Novel quantum-inspired firefly algorithm for optimal power quality monitor placement

The application of a quantum-inspired firefly algorithm was introduced to obtain optimal power quality monitor placement in a power system. The conventional binary firefly algorithm was modified by using quantum principles to attain a faster convergence rate that can improve system performance and to avoid premature convergence. In the optimization process, a multi-objective function was used with the system observability constraint, which is determined via the topological monitor reach area concept. The multi-objective function comprises three functions: number of required monitors, monitor overlapping index, and sag severity index. The effectiveness of the proposed method was verified by applying the algorithm to an IEEE 118-bus transmission system and by comparing the algorithm with others of its kind.     

基于混沌自适应人工鱼群算法的含家庭储能配电网快速重构方法

针对分布式电源接入配电网具有波动性和随机性的特点,提出一种基于混沌自适应人工鱼群算法的含分布式电源配电网快速化重构方法。在风电、光伏和家用储能的数学模型和节点划分基础上,以电网网损、开关次数以及失电负荷成本最小为目标函数,建立基于多目标优化的含分布式电源配电网的优化重构模型。利用混沌自适应人工鱼群算法对模型进行求解,通过对鱼群的混沌初始化和自适应动态调整步长参数,提高了算法的全局搜索能力和收敛速度。根据电化学储能系统出力特性划分配电网网架重构的典型工作场景,通过含分布式电源的IEEE 33节点测试系统仿真实例验证了该文方法的有效性。仿真结果表明,与单独考虑电网网损成本相比,由该文方法得到的配电网优化重构成本降低了50%以上,优化重构时间均小于0.9 s,实现了含分布式电源配电网的快速自愈。     

基于一致性协议的配电网分布式优化控制策略研究

分布式控制以其鲁棒性强、可扩展性强等突出优势,已逐渐取代集中式控制,成为高渗透率配电网优化控制的一种有效途径。文章研究了一种基于无功补偿设备和分布式电源分组协作机制的配电网分布式优化控制策略,将多个无功补偿设备或分布式电源聚合在一起,以基于领导者的一致性协议控制节点电压和交换功率。文章给出了分布式协同控制框架,各分组控制目标及一致性变量的选取,并证明了各控制组分布式控制算法的收敛性。通过IEEE14节点系统的仿真算例验证了所提出方法的正确性和有效性。     

基于BFPRT算法的MMC改进均压控制策略研究

针对传统的模块化多电平换流器子模块排序均压控制方法所出现的数据排序运算效率低、开关频率高、损耗大等问题,从排序算法和子模块选择过程两方面出发,提出一种新的排序均压控制方法,即利用BFPRT算法改进常规快排,采样数据采用部分排序方式,减少排序运算量,大幅提高运算效率;改变子模块选择方式,提出引入投切置换变量,赋予投入组与备用组中部分子模块一定的投切状态保持能力,减少器件开关次数,降低开关频率;最后在PSCAD/EMTDC仿真环境下对该控制方法进行验证。仿真结果表明,该控制方法可实现提高排序运算效率、降低开关频率的效果。     

基于启发式免疫遗传算法的配电网广义电源规划

在分布式电源接入配电网的规划中将广义电源的有功功率作为控制变量,考虑了广义电源无功功率对配电网分布式电源优化配置的影响,从而合理规划广义电源接入,降低系统的网络损耗,进一步提高系统运行的电压水平。针对传统优化算法在局部搜索能力和收敛性能等方面的缺陷,根据累加优化原理对系统种群进行初始优化以提高收敛速度,在疫苗接种时利用矢量矩浓度的概念进行抗体选择,依据抗体浓度和抗体适应性原则进行个体优选,提出了启发式免疫遗传算法。对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中的选址和定容进行有效配置和优化,在寻优能力和收敛速度上优于传统算法。     

基于优化的VMD融合信息熵和FA_PNN的风电机组齿轮箱故障诊断

针对风电机组齿轮箱在故障信号处理、特征提取和故障诊断存在的问题,提出一种基于优化的变分模态分解(VMD)融合信息熵和萤火虫优化的概率神经网络(FAPNN)的风电机组齿轮箱故障诊断方法。首先利用皮尔逊相关系数法来确定VMD的分解数量和惩罚因子,并利用VMD分解齿轮箱振动信号获取多个固有模态分量,在此基础上融合时域、频域及时频域等信号故障特征熵,最后用FAPNN网络进行故障识别分类,仿真结果验证了所提出算法在风电机组齿轮箱早期故障诊断研究中的有效性和可行性。     

考虑动力电池梯次利用的混合发电厂容量配置

大量动力电池被淘汰,将淘汰的电池用作电力储能是解决问题的一个有效方法。选用风光和淘汰的动力电池作为储能的混合发电厂为研究对象,以目标函数为年利润最大进行容量配置,提出梯次利用电池的购买价格为全寿命周期等出力成本的方法,电池模型采取同时考虑使用次数、使用时间和充放电深度,并在可用容量相同的条件下每年进行置换更新的改进配置模型。通过最小乘子法、最优保存法和自适应步长法改进萤火虫算法,应用改进算法寻找最优解。最后选用张家口的天气参数进行模拟分析,验证模型算法的正确性,并对梯次电池回收价格进行研究。     

