基于混沌优化和BFGS方法的最优潮流算法

将混沌优化与拟牛顿法中的BFGS方法相结合，提出了一种新的混合优化算法，并应用该方法进行电力系统最优潮流的计算。混沌优化方法利用混沌运动内在的遍历性、随机性和规律性等特点，跳出局部最优解，接 近最优点；同时，利用BFGS方法在最优点的邻域内局部寻优，提高了收敛速度和求解精度。 通过对IEEE 14，30和57节点试验电力系统的数值计算，验证了算法的有效性。     

电力系统内-外点优化潮流算法

提出了利用内-外点算法(IEPM)求解电力系统最优潮流问题。内点法(IPM)具有全局收敛性好的优点,但有时在最优点附近其收敛速度会降低,而外点法(EPM)在满足二阶最优条件时具有1.5Q的超线性局部收敛速度。IEPM将原对偶内点法和外点法结合,利用内点法寻找全局最优点所在的邻域,当内点法收敛到全局最优点邻域时,转到外点算法继续进行优化潮流数值计算。内-外点优化潮流算法结合了内点法和外点法的各自优点,具有快速的全局收敛性和超线性局部收敛性。对4个IEEE标准测试系统和一个实际某区域685节点系统仿真结果表明,该方法能够保证优化潮流计算的全局收敛性,且收敛速度快,迭代次数少。     

基于混沌内点法的可用输电能力计算

针对目前电力系统可用输电能力计算收敛速度慢、易早熟的问题,提出了一种将混沌优化与跟踪中心轨迹内点法相结合的混合求解算法。该算法利用混沌优化所具有的遍历性、随机性和规律性等特点跳出局部最优点,接近全局最优点;同时,利用跟踪中心轨迹内点法在最优点的邻域内局部寻优,从而达到全局寻优与局部寻优相结合。利用IEEE30节点测试系...     

基于人工免疫算法的电力系统最优潮流计算

基于一阶或二阶梯度的优化算法在计算电力系统最优潮流时经常陷入局部最优点，模拟进化算法具有较好的全局搜索能力，但是有时也由于过早成熟的现象而陷入局部最优点，文中提出了一种计算电力系统最优潮流的新算法－人工免疫算法，该算法是根据人或其他高等动物免疫系统的机理而设计的，将目标函数和一部分不等式约束条件作为抗原，将搜索空间的解作为抗体，依据抗原与抗体的结合力以及抗体之间的结合力对解进行评价和选择，通过抗体之间的相互激励作用提高了最优点附近的搜索效率，通过记忆细胞对抗体的抑制作用有效地摆脱局部最优点，应用此算法进行电力系统最优潮流计算，对IEEE30节点系统的计算结果说明了该算法的有效性。     

电力系统最优潮流的计算方法

为了保障电网安全稳定运行,结合当前条件,提出了一种求解电力系统最优潮流方法-原-对偶内点法.介绍了原-对偶内点法的基本思路和算法步骤,并用Matlab语言编写了关于原-对偶内点法的最优潮流程序.计算了14节点系统的发电成本,其结果表明原-对偶内点法对目标函数的优化效果更好,算法的中间量也能为调度提供合理的经济信号.     

基于内点法的安全约束经济调度

在分析仿射变换内点法的基础上，导出了改进的仿射变换内点法，这种方法特别适合电力系 统 最优潮流问题的求解；在此基础上建立了基于内点法的电力系统最优潮流问题——安全约束 的经济调度 的数学模型，并给出了其算法与实现；最后，对新算法以实例进行了验证。算例表明，所提 的优化方法具有较快的计算速度。     

基于聚类的差分进化算法的两阶段最优潮流方法

差分进化算法是一种广泛应用于求解非线性优化问题的全局最优解的元启发式方法,但存在容易找到次优解或近似局部最优解的问题.为此,提出了一种求解高质量局部最优解甚至全局最优解的基于聚类的差分进化算法的两阶段方法,并将该方法应用于电力系统最优潮流问题.所提方法由基于聚类的差分进化算法和局部优化算法组成.第Ⅰ阶段是基于聚类的差分进化算法利用强大的全局搜索能力快速确定包含局部最优解的区域;第Ⅱ阶段是局部优化算法利用局部寻优能力为非线性优化问题高效寻找高质量的局部最优解甚至全局最优解.在一组基准函数上测试了该两阶段优化方法的求解性能,并通过对IEEE 118节点电力系统最优潮流的计算,验证了所提两阶段优化方法的有效性和实用性.     

