基于01整数规划的多目标最优PMU配置算法

针对目前缺乏多目标PMU配置方法,提出了一种基于线性01规划的多目标优化配置算法.并在此基础上导出了三种特殊模型,分别处理系统在正常运行方式下完全可观测的PMU布点问题,在线路N-1故障时系统仍可观测的PMU布点问题及在PMU N-1故障时系统仍可观测的PMU布点问题.该方法的突出特点在于能够同时将以上三种布点需求使用统一的形式同时处理,并且最终的布点方案在保证PMU数目最少或保证配置PMU所需费用最少的基础上获得了最高的测量冗余度.通过IEEE30、IEEE 57、IEEE118节点系统布点验证了该方法的有效性和灵活性.     

电力系统PMU最优配置算法

以电力系统状态完全可观测和PMU配置数目最小为目标,提出了一种新的PMU最优配置方法,即微分进化算法,并讨论了以提高状态估计精度为目标的PMU配置方案。该算法是一种基于自然进化思想的随机全局搜索算法,相比于其他类似搜索算法有其独特的优点和应用前景,优点是比其他几种随机算法收敛速度快,稳定性好并且程序实现简单。IEEE 14、IEEE 30和IEEE 57节点算例系统验证了算法的有效性。     

基于动态规划算法的PMU优化配置

以电力系统状态完全可观测和PMU配置数目最小为目标,提出基于动态规划算法的PMU优化配置方案。选择PMU配置位置为动态规划的状态,PMU台数为动态规划的阶段数,从而实现动态规划计算。通过预处理准则、对称性准则、优胜劣汰准则提高了计算效率。用文中方法对IEEE 14和IEEE 39节点系统进行了PMU配置。与其他文献方法对比表明了该算法的正确性与优越性。     

广域测量系统中PMU优化配置方法的比较

首先介绍了基于PMU的系统线性量测模型和可观测性分析,接着分别介绍了5种基于系统完全可观测下的PMU优化配置算法.利用这些算法对几种IEEE标准节点系统进行PMU优化配置仿真研究.结果表明,这几种算法在解的收敛速度、解的收敛性和解的多样性方面各有其特点.因此,所提PMU优化配置方法和算法性能比较具有一定的实用性.     

基于01整数规划的多目标最优PMU配置算法

针对目前缺乏多目标PMU配置方法,提出了一种基于线性01规划的多目标优化配置算法。并在此基础上导出了三种特殊模型,分别处理系统在正常运行方式下完全可观测的PMU布点问题,在线路N-1故障时系统仍可观测的PMU布点问题及在PMU N-1故障时系统仍可观测的PMU布点问题。该方法的突出特点在于能够同时将以上三种布点需求使用统一的形式同时处理,并且最终的布点方案在保证PMU数目最少或保证配置PMU所需费用最少的基础上获得了最高的测量冗余度。通过IEEE30、IEEE 57、IEEE118节点系统布点验证了该方法的有效性和灵活性。     

基于图论的电力系统PMU布点优化算法

基于最小支配集理论和电力系统线性量测模型,提出了可观测节点集合、WAMS可观测矩阵两个概念以及一种新的节点可观测性计算规则。以保证系统的完全可观测性和以系统图的最小支配集为搜索范围构成约束条件, 以电力系统状态完全可观测和相量测量装置（PMU）配置数目最小为目标,形成了PMU配置优化问题。并应用禁忌搜索(TS)方法求解该问题,保证了全局寻优。最后采用 IEEE 14、30、57 、118节点系统和新英格兰 39 节点系统对该方法进行了验证,仿真结果表明该方法的有效性和可行性。     

PMU最优配置问题的混合优化算法

为使得电力系统在完全可观测的条件下,PMU安装数目最少,提出了一种混合优化算法以解决相量测量单元PMU的最优配置问题.混合优化算法以粒子群优化算法为主体,引入交叉、变异操作,并结合模拟退火机制控制粒子的更新.在处理解的约束问题时,采用了一种基于概率的启发式修补策略,避免修复后的解特征单一.将混合算法与其他算法在多个IEEE标准系统上进行了比较分析,结果表明在较大规模系统上,混合优化算法收敛率比标准粒子群算法提高数倍,计算量比模拟退火算法减少了数十倍,表明了较好的可行性和较高的效率.     

