基于多目标粒子群算法的无源电力滤波器优化设计

综合考虑滤波装置的总费用、谐波电压畸变率和谐波电流残留率等设计目标,提出一种基于改进多目标粒子群算法的无源滤波器优化设计新方法.改进了传统的粒子群算法,引入快速排序法构造非支配集、精英集归档技术和拥挤度算子概念,提高了算法的寻优速度和精度.最后通过对具体工程算例的计算,表明了该方法的优越性和有效性.     

基于粒子群优化算法的混合有源滤波器中无源滤波器的多目标优化设计

混合有源滤波器是非常有应用前景的滤波装置,但其综合性能受无源滤波器参数优化程度的影响很大。该文基于课题项目中谐波源的特点,针对已有优化设计方法的各种缺点,提出了基于改进粒子群优化算法的混合滤波装置中无源滤波器的多目标优化设计方法。通过将无源滤波器的无功补偿容量、初期投资及补偿后滤波效果作为优化目标,利用简便、有效的粒子群优化算法对其参数进行了优化设计,大大减少了人工的计算量,而且明显提高了算法的寻优速度。最后仿真及现场模拟实验表明,此优化设计无源滤波器的成本比经验设计方法有所降低,滤波效果有明显的提高。     

微电网无源电力滤波器的多目标优化设计

提出了基于多岛粒子群优化算法求解微电网混合有源电力滤波器（APF）中无源电力滤波器参数的优化设计方法。该方法将优化种群多岛化,增加寻优结果的多样性,将惯性权重系数动态随机取值,以更好地调节算法的全局与局部搜索能力,从而避免算法提前陷入早熟。从谐波抑制、无功功率补偿和滤波器成本多目标综合优化（PPF）参数,使其在满足滤波要求的前提下,更好地节约成本。试验结果验证了该方法的合理性和可靠性。     

无源滤波器的多目标优化设计

针对目前根据工程经验或简单的技术经济指标来设计无源滤波器的现状，以及现有优化设计方法中假设条件较多、寻优空间较小、寻优能力不强、对实际因素考虑不全面等问题，提出了一种无源滤波器的多目标优化设计方法。将无源滤波器的初期投资、无功功率补偿容量、滤波后电网谐波含量作为三个目标，利用遗传算法对无源滤波器的参数进行优化设计。通过适应度函数的阈值制约以及以不同概率进行染色体选择操作，使得种群朝三个目标最佳协调点的方向进化；并且，为了克服算法的早熟收敛，引入混沌算子来增加种群的多样性；最后对一个混全滤波实验系统进行了无源滤波参数的多目标优化设计。实践表明，设计出的无源滤波器具有良好的综合性能。     

基于交互式多目标遗传算法的无源滤波器优化设计

分析了传统无源滤波器优化设计方法的优缺点 ,提出了一种基于交互式多目标遗传算法的无源滤波器优化设计方法。该方法用遗传算法对无源滤波器的参数进行优化 ,通过非精确偏好信息引导遗传搜索 ,使得种群朝着多个目标的最佳综合性能方向进化。引入分享法来增加种群的多样性 ,最终获得与决策者意愿相吻合的解集。较好地实现了无源滤波器成本、电压电流谐波和无功功率补偿的多目标优化设计。实验结果表明此无源滤波器的成本可以降低约 3 5 % ,滤波效果却有明显的提高 ,具有良好的理论和工程应用价值     

无源滤波器多目标优化设计

配电电网装设无源滤波器以补偿无功和抑制谐波的设计中,滤波器的LC参数是一个多约束、非线性的规划问题,其参数优化最为关键。针对目前现有优化设计方法中,假设条件较多、寻优能力不强、寻优速度较慢等问题,利用改进遗传算法的全局寻优能力,提出了一种新的无源滤波器设计方法,即无源滤波器的成本、无功补偿和滤波效果3个目标全局优化。通过适应度函数的阈值制约以及以不同概率进行染色体选择操作,使得种群向3个目标最佳协调点进化;通过混沌算子解决早熟收敛的问题。工程算例的仿真计算表明了应用遗传算法设计滤波方案的优越性和对遗传算法改进的有效性。     