基于混沌优化的含风电场的最优潮流计算

通过建立简化异步风电机的等效稳态模型,将风电机的滑差引入到基本参数的计算,提出基于混沌优化算法的包含风电场的最优潮流计算。此方法利用混沌运动特定的遍历性、随机性等跳出局部最优点,接近最优解,从而提高了求解精发。经MATLAB编程对IEEE14、IEEE39、IEEE118节点系统进行测试,不同风速时计算结果表明,能得到更接近实际的最优解,验证了该算法的有效性和实用性。     

基于内点法的最优潮流计算及算例分析

由于电力系统本身的复杂性,电力潮流优化具有规模大,约束条件多和非线性的特点。通过对最优潮流的求解,最终达到优化已有资源、降低发电厂耗量成本、减少电网线路损耗、提高电力系统输电能力等目标,其相比较传统的潮流计算具有良好的经济性。因此,最优潮流是电力系统中及受关注的课题,目前也有很多针对其做出的研究。本文综述了电力系统最优计算的数学模型和优化方法的研究现状。介绍了内点法的理论基石和基本原理,建立了最优潮流的数学模型,并对该模型采用内点法进行求解,最后通过实际算例加以验证。     

基于内点割平面法的混合整数最优潮流算法

提出了一种采用内点割平面法求解混合整数最优潮流(OPF)的算法。该算法循环执行3个步骤：①求解OPF的可行解并将其线性化；②从线性内点法的最优解中判断基变量；③根据基变量产生混合整数割平面。与单纯形割平面法相比，内点割平面法不仅简单易实现，计算效率高，而且随着问题规模的增加，更能发挥其多项式时间特性的优点。文中还对退化问题的处理以及稀疏技巧的应用进行了深入的讨论。通过对IEEE典型系统的数值仿真计算显示出所提算法对于大型电力系统最优潮流问题的精确求解是非常有效的。     

一种基于帐篷映射的混沌搜索全局最优方法

利用混沌的随机性、遍历性和规律性进行优化计算，搜索全局最优，可以避免系统落入局部最优陷阱。本文将具有均匀分布函数的帐篷映射引入到混沌优化算法中，并与共轭梯度法相结合，比Logistic混沌映射确定的算法能更快、更有效地搜索到全局最优解。仿真表明该算法是有效的。     

基于混合混沌算法的电力系统无功优化

提出了一种基于混沌算法的主动禁忌混合混沌算法(RTSCOA),该算法结合了混沌算法的全局遍历性和禁忌算法的“记忆”功能,利用主动禁忌法的反馈机制控制管理禁忌表长度,能够有效地跳出局部极小点。分别对IEEE 6和IEEE 30节点进行仿真,并与标准遗传算法/改进遗传算法(SGA/AGA)进行比较,以证明该算法在电力系统无功控制中应用的有效性。经比较,该方法较其他算法在计算速度、寻优能力上有一定的提高。     

基于简化零空间内点法VSC-HVDC离散化最优潮流的研究

在求解含电压源换流器的高压直流输电(Voltage Source Converter based High Voltage Direct Current, VSC-HVDC)的交直流系统最优潮流(Optimal Power Flow, OPF)问题时,常使用原对偶内点法或智能算法。但原对偶内点法无法很好地解决含离散变量的OPF(如无功优化),而智能算法在解决此类问题时易陷入局部最优解,同时计算时间过长。因此,提出一种含离散惩罚函数的简化零空间内点算法。算法的主要思想是以简化零空间内点法(下称S-NSIPM)为框架,对连续变量进行优化,当收敛函数小于一定值时,在离散量的计算中引入罚函数,同时随着迭代量差值的变化随时调整罚函数的罚因子的大小。通过算例表明,该算法稳定性高,寻优和适应能力强,能够很好地解决含VSC-HVDC交直流系统的离散变量的优化问题。     

