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.     

基于改进PSO算法的电力系统无功优化

粒子群优化PSO(Particle Swarm Optimization)算法是一种简便易行、收敛快速的演化计算方法,但该算法也存在收敛精度不高,易陷入局部极值的缺点。针对这些缺点,对原算法加以改进,引入了自适应的惯性系数和变异算子,提出了一种新的改进粒子群优化MPSO(Modified Particle Swarm Optimization)算法,并将其应用于电力系统无功优化,建立了相应的优化模型。对IEEE-14节点系统及某地区70节点实际电力系统进行了仿真计算,并与PSO算法作了比较,结果表明MPSO优化算法能有效地应用于电力系统无功优化．其全局收敛性能及收敛精度均较PSO算法有了一定程度的提高。     

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。     

基于改进粒子群优化算法的PID参数整定

粒子群优化算法PSO(Particle Swarm Optimization)是近年来出现的一种新型演化计算方法,其算法简单易懂,优化性能良好.该文提出改进的PSO算法结合Matlab强大的矩阵计算和系统仿真功能,对文中实例的PID参数进行了优化整定.仿真显示优化结果比遗传算法好,收敛性能比遗传算法高.     

基于改进粒子群算法的中压配电网无功优化

建立了以年费用最小为目标函数的无功优化数学模型,提出一种融合裂变和变异操作的分合群粒子群算法求解该模型,并结合对系统分区、合理设置补偿上限等方法减小搜索范围,实现了同时求解补偿点和补偿量。算法在标准粒子群优化(particle swarm optimization,PSO)算法的基础上通过分群和裂变,保持粒子的多样性,避免收敛早熟;通过合群和变异,加强算法的搜索精度,提高算法的收敛稳定性。用IEEE 33节点系统进行仿真计算,与标准PSO算法对比表明,改进PSO算法在计算精度、收敛稳定性等方面具有明显优势;与无功二次精确矩法对比表明,改进PSO算法具有自动调整补偿点个数的能力,补偿方案经济性更好,能有效解决中压配电网的无功优化问题。     

一种电力系统无功优化的新型混合优化算法

提出了一种适合于求解电力系统无功优化问题的新型混合优化算法,该算法结合基于邻域搜索的群搜索优化算法和改进灾变遗传算法.综合考虑两种算法的特点,将无功优化问题分步进行交替求解,第一步采用改进灾变遗传算法迭代两次更新解群体,第二步在此基础上采用基于邻域搜索的群搜索优化算法使群体中各解向当前最优解靠拢,交替进行,最终达到全局最优解.在IEEE118节点系统试验计算结果表明,与其他算法相比,该混合算法具有较好的全局收敛性且不容易陷入局部最优,在优化效果以及算法稳定度上都具有明显的优势.在某实际290节点电网计算结果表明,该混合算法能够适应实际电力系统无功优化问题的求解.     

基于MFOA算法的无功优化和控制研究

为降低电力系统有功损耗,在果蝇优化算法的基础上,提出一种基于修正的果蝇优化算法的无功优化和控制算法研究。为了避免FOA算法陷入局部最优问题,将修正因子β引入基本的FOA算法,提出一种修正型的果蝇优化算法。以IEEE 30节点系统为研究对象,与FOA、PSO和内点法相比较可知,MFOA算法在潮流计算结果和收敛速度上均取得了较好的效果,优于FOA、PSO和内点法。     

基于改进粒子群算法的含DG配电网无功优化

含分布式电源(DG)配电网的无功优化是一个复杂的非线性优化问题,文中采用改进的粒子群算法(PSO)对配电网进行无功优化计算,建立以系统网损和电压平均偏离最小为目标函数,节点电压和电容器投切容量为约束条件的优化模型。在PSO中引入位置方差防止PSO陷入局部最优解,根据种群中粒子的适应度值对粒子进行变异处理,在保证算法收敛速度的基础上,改善算法性能。以含分布式电源的IEEE14节点配电系统为例进行无功优化分析,结果表明DG能增强电网运行的稳定性,所提算法具有较好的优化性能。     

基于改进粒子群算法的配电网分布式电源规划

合理地对分布式电源进行选址和定容对于实现配电网网损最小是至关重要的.应用改进粒子群优化算法进行配电网分布式电源(DG)规划,并结合罚函数法将DG规划问题转化成无约束求极值问题,从而有效地提高了改进粒子群优化算法的全局收敛能力和计算精度.对69节点和33节点配电测试系统进行仿真计算,结果表明了论文采用的DG规划模型和改进粒子群优化算法的正确性和适用性.     