基于多目标Pareto粒子算法的感应滤波装置优化设计

针对12脉波整流系统实施感应滤波的特点及要求,进行了配套滤波装置的方案选型,使所确立的滤波方案能有效兼顾电能质量控制和场地空间限制等因素,在此基础上建立了滤波装置参数设计的多目标优化数学模型,并应用基于向量评价的改进粒子群优化算法对滤波参数进行了全面优化设计。算例分析和仿真、实验结果表明,优化后的滤波参数能够较好地满足滤波、无功补偿和成本控制等多目标设计要求,验证了所选滤波方案及优化模型的正确性和有效性。     

基于改进多目标粒子群的HVDC交流滤波器优化设计

高压直流输电（HVDC）系统中的换流器在运行中会生成大量谐波电流,为减小其对交流系统的不利影响以及保证直流输电线路电能的有效传输,必须在换流母线上装设交流滤波器。针对现有HVDC系统交流滤波器设计方法的局限,建立了以滤波器投资成本和交流母线电压总谐波畸变率为目标、以电话谐波波形系数为约束的交流滤波器优化数学模型,并提出改进多目标粒子群算法（MOPSO）实现交流滤波器多目标优化设计,该算法使用自适应网格的二级存储库,且添加了约束处理机制和一种特殊的变异算子来提高算法的搜索能力;采用模糊决策方法对多目标优化设计最优解进行选取。建立了±500 kV HVDC系统仿真模型,仿真表明,多目标优化设计的交流滤波器既可有效滤除换流器谐波又可节约成本,达到了滤波性能与投资成本之间的最佳平衡。     

基于改进粒子群算法的多目标无功优化

提出了一种基于粒子群算法的多目标优化方法,该算法采用Pareto支配关系来更新粒子的个体最优和全局最优值,用存储池保存搜索过程中发现的非支配解;采用聚类算法裁剪非支配解,以保持解的分散性;采用动态惯性权重来平衡粒子的局部和全局搜索能力,并将该算法应用于IEEE14节点系统的多目标无功优化     

面向谐波治理的无源滤波器多目标优化模型

无源滤波器具有低成本、高效率的优点,是实现电网谐波治理的重要方法。提出了一种面向谐波治理的无源滤波器多目标优化模型。首先,分析了无源滤波器的基本工作原理及参数配置原则;其次,以最小化滤波器建设成本、总谐波畸变率为目标,建立了无源滤波器多目标优化模型,并通过求取多目标问题的帕累托前沿(Pareto Front),分析了目标之间的耦合关系;最后,以一个工厂的实际电网作为算例,并引入逼近理想解排序法(TOPSIS)对帕累托解集进行综合评估,验证了所提方法的科学性与可行性。     

基于改进遗传算法的无源滤波器设计

在配电网中装设无源滤波器抑制谐波和进行基波无功补偿的设计中，保证基波无功补偿容量的前提下，最关键的是对滤波方案中的LC元件参数的优化，LC元件参数的优化是一个多约束、非线性的规划问题，应用改进遗传算法处理滤波器LC参数优化的规划问题，不但可以找到全局最优解，而且明显提高了算法的寻优速度，最后通过对具体工程算例的计算，表明了应用遗传算法设计滤波方案的优越性和对遗传算法改进的有效性。     

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。     

基于实时电价的微网PSO最优潮流算法研究

针对含多种DER的中压微网系统,提出基于实时电价的微网PSO最优潮流算法。首先推导了包含可中断负荷且与大电网可双向潮流交换的微网经济成本方程及包含能量流失的蓄电池运行约束方程。考虑了目前备受关注的PM10对健康的影响,综合经济、环境、健康成本及多种约束,以微网24小时运行费用最小为目标,建立了微网综合经济运行的优化模型。之后,提出基于牛顿-拉夫逊最优潮流算法的混沌PSO算法,结合某电力市场的实时电价和通过负荷预测获取的负荷曲线,在满足负荷需求的前提下,实现可中断负荷、蓄电池、DER与大电网功率的经济共享。最后,在Matlab环境下编程实现了该混沌PSO最优潮流算法。通过对某中压微网系统4种运行状态下的经济性分析,验证了该方法的正确性和有效性。     

