考虑电压稳定的电力系统无功优化规划

建立了模糊多目标无功优化规划的数学模型。在目标函数中考虑了网损、无功补偿设备的投资、静态电压稳定裕度以及负荷节点电压的偏移。首先采用电压稳定灵敏度排序法找出电压稳定性最差的节点,作为候选无功补偿节点;然后采用遗传算法对数学模型进行求解,得到优化补偿节点及补偿节点的优化补偿容量。通过对IEEE30节点的计算结果表明:采用文中的优化规划方法能够达到很好的降损效果,提高了整个系统的电压稳定性。     

考虑电压稳定的电力系统无功优化规划

建立了模糊多目标无功优化规划的数学模型.在目标函数中考虑了网损、无功补偿设备的投资、静态电压稳定裕度以及负荷节点电压的偏移.首先采用电压稳定灵敏度排序法找出电压稳定性最差的节点,作为候选无功补偿节点;然后采用遗传算法对数学模型进行求解,得到优化补偿节点及补偿节点的优化补偿容量.通过对IEEE30节点的计算结果表明:采用文中的优化规划方法能够达到很好的降损效果,提高了整个系统的电压稳定性.     

多目标电网无功优化的量子遗传算法

在传统无功优化模型中引入静态电压稳定指标,建立了以网损最小、静态电压稳定裕度最大为目标的多目标无功优化模型。还介绍了量子遗传算法,它是一种基于量子计算概念的智能算法,用量子比特为基本信息位编码染色体,用基于量子概率门的量子变异实现个体进化,其收敛速度和全局寻优能力优于传统进化算法。将该算法用于电力系统无功优化并仿真计算了IEEE14、30节点系统,结果验证了模型和算法的有效性。     

基于改进遗传算法的配电网无功优化

在传统无功优化模型的基础上,引入静态电压稳定裕度指标,建立了综合考虑系统有功网损最小、无功补偿容量最小和系统静态电压稳定裕度最大的配电网无功优化模型。根据节点无功2次电阻矩的大小,确定了待补偿节点以及各节点补偿容量的上下限。在基本遗传算法的基础上,对遗传操作进行了改进,提出了1种改进遗传算法。实例计算表明,采用该方法对配电网进行无功优化不仅可以降低有功网损,还能提高系统静态电压稳定性。     

考虑电压稳定性的含分布式电源配电网多目标无功优化

建立考虑电压稳定性的含分布式电源配电网多目标无功优化模型,该模型兼顾有功网损、电压偏移指标和电压稳定指标3个目标函数。提出一种自适应多目标差分进化算法获取模型的Pareto最优解集,并采用灰色关联决策法提取出最优折中无功优化方案。以IEEE 33节点和IEEE69节点配电系统为算例进行仿真分析,结果验证了所提无功优化方法的有效性。     

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。     

基于粒子群无功优化的网损降低技术研究

在传统无功优化模型上,建立了以网损最小和电压稳定裕度最大为目标函数的多目标优化模型,通过对目标函数加权建立妥协模型,使多目标函数问题转化为单目标函数问题,并采用粒子群算法求解无功优化问题,通过对IEEE30节点系统的算例分析,表明了采用多目标无功优化模型和粒子群算法能够在保证各节点电压不越限的情况下,有效地降低系统网损...     

基于电压稳定裕度的无功优化规划

根据稳定裕度的目标值直接求得在合理电压水平下的最佳无功补偿配置方案,选择无功补偿设备投资和系统有功网损的综合费用作为目标函数,同时考虑满足电压水平和电压稳定性2个约束条件来探讨无功优化规划的问题.电压稳定性约束采用电压稳定裕度灵敏度分析,从而避免了优化计算过程中变量和等式、不等式约束的大幅增加;优化过程中应用连续潮流法求得电压临界点和稳定裕度灵敏度,确定无功补偿地点;应用内点法求解无功优化模型,确定无功补偿容量.系统数值仿真表明:该方法简洁、实用、有效.     

