基于电网分区的多目标分布式并行无功优化研究

针对集中式并行无功优化的瓶颈问题，建立了基于电网分区的多目标分解协调模型，并采用辅助问题原理(APP)进行分布式并行计算，将全网的多目标无功优化问题分解为多个子网的多目标并行优化问题：基于地域的系统分解与协调符合电网市场化发展的方向。仿真结果表明，本算法具有较强的收敛性和快速性。     

基于分块坐标下降思想的并行无功优化分解协调算法

针对无功优化分解协调模型求解中增广拉格朗日函数的不可分问题,提出了基于分块坐标下降(block coordinatedescent,BCD)思想的并行分解协调计算方法。该方法可实现全网无功优化的分解协调计算,仅需要在相邻分区之间交换边界节点的功率和电压用于协调,解决了大规模电网集中式无功优化存在的计算速度慢和数据传输瓶颈问题;而且各控制中心可自主选择优化算法,实现了自律分散与协调控制的结合。算例结果表明,该算法可以大大减少全网无功优化的计算时间,并且与基于辅助问题原理的分解协调算法相比,其收敛速度更快、计算效率更高。     

基于拉格朗日对偶松弛的多区域柔性直流互联电网无功优化

现有方法对互联后的电网进行无功优化时难以满足大规模电网实时计算、快速反应的需要,并且面临全网数据收集的难题。为了解决上述问题,采用分解协调算法的思想,提出一种基于拉格朗日对偶松弛的多区域柔性直流互联电网无功优化方法。首先根据支路潮流模型,利用二阶锥松弛和二次旋转锥松弛方法建立了多区域柔性直流互联电网的集中式无功优化模型。然后利用拉格朗日对偶松弛理论在集中式优化模型的基础上,提出了可以并行计算的多区域柔性直流互联电网无功优化方法。通过算例计算,验证了所提算法的有效性和正确性。此外,还对比分析了所述的分解协调算法和基于交替方向乘子法(ADMM)的分布式优化算法的计算结果,证明所用算法在计算时间上更具优势。     

电网无功优化规划方法综述

对现行各种无功优化方法进行综述,着重介绍了一种基于分解——协调法的无功优化规划新方法。该方法将多年的无功规划问题分解为一系列子问题,使复杂的动态、非线性无功规划问题转为三个独立的线性规划问题。这既缩小了原始问题的求解规模,也提高了建模效率和求解速度,并能使用标准的线性规划软件包来实现。该方法的提出,为将无功优化运用到电网的实际规划中奠定了一定的理论基础。     

基于邻近中心算法的无功优化分解协调计算

针对大规模电网无功优化存在的计算速度慢和数据传输瓶颈问题,提出了一种基于邻近中心算法的无功优化分解协调算法.通过邻近函数构造平滑的拉格朗日函数,避免了增广拉格朗日函数的不可分问题;通过最优梯度更新拉格朗日乘子,大幅减少了迭代次数,并且可以直接确定平滑参数等计算所用参数,仅需要通信交换边界节点和拉格朗日乘子信息即可实现全网无功优化的分解协调计算.算例结果表明,所提算法可以有效提高全网无功优化的计算效率,并且与基于辅助问题原理的分解协调算法相比,其收敛速度更快、计算效率更高.     

全局安时无功优化调度的MAS方法

电力系统无功优化调度问题在数学上属于一种具有多目标、多不确定因素、多约束、多极值、非线性的组合最优化问题。通常的寻优方法遇到了许多困难，因此目前无功优化调度技术的应用还停留在计算规模较小的地区局部电网中。为实现电网全局实时的无功优化调度，提出一种基于分布式人工智能中多Agent系统(MAS)的无功优化调度模型。将全网无功调度按区域分解为若干个相互关联的调度子系统进行分布式求解，全局调度系统采用网络控制结构，各调度子系统则采用分层控制结构。在各子网局部实现无功优化的基础上，采用多Agent智能协调技术实现全网的全局无功优化。     