线性约束优化的最优路径仿射内点信赖域方法

提供最优路径仿射内点信赖域算法解具有线性等式与线性不等式约束的非线性优化问题。通过在信赖域半径内沿着最优路径搜索求得模型的迭代方向,然后结合非单调内点回代线搜索技术获得可接受的步长因子,从而产生保证目标函数值非单调下降的严格内点可行迭代序列。基于最优路径的良好性质,在合理的假设条件下,可以证明算法不仅具有整体收敛性而且保持超线性收敛速率。引入非单调技术能克服高度非线性的病态问题,加速收敛性进程。     

基于地区电网经济运行的无功综合效益优化

采用地区电网无功综合效益优化模型，从经济运行角度，兼顾地区电网有功网损最小和因数达到要求值，使电网的年运行费用达到最小。优化算法将仿射变换内点法与简化分枝定界法（内点－分枝定界法）综合应用于优化过程中，计算结果表明它是一种有效的无功优化算法。     

基于一种不可行内点法的电力系统无功优化

在应用内点法进行线性规划时,尚不能保证它的全面收敛性。提出了一种新的算法来求解无功线性优化问题。利用潮流雅可比矩阵直接变换求取灵敏度系数,建立无功优化线性规划模型,同时采用一种不可行内点算法来直接求解该问题。IEEE 14节点、30节点、57节点系统的计算结果表明,该算法能有效求解无功优化线性规划问题,同时在初始点的选择上不要求从内点启动,迭代收敛次数稳定,对计算系统的规模不敏感。     

含VSC-HVDC交直流系统精确化离散最优潮流的研究

原对偶内点法在求解含电压源换流器的高压输电(Voltage source converter based high voltage direct current,VSC-HVDC)的交直流系统最优潮流(Optimal power flow,OPF)问题时,有较高的效率与准确性,但是无法很好地解决含离散变量的OPF(如无功优化),而智能算法在解决此类问题时易于陷入局部最优解,同时计算时间过长。因此提出一种含离散惩罚函数的混合内点法算法。算法的主要思想是以内点法为框架,对连续变量进行优化,在当对偶间隙小于一定值时,对离散量的计算中引入罚函数,同时随着迭代量差值的变化随时调整罚函数的罚因子的大小。通过算例表明,该算法稳定性高,寻优能力强,能够很好地解决含VSC-HVDC交直流系统的离散变量的优化问题。     

基于扰动KKT条件的原始-对偶内点法和分支定界法的最优潮流研究

针对严格最优潮流模型的精确求解提出了一种新算法。新算法将基于扰动KKT(Karush-kuhn-Tucker)条件的原始-对偶内点法和分支定界法巧妙结合。运用分支定界法的分支处理对离散变量进行整数逼近．同时采用基于扰动KKT条件的原始-对偶内点法求解系列松驰问题,然后通过剪支处理和逐层定界达到收敛．实现了精确求解严格最优潮流的目的。此外。新算法将原问题的可行域进行逐步细分实现了全局寻优性。通过对IEEE14-118节点测试系统的数值仿真和不同算法的比较分析．证明了该算法是行之有效的。     

混沌神经网络在DTC系统中的转速辨识

针对BP神经网络易陷入局部极小值的缺点,提出了混沌神经网络的学习算法。利用混沌的遍历性和随机性,采用混沌变量全局粗搜索与混沌变量局部细搜索相结合,得到神经网络权值的全局最优值。利用该算法对直接转矩控制(DTC)系统进行转速辨识,仿真结果表明用混沌优化BP神经网络的速度辨识器不仅具有较好的跟踪能力,还提高了运算效率,使系统具有良好的静动态性能。