接入分布式电源的输配电网协调无功优化

随着新能源技术的发展,越来越多的分布式电源接入配电网,增强了输配电网的耦合性,也加大了电力系统电压越限风险。为了解决该问题,提出一种输配电网协调无功优化控制方法。首先,利用主从分裂法完成输配网解耦计算;其次,利用二阶锥规划法求解配电网无功优化子问题,利用改进的遗传算法求解输电网无功优化子问题;最后通过IEEE14节点系统和IEEE33节点系统构成的算例进行仿真,验证了该方法的有效性。     

含分布电源的配电系统无功优化研究

研究了分布式电源接入配电网后对系统电压和网损的影响,充分考虑网损最小和节点电压的约束,建立了基于遗传算法的分布式发电系统无功优化控制模型。仿真结果表明:对于接入分布式电源的配电系统,对分布电源的接入容量及位置进行合理配置,结合无功优化手段,可使得系统的网损得到有效的改善,对于系统的经济稳定运行具有一定的积极作用。     

含分布式发电的配电网无功电压优化的研究

通过对有关分布式发电的有功和无功输出特性进行研究,建立了含分布式发电的配电网无功优化数学模型,并通过改进的粒子群优化算法对模型进行优化。该模型以系统网损和电压偏差最小为优化目标,以系统的有功、无功以及节点电压为约束条件,利用惩罚函数的形式对越限的电压进行处理,并且以IEEE33系统节点为仿真实例进行仿真。仿真结果表明,通过优化粒子群算法对配网系统无功优化后,系统中有功损耗和电压质量都得到了显著的改善。     

基于改进蝙蝠算法含分布式电源的无功优化

将分布式电源与传统的配电网电压调节方式相结合,分析包含分布式电源的配电网系统无功优化的问题,并建立了有功网络损耗最低以及电压稳定裕度最大的多目标优化数学模型,利用模糊理论将分布式电源的多目标无功优化问题转换成单目标优化问题,进一步减少了有功网损,提高了电压稳定性。鉴于传统蝙蝠群体易于聚集于局部极值,导致早熟,将混沌序列以及自适应调整策略融入到蝙蝠优化算法中,提出了一种改进型多目标蝙蝠优化算法,利用混沌理论以及动态自适应机制调整的特性,对蝙蝠算法参数进行调整。通过IEEE-33测试系统验证,所提算法具有良好的实用性和适应性,并且也证明了所提模型的实际意义。     

基于改进粒子群算法的DG功率因数优化模型研究

在配电网电源充裕的前提下,通过调节可控分布式电源的功率输出来优化配电网运行,稳定节点电压,降低线路损耗.结合PQ控制理论,通过调节分布式电源的功率因数来控制分布式电源有功功率和无功功率的输出.利用粒子群算法求解可控分布式电源的最优功率因数值,智能优化配电网运行.最后选取IEEE33节点配电系统进行算例分析,以验证该方法的有效性.     

基于和声搜索算法的主动配电网无功优化

为了提高主动配电网的运行水平和经济性能,以分布式电源和传统无功补偿装置出力为控制变量,建立以电压偏差最小为目标函数的优化模型,通过和声搜索算法进行无功优化,计算出各节点电压、系统网损及其对应的控制变量。最后对改造后的IEEE33节点系统进行验证,与粒子群算法进行对比。结果显示:该数学模型可以实现对电压协调控制,降低网损,满足可靠性和经济性的要求,同时和声搜索算法提出的优化策略更具有协调性。     

基于无功裕度定位的配电网络无功优化规划

基于简单交流电路的电压电流特性提出了无功裕度的概念,根据节点无功裕度的排序确定了配电网的无功补偿地点,并在此基础上用改进的遗传算法进行了无功优化规划．IEEE33和69节点算例的仿真结果表明,该方法使得算法的搜索空间大大减小,无功电源得到了合理配置,并改善了配电网的电能质量,实现了无功规划的可靠性和经济性．     

