基于场景概率潮流的电力系统无功优化研究

多风电场出力的随机性和互相关性特点对电力系统无功优化调度有着不可忽视的影响。针对这一问题,提出一种基于场景概率潮流的电力系统无功优化方法。该方法将风电出力场景化,结合概率潮流计算,以系统有功网损、发电机无功偏差和节点电压偏差期望加权值最小作为无功优化目标函数,利用粒子群算法求得各风电出力场景下的最优无功控制策略。在含多风电场的IEEE 30节点系统中对所提方法进行测试,并与确定性的场景无功优化方法相对比,验证了所提方法的有效性。     

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。     

一种基于子区域粒子群的无功优化算法研究

针对粒子群算法在寻优时容易陷入局部最优的不足,提出了一种基于子区域粒子群的算法,并运用到电力系统无功优化中。该算法将搜索空间划分成若干个子区域,在各个子区域中均使用粒子群算法进行寻优,通过比较各个子区域的全局最优解,得出整个搜索空间的全局最优。结合无功优化的数学模型应用于IEEE30节点之中,并与标准粒子群算法以及自适应变异粒子群算法的结果相比较,结果表明基于子区域粒子群算法能够大大地降低在寻优过程中陷入局部最优的概率,寻找出更好的全局最优解,在电力系统无功优化中得到良好的应用。     

基于随机响应面法的含风电电力系统小扰动稳定性分析

风力发电的不确定性对电力系统小扰动稳定性造成一定影响,而地理位置相近的风电场间的风速具有一定的相关性。本文建立双馈风电机组的动态模型,利用Nataf变换建立考虑风速相关性的风电场群模型,运用随机响应面法(SRSM),以风速作为输入,系统特征值、阻尼比、频率作为输出,分析了系统的小扰动稳定性,同时应用基于线性无关原则的概率配点选取法,合理选择有效配点,提高了SRSM的计算效率。在10机39节点系统中将SRSM与蒙特卡罗法比较,结果显示SRSM计算结果准确可靠,计算时间远远少于蒙特卡罗法的计算时间,能够实现系统小扰动稳定性分析的快速评估。在是否考虑风速相关性两种情况下进行对比,结果表明:考虑风速相关性时系统小扰动分析结果的波动更小,对系统安全稳定运行具有更明确的指导意义。     

基于改进粒子群优化算法的电力系统无功电压综合控制

在基本粒子群优化算法的基础上,提出了一种改进的粒子群优化算法用于电力系统无功电压综合控制.该算法改进了随机初始化种群的方法,采用均匀初始化,引进了粒子的自身探索机制,用多个位于可行域中的粒子个体引导粒子的更新,以保证全局搜索的有效性,同时采用混沌变异算子对陷入局部最优的粒子进行变异,提高了算法的寻优性能.通过对IEEE-30节点标准系统模型的无功电压综合控制计算和分析,证明了此改进的粒子群优化算法具有更高的全局寻优效率.     

基于改进粒子群优化算法的电力系统无功电压综合控制

在基本粒子群优化算法的基础上,提出了一种改进的粒子群优化算法用于电力系统无功电压综合控制。该算法改进了随机初始化种群的方法,采用均匀初始化,引进了粒子的自身探索机制,用多个位于可行域中的粒子个体引导粒子的更新,以保证全局搜索的有效性,同时采用混沌变异算子对陷入局部最优的粒子进行变异,提高了算法的寻优性能。通过对IEEE-30节点标准系统模型的无功电压综合控制计算和分析,证明了此改进的粒子群优化算法具有更高的全局寻优效率。     

基于改进粒子群算法含双馈风电机组配网无功优化研究

针对风电机组并网后对配电网无功补偿产生的影响,从双馈风电机组自身的有功、无功输出特性出发,基于场景概率的方法计算风力机组出力情况,以网损最小为目标函数寻求优化求解方法。利用改进粒子群算法来实现系统接入双馈风电机组后的无功优化,在Matlab 2013b软件中构造IEEE33节点模型并利用该算法求解。结果表明,双馈风电机组在参与系统无功优化时具有良好的性能,验证了该改进算法的有效性。     

基于差分策略的多目标电力系统无功优化

针对计及有功网损、电压偏差和电压稳定裕度的多目标无功优化问题,提出一种基于差分策略的粒子群算法对多目标电力系统无功优化进行求解。在粒子的速度更新操作中引入差分策略,防止算法陷入局部最优;应用目标序列排序矩阵评价个体适应度,根据适应度大小选择最优引导粒子;该算法在寻优机制中嵌入非劣排序和拥挤距离排序以对种群实施精英选择操作,使算法快速收敛到Pareto前沿;引入自适应参数调整策略,提高了算法的鲁棒性。对IEEE14节点系统和IEEE 30节点系统进行测试仿真,结果验证了所提方法的有效性和可行性。     