基于层次分析法的电网无功优化

在考虑系统网损、电压平均偏离、系统静态稳定裕度的基础上,从经济学的角度引入了在无功优化中调控成本概念。介绍了用跟踪中心轨迹内点法计算系统优化前后网损变化量、优化前后电压平均偏离变化量、系统静态稳定裕度变化量、调控成本四个指标,再用层次分析法进行决策,计算电容器、变压器、发电机是否值得动作。IEEE14节点算例表明,所提出的方法能有效地提高系统运行的经济性和安全性。     

计及电压稳定指标的含DG配电网无功优化

将分布式电源(DG)的无功调节能力与传统的电压调节手段相结合,研究了含DG的配电网无功优化问题。建立以降低系统网损、抑制电压波动和电压稳定指标为综合目标的配电网多目标无功优化模型。通过蒙特卡罗仿真对配电网系统进行无功补偿选址,采用模糊层次分析法确定各指标的权重系数,并基于量子混合蛙跳算法求解含DG的配电网无功优化问题。最后,通过IEEE 33节点系统进行仿真计算,结果表明在配电网接入DG的基础上进行无功优化能较大程度地改善系统电压水平和降低系统网损,并且证明了所提算法的可行性和有效性。     

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。     

提高系统无功备用容量的多目标无功补偿规划

系统的无功备用容量越大,其电压稳定裕度越大,为此提出了提高系统无功备用容量的多目标无功补偿规划。在系统无功备用容量定义基础上,推导出各负荷节点无功补偿对于提高系统无功备用容量的灵敏度和降低有功损耗的灵敏度,并将综合灵敏度大的负荷节点作为候选无功补偿点;提出了多目标优化的自适应免疫算法,以其提高系统无功备用容量的多目标无功补偿规划优化求解,且在IEEE-30节点系统中分析补偿前后系统电压稳定裕度。将补偿后的相关指标与普通的免疫算法所得指标比较的结果表明,所提方法正确可行。     

含高比例风光新能源电网的多目标无功优化算法

为适应新能源大量接入电网的趋势,基于不同时刻的风速、光照强度、温度等气象条件信息,评估出风光新能源的无功调节容量,搭建了含高比例风光新能源参与调控的电网多目标无功优化模型。为快速获得电网中变压器分接头档位调节、无功补偿设备投切、传统发电机组电压调节以及风光的无功输出等控制措施的帕累托最优解集,采用寻优性能高效的多目标樽海鞘群算法（multi-objective salp swarm algorithm, MSSA）进行无功优化求解。为更客观找出电网线损、电压偏差、静态电压稳定裕度等不同目标之间的折中解,采用改进的理想点法进行多目标最优解集决策。最后,利用扩展的IEEE标准9节点和39节点算例进行仿真分析,并引入传统多目标智能优化算法来进行比较验证。仿真结果表明：与其他2种传统多目标智能优化算法相比,所提算法获得的帕累托前沿分布更广、更均匀;利用改进理想点法进行决策之后,可有效降低电网的线损和电压偏差,同时提高了电网的静态电压稳定裕度。     

基于模糊聚类和学习自动机的多目标无功优化

电力系统无功补偿需确定无功补偿的选点及具体的补偿容量.基于模糊聚类的方法寻找系统薄弱节点,得到候选节点信息,动态聚模糊类过程中采用了 U/U0指标、Γ指标和电压偏移指标.综合考虑发电成本和无功投入成本最小、电压偏移最小和有功网损最小化,建立了候选无功补偿节点的多目标优化模型,并采用学习自动机法获得优化问题的最优权衡解.采用模糊聚类法和学习自动机法对 IEEE 57节点测试系统进行算例分析,分析结果表明了所提方法的有效性     

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。     

广东电网多目标无功补偿配置方法研究

如何根据电网的拓扑结构和实时负荷合理地确定柔性交流输电系统(flexible AC transmission systems,FACTS)装置的配置成为近年研究热点。为了能够在计算无功补偿的过程中考虑影响配置的多种因素,提出了多目标无功优化的计算方法。通过遗传算法,以有功功率损耗和投资这两个目标函数建立多目标数学寻优模型,并设定节点电压偏差评价函数为约束破坏函数。分析由前沿曲线得出的折中解可知:经过补偿后网络的有功功率损耗下降超过5%;而且采用遗传算法多目标进行无功配置后不仅能够有效地降低网络的有功功率损耗,还为决策者提供了多种配置选择,使得决策者可以根据实际需要选择恰当合适的补偿配置。在与经济压差法确定无功补偿容量的对比中,多目标优化方法虽然在降低有功功率损耗方面与经济压差法相差无几,但是设备投资则大为节省。     

考虑多种无功补偿装置协同优化的电压控制方法

为了应对电力系统扰动带来的稳态及暂态电压波动问题,以静止无功补偿器（static var compensator,SVC）、电容器组（capacitor bank,CB）、有载调压变压器（on load tap changing,OLTC）和同步调相机（synchronous compensator,SC）为综合性无功补偿装置,提出了一种考虑多种无功补偿装置协同优化的电压控制方法。建立多目标电压控制模型,引入多目标权重系数计算方法,并基于水循环算法（water cycle algorithm,WCA）进行模型求解。通过仿真算例验证了所提方法的有效性。     

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。