基于改进平衡优化器的电力系统最优潮流计算

针对原始平衡优化器(equilibrium optimizer,EO)难以较好平衡算法搜索能力和利用能力的不足,提出一种基于自适应生成概率的改进平衡优化器(modified equilibrium optimizer,MEO)来求解电力系统的最优潮流计算问题。以系统网损、电压偏移和发电成本为目标,将改进平衡优化器用于IEEE118节点系统的潮流计算问题。通过与原始平衡优化器和粒子群算法(particle swarm optimization,PSO)进行对比,改进平衡优化器在3个目标上均取得了较好的求解结果,验证了改进算法的优越性。     

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。     

基于粒子群优化算法与混合罚函数法的最优潮流计算

电力系统最优潮流的求解问题一直是电力市场研究的重点。该文介绍了一种新的演化优化算法,即粒子群算法(PSO)。该算法具有简单易实现,可调参数少的优点。笔者将其用于最优潮流的求解,结合混合罚函数来限制最优潮流的约束条件,使粒子群算法的寻优速度加快,迭代次数减少。通过在IEEE9节点和IEEE30节点上的仿真计算表明,该算法在优迭代速度和收敛精度上都取得了较好的效果。     

改进粒子群优化算法及其在电网无功分区中的应用

提出一种改进粒子群优化算法并将其应用于电网无功分区,以复杂网络社团结构理论为基础,建立以电气距离为权重的电力系统加权网络模型,以模块度为标准量化地评价无功分区的划分质量。改进粒子群优化算法采用了新的粒子编码方式与位置更新方式,提高了以模块度为目标函数的启发式算法的收敛速度并减少了存储空间。通过改进粒子群优化算法得到的无功网络具有较强的区域解耦特性,分区内部电气联系紧密,区域之间联系稀疏,无功分区结构合理。该算法在IEEE 39节点系统、IEEE 118节点系统及大型电网的应用结果表明了该算法的合理性及有效性。     

基于改进微分进化算法的电力系统无功优化

提出了一种改进的微分进化算法求解电力系统无功优化问题。在进化过程中，该算法根据进化情况采用动态参数调整机制提高算法的搜索效率，并且对种群重叠状况进行实时监视，对重叠个体利用混沌搜索策略来进一步提高算法的全局寻优能力。通过对IEEE 6、IEEE 30、IEEE 118标准测试系统及某地区实际系统的无功优化问题计算及结果分析表明，文中提出的改进微分进化算法高效、且全局寻优能力强。     

Siting and Sizing of Distributed Generation and Shunt Capacitor Banks in Radial Distribution System Using Constriction Factor Particle Swarm Optimization

Abstract

This article proffers an advanced solution to allocate the distributed generation (DG) and shunt capacitor (SC) banks optimally in radial distribution system (RDS) to alleviate the power losses, revamp the voltage profile, inflate the voltage stability index, shrink the total voltage deviation, and acquire more energy savings. In the framework of finding the optimal site and size of DGs and SC banks, Particle swarm optimization (PSO) technique is modified with constriction factor and the same is aimed to apply in IEEE 33-bus system and practical Brazil 136-bus RDS. Different case studies are carried out for multiobjective problems while considering equality and inequality constraints. A comparative analysis with PSO and modified PSO is presented to project the precedence of the adopted algorithm. In addition, the obtained results are also compared to the recently surfaced few state-of-the-art algorithms to present the optimizing capability of the implemented algorithm.     

基于改进差分进化-生物地理学优化算法的最优潮流问题

生物地理学优化算法(biogeography-based optimization,BBO)是一种新提出的全局智能优化算法,但是其应用于最优潮流计算时,具有早熟和收敛不稳定的问题。将BBO与差分进化(differential evolution,DE)算法相结合,并对差分进化部分的改进策略稍做修改,形成改进DE-BBO算法。应用所提方法对IEEE 30节点系统进行了有功优化的计算,并和GA、PSO、BBO和DE 4种方法进行了分析和比较,结果表明所提方法具有良好的收敛稳定性,可以有效缩短迭代时间。     

基于TCSC技术和粒子群优化算法的电力系统阻塞疏导方法

提出了一种基于晶闸管控制的串连电容器(thyristor controlled series capacitor,TCSC)技术和粒子群优化算法的电力系统阻塞疏导方法。首先根据线路灵敏度分析确定安装TCSC的线路;然后提出了电力市场环境下电网中含有TCSC装置的阻塞疏导计算数学模型;最后运用粒子群优化算法对这一数学模型进行参数优化,达到疏导电网阻塞的目的。IEEE 14节点系统算例表明,基于TCSC技术进行电网阻塞疏导是有效、合理的。     

应用粒子群优化算法求解可用输电能力

在电力市场环境下,诸多问题(例如实时电价、网络阻塞等)都需要最优潮流作为理想的工具.本文以最优潮流为基础,应用一种简单有效、且收敛性很好的演化计算算法--粒子群优化算法(PSO)进行可用输电能力(ATC)问题的求解.根据约束条件的越限量大小,动态地调整罚函数,在保证全局搜索能力的基础上改进了收敛速度.应用此算法对IEEE-30节点系统进行了可用输电能力计算,并与传统的最优潮流算法进行了比较,结果表明该算法的有效性,具有实用意义.