基于ε -支配域的模糊多目标无功优化方法

基于模糊评价函数建立多目标无功优化模型,采用自适应ε -多目标进化优化算法获取Pareto-近似最优解集,应用后评价模糊控制器实现最优控制策略的选取。该方法相比当前后评价多目标优化方法,寻优时间缩短,优化结果针对性强,能实现自动控制。在IEEE 14,IEEE 30,IEEE 118系统上的计算表明,相比其他几种典型后评价多目标优化方法,该方法在保证寻优质量的同时,提高了寻优效率。     

基于多Agent技术的分布式电压无功优化控制系统

全网电压无功控制是一个复杂的、分布式的优化控制问题,为了更好地解决这个问题,文章提出了基于多Agent技术的分布式电压无功优化控制系统,该系统符合电压无功控制装置分散配置的特点,Agent之间相互协调,根据辅助问题原理进行全网并行无功优化计算,数据通信量少,收敛速度快.Agent根据优化计算结果自动调整电压无功模糊判据的控制范围,进行电压无功实时控制,自学习能力强.该系统功能强大,具有较高的适应性、灵活性、智能性和可扩展性.     

考虑负荷变化影响的综合无功优化并行计算模型

实际综合无功优化中,保证系统尽量远离可能的崩溃点十分重要。提出基于ε-支配域并行算法的综合无功优化模型,通过负荷裕度指标对系统电压稳定性进行评估,利用基于ε-支配域的并行计算方法,解决了单独依靠状态指标难以准确估计系统崩溃点和裕度指标应用到多目标无功优化中导致的速度瓶颈问题,实现了系统电压稳定水平的实时、全面的评估,为运行人员提供了更全面的系统信息。通过IEEE14、IEEE30和IEEE118节点系统验证了所提模型和算法的正确性和有效性。     

考虑负荷变化影响的综合无功优化并行计算模型

实际综合无功优化中,保证系统尽量远离可能的崩溃点十分重要.提出基于ε-支配域并行算法的综合无功优化模型,通过负荷裕度指标对系统电压稳定性进行评估,利用基于ε-支配域的并行计算方法,解决了单独依靠状态指标难以准确估计系统崩溃点和裕度指标应用到多目标无功优化中导致的速度瓶颈问题,实现了系统电压稳定水平的实时、全面的评估,为运行人员提供了更全面的系统信息.通过IEEE14、IEEE30和IEEE118节点系统验证了所提模型和算法的正确性和有效性.     

基于混沌粒子群算法的多目标无功优化研究

针对传统无功优化的不足,建立了以电网有功损耗最小、节点电压偏移最小、静态电压稳定性最好和无功成本最小的多目标无功优化模型.为了将这4个目标同时进行优化,提出了基于Pareto解的混沌粒子群算法多目标无功优化方法,求出该多目标优化问题的Pareto最优解集,供决策者根据实际情况进行科学决策选择.为证明提出方法的有效性,对IEEE30节点系统进行了多目标无功优化分析,结果表明本文提出的方法能够得到良好的无功优化结果.     

基于数据挖掘技术的变电站无功蚁群优化算法

针对变电站在集中控制模式下的无功补偿与电压控制的问题,充分利用变电站运行过程中的大量数据,将数据挖掘技术应用于变电站电压无功自动调节系统,提出了基于关联规则的系统蚁群无功优化方法.将改进Apriori算法应用于无功优化方案的确定,并对蚁群优化算法进行改进,建立了基于实际数据挖掘结果的无功全局优化总体数学模型.以上海220 kV万航变电站为例,以其日常运行的历史数据为基础,运用本文算法得到在各种典型工况下的最优方案,以指导实际运行.实验结果表明,基于数据挖掘的系统无功优化目标值方法可以提高系统运行效率,降低损耗,对系统电压稳定,经济运行意义重大.     

