、降低了系统的总线损,节电效益显著。     

基于多目标混沌粒子群算法的矿区电网无功优化

为了提高矿区电网电能质量,降低电网线路有功网损,在无功优化基本数学模型的基础上,综合系统电压的静态稳定性,建立了多目标无功优化数学模型。针对粒子群优化算法在进化中易出现早熟收敛等问题,引入混沌粒子群优化算法。以IEEE30节点系统为算例,验证了多目标混沌粒子群算法的可行性。将该算法应用于矿区电网无功优化中,仿真结果进一步验证了该算法的有效性。     

电力系统时变无功优化算法

根据电力系统实际运行中负荷不断变化的情况,提出了一种新的电力系统时变无功优化算法。从负荷曲线的特点出发,结合设备的动作次数的约束,提出利用遗传算法进行智能化负荷分段的方法;利用免疫系统的免疫信息处理机制和自动调整动量系数的自适应因子的粒子群算法,从整体上获得系统的最优控制方式。IEEE-30算例分析表明,该方法有效减少了补偿设备和变压器分接头的动作次数,明显降低了系统在一天内的网损。     

基于DW分离模糊负荷模型的无功功率优化

提出了一种大区域电网无功功率/电压最优化控制的数学模型,其目的是研究在当前时段内各负荷值的情况下使功率损耗最小.该模型运用模糊集理论,结合DW分离法,成功地解决了多目标优化中描述不确定性以及处理不同量纲相互矛盾的问题,另一方面降低了问题计算的复杂度.算例表明,该模型具有较强的适应性和通用性,在全局收敛性、算法复杂度及运算效率等方面显示了一定的优势,为系统在各负荷值条件下的性状提供了总的解答.     

辐射型配电网无功优化改进精确矩法

针对无功精确矩法在配电网无功补偿优化中存在的补偿点集中、补偿范围重叠等问题,研究了一种改进精确矩法。根据多次的潮流结果选择补偿点并确定其补偿容量,改变了原来仅利用一次潮流计算结果进行优化的不足,并探讨"虚根节点"的概念,利用修正的无功精确矩定义确定无功补偿地点和补偿容量。算例结果表明,采用改进的无功精确矩法进行配电网无功优化,不仅克服了原来补偿点集中、补偿范围重叠的问题,而且具有很强的实用性和有效性。     

基于BSSSO算法的无功补偿容量优化方法

无功补偿容量的目标是将有功功率损耗降至最低且兼顾电压平衡。首先,针对无功补偿容量优化实际,建立考虑有功功率损耗、电压偏差、电压稳定性的多目标无功补偿容量优化模型;然后,提出基于鸟群算法（bird swarm algorithm,BSA）与混合牧羊人优化算法（shuffled shepherd optimization algorithm,SSOA）的鸟群牧羊混合优化（bird swarm shuffled shepherd optimization, BSSSO）算法,以优化无功补偿容量;最后,通过仿真算例验证了所提方法,结果表明所提方法性能优越,可以兼顾各指标平衡。     

基于动态规划的电网无功补偿综合优化法

针对传统无功补偿优化方法的局限性 ,采用动态规划对电网无功补偿进行优化 ,能够同时实现无功补偿容量和位置的综合优化 .重点介绍了动态规划方法的基本思想、数学模型和计算方法 ,通过实例计算和分析 ,证明其具有明显的优越性和实用性     

基于多种群遗传算法的电网无功功率优化

利用新型优化理论-遗传算法进行电网无功功率优化,分析了简单遗传算法各个进化参数对无功优化性能的影响,并对简单遗传算法的生殖操作做了改进,引入多个种群同时进行优化搜索,大大降低遗传控制参数的不当设定对优化结果的影响.通过算例表明多种群遗传算法对抑制未成熟收敛的发生有明显的效果,并且经过同IEEE14节点配电网的算例结果比较,证明了该方法在电网无功优化中的有效性.     

智能配电网无功优化应用研究

无功优化是降低网损、提高电压质量的重要措施,分析了分散调压和无功优化的差异,构建了一种智能配电网无功优化系统,将潮流计算与灵敏度分析相结合,形成无功优化最优控制策略,实现全网电压无功优化,同时,对无功补偿设备进行实时监控。     

考虑静态并联无功补偿的发电机无功储备优化方法

基于考虑有效性和方向性的发电机无功储备定义,提出了考虑静态并联无功补偿的最小发电机有效无功储备优化模型。采用Benders分解算法的思想,将原问题分解为正常运行方式下的主问题和预想非正常运行方式下的子问题,并设计了降低模型求解规模的子问题筛选算法,提高了Benders算法的求解效率。最后,由针对IEEE 39节点系统的算例分析验证了所提算法的有效性。     

基于混合粒子群优化算法的电力系统无功优化

应用粒子群优化算法(PSO)求解电力系统无功优化问题,提出基于混沌搜索的混合粒子群优化算法,以克服PSO容易早熟而陷入局部最优解的缺点。该算法引入了基于群体适应度方差的早熟判断机制,当算法陷入早熟时,利用混沌运动的遍历性、随机性和规律性等特性,先对当前粒子群体中的最优粒子进行混沌寻优,然后把混沌寻优的结果随机替换群体中的一个粒子,从而提高了PSO的寻优特性。通过对IEEE 14、IEEE 30、IEEE 118等标准测试系统进行无功优化,并与遗传算法、标准PSO进行比较,表明该算法具有更高的搜索效率和更好的全局优化能力。