基于并行协同粒子群优化算法和PC集群的无功优化

针对大规模电力系统无功优化高维度、非线性、不连续的问题,提出一种并行协同粒子群优化算法.该算法基于消息传递接口技术,采用二级并行的方案求解无功优化问题.第1级并行是通过控制变量分组,将原优化问题分解成几个相互关联的子优化问题,每一个子优化问题对应一个子粒子群,各子粒子群相互协同,共同求取最优解.第2级并行是指用粒子群优化算法求解子优化问题时使用多个进程并行求解,进程间采用对等模式分配计算任务,提高了优化效率.此外,为了增强粒子群优化算法的全局寻优能力,在优化过程中对其参数进行了动态调整.通过在PC集群上对IEEE 118节点系统和IEEE 300节点系统进行仿真计算,验证了该算法能取得较好的优化结果,具有较高的加速比和可扩展性,能满足大规模电力系统无功优化的需要.     

采用辅助问题原理的多分区并行无功优化算法

针对大规模电网集中式串行无功优化计算所面临的计算问题和瓶颈问题,基于分布式并行计算思想建立一种多分区并行无功优化模型,并采用辅助问题原理综合考虑D–变量提出一种附加函数,有效地将全网的优化问题完全分解为多个子区独立的优化问题,同时解决了分区计算所引起的多平衡点问题。该方法实现了完全的分布式优化,解决了数据集中上传的瓶颈问题,有效降低了优化问题的求解规模,大大缩短了总运算时间,提高了计算与控制的实时性和灵活性。仿真结果表明：该方法有效可行,计算速度快,收敛性好。     

基于共享小生境伪并行遗传算法配网无功优化研究

针对传统遗传算法(SGA)在配电网无功优化中的缺陷和配电网的特点,把基于共享函数的小生境技术和伪并行遗传算法有机结合起来应用于无功优化,采用实数编码和自适应交叉、变异等策略.建立了以运行费用最小为目标的数学模型.实际网络计算结果表明,小生境伪并行遗传算法在提高运算速度、维持群体多样性和抑制早熟等方面显示出优越性,更加适用于配网无功优化.     

基于多Agent技术的分布式电压无功优化控制系统

全网电压无功控制是一个复杂的、分布式的优化控制问题,为了更好地解决这个问题,文章提出了基于多Agent技术的分布式电压无功优化控制系统,该系统符合电压无功控制装置分散配置的特点,Agent之间相互协调,根据辅助问题原理进行全网并行无功优化计算,数据通信量少,收敛速度快.Agent根据优化计算结果自动调整电压无功模糊判据的控制范围,进行电压无功实时控制,自学习能力强.该系统功能强大,具有较高的适应性、灵活性、智能性和可扩展性.     

基于伪并行遗传算法的多目标无功分层优化研究

本文对多目标无功优化问题采用分层优化算法降低了计算量,同时综合考虑多个指标和要求,在每一层的优化中,对遗传算子进行了改进,采用了伪并行遗传算法。通过IEEE-14节点系统,验证了该算法的有效性。     

采用Ward等值技术的多区域无功优化并行计算

针对大规模电力系统无功优化计算速度慢的问题,采用多区域并行计算是一种有效的解决方法。基于Ward等值技术对多区域无功优化分解协调算法做进一步的改进和补充,通过建立等值分区的无功优化并行计算模型,对其等值分区并行计算的实现原理进行了总结分析,提出适合基于Ward等值技术的多区域无功优化并行协调计算模式和计算流程,并采用Matlab并行计算平台实现无功优化并行计算。以IEEE 39节点、某538节点实际系统和某695节点实际系统为算例,通过与集中优化方法进行比较,验证了所提方法的有效性。     

分布式并行混合遗传算法在无功优化中的应用

将模拟退火算法与普通遗传算法结合,同时引入分布式MPI技术,实现了分布式的多种群算法.该算法用个体迁移策略来协调优化各个种群,用最优值恢复策略来稳定优化方向,并通过分布式计算的应用,有效地缩短了计算时间.通过运用IEEE14节点标准数据运算,证明了这种算法在电力系统无功优化计算中具有很高的稳定性和快速求解能力.     

基于量子差分进化算法的电力系统无功优化

以系统有功网损最小为目标,建立了一种电力系统无功优化数学模型,并提出了一种基于量子差分进化算法的电力系统无功优化方法。该算法采用量子计算中的并行、坍缩等特性,增强了对解空间的遍历能力;同时在传统选择策略的基础上加入了量子计算的概率表达特性,有效地避免了算法的早熟现象。对IEEE-30节点测试系统进行仿真分析,并将优化结果与传统差分进化算法和粒子群优化算法进行对比分析,结果表明量子差分进化算法在解决系统无功优化问题上更科学、更有效。     

基于分布式协同粒子群优化算法的电力系统无功优化

该文提出一种新颖的用于求解无功优化问题的分布式协同粒子群优化算法.考虑到大规模电力系统集中优化难度较大,采用分层控制中的分解-协调思想将大系统分解成若干个独立的子系统,有效地降低求解问题的复杂度,并采用混合策略在各子系统问进行协同进化.此外,子系统的无功优化采用了一种改进的粒子群优化算法,考虑了更多粒子的信息,能有效地提高算法的收敛精度和计算效率.对4个不同大小规模的系统进行的仿真计算结果表明该文提出的方法能够获得高质量的解,并且计算时间短,效率高,适合求解大规模电力系统的无功优化问题.     

基于伪并行遗传算法的配电网电容器优化配置

针对普通遗传算法易陷入早熟收敛的问题,提出基于伪并行运算的改进遗传算法并应用于配电网无功补偿电容器组的最优规划问题.通过控制多种群并行进化,同时采用控制策略实现种群间个体迁移,以保持个体多样性及局部最优个体的数量.算例证明,此方法可以显著提高算法的全局收敛能力及计算速度.