基于自适应折射学习和精英搜索SSO算法的电力系统无功优化

对电力系统无功优化问题进行研究,提出了一种基于自适应折射学习和精英搜索SSO算法(ARLESSO)的电力系统无功优化方案。针对群居蜘蛛优化(SSO)算法易于陷入局部最优和收敛精度不高的缺陷,引入多功能子族群划分策略:依据蜘蛛个体适应度大小,动态地将蜘蛛种群划分为精英群、扰动群和保持群;精英群和扰动群分别采用精英搜索和自适应折射学习进化机制,以提高算法全局深度搜索能力和种群样本多样性,在此基础上,构建最小网络损耗无功优化模型,并采用ARLESSO算法进行问题求解。IEEE节点测试系统仿真结果表明,同其他无功优化方案相比,所提算法全局寻优能力更强、精度更高,并且能够有效给出电力系统无功优化结果。     

UPFC在静态电压稳定分析中的应用

为了更好地提高电压稳定性,在系统中安装了统一潮流控制器(UPFC),建立了静态电压稳定分析的优化数学模型,并采用等效注入功率法将UPFC嵌入电力系统。针对优化计算过程中基本粒子群算法易陷入局部最优解的缺点,采用了自适应聚焦粒子群算法,并结合连续潮流法对目标函数进行寻优计算,找到关于UPFC控制参数、发电机端电压、有载调压变压器档位以及无功补偿电容器容量的最优的控制变量组合,并求出最大静态电压稳定裕度。通过对IEEE6,IEEE30标准节点系统进行计算,验证了应用UPFC对提高静态电压稳定裕度的有效性。     

大规模风电并网无功电压协调控制策略研究

本文开展了大容量、集团式风电场接入输电网的协调电压控制方法研究。针对双馈风电机组(DFIG)的无功电压控制方式,提出了考虑运行约束的风电机组及风电场无功调节能力计算方法,并提出了基于电压控制器和控制任务协调分配的风电场电压控制策略,使风电场相对电网整体表现为可控电压源;进一步,基于危险节点等值模型,选择控制节点和构建风电网系统协调电压控制模型,并通过在线求解简单的优化问题确定控制量;基于此提出了风电场并网的电压协调控制系统方案,使并网DFIG风电场参与电力系统电压控制。基于典型系统的仿真结果表明,该方案能充分利用系统中的电压支撑能力,提高系统的电压稳定性,能适应风电并网系统在线电压协调控制的要求。     

基于多策略自适应粒子群算法的电网无功优化

针对无功优化中确定无功补偿点和无功补偿容量的问题,本文提出了一种基于奇异值分解理论和多策略自适应粒子群优化算法(MS-APSO)的无功优化法。首先基于潮流计算中的雅可比矩阵奇异值分解以确定电压稳定性较弱的节点作为无功补偿节点;然后以线路有功损耗、负荷节点电压偏差最小以及节点稳定度最大为目标优化无功补偿量。为解决迭代后期算法收敛速度降低、粒子群多样性下降等问题,提出了多策略自适应改进算法以寻求全局最优解,综合考虑了粒子群多样性、惯性权重、越限重置和变异的影响,有效提高了算法前期的收敛速度和后期的寻优能力。最后,改进算法的有效性在IEEE 118算例中得到了验证。结果表明,改进后算法降损率与传统方法相比可以提高38.6%。     

基于协调粒子群算法的含风电场电力系统最优潮流计算

受风况、风电机组性能和电网性能的影响,大规模风电并网会引起电压波动.由于风能具有不可控、随机性和间歇性等特点,到目前为止还无法准确预测风电出力,这使得包含风电接入的潮流运算更加复杂,而且随机性也更强,传统算法很难获得准确可靠的解.以节点电压波动最小和有功功率损耗最小为目标,将改进粒子群算法引入到风电并网优化潮流计算中.以IEEE14节点系统为例,通过与原始粒子群算法比较证明本文所提模型和算法的有效性.该方法可以很好地减少无功损耗和抑制电压越界,具备一定的参考价值.     

