基于混合策略改进粒子群算法的配电网无功优化研究

无功优化问题需确定无功补偿点和补偿容量,针对无功优化的特点,首先在奇异值分解法的基础上,考虑多次潮流计算,依次选择无功补偿点,避免出现补偿重叠。其次以有功损耗最小、负荷电压平均偏离最小为目标函数,构建双目标无功优化模型,为解决算法收敛速度慢,粒子多样性差等问题,提出了多策略融合的改进粒子群（IPSO）算法,综合考虑了粒子在前、中、后期的特点对粒子寻优的影响,有效增强了算法局部寻优能力、种群粒子前期多样性以及后期收敛速度。最后采用IEEE 30算例进行验证,相比传统方法,结果表明该方法能有效减少网损、补偿容量,提高电能质量,具有良好的优化效果。     

电力系统无功补偿点的确定及其容量优化

电力系统无功优化是一个复杂的非线性组合优化问题,针对该问题提出一种基于奇异值分解理论和改进的粒子群优化算法的无功优化方法。首先对系统潮流计算中雅可比矩阵进行奇异值分解,由奇异值分解理论可以得出矩阵的右奇异向量指标,依据该指标判断电压稳定弱节点,以此作为候选的无功补偿点;然后以有功网损最小为目标函数,构建无功优化数学模型,并提出改进的粒子群优化算法,在算法中引入二次插值算子,增强了算法的局部搜索能力,避免早熟,提高其寻优能力和收敛速度。最后,对IEEE30节点系统进行仿真计算,验证了该方法的有效性。     

用于配电网多目标无功优化的改进粒子群优化算法

针对配电网多目标无功优化的应用需求以及优化算法存在的收敛性和多样性问题,基于Pareto熵的多目标粒子群优化算法,提出一种应用于多目标无功优化的改进粒子群优化算法。该算法在全局外部档案更新过程中引入冗余集策略,避免迭代过程中陷入局部最优解。将算法应用于配电网无功优化中时,采用离散变量取整方法,加快算法的收敛速度。建立网损、电压偏差及无功补偿装置投资最小的配电网多目标无功优化模型,并以IEEE 33节点配电网络为算例进行仿真,结果表明改进后的算法兼顾了优化的收敛性和多样性,能够在不同的优化要求下得到有效的无功优化方案。     

基于改进粒子群算法的配电网无功优化

无功优化是保证系统可靠运行的重要措施,针对配电网无功优化的特点,提出一种基于局部电压稳定指标分区与改进粒子群算法相结合的配电网无功优化方法。首先计算系统负荷节点的局部电压稳定指标,根据电压稳定指标大小将负荷节点进行排序,选取排序在后的一部分负荷节点作为候选补偿点集合,结合电气距离将其分区;然后借助改进粒子群算法获得系统最佳补偿点位置与无功补偿量;最后在MATLAB中用IEEE33节点系统进行仿真验证,仿真结果表明,由局部电压稳定指标与电气距离相结合的方法可以缩小寻优范围,得到的候选补偿区合理有效,改进粒子群算法初始化粒子多样性更好,具有更快的收敛速度。     

基于MSI-APSO算法的多目标无功优化

采用多策略融合自适应粒子群优化(MSI-APSO)算法求解电力系统多目标无功优化。该算法采用分阶段调整加速因子,根据适应值自适应调整惯性权重,以平衡算法局部搜索和全局搜索的能力;同时,基于群体信息改善部分性能差的粒子,迭代性能改善后的粒子,并采取速度保持策略,以提高算法的搜索准确度与收敛速度。建立了以有功网损最小、电压偏差最小及电压稳定裕度最大为目标的无功优化数学模型,并采用MSI-APSO算法求解该模型。最后对IEEE 14和IEEE 30节点系统进行算例仿真,仿真结果证明了该算法在收敛速度和优化效果上具有比其他几种改进PSO算法更佳的性能,能有效求解电力系统多目标无功优化问题。     

基于动态多种群粒子群算法的低压配电网电压无功优化

粒子群算法已在配电网无功优化领域中得到广泛应用,而基本粒子群算法在求解多约束条件的低压配电网电压无功优化问题时耗时过长。为解决这一问题,提出了利用动态多种群粒子群算法对低压配电网进行电压无功优化方案。动态多种群粒子群算法通过轮盘赌将粒子按照各节点电压合格、各节点无功补偿容量不超过预设值和系统总无功不过补偿这3个约束条件进行动态分组,粒子根据改进的粒子速度位置更新公式飞行搜寻,最后获得满足以上约束条件的电压无功优化问题最优解。本文提出的电压无功优化方案将分散并联电容器组与配电变压器调压相结合,与集中补偿无功方式相比,节点电压偏移程度更小、电网损耗更低。本文应用的约束优化粒子算法与基本粒子群算法相比,运行速度大幅提高,计算结果较为优化。     