基于自适应遗传退火算法的配电网故障定位研究

针对标准遗传算法易早熟收敛以及收敛速度慢的问题,提出了一种混合遗传算法（自适应遗传退火算法）用于解决辐射状配电网故障定位问题。该算法采用轮盘赌和最优保存策略相结合的选择机制,使得当前最优个体始终保持在种群里,并结合自适应交叉、变异概率,扩大种群的搜索范围,继而引入模拟退火算法,加快迭代后期算法的收敛速度。最后,通过对IEEE-33节点配电系统进行仿真计算,结果表明,该算法能够对单点和多点故障进行实时、准确地定位,并在故障信息畸变的情况下,也能快速地得到准确结果。     

基于混沌优化鱼群算法的配网无功优化

为解决我国现阶段配电网线路无功功率流动大造成电压水平低、有功网损大的问题,采用前推回代潮流算法建立了配电网无功优化的数学模型,以有功网损、电压偏差水平及静态电压稳定裕度最优建立优化目标函数,并采用无功二次矩法确定优化补偿点,基于混沌特性提出利用混沌人工鱼群混合算法解决人工鱼群算法的早熟收敛、全局寻优能力不足问题。对典型IEEE33节点配电网系统测试分析结果表明,该算法有效、可靠。     

Multiobjective Particle Swarm Optimization for the optimal design of photovoltaic grid-connected systems

Particle Swarm Optimization (PSO) is a highly efficient evolutionary optimization algorithm. In this paper a multiobjective optimization algorithm based on PSO applied to the optimal design of photovoltaic grid-connected systems (PVGCSs) is presented. The proposed methodology intends to suggest the optimal number of system devices and the optimal PV module installation details, such that the economic and environmental benefits achieved during the system’s operational lifetime period are both maximized. The objective function describing the economic benefit of the proposed optimization process is the lifetime system’s total net profit which is calculated according to the method of the Net Present Value (NPV). The second objective function, which corresponds to the environmental benefit, equals to the pollutant gas emissions avoided due to the use of the PVGCS. The optimization’s decision variables are the optimal number of the PV modules, the PV modules optimal tilt angle, the optimal placement of the PV modules within the available installation area and the optimal distribution of the PV modules among the DC/AC converters.     

含双馈感应风电机组的配电网无功优化

考虑传统无功调节设备调节次数限制和双馈感应电机无功容量限制等约束条件,提出一种基于双馈感应电机与传统无功调节设备协调控制的分时段分层无功优化策略。首先,该策略采用谱系聚类算法对预测等效负荷曲线进行分段;其次,在每个时段采用分层调控策略进行无功优化,建立以网损和平均电压偏离度之和为目标函数的无功优化模型,上层利用改进粒子群算法计算出包括双馈感应机组在内的各种无功调节设备的优化运行状态,并预先对变压器、电容器动作;在此基础上,下层利用双馈感应机组的无功调节能力对上层优化得出的并网点电压进行自动跟踪控制,由此实现了每个时段内接入点电压控制和全局无功优化相结合,最后以IEEE33节点配电系统为算例来验证上述策略的有效性。     

基于位置动态参数PSO算法的水库防洪调度研究

介绍了一种易于实现、参数少且收敛快的集群智能算法——粒子群算法。针对标准PSO算法的缺陷,提出了在位置进化方程中引进动态参数的方法,改进了标准粒子群算法的收敛速度。根据建立的水库优化调度数学模型,将改进的粒子群优化算法运用到水库优化调度计算中,并通过算例验证该算法的可行性和有效性。     

基于萤火虫优化算法的主动配电网广义电源规划模型

为进一步降低配电网系统网损、提高系统运行电压水平,将广义电源的有功和无功功率作为控制变量,考虑分布式电源出力随机波动特性对配电网广义电源优化配置的影响,从而合理规划广义电源接入,构建同时考虑配电网运行安全性和经济性的多目标无功优化规划模型,利用萤火虫优化算法解决广义电源优化规划问题,并通过改进的IEEE-33节点系统验证了所提模型和算法的可行性和优越性。     

基于灰狼算法的分布式电源优化配置

分布式电源(DG)的优化配置是主动配电网(ADN)规划中的重要环节,ADN中DG的合理配置对ADN的稳定运行具有重要意义。从电能供给侧出发,建立了考虑DG的投资和主动管理费用、系统网损及电压偏移的多目标联合优化配置模型,并根据1-9标度法对各目标权重系数进行设定。针对传统灰狼算法(GWO)在全局寻优能力和收敛速率上的不足,提出了引入混沌序列的GWO算法,并在IEEE33节点系统中对所提模型进行求解。结果表明,改进方法能对DG进行有效的优化配置,其收敛速度和寻优能力亦优于传统算法。     

基于PSO算法的水库防洪优化调度模型及应用

针对传统的交互式洪水调度方案生成方式存在的缺陷,由基于PSO算法的洪水优化调度模型,提出了有条件限制的随机自动生成方式,并利用罚函数法处理边界条件和其他非等式约束.实例应用结果表明,较之常规的动态规划法,改进后的PSO算法计算速度快、结果合理,为流域防洪优化调度提供了有效途径.     