无源电力滤波器参数的混沌模拟退火优化设计

提出引入混沌模拟退火策略来进行无源电力滤波器的多目标参数优化设计.分析了无源电力滤波器参数设计的一般原则.综合滤波器投资、无功补偿功率、滤波后谐波含量给出了多目标优化函数.采用比例一加权原则进行多目标的协调.构造出综合性能目标函数:利用混沌的随机性和遍历性.同时结合模拟退火的方向性与选择性.提出了Logistic混沌映射与模拟退火策略相结合的参数优化设计方法,进一步详细分析了该算法的基本原理,归纳出具体可行的计算与操作步骤:开发出了实用程序,介绍了应用实例.并将不同优化方法进行了对比,结果验证了该方法设计出的无源电力滤波器具有良好的综合性能.     

基于多目标粒子群算法的电力系统无功优化

针对电力系统有功损耗和电压偏差,提出一种带有变异的多目标粒子群算法.该算法采用非支配排序和拥挤距离来提高算法的多样性.通过ZDT1～ZDT4基准函数验证该算法的性能,比较它与其他多目标进化算法的优劣.将该算法应用于对多目标无功优化求解,采用IEEE30节点系统验证算法在无功优化中的优势.优化结果表明,该算法能清晰地给出电力系统有功损耗与电压偏差间的竞争关系,并能为用户提供均匀分布的多样化的备选解,让用户可以根据不同情况灵活选择.通过多次结果的叠加显示了该算法的稳定性.     

基于鲸鱼优化算法的无功优化调度

针对目前电力系统中的无功优化问题尚缺乏一种能兼顾求解的高效性与全局搜索最优性的方法,本文将一种新的启发式算法--鲸鱼优化算法(WOA)运用到电网无功优化调度中,以系统有功功率损耗最低为目标函数,通过引入惩罚函数建立无功优化模型,对IEEE-14节点系统与IEEE-30节点系统进行仿真,并利用单因素方差分析法(One-way ANOVA)将所得结果与之前的粒子群优化算法(PSO)及引入加速度系数的时变粒子群优化(PSO-TVAC)进行比较,研究表明WOA算法在迭代次数、搜索能力及收敛问题上的潜力,并证明了在解决电力系统无功优化问题上的鲁棒性和有效性,同时也为解决非线性约束问题提供了新途径。     

基于人工蜂群算法的多目标最优潮流问题的研究

以污染气体排放量、网损最小为目标,建立多目标电力系统最优潮流数学模型,并提出一种基于人工蜂群的多目标算法对其进行求解。该算法利用外部存档技术来保存进化过程中已经找到的Pareto最优解,并在每次迭代后更新。最后根据模糊集理论从Pareto最优解集中选取最优折衷解,为决策者提供科学的决策依据。通过IEEE-30节点系统及IEEE-57节点系统的仿真,验证了该算法在求解大规模电力系统多目标问题上的有效性,相比其他多目标算法能有效避免局部收敛。     

基于粒子群优化算法的电网GIC-Q多目标优化策略

地磁感应电流(GIC)流经变压器绕组会产生直流偏磁现象,造成变压器无功损耗增加,破坏电网无功平衡,影响电网安全稳定运行。为了有效地抑制GIC对电网的不良影响,以无功补偿设备成本和电压偏移量最小为目标,提出一种基于粒子群优化算法的多目标无功优化策略,保证地磁场扰动下电网无功平衡。所提策略利用小生境共享机制不断更新粒子位置,并依据拥挤距离排序对Pareto最优解进行存档,保持解的多样性和均匀性;引入混沌变异避免陷入局部最优解,同时提高全局搜索能力。GIC标准算例的仿真结果验证了所提策略的准确性和有效性。