基于Logistic混沌映射的自适应粒子群无功优化研究

针对自适应粒子群算法在无功优化中引入交叉变异等算子后出现收敛速度变慢的问题,将Logistic混沌映射引入到自适应粒子群算法之中,通过计算粒子适应度值,将具有较好适应度值的粒子位置即最优位置进行Logistic混沌优化。通过对IEEE 14节点及IEEE 57节点系统进行仿真计算,以网损最小为优化目标,验证了该算法可以提高粒子取值的有效性和多样性,能使无功优化的控制变量较快地跳出局部最优,加快了算法的收敛速度,对解决电力系统无功优化问题具有一定的参考意义。     

改进粒子群算法在电网无功优化中的应用

粒子群算法作为一种随机搜索算法,适合解决电网无功优化问题。考虑到粒子群算法收敛速度过快,容易进入局部收敛,导致收敛精度不高,研究了粒子群算法的改进措施。建立了一个全面考虑实际约束条件和无功调节手段的无功优化数学模型,提出了采用改进粒子群算法求解电网无功优化问题的方法,以确定无功优化的最优方案。以IEEE14节点系统进行仿真分析,对3种不同方案进行了对比,结果表明所用方法寻优质量高,不仅节点电压满足系统运行要求,而且系统网损也有一定程度的降低,采用该改进粒子群算法进行电网无功优化行之有效。     

基于自适应混沌粒子群优化算法的多目标无功优化

针对粒子群无功优化中由于随机生成代表控制变量值的粒子,使得在优化迭代过程中易陷入局部最优解,而且后期收敛速度慢等问题,将混沌优化算法融合到粒子群算法中,提出了混沌粒子群算法求解多目标无功优化问题。该算法在初始化粒子即无功优化控制变量值时,采用混沌思想,增加控制变量取值的多样性;通过粒子群无功优化算法计算各个粒子对应的适应值即无功优化目标函数值,并按照其大小择优选取控制变量值进行混沌优化以帮助无功优化控制变量跳出局部极值区域;并根据无功优化目标函数值自适应地调整其惯性权重系数以提高全局与局部搜索能力。通过算例分析表明,采用自适应混沌粒子群算法进行无功优化,能够及时跳出局部最优得到全局最优解,且收敛速度快。     

并行自适应粒子群算法在电力系统无功优化中的应用

针对传统粒子群优化算法"早熟"与后期收敛速度慢的缺点,提出了一种基于并行自适应粒子群优化算法的电力系统无功优化方法。该方法首先将初始种群随机划分成N个子群,然后分别在各子群中以所提方法寻优,从而实现了算法的并行计算。为避免各子群陷入局部最优解,采用二值交叉算子使各子群间的信息共享并更新相关粒子位置,保证了算法的全局搜索能力并维持了种群的多样性。同时,各子群寻优过程中,根据利己、利他及自主3个方向对当前搜索方向自适应更新,提高了算法的收敛速度。将所提出算法在IEEE 30节点系统上进行了仿真验证,结果证明了并行自适应粒子群算法用于无功优化的可行性和有效性。     

基于搜寻者优化算法的电力系统无功优化

将搜寻者优化算法(SOA-Seeker Optimization Algorithm)应用到电力系统无功优化中去,以网损最小为目标函数,建立了SOA无功优化的数学模型.由发电机端电压、变压器分接头和电容器组3部分控制变量构成初始矩阵.SOA算法模拟人的随机搜索行为,对利己行为、利他行为、预动行为和不确定性推理行为进行分析和建模,以确定搜索方向和步长进行解的全局搜索.对IEEE30、IEEE57测试系统进行了测试,仿真结果表明,SOA算法具有较好的全局寻优能力和较快的收敛速度,能有效地应用到电力系统无功优化中去.     

基于差分进化混合粒子群算法的电力系统无功优化

差分进化混合粒子群算法(DEPSO)首先利用差分进化(DE)的变异和选择算子产生新的群体,然后通过使用粒子群优化算法(pSo)进行局部搜索.该算法发挥差分进化和粒子群优化算法各自拥有的特点,并克服自身存在的问题,具有收敛速度快、搜索能力强、鲁棒性好的特点.将该算法用于电力系统无功优化,通过IEEE30节点系统的仿真计算证明了该算法的快速性和有效性.     