太阳能和空气源复合热泵的最优模式切换分析

太阳能和空气源复合热泵在不同模式下具有不同性能,如何在实际应用中以最佳的工作模式运行,对提高系统综合性能至关重要,为此提出2种用于实现系统最优模式切换的判断方法：1）基于最优模式切换的太阳能辐射强度和环境温度的复合环境参数范围表;2）流经2个蒸发器（太阳能集热/蒸发器和风冷蒸发器）的制冷剂质量流量分配比。基于此,在工程方程求解器（EES）中建立太阳能/空气双源辅助热泵热水器的仿真模型。首先,基于上海松江地区的气候条件模拟比较不同模式下的系统性能,再分析和讨论将复合环境参数范围表和质量流量分配比作为系统最优模式切换的判断方法的可行性。结果表明,在相同环境温度下,随着太阳辐射强度的增加,系统最优运行模式将由太阳能-空气模式转变为太阳能模式。此外,将流经2个蒸发器的制冷剂质量流量分配比作为模式切换的准则是可行的,对于本系统其最优运行模式由太阳能-空气模式转变为太阳能模式时的质量流量分配比临界值约为2.02。     

蚁群加速遗传算法在水环境优化问题中的应用

提出了水环境优化问题的一种新方法——蚁群加速遗传算法，给出了实施该算法的详细步骤。并对新方法的收敛性和全局优化性进行了理论和实例分析，在污水处理模型的参数识别问题中，新方法得到了精度较高的全局最优解。新方法具有精度高、速度快和鲁棒性强等特点，是一种既可以较大概率搜索全局最优解，又能进行局部细致搜索的较好的非线性优化方法，可广泛应用于各种水环境优化问题中。     

基于遗传-蚁群算法的库群长期优化调度

为克服蚁群算法前期收敛慢、易陷入局部最优解且参数难以确定的缺点,提出了遗传-蚁群算法进行库群长期优化调度问题的求解。该方法应用遗传算法生成问题的初始解,并将初始解的适应度转化为蚁群算法的信息素初始值,同时引入遗传算法染色体交叉、变异的思想进行蚁群算法参数最优组合的确定,提高了蚁群算法的优化性能和求解精度。对乌江流域4座水电站的计算结果表明,该算法可显著改善优化结果质量,获得良好的调度方案,是求解库群长期优化调度问题的一种有效方法。     

Contribution for optimal sizing of grid-connected PV-systems using PSO

Particle Swarm Optimization (PSO) is an optimization algorithm considered to be highly efficient for the solution of complicated problems. This paper presents the application of this method for the design optimization of photovoltaic grid-connected systems (PVGCSs). The purpose of the proposed methodology is to locate the optimal number of system devices and the optimal values of the PV module installation details, such that the total net economic benefit achieved during the system operational lifetime period is maximized. The optimization's decision variables are the optimal number of the PV modules, the PV modules optimal tilt angle, the optimal placement of the PV modules within the available installation area and the optimal distribution of the PV modules among the DC/AC converters. The objective function of the proposed optimization process is the lifetime system's total net profit which is calculated according to the method of the Net Present Value (NPV). The methodology's resulting system structures are economically evaluated through the methods of the discounted payback time and the Internal Rate of Return (IRR). The PSO algorithm is compared to the application of Genetic Algorithms (GAs) in terms of efficiency for the current problem.     

A method for power suppliers’ optimal cooperative bidding strategies considering network losses

The bidding strategies of power suppliers to maximize their interests is of great importance. The proposed bi-level optimization model with coalitions of power suppliers takes restraint factors into consideration, such as operating cost reduction, potential cooperation, other competitors’ bidding behavior, and network constraints. The upper model describes the coalition relationship between suppliers, and the lower model represents the independent system operator’s optimization without network loss (WNL) or considering network loss (CNL). Then, a novel algorithm, the evolutionary game theory algorithm (EGA) based on a hybrid particle swarm optimization and improved firefly algorithm (HPSOIFA), is proposed to solve the bi-level optimization model. The bidding behavior of the power suppliers in equilibrium with a dynamic power market is encoded as one species, with the EGA automatically predicting a plausible adaptation process for the others. Individual behavior changes are employed by the HPSOIFA to enhance the ability of global exploration and local exploitation. A novel improved firefly algorithm (IFA) is combined with a chaotic sequence theory to escape from the local optimum. In addition, the Shapley value is applied to the profit distribution of power suppliers’ cooperation. The simulation, adopting the standard IEEE-30 bus system, demonstrates the effectiveness of the proposed method for solving the bi-level optimization problem