基于模拟退火混合遗传算法的电力系统相量测量装置优化配置

针对确定配置同步相量测量单元(phasor measurement units,PMU)的最小数和最佳位置以达到最大网络结构可观测性的PMU最优配置问题,提出了模拟退火遗传算法。该算法对常规遗传算法会出现早熟现象、局部寻优能力较差等缺点,在遗传算法中融入模拟退火算法算子,实现了模拟退火的良好局部搜索能力与遗传算法的全局搜索能力的结合。将该算法应用于优化PMU安装地点选择,实现了安装点最少,而整个系统可观的目标。IEEE14节点系统和新英格兰39节点算例系统对所提方法进行了验证。     

基于改进遗传模拟退火算法的PMU优化配置

分析了遗传算法和模拟退火算法的优缺点,将具有较好全局寻优性能的遗传算法和具有较强局部搜索能力的模拟退火算法结合,形成的遗传模拟退火MGASA算法用于解决以电力系统状态完全可观测和PMU配置数目最小为目标的PMU优化配置问题.在寻优过程中,先将每一代群体进行遗传操作,再对产生的新群体中各个体进行模拟退火操作,同时在选择、交叉、变异和复制操作过程中实施最优保留策略,复制策略采用Metropolis判别准则.通过采用IEEE14和IEEE39节点系统对该算法进行验证表明,MGASA算法在解决PMU优化配置问题上具有较高的寻优性能和搜索效率.     

基于博弈演化算法的PMU最优配置方法

为实现电力系统可观测性,提出一种新的相量测量单元(PMU)配置方法,即基于博弈论的演化算法。该算法将寻找PMU最优配置方案的问题映射为理性主体寻求自身利益最大化的博弈过程,PMU最优配置方案即对应于博弈中的纳什均衡解。其突出优点是演化方向确定、全局收敛性好、收敛速度快、解具有多样性。应用该算法在IEEE 30节点、新英格兰39节点、某128节点系统进行仿真计算,与深度优化算法、模拟退火算法和最小生成树算法的结果进行比较,说明了该算法的可行性及优势。     

基于改进的整数规划法结合零注入节点的PMU优化配置方法

为了提高同步相量测量装置的优化速度并利用最少数量的相量量测单元(PMU),结合零注入节点的特性,提出了基于整数规划算法的PMU优化配置算法。根据电力系统全网的可观测性建立其数学模型,并考虑了零注入节点的相关特点,求解系统模型获得PMU的优化位置。对IEEE-14节点、IEEE-18节点、IEEE-30节点以及IEEE-118节点系统分别进行了实验仿真,并利用Matlab以及Lingo工具对所提改进的整数规划法进行了验证,对约束方程进行优化,获得了PMU的数量和位置。将该算法与整数规划算法、模拟退火法以及改进过的遗传算法相比较,该算法可以用更少数量的PMU设备使全网可观,验证了该方法的有效性和优越性。     

基于免疫BPSO算法与拓扑可观性的PMU最优配置

以电力系统状态完全可观测和相量测量单元PMU配置数目最小为优化目标,基于PMU的功能特点和电力网络的拓扑结构信息,形成快速且通用的电网拓扑可观测性判别方法,并设计了一种结合免疫系统信息处理机制的二进制粒子群优化算法对目标函数进行求解,该算法综合了粒子群优化算法简单快速和免疫系统种群多样性的优点,明显改善了进化后期算法的收敛性能和全局寻优能力.最后通过对IEEE14和新英格兰39母线系统进行PMU优化配置仿真及量测冗余性分析,验证了本文方法的有效性和优越性.     

基于多目标进化算法的PMU的优化配置

研究了配置相量测量单元(PMU)后电力系统可观测性的判断方法,以保证电力系统完全可观测为约束条件,以配置PMU数目最小和保证测量量具有最大量测冗余度为目标,建立了PMU最优配置问题的数学模型。这是一个多目标优化问题,需要寻求一组Pareto最优解,应用多目标进化算法求解该问题可以得到多种满足条件的PMU配置可行方案。最后,以IEEE39节点系统为例验证了该方法的合理性。     

Optimal allocation of phasor measurement unit for full observability of the connected power network