考虑低碳效益的配电网广义电源优化配置

配电网中分布式电源的接入会对配电网的系统网损及电压造成影响,在考虑配电网的分布式电源接入方案时,加入系统等效碳排放这一节能目标,建立了综合考虑分布式电源建设费用、损耗费用、购电费用和系统碳排放费用的优化配置模型。针对混合蛙跳算法搜索速度和精度不高的缺陷,提出了一种将遗传算法与蛙跳算法融合的改进蛙跳算法。基于几种算法,结合IEEE-33节点系统的计算分析表明,该方法能够对广义电源在配电网的接入进行有效配置和优化。 更多还原     

基于逆变器的分布式光伏发电中压配电网无功优化

根据分布式光伏发电特性,通过对中压配电网中无功优化的分析,找到潮流、电压波动和无功容量与光伏发电无功功率间的定量关系。利用粒子群优化（PSO）算法,基于逆变器的分布式光伏发电中压配电网的无功优化,明确了控制无功功率以支持配电网和电压调节的方法。实例仿真结果说明,该方法能够有效减少光伏发电系统中压配电网的电压升高和逆潮流问题。     

基于改进简化粒子群算法的含DG的配电网无功优化

分布式电源(Distributed Generation,DG)并网能够有效支撑电网,增加电网运行的灵活性,对含DG的配电网进行无功优化能够有效提高电能质量,降低网损,保证配电网安全、稳定、经济运行。为此,建立了以有功网损最小为目标函数的数学模型,同时,为保证节点电压和DG无功出力在各自允许范围内,分别建立了节点电压越限罚函数和DG无功出力越限罚函数。针对基本粒子群算法易早熟、收敛精度差、迭代后期收敛速度慢等问题,给出了一种惯性权重和学习因子动态变化的简化粒子群算法。该算法舍去粒子速度项,使惯性权重随迭代次数呈指数函数变化,学习因子随迭代次数呈正弦函数变化。以含DG的IEEE33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。     

电力市场下含风电场电力系统动态无功成本优化研究

在电力市场逐步完善的背景下,为无功调压设备制定计价原则,可以平衡发电企业和供电公司的利益并降低无功补偿成本。首先考虑双馈风机与同步电机的P-Q特性建立发电机无功计价模型,提出了一种在风速波动下的双馈风机无功分段计价策略,建立了以发电机无功成本、离散变量动作折旧价格、有功网损折合成本和节点电压总偏差为目标函数的动态无功优化模型。采用改进杂交粒子群算法对所建立动态无功优化模型进行求解,提高了全局寻优能力和收敛速度。最后以IEEE30节点为例,用MATLAB软件进行了仿真分析,验证了所提出的模型、策略和算法的有效性。     

基于多目标沙猫群算法的含风光储配电网无功优化

针对现有智能优化算法在求解配电网无功优化时存在的收敛速度慢、易陷入局部最优解等问题,提出一种基于多目标沙猫群算法(MOSCSO)的含风光储配电网无功优化方法.MOSCSO融合了多目标算法中外部储存集的更新和选择机制,具有较好的全局寻优能力,而沙猫群算法(SCSO)特有的搜索和攻击的种群更新方式保证了其具有较快收敛速度和较好寻优能力.建立储能设施(ESS)作为控制变量的IEEE 33节点系统数学模型,应用MOSCSO进行仿真验证.结果表明,本文所提方法在平衡风光发电系统的同时能够降低网损和提高电网稳定性,通过与传统算法比较,验证了MOSCSO在无功优化模型上的有效性和稳定性.     

