电力系统无功优化算法综述

综合分析了用于电力系统无功优化的各种优化算法,特别是一些新兴算法,指出了各种方法的优缺点.同时还对无功优化算法进一步发展做了一些探讨.     

电力系统无功优化算法研究

介绍了电力系统无功优化经典数学模型,并对电力系统无功优化的传统算法、人工智能优化算法和混合算法进行了分析.     

无功优化算法综述

电力系统无功优化是电网经济调度的一种重要手段,对保证电能质量、减小网损具有重要意义。简要介绍了无功优化的重要性,给出了无功优化问题的数学模型,介绍了解决无功优化问题的两类方法:常规优化方法、现代人工智能算法及新型方法;并针对这些算法的优缺点及利用范围进行了分析,为进一步无功优化的研究奠定一定的基础。     

电力系统无功优化算法性能比较及分析

电力系统无功优化问题在数学上是一个多变量、多约束的混合非线性问题,国内外研究者提出了多种无功优化算法,但对于这些算法的性能比较较为少见。为了便于进一步的修正和提高算法的性能,更好的发挥各种算法的优势,需要对这些常用的方法进行全面的对比和分析。文中选取了序列二次规划法、改进遗传算法和改进粒子群算法,基于算例比较分析了这3种算法在处理电力系统无功优化问题时的优势和缺点,并从算法的原理上给出了一些解释。     

电力系统无功优化综述

介绍了考虑风电场接入后、交直流混合输电系统以及电力市场下多个无功优化数学模型,探讨了现有传统优化算法、人工智能优化算法以及改进的混合优化算法,并对其中常用的优化算法进行了分析比较。针对电力系统无功优化在线运行的实用性问题,综合评价了现有无功优化控制策略及其适用情况,提出了当前电力系统无功优化研究中仍需解决的问题及未来的研究方向。     

基于协同粒子群优化算法的电力系统无功优化

为了解决粒子算法应用在电力系统无功优化中存在的问题,提出了一种改进的协同粒子优化算法.笔者根据电力系统无功优化问题非线性、不连续、大范围以及电压等级增多、无功优化控制变量较多的特点,建立了改进的协同粒子优化算法无功优化的数学模型,并将协同粒子群算法在无功优化中进行了应用.算例结果表明,该算法有效地改善了粒子群算法的局部收敛问题,缩短了搜索时间,提高了准确性.     

纵横交叉算法在无功优化中的应用

电力系统无功优化是一个多变量、多约束、非线性的复杂寻优问题,针对现有群智能算法在无功优化中容易陷入局部最优的不足,提出了一种全新的算法——纵横交叉算法(CSO),并将该算法应用到电力系统无功优化中。CSO算法由于双搜索机制的存在,扩大了搜索空间,大大增强其全局搜索能力和收敛精度。通过对IEEE-14和IEEE-57节点测试系统进行仿真计算,并与其他算法进行对比,验证了CSO算法对电力系统无功优化问题的适用性和有效性。     

基于改进小生境粒子群优化算法的电力系统无功优化研究

根据电力系统无功优化问题的特点,提出一种用于电力系统无功优化的最小欧氏距离下改进竞争小生境粒子群算法,利用该算法来克服粒子群优化算法容易早熟而陷入局部最优解的不足.通过对测试系统IEEE30节点进行电力系统无功优化的仿真,说明该算法能以更快的速度得到最优解,其性能明显优于其他算法.     

电力系统无功优化算法综述

为全面概括电力系统无功优化算法研究的现状、取得的成果和存在的不足,介绍了通用的无功优化模型,总结了多种目前电力系统无功优化中常用的传统优化算法和人工智能优化算法,包括线性规划法、非线性规划法、动态规划法、现代启发式搜索方法、专家系统等。对每种算法的原理和优缺点进行了分析,并针对列出的每种基本优化算法存在的缺陷,介绍了几种改进的优化算法。最后,介绍了几种效果良好的混合优化算法,并对未来无功优化研究的方向提出了建议。     

基于混沌蚁群算法的电力系统无功优化

针对无功优化多变量、多约束、非线性的特点,提出一种电力系统无功优化的新算法--混沌蚁群优化算法(CACO),并将混沌蚁群优化算法应用在电力系统无功优化中,以有功网损最小为目标函数,建立了CACO无功优化数学模型.通过IEEE30节点算例和某地区一个实际电网算例,验证了算法的有效性.     

基于多目标粒子群算法的高维多目标无功优化

提出一种高维多目标电力系统无功优化模型。相比于传统的电力系统无功优化模型,该模型能够在无功优化中同时兼顾系统的有功损耗、电压水平、静态电压稳定性以及供电能力。针对已有的求解多目标无功优化模型的算法应用于求解所提模型时存在的局限性,进一步引入一种基于帕雷托熵的高维多目标粒子群优化算法并加以改进,使得该算法能够有效求解高维多目标优化问题。最后,利用IEEE-39节点系统验证了所提模型和求解算法的正确性和有效性。仿真结果表明,在传统的多目标无功优化模型中引入系统供电能力,能够在不恶化其他目标函数优化效果的情况下,使系统的供电能力得到提高。     