基于数据挖掘技术的变电站无功蚁群优化算法

针对变电站在集中控制模式下的无功补偿与电压控制的问题,充分利用变电站运行过程中的大量数据,将数据挖掘技术应用于变电站电压无功自动调节系统,提出了基于关联规则的系统蚁群无功优化方法。将改进Apriori算法应用于无功优化方案的确定,并对蚁群优化算法进行改进,建立了基于实际数据挖掘结果的无功全局优化总体数学模型。以上海220 kV万航变电站为例,以其日常运行的历史数据为基础,运用本文算法得到在各种典型工况下的最优方案,以指导实际运行。实验结果表明,基于数据挖掘的系统无功优化目标值方法可以提高系统运行效率,降低     

多目标无功优化的向量评价自适应免疫粒子群算法

为了克服粒子群算法在高维复杂问题寻优时容易陷入局部搜索的现象,提出了一种自适应免疫粒子群算法。该算法利用引入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,从整体上达到系统的最佳控制方案。并将基于目标向量的个体评价方法与自适应免疫粒子群算法相结合,提出了基于向量评价的自适应免疫粒子群算法(vector evaluated adaptive immune particle swarm optimization,VEAIPSO)来解决多目标无功优化问题。通过引入静态电压稳定指标,建立了以系统有功损耗最小、节点电压偏移量最小及静态电压稳定裕度最大为目标的多目标无功优化模型。IEEE30和IEEE118节点系统算例仿真结果表明,该算法能有效地解决多目标无功优化问题,并具有良好的收敛稳定性和较高的寻优精度。     

基于人工蜂群算法的配电网无功优化

针对配电网电压质量较低的问题,建立了完整的无功优化模型。首先提出了一种新的无功补偿候选点的方法,即先基于网损最小选择无功补偿点,在此基础上再用动态优化选择无功补偿点;然后建立以网损最小、并联电容器容量最小、电压水平最好、两类电压稳定裕度最大的无功优化目标函数,用模糊方法将含有量纲的多目标问题转化为没有量纲的单目标问题;接着用人工蜂群(ABC)算法确定无功补偿点和容量。最后对IEEE-33节点配电网系统进行了测试分析,并与其它两种优化算法相比较,结果表明使用该优化算法,配电网无功配置方案较优,线路损耗明显降低,电压质量和电压稳定裕度明显提高。     

计及风电与负荷不确定性的电力系统无功随机优化调度

随着风电渗透率的不断增大,风电的不确定性给电力系统安全稳定运行带来了严重影响。含风电电力系统无功优化调度为非线性混合整数规划问题,在满足多个约束的同时,确定了电力系统无功控制参数的最优值,以优化特定的目标函数。建立了计及风电与负荷不确定性的电力系统多目标无功随机优化调度模型,设置了两个目标函数：有功功率损耗最小化、电压稳定指标最小化。采用ε约束优化方法求解多目标优化模型,利用模糊满意度方法选择最优折衷解。设计了两种不同案例在IEEE-57节点系统上进行仿真。仿真结果表明所提模型及方法可有效解决含风电电力系统无功优化调度问题,显著降低有功损耗,提高系统电压稳定性。     

考虑过渡过程的多目标无功/电压优化控制模型

基于时间断面的无功/电压优化控制模型忽略了控制设备动作时间及2次优化控制期间的系统变化,因此不能准确反映优化控制效果。提出考虑过渡过程影响的多目标无功/电压优化控制模型,通过对过渡过程的智能分段和负荷变化方向的动态评估,并应用智能ε-支配域并行算法,能更精确地对电网有功损耗、控制设备动作引起的电压波动以及由于负荷变化所导致的的系统电压稳定负荷裕度变化量进行优化控制。通过IEEE30节点模型和一实际系统模型的仿真,验证了所提模型较传统无功/电压优化控制模型具有更好的优化控制能力。     

无功优化遗传算法中的潮流算法改进研究

分析了潮流计算的数学模型 ,介绍了快速解耦法求解潮流 ,提出了一些改进措施 ,借以避免每次潮流计算都要反复形成第一因子表的缺点 ,采取收敛精度可变的手段 ,可使无功优化计算时间下降 65 %左右     

基于免疫PSO的新能源配电网无功多目标模糊优化

考虑分布式能源的间歇性和随机性对配电网电压的影响,用模糊数表征分布式电源出力不确定性和负荷功率的波动性,构建配电网多目标模糊无功优化模型,提出分布式电源和无功补偿装置输出无功功率的协同优化方法。以有功网损最小和电压偏差最小为目标函数,并将目标函数和约束条件模糊化,根据其隶属度函数形成模糊适应度函数,再将两目标通过最大满意度法转化为单目标,最后利用免疫粒子群算法进行求解,从而确定在负荷功率模糊波动下具有不同模糊出力水平的分布式电源和具有不同运行方式的无功补偿装置输出无功功率的最优值。以IEEE33配电网系统为算例,验证了所提出的模型和算法的可行性和有效性。     