多目标无功优化的向量评价自适应免疫粒子群算法

为了克服粒子群算法在高维复杂问题寻优时容易陷入局部搜索的现象,提出了一种自适应免疫粒子群算法。该算法利用引入免疫系统的免疫信息处理机制和自动调整动量系数的自适应因子,从整体上达到系统的最佳控制方案。并将基于目标向量的个体评价方法与自适应免疫粒子群算法相结合,提出了基于向量评价的自适应免疫粒子群算法(vector evaluated adaptive immune particle swarm optimization,VEAIPSO)来解决多目标无功优化问题。通过引入静态电压稳定指标,建立了以系统有功损耗最小、节点电压偏移量最小及静态电压稳定裕度最大为目标的多目标无功优化模型。IEEE30和IEEE118节点系统算例仿真结果表明,该算法能有效地解决多目标无功优化问题,并具有良好的收敛稳定性和较高的寻优精度。     

风电场并网在线预警系统研究

目前国内的风电调度管理技术尚不成熟,研究风电并网的在线预警系统对含大规模风电并网的电力系统安全稳定运行具有重要的现实意义。基于风电并网的功率预测、潮流计算、无功优化等关键问题研究,提出了风电并网在线预警系统的设计构想,并以DIgSILENT/PowerFactory软件为计算核心,完成该系统的研制与开发。所开发的的风电并网预警系统能预测风电并网区域主要监测节点电压以及线路潮流趋势并作安全评估,如果线路潮流越限,系统预警并进行风电场有功调节计算;如果节点电压越限,系统预警并进行风电场无功优化计算。算例分析以     

计及可用输电能力的风电并网系统中STATCOM的双层优化配置

针对静止同步补偿器最佳安装位置与容量问题,建立了风电并网系统中计及可用输电能力、静态电压稳定性与投资成本的静止同步补偿器双层优化配置模型。基于后向削减法对风电出力进行场景划分,上层为多目标优化配置层,下层为最优潮流计算层;通过对多目标灰狼算法添加混沌初始化,引入粒子群算法中的速度计算方式等提出基于网格法的多目标灰狼粒子群算法以求解多目标优化问题。在IEEE 30节点上对建立模型进行计算,验证了所提模型的可行性和算法改进的有效性。     

含风电场的电力系统节点电压脆弱性评估

含风电场的电力系统节点电压脆弱性的研究,重点在于节点电压脆弱度指标的计算.将并网运行的风电场视作具有随机性的扰动源,根据风速变化将风电场运行划分成不同的扰动状态,通过潮流计算得出含风电场的电力系统在不同风速条件下的节点电压值,并采用引入优化乘子的保留非线性潮流法(preserving nonlinear flow algorithm,PNFA)计算节点临界电压,进而求取节点电压脆弱度指标.对引入风电场的IEEE14母线系统进行仿真计算,并通过对比求得的节点电压脆弱度指标以及不同并网点对脆弱度及脆弱度排序的影响,充分评估风电场的并网运行对系统节点电压脆弱性的影响.     

含风电场的电力系统节点电压脆弱性评估

含风电场的电力系统节点电压脆弱性的研究,重点在于节点电压脆弱度指标的计算。将并网运行的风电场视作具有随机性的扰动源,根据风速变化将风电场运行划分成不同的扰动状态,通过潮流计算得出含风电场的电力系统在不同风速条件下的节点电压值,并采用引入优化乘子的保留非线性潮流法（preserving nonlinear flow algorithm,PNFA）计算节点临界电压,进而求取节点电压脆弱度指标。对引入风电场的IEEE14母线系统进行仿真计算,并通过对比求得的节点电压脆弱度指标以及不同并网点对脆弱度及脆弱度排序的影响,充分评估风电场的并网运行对系统节点电压脆弱性的影响。     

接入风电场的电力系统无功优化研究

研究了考虑大型风电场接入的电力系统无功优化问题。针对风电场接入时的无功优化模型,分析讨论了接入风电场的系统无功潮流计算,提出了一种改进遗传算法解决传统遗传算法在无功优化中面临的问题。采用混合编码方式处理连续变量和离散变量共存,利用自适应交叉和变异操作提高算法的搜索能力和跳出局部最优解的能力,利用精英代保持进化策略提高算法的可靠性和鲁棒性,在IEEE30标准系统引入风电场验证了该算法的适用性。     

含风电场的配电网无功优化策略研究

针对传统的配电网无功优化调节手段离散化、难以实现电压的连续调节等问题,研究了含风电场的配电网无功优化模型和算法,分析了双馈感应电机的无功发生能力,将风电场作为连续的无功调节手段参与配电网无功优化。并针对风电出力随机性的特点,用场景功率描述风电的随机出力,使之更具代表性。考虑了配电网的网损、电压偏差以及电压稳定性指标,建立了多目标无功优化模型。提出了基于量子粒子群算法(QPSO)的无功优化方法,该算法通过波函数描述粒子的状态,增加了种群的多样性,有效地避免了种群早熟等问题。用该算法对改进的IEEE33节点进