基于遗传算法的电力系统无功优化

在总结常用的电力系统无功电压优化方法的基础上,建立了以网损、电压质量和无功潮流分布为目标函数的数学模型．然后对基本遗传算法进行了一些改进,并将改进的遗传算法应用到IEEE30节点系统进行验证．测试结果表明,改进的遗传算法有助于解决无功电压优化问题．     

模糊熵权法和CCPSO算法的含风电场电力系统多目标无功优化

研究了含双馈风电机组的电力系统多目标无功优化问题,分析了双馈风电机组的无功特性,将风电场作为连续的无功调节手段参与电力系统无功优化. 提出一种基于模糊商权法和组合混沌序列动态粒子群算法（CCPSO）的多目标无功优化方法. 利用模糊熵权法解决主观权值和客观权值的缺陷,建立以静态电压稳定浴度、节点电压和有功网损为目标的含风电场多目标无功优化决策模型. 针对利用传统粒子群算法进行求解时,易出现局部收敛等问题,结合Chebyshev映射和Logistic映射,在粒子初始化过程中运用一种组合混沌映射,增强初始粒子的均匀性,同时将Logistic混沌优化引入到算法寻优过程中,使算法全局寻优能力得到加强. 以IEEE14节点系统为例进行仿真实验,验证所提方法的有效性和实用性.     

基于改进粒子群算法的配电网无功优化的研究

针对电力系统无功优化问题多变量、不连续、非线性的特点,本文建立了以系统年运行费用最小为目标函数、以有功功率和无功功率为约束条件的数学模型,并应用改进的粒子群算法对无功优化问题进行求解.该算法在权重系数和不活动粒子两方面进行改进,有效地解决了进化过程中陷入局部最优和搜索精度差的特点.最后,通过对IEEE30节点系统进行无功优化算例分析,仿真结果验证了该算法解决电力系统无功优化问题的有效性和可行性.     

混合遗传算法的电力系统无功优化

针对遗传算法（GA）的局限性，提出了一种应用于电力系统无功优化问题的混合遗传算法（GASA）。实施了最优保留策略，改进交叉和变异操作，并结合模拟退火算法（SA）的Metropolis判别准则的复制策略，使寻优过程能够跳出局部最优解，从而形成了混合遗传算法。优化过程中考虑了电力系统无功优化自身特点，提高了计算效率。对IEEE30节点系统的仿真表明：该算法能够有效地提高收敛速度，避免早熟收敛。     

基于组合混沌序列动态粒子群算法的电力系统无功优化

无功优化对提高电力系统的安全性和稳定性具有重要意义.针对传统粒子群算法在求解大规模、强非线性无功优化时易陷入早熟、局部收敛等问题,应用Logistic混沌优化方法,充分利用其遍历性进行寻优.另外,为保障粒子群算法初值的均匀性,结合Chebyshev映射和Logistic映射,引入一种组合混沌映射并将其应用于粒子初始化,提高初始变量的均匀性,从而提高算法全局寻优能力.对粒子群速度更新过程中存在的惯性取值问题,引入一种基于种群速度的动态惯性权重策略.最后将这一算法应用于电力系统无功优化.算例表明,算法具有较强的全局搜索能力和较高的效率.     

基于改进细菌觅食算法的无功优化

采用改进的细菌觅食(MBFO)算法求解电力系统无功优化问题,引入了步长递减的控制策略,改善了算法前期的全局搜索能力和后期的局部搜索能力;引入了SA-PSO变异算子,从而使个体可以相互交流,并从精英那里得到经验;引入遗传算法的交叉和赌盘选择,保护了精英个体,同时降低了解劣化的概率.以IEEE-30节点为例的算例结果表明,较其他几种优化方法而言,M BFO具有更快的收敛速度和更好的优化效果,故该算法在解决无功优化问题上可行且有效.     

基于混合智能算法的电力系统无功优化研究

研究了电力系统的无功优化功问题,给出了结合电力市场实行的无功优化目标函数。在分析了遗传算法和蚁群算法各自优缺点的基础上,将遗传算法与蚁群算法融合,利用遗传算法的交叉、变异操作产生蚁群算法新的搜索路径,以此提高混合智能算法的全局搜索能力和收敛速度,并将混合智能算法应用于实例进行仿真。仿真结果表明,该混合智能算法具有快速的收敛速度和优良的全局优化能力。