基于解空间分解的电力系统无功优化

为解决大型电力系统无功控制变量维数灾的问题,提出一种基于解空间分解的方法对电力系统进行无功优化。通过摄动分析选出无功优化中最活跃的控制变量,根据该控制变量分解解空间,最后在JADE(Java agent development)平台上对分解后的问题进行并行计算。应用该方法对IEEE30节点系统进行无功优化计算,结果表明基于解空间分解的办法在电网无功优化计算中具有较强的全局搜索能力和较高的收敛精度。     

交直流电网的无功补偿选点及容量优化研究

目前,有关交直流电网无功优化的研究受到了越来越多的关注。针对交直流电网的无功优化问题,提出了一种基于改进粒子群算法的交直流电网无功补偿优化方法。首先优化了无功补偿的选点方法。在奇异值分解原理的基础上,采用多次潮流计算、逐次定点的方法进行无功补偿选点,避免了无功过补偿。然后提出了一种基于分组寻优的改进粒子群算法,该算法可有效避免陷入局部最优解,提高寻优速度。最后,采用改进的IEEE-57标准节点系统对所提出的方法进行验证。相比传统方法,该方法能够有效提高交直流电网的电能质量,减少无功补偿容量,具有更好的优化效果。     

大型电力系统无功综合优化的特征模型法

本文用特征模型法探讨了电力系统无功综合优化问题。它将一个大系统的高维问题分解为若干个小系统的低维问题,并避免了一般分解——协调算法的全系统协调计算,从而使优化计算具有简单、快速和可靠的特点,为电力系统实时无功优化调度提供了有力的工具。本文还分别建立了华中简化电网和东北南部电网的特征模型,并进行了两网的无功优化计算,取得了满意的结果。     

基于切换系统的无功/电压优化控制及深圳电网应用

论文首先介绍了切换系统的一般原理,随后基于该原理,根据不同控制目标将电网无功/电压优化控制分解为两个子系统的协调优化控制器设计问题.为此分别建立了各子系统的优化控制模型,设计了子系统间的切换机制;进一步构建了基于切换系统的电网无功/电压多目标优化控制系统,提出一种无功,电压优化控制新算法.该算法成功投运于深圳电网.现场运行测试结果表明,所提出的控制策略可显著提高电网的静态电压运行水平,并有效降低系统网络损耗.     

基于辅助问题和序列二次规划法的电网分区并行最优潮流算法

针对传统集中式潮流计算存在的问题,建立基于电网分区的分解协调模型.采用构造辅助问题(AP)的方法进行分布式并行计算,将大型互联电网最优潮流问题分解为多个子网的并行潮流优化问题,在每个子网中,采用序列二次规划法求解子系统的的优化问题.基于地域的系统分解与协调符合电网市场的发展方向.仿真结果表明,该算法具有收敛性和快速性     

采用辅助问题原理的多分区并行无功优化算法

针对大规模电网集中式串行无功优化计算所面临的计算问题和瓶颈问题,基于分布式并行计算思想建立一种多分区并行无功优化模型,并采用辅助问题原理综合考虑D–变量提出一种附加函数,有效地将全网的优化问题完全分解为多个子区独立的优化问题,同时解决了分区计算所引起的多平衡点问题。该方法实现了完全的分布式优化,解决了数据集中上传的瓶颈问题,有效降低了优化问题的求解规模,大大缩短了总运算时间,提高了计算与控制的实时性和灵活性。仿真结果表明：该方法有效可行,计算速度快,收敛性好。     

基于REI等值的多区域无功优化并行计算(英文)

将REI等值技术应用于求解多区域电力系统的无功优化并行计算问题,对系统各个分区的外部网络进行REI等值化简,并对相角传递、等值网络初值计算、外层协调计算与REI等值网络修正等关键问题提出了具体的解决办法。并以此为基础建立了适合多区域无功优化的并行计算模式,通过采用Matlab并行计算平台实现无功优化并行计算,以IEEE 39节点和某695节点实际系统作为算例,通过与集中优化方法和基于Ward等值的多区域无功优化并行算法进行比较,对所提方法的有效性和优缺点进行了详细分析。     

基于粒子群优化算法的动态无功优化

提出了用于电力系统动态无功优化的粒子群优化算法(PSO),应用一个时间优先级序列来选择有载调压变压器分接头和可投切并联电容器组的动作时刻,将动态无功优化转化为一系列的静态无功优化问题.针对每一个时刻的静态优化,用罚函数将有约束问题转化为无约束问题,最后用粒子群优化算法加以解决.算例充分验证了本算法的正确性和有效性,以及在限制控制设备动作次数方面取得的成功,适用于解决动态无功优化问题.     