一种基于专家知识的电力系统电压／无功分级分布式优化控？…

本文对电力系统电压分级分布式优化控制模式下的电力系统分区方法进行了研究,提出了一种基于专家知识的向上分级归类的分区算法,并通过对子区域无功电源储备指标的动态校核,进一步保证了系统分区结果的合理性和于区域电压／无功的可控性。     

电力系统无功优化算法综述

简要介绍了电力系统无功优化的发展历史及无功优化的各种算法,通过比较指出了各种方法的特点。较全面地分析了电力系统无功优化的发展现状,并对以后的研究动态进行了预测,提出了利用混合策略发展的新思路。     

电力系统无功优化的LRS-PSO算法

提出一种应用局部随机搜索粒子群优化（LRS—PSO）算法求解电力系统无功优化的新方法。使用概率调用策略调用局部随机搜索（LRS）算子。给出了适合无功优化问题的LRS算子的具体实现以及应用LRS—PSO算法求解电力系统无功优化的步骤。对IEEE30节点测试系统进行了无功优化计算,并与标准遗传算法（SGA）、粒子群优化（PSO）算法的测试结果进行了比较。仿真结果表明,与SGA、PSO算法相比,应用LRS—PSO算法求解无功优化问题具有质量更高的解,收敛特性更好。     

电力市场环境下的无功优化模型及其求解方法

该文分析了传统的电力系统无功优化模型存在的缺陷，论述了在电力市场中实行无功计价的必要性。提出了根据发电机运行的不同状况对发电机无功进行分段计价的观点，并依此建立了以有功网络损耗费用和无功费用为目标函数并包含各种运行约束的电力系统无功优化数学模型。由于电力系统无功优化问题本身的复杂性，该文将遗传算法和ALOPEX相结合的优化算法应用于上述的无功优化模型，这种方法能充分发挥遗传算法的全局寻优优势和ALOPEX算法的爬山能力突出的特点，可以克服以往优化算法的不足。给出的算例也证明了该文提出的无功优化模型可以在降低网络有功损耗的同时实现无功潮流的合理分布，起到改善系统无功环境的作用。     

三目标混合骨干粒子群算法的电力系统无功优化

电力系统无功优化通常以降低有功网损和减小电压偏移为目标,建立了综合考虑有功网损和电压偏移最小及电压稳定裕度最大的三目标无功优化模型。首次引入混合骨干粒子群算法用于解决电力系统无功优化问题。该算法利用关于粒子个体极值和全局极值的高斯分布对粒子位置进行更新,再通过K-均值聚类的方式,引入单纯形法对有代表性的粒子进行单纯形搜索,使算法既能够具备较强的全局搜索能力,又能够提高收敛速度和精度。将该算法和其他算法应用于IEEE-14节点系统中进行无功优化,通过数据的计算和比较,结果验证了该模型和算法用于解决多目标电力系统无功优化问题的优越性和实用性。     

基于群搜索算法的电力系统无功优化

为了提高电力系统的运行效率和经济性能,用群搜索优化算法(Group Search Optimizer)对电力系统各控制变量进行合理配置,以此减少电力系统无功损耗。群搜索优化算法是一种新兴的群智能优化算法,该算法把群成员分为发现者、追随者和游荡者三种,其中游荡者的位置随机选定,这有效地避免了其他算法容易陷入局部最小值问题。选定电力系统中无功投入量、电压变比、发电机端电压等作为控制变量,通过群搜索优化算法对控制变量进行迭代计算和潮流计算,最终计算出最小的网络损耗及其对应的控制变量值。最后用Matlab7.6对IEEE-14、30节点系统进行仿真,并与其他群智能优化算法进行对比,结果显示,群搜索算法的收敛较快且稳定,最终证明了群搜索算法对无功优化的优越性。     

基于改进人工蜂群算法的电力系统无功优化

针对电力系统无功优化存在的问题,提出了一种基于改进人工蜂群算法的无功优化。运用反学习法对人工蜂群算法进行了优化,克服了人工蜂群算法本身容易陷入局部收敛的缺点,并且对IEEE30节点进行仿真计算,结果表明该算法对于求解复杂无功优化问题的可行性和有效性。     

电力系统无功优化方法综合分析

无功优化是电力系统电压稳定与经济运行的核心问题 ,也是提高电力系统电压质量的重要措施。本文简要地介绍了无功优化的经典算法 :梯度类算法 ,牛顿法 ,二次规划法和线性规划法。详细地分析了人工智能方法在无功优化中的应用 ,即遗传算法、模拟算法、Tabu搜索法、混合算法、专家系统、人工神经网络法、模糊优化法等应用于无功优化的基本思路 ,还对动态规划法进行了分析 ,并进行诸多方法的比较 ,得出了合理的结论 :遗传算法及其与其它算法的结合 ,将使遗传算法在无功优化与控制的应用领域中发挥愈来愈大的作用     

电力系统无功优化算法发展进程

以时间为主线,总结电力系统无功优化算法的发展历程;比较每个时期无功优化算法的特点,各算法在当时的应用情况和存在的不足;通过对各时期不同算法的深入研究,以及对新型算法的应用分析,总结出优化算法初步形成,常规算法深入发展,新型算法投入应用以及多种算法综合应用等无功优化算法的发展阶段,并基于无功优化算法发展动向,提出未来无功优化算法的发展思路。