基于多阶段粒子群算法的电力系统无功优化

文章针对无功优化问题的特点,在传统粒子群算法(PSO)的基础之上,提出一系列的改进措施,形成了一种新型分阶段粒子群优化算法(MPSO)。该算法通过调整惯性权重和加速系数使粒子自组织地跟踪个体极值和全局极值来扩大粒子的搜索空间和提高粒子的收敛精度,同时根据粒子处于不同的阶段实施相应的变异策略来增加种群的多样性,有效地抑制了PSO算法的早熟现象,进一步加快了算法的收敛速度。以IEEE-30节点系统为例对该改进算法的性能进行了测试,结果表明了该算法的有效性和可行性。     

基于量子粒子群算法的电力系统无功优化

量子粒子群算法是以粒子群中粒子的收敛特性为基础,依据量子物理理论提出的,改变了传统粒子群算法的搜索策略,可使粒子在整个可行解空间中搜索寻求全局最优解.首次将量子粒子群算法用于电力系统无功优化中,以网损最小为目标函数,在IEEE30节点系统上进行测试,通过仿真测试以及不同算法优化结果的对比,表明基于量子粒子群(QPSO)...     

基于电子电力变压器的无功优化研究

EPT应用于配电系统原、副方无功功率可独立灵活调节,电力系统无功优化问题可以转化为局部网络无功优化问题,大大降低了求解规模和难度,从而容易实时实现全网无功优化控制。通过改进的遗传算法验证了配电系统采用EPT后,对无功潮流有更灵活的调节能力,在实现无功潮流优化调度时,具有比OLTC更好的效果。     

基于量子粒子群算法的电力系统无功优化

量子粒子群优化算法(QPSO)避免了粒子群算法(PSO)不能保证收敛到全局最优解的缺点,认为粒子具有量子的行为,并且可以在整个可行解空间进行搜索.无功优化问题是带有离散变量的非线性、不连续、多约束、多变量的复杂优化问题,应用QPSO算法并结合动态调整罚函数的方法来解决无功优化问题.通过对IEEE-30节点和IEEE-1...     

基于SA-PSO的电力系统无功优化

粒子群优化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模拟退火算法的思想,提出了一种新的模拟退火粒子群优化(simulated annealing particle swarm optimization,SA-PSO)算法,并将其应用于电力系统无功优化。对IEEE14节点系统进行了仿真计算,并与PSO算法作了比较,结果表明SA-PSO算法全局收敛性能及收敛精度均较PSO算法有了较大提高。     

考虑时段优化的地区电网无功电压优化控制

为了实现地区电网无功优化控制,提出了一种改进的基于禁忌搜索算法的方法。将时间分段中的起始点和该分段中的控制变量一同构成解向量,从而避免了先进行时间分段的优化后进行无功优化的二次优化,达到了从整体上进行优化的效果。当邻域解普遍陷入不符合电压约束条件的不可行解区域时,将目标函数切换为以当前电压偏离额定电压最小为目标,当邻域解普遍回到可行解区域后,将目标函数重新切换回以全天内电能损耗最小为目标,从而确保搜索可以持续进行而避免因无可行解而导致优化终止。建议了一种扩展邻域搜索策略改善算法的全局寻优特性。采用IEEE 6节点、IEEE 14节点和IEEE 30节点系统作为算例进行测试,表明提出的方法可行且所采取的改进措施必要、有效。     

电力系统无功优化研究综述

介绍了考虑多目标函数时无功优化模型的建立与解决方法,在总结了传统优化算法的基础上着重介绍了已经改进的智能优化算法和混合的智能优化算法在无功优化上的应用,简单介绍了动态无功优化的几种优化算法,并对今后无功优化的研究方向做出了展望。     

计及UPFC的电力系统无功优化

以统一潮流控制器(unified power flow controller,UPFC)为代表的灵活交流输电技术(flexible AC transmission system,FACTS)可实现传输功率的合理分布、优化系统资源,提高系统的稳定性和可靠性。该文基于内点优化方法,提出计及UPFC的无功优化模型,以系统有功网损最小为目标函数,采用UPFC电压源模型,将其作用等效为一系列电压和功率的约束,直接放到内点法的约束中,在不同的负荷运行方式下进行优化分析。在IEEE-30节点系统测试中发现,引入UPFC后系数矩阵的维数会有所增加,但不会影响其收敛性。算例就系统网损和电压指标对装设UPFC前后进行比较,并给出最优控制方案下UPFC的参数值。结果表明该方法是可行的、有效的,取得很好的效果。