模糊集理论在电力系统最优潮流中的应用综述

由于描述不确定性以及不同量纲,相互冲突的多目标问题的处理正是模糊集理论的优势所在,所以模糊集理论在求妥电力系统优化问题中得到了广泛的应用,文章对模糊集理论应用于求解电力系统最优潮流问题的研究现状进行了综述,并对其发展趋势进行了预测。     

电力系统无功优化模型及算法研究

综述了无功优化问题经典模型以及在电力市场模式下考虑负荷变化影响、分布式电源接入等当前较热的无功优化模型.阐述了常规优化算法、智能优化算法及其改进算法以及上述算法的混杂算法在电力系统无功优化中的应用情况及存在问题,分析了各种算法的优缺点.最后指出了无功优化当前存在的问题,并指出随着智能电网的发展,提出相应的无功优化模型、...     

基于模糊隶属度及区间算术的电网电压优化新算法

传统无功优化由于寻优策略复杂、计算机时较长,目前尚较难应用于电网实时优化控制。基于最优电压模糊隶属度及区间潮流算法,提出了一种简单快速的寻优新思路。先由电网能提供的控制变量区间求解对应的电压区间,与电网安全约束电压区间求交后便得到既可行又能满足安全约束的电压区间。在此区间中找出隶属度最大的电压值,以此电压值为已知量求解反潮流,所得的控制变量解便为要求的最优控制变量组合。该方法与传统的智能算法比较,结果说明该方法的确优化速度快,适合作为省级电网的AVC系统电压优化的快速寻优方法。     

一种改进的PSO算法在系统无功优化中的应用研究

为了确定系统中无功的合理配置,针对传统粒子群算法的不足,提出一种改进的小生境粒子群优化算法:借助于问题的局部极值点信息,对原目标函数进行"拉伸"变换,达到优化计算、缩小目标函数极值范围和降低搜索难度的目的。IEEE-6节点标准系统仿真结果表明,所提算法不仅收敛速度更快,且具备更强的全局搜索能力。     

基于禁忌搜索粒子群优化算法的无功优化

针对粒子群算法局部搜索能力较弱和存在早熟收敛的问题,提出将粒子群优化算法结合禁忌搜索的混合算法,并应用它来求解电力系统无功优化问题。该混合算法是以粒子群优化算法为主框架,以禁忌搜索算法作为个体群继续在邻域中寻优,寻优结果对粒子群算法的输出做了更新。混合算法保留了粒子群优化算法的并行处理性,同时利用了禁忌搜索算法的较强的"爬山"能力,加快了混合优化算法的收敛时间和提高了收敛解的有效性。     

改进粒子群算法在无功优化中的应用

建立了无功优化的数学模型,针对粒子群算法易陷入局部最优解、收敛精度差的缺点,将改进粒子群优化算法应用到电力系统无功优化中。对粒子群的速度公式进行了改进,并在算法中引入反正切惯性权重和阈值来增强搜索全局最优解的能力。通过对IEEE30节点的算例仿真,证明改进后的粒子群算法在电力系统无功优化问题上具有一定的可行性。与PSO的结果对比表明该算法在一定程度上提高了计算的精度。     

分布式电源并网动态无功优化调度的研究

根据分布式电源并网的控制特性,将分布式电源设计为电压控制型和无功补偿型,考虑其与地区电网的电压无功控制手段相结合,参与地区电网动态无功优化调度。建立以降低地区电网网损、抑制电压波动为综合目标的地区电网模糊动态无功优化调度模型。在该模型中,通过构造模糊评价函数,将目标函数转化为对优化结果的满意度,并利用自适应权重法将综合目标进行归一化处理。最后采用改进遗传算法有效求解含分布式电源的地区电网动态无功优化调度策略。算例表明,提出的模型和方法是合理的,具有一定参考价值。