基于两层遗传算法的多时段无功优化方法

提出了一种基于两层遗传算法的多时段无功优化方法,将复杂的无功优化问题转化为多个时段静态无功优化的并行处理问题。第一层优化是针对调度周期内的每个时段,建立传统静态无功优化模型,对全调度周期内各个时段进行并行计算,并统计出多组较好的优化状态,构成全调度周期内控制设备动作次数的寻优状态空间;第二层优化是针对整个调度周期,建立以动作次数最少为目标的无功优化模型,从第一层形成的状态空间中寻出控制设备动作次数较少所对应的潮流分布,从而得到有功网损、电压质量及控制设备动作次数的综合优化效果。此外,该方法易于实现并行处理。算例表明,所提出的方法优化效果好,有在线应用的前景。     

伪并行遗传算法在无功优化中的应用

在无功优化中，应用矩阵奇异值分解理论，引入了静态电压稳定裕度最大化目标和并行遗传算法思想，提出了用于无功优化的伪并行遗传算法。该算法在一定程度上避免了常规遗传算法容易出现的“早熟”现象，收敛速度也有一定提高。对Ward＆Hale 6节点和IEEE 14节点系统进行了测试，计算结果表明，本文所提模型和算法是合理可行的。     

一种地区电网分布式无功优化方法

针对地区电网的特点，提出一种分布式无功优化的新方法。考虑到各级网络结构的差异及其无功优化的特点，采用分层分区的思想，将地区电网分成次输电网络和中低压配电网两层子系统。这样，整个大规模地区电网的优化问题被分解为若干个小规模系统的优化子问题，降低了优化问题的复杂度。次输电网络和配电网可以根据自身网络特点，选用不同的潮流算法、优化数学模型、优化算法进行无功优化。各层之间通过Internet进行数据的交互，利用分布式计算的方法实现整个网络无功资源的优化。仿真结果验证了这种分布式无功优化方法是可行、有效的。     

基于集群划分的高渗透率分布式系统无功优化

可再生能源在电力系统的渗透率不断增长,大规模分布式电源的接入对电力系统的优化调度带来新的挑战。在考虑分布式电源大规模接入的基础上,对电力系统进行集群划分和无功优化研究。首先引入改进的电气距离的概念,以此作为聚类算法的距离量度,应用谱聚类方法,将含高渗透率分布式可再生能源系统划分为若干亚群落,并确定各集群内关键节点。再以网损和电压波动最小为优化目标,调节关键节点处光伏逆变器的无功功率,达到减小网损和稳定电压输出的目的。为求解所建立的双目标无功优化问题,提出基于改进粒子群优化算法的智能调压策略,对多个亚群落进行无功优化。将集群划分方法和无功优化策略应用于IEEE 33节点标准系统,提高了节点电压稳定性,降低了网损。针对大规模分布式能源系统,进一步提出快速智能调压策略,应用于安徽省金寨县某台区实际系统,得到良好控制效果,且在调节时间、运行成本、投入成本方面均有大幅削减。     

基于区间不确定性的约束潮流

针对电力系统潮流计算中因新能源注入、负荷变化等因素而引起的计算数据的不确定性问题,提出一种新的基于区间算法的约束潮流模型。首先,将输入数据的变化表示为区间的形式,然后,将传统的潮流方程转变为考虑电压、无功功率等约束的优化模型;在求解过程中,引入区间的可比较性概念,将该不确定的约束潮流问题分解成两个确定性的约束优化子问题,即上界子问题和下界子问题,并利用现代内点算法进行求解,得到潮流解的上下界。最后,对IEEE 14,57,118节点系统和实际华南703节点系统进行仿真计算,并与经典的计算区间潮流的仿射算法和蒙特卡洛模拟法得到的结果进行对比,证明了该算法不仅结构简单,而且可以极大地提高计算效率。