This paper presents binary particle swarm optimization (BPSO) technique for the optimal allocation of phasor measurement units (PMUs) for the entire observability of connected power network. Phasor measurement units are considered as one of the most important measuring devices in the prospect of connected power network. PMUs function may be incorporated to the wide-area connected power networks for monitoring and controlling purposes. The optimal PMU placement (OPP) problem provides reference to the assurance of the minimal number of PMUs and their analogous locations for observability of the entire connected power networks. Binary particle swarm optimization (BPSO) algorithm is developed for the solution of OPP problem. The efficacy and robustness of the proposed method has been tested on the IEEE 14-bus, IEEE 30-bus, New England 39-bus, IEEE 57-bus, IEEE 118-bus and Northern Regional Power Grid (NRPG) 246-bus test system. The results obtained by proposed approach are compared with other standard methods and it is observed that this BPSO based placement of phasor measurement units is found to be the best among all other techniques discussed.     

电力系统PMU最优配置数字规划算法

随着相量量测装置(PMU)硬件技术的逐渐成熟和高速通信网络的发展,PMU在电力系统中的状态估计、动态监测和稳定控制等方面得到了广泛应用.为达到系统完全可观,在所有的节点上均装设PMU既不可能也没有必要.文中提出一种基于系统拓扑可观性理论的数字规划算法,利用PMU和系统提供的状态信息,最大限度地对网络拓扑约束方程式进行了简化,以配置PMU数目最小为目标,形成了PMU最优配置问题,并采用禁忌搜索算法求解该问题.其突出优点是利用了系统混合测量集数据,即不仅考虑了PMU实测数据,同时计及了可用的潮流数据.在IEEE14节点和IEEE 118节点系统的仿真结果表明,与常规的PMU最优配置算法相比,所提出的数字规划算法可以实现安装较少数量的PMU而整个系统可观的目标.     

基于记忆的改进克隆算法及其PMU配置多目标优化应用

以PMU安装数、量测系统可观测性和基于混合量测的状态估计精度三者为优化目标的PMU优化配置(OPP)是二层规划问题。该文证明了用单次状态估计精度评价量测系统性能的可行性，提出精度加权估算公式。将二层规划目标简化为分段函数，提出基于记忆的改进克隆算法。除模仿生物免疫系统的克隆选择和受体编辑机制外，该算法引入记忆加速算子以强化邻域搜索，并分段调整循环补充规模、高频变异与重组操作概率，从而显著加快和稳定进化进程，避免搜索陷入局部最优解。基于IEEE 14/57节点系统的算例表明，该算法能快速稳定地求出全局最优解及近似解，比原克隆算法等更适用。     

电力系统相量测量装置最优配置混合算法的研究

以电力系统状态完全可观测和相量测量装置(PMU)配置数目最小为目标,形成了PMU最优配置问题。将遗传算法和禁忌算法有效结合形成禁忌遗传算法,该算法在改进交叉和变异算子的基础上,继承和发展了遗传算法基于多点搜索、鲁棒性强等诸多优点,每当群体有出现早熟而陷入局部最优解的趋势时,利用禁忌搜索增强算法的爬山能力,避免算法早熟而陷入局部最优解,增强算法的全局收敛能力和收敛速度。与遗传算法和禁忌搜索方法相比,禁忌遗传算法具有更好的全局收敛能力和收敛速度。最后采用IEEE14,IEEE30和IEEE57节点系统对算法的有效性进行了验证。     

A Multi-objective PMU Placement Method in Power System via Binary Gravitational Search Algorithm

This paper presents a Binary Gravitational Search Algorithm (BGSA) methodology for the optimal placement of Phasor Measurement Units (PMUs) to achieve full and maximum observability of the power system. The gravitational search technique has been extended in this investigation to incorporate binary variables for this purpose. The objective of proposed methodology is to minimize the total number of PMUs installed at various buses, which in turn minimize installation cost of the PMUs and improves observability redundancy by including an additional objective. Thus, the PMU placement problem has been expressed as a multi-objective problem. Besides, single PMU outage or single line outage cases in the presence of zero injection buses have been investigated. In this algorithm, the searcher agents are the collection of masses, which interact with each other using Newton's laws of gravity and motion. The proposed BGSA has been applied to the IEEE 14-bus, -30-bus, -118-bus, Northern Regional Power Grid 246-bus Indian system, and Polish 2383-bus system. Case studies reveal that the lower number of PMUs or equal number of PMUs has been produced by the proposed method compared to methods reported in the literature. In cases of equal number of PMUs, the observability produced by proposed method is higher or at least equal.