用于配电网多目标无功优化的改进粒子群优化算法

针对配电网多目标无功优化的应用需求以及优化算法存在的收敛性和多样性问题,基于Pareto熵的多目标粒子群优化算法,提出一种应用于多目标无功优化的改进粒子群优化算法。该算法在全局外部档案更新过程中引入冗余集策略,避免迭代过程中陷入局部最优解。将算法应用于配电网无功优化中时,采用离散变量取整方法,加快算法的收敛速度。建立网损、电压偏差及无功补偿装置投资最小的配电网多目标无功优化模型,并以IEEE 33节点配电网络为算例进行仿真,结果表明改进后的算法兼顾了优化的收敛性和多样性,能够在不同的优化要求下得到有效的无功优化方案。     

考虑电压稳定性的含分布式电源配电网多目标无功优化

建立考虑电压稳定性的含分布式电源配电网多目标无功优化模型,该模型兼顾有功网损、电压偏移指标和电压稳定指标3个目标函数。提出一种自适应多目标差分进化算法获取模型的Pareto最优解集,并采用灰色关联决策法提取出最优折中无功优化方案。以IEEE 33节点和IEEE69节点配电系统为算例进行仿真分析,结果验证了所提无功优化方法的有效性。     

考虑电压稳定的主动配电网动态无功优化

高比例分布式电源的接入造成电网局部电压越线问题严重,配电网动态无功优化是配网安全、稳定运行的重要保障。提出了一种考虑电压稳定的主动配电网动态无功/电压调控策略,基于分布式电源运行特性和网络日负荷曲线,建立考虑电压稳定、网络损耗为目标的主动配电网动态无功电压模型,同时考虑电容器组、SVC等无功调压设备动作次数约束;提出了基于柯西变异的动态权重粒子群优化算法,在粒子群进化过程中通过动态调整权重因子、学习因子提高算法的寻优速度,利用柯西变异提高算法跳出局部最优解的能力;最后,通过仿真算例验证本文方法的可行性和合理性。通过合理控制无功调压设备的动作时间实现一天内主动配电网无功潮流的最优分布,提高系统运行的安全性和稳定性。     

多站点无功补偿装置的多目标协调控制

针对目前500 kV变电站中无功补偿装置所采用的单独补偿控制方式,提出一种多目标协调控制方式来克服无功补偿装置缺乏协调且损耗较大的不足。该方法将变电站内低容/低抗装置纳入SVC的控制体系,并考虑站与站之间无功补偿装置的相互影响,以节点电压偏差和无功补偿装置总损耗最小为目标建立多目标无功协调控制模型。根据无功协调控制中变量敏感度不同、局部搜索能力不足的特点,将控制变量划分为敏感变量和非敏感变量,采用具有二级搜索的改进NSGA-II算法求取其Pareto最优解集。对南方电网中电压耦合较强的2个变电站在3种不同负荷水平下进行无功协调控制仿真,结果表明优化结果能够根据控制需要为决策者提供多种最优的协调控制策略。与常规NSGA-II算法和法线边界交叉算法的对比,表明改进NSGA-II算法得到的Pareto解集具有更优的收敛曲线及分布性。     

基于PCPSO算法的配电网多目标动态优化*

为了适应当前配电网日趋复杂且分布式电源大量接入的情况,提出一种改进的多目标粒子群优化算法。该算法在标准粒子群算法中引入Pareto前沿和混沌搜索,通过Pareto前沿处理多目标问题,并用混沌搜索对粒子进行混沌遍历,既保留了进化过程中多目标的相对最优解,同时也兼顾了收敛性。通过算例进行仿真,结果表明该算法可以快速搜索多目标最优解,为配电网多目标动态优化提供思路和参考。     

考虑换流站损耗特性的交直流系统多目标无功优化控制

交直流互联系统中各个直流输电通道在输送大量电能的同时,也会产生很大的电能损耗。通过协调优化多回超/特高压直流输电系统的电压无功控制措施,能够有效地降低整个交直流系统运行的损耗电量。提出一种考虑换流站详细损耗特性的交直流系统多目标无功优化控制方法,以包括换流站内部各主要设备损耗的整个交直流输电系统总网损和所有关键节点电压偏差平方和的最小化为目标,建立交直流互联系统的多目标无功优化控制模型。提出一种自适应加权和算法,结合GAMS/CONOPT解法器求解得到多目标优化问题的均匀分布的帕累托最优解集。并根据各个最优解的模糊隶属度和熵权信息从帕累托前沿曲线中确定出折中最优解,作为多目标无功优化控制方案。通过对某个6056节点交直流互联系统的计算表明,所提出的算法求得的帕累托最优解集分布均匀,且所获得的多目标无功优化控制方案能够有效降低换流站运行损耗,提高关键节点的电压质量。     

基于免疫进化细菌觅食算法的多目标无功优化

为了更好地解决电力系统多目标无功优化问题,分析了当前多目标无功优化算法存在的缺陷,提出了一种基于免疫进化的改进多目标细菌觅食优化算法。该算法求得的Pareto最优解分布均匀,收敛性和鲁棒性好。IEEE14,IEEE30节点测试系统的算例结果表明所提的算法在多目标无功优化中具有良好的效果,为各目标之间的权衡分析提供了有效工具,是一种求解多目标无功优化问题的有效方法。     

基于动态云进化粒子群算法的风电系统无功优化方法

针对风电系统中,风力的不确定性导致粒子的适应度不稳定性较大、劣性粒子偏多,难以快速收敛到最优值,进而造成系统电压偏差较大,网损剧增的问题,提出了基于动态云进化粒子群算法对风电系统进行无功优化。首先以网损最小作为优化目标建立了风电系统无功优化模型。然后提出动态云进化粒子群算法。该算法根据粒子的适应度值,选取优秀个体进行进化,从而降低劣性粒子比例,增强搜索速度。再通过云发生器,使得优秀个体进化出的优秀种群趋于正态分布,从而达到改善粒子分布的目的。在此基础上,根据正态云的分布特点,动态改变飞行速度,进一步改善粒子分布、提高搜索精度。最后以风电系统的有功网损为优化目标,进行补偿容量的确定,仿真结果证明了该方法的有效性。     

基于改进Tabu搜索算法的区域电网无功优化

为了满足无功优化的实时控制要求,提出了考虑静态电压稳定的区域电网无功优化方案。该方案采用改进的Tabu搜索算法,以有功网损最小为目标进行无功优化,记录优化过程中搜索得到的前10位最优网损解;然后对这10个最优网损解进行静态电压稳定裕度计算,再运用模糊集理论,将网损最小和静态电压稳定裕度最大两个目标的优化问题转化为单目标优化问题。通过算例仿真,证明了改进Tabu算法适合于解决区域输电网无功优化问题,同时也验证了本文提出的考虑静态电压稳定性的区域输电网二级无功电压控制方案是可行的,有效的。     

一种新型的电力系统无功优化算法

介绍一种类似于遗传算法的进化算法———粒子群优化算法, 并把它应用到电力系统无功优化问题中。对基本的粒子群优化算法作了适当改进, 在粒子速度更新公式中增加了一项即上一代的全局“最优”值, 相当于增加了全局极值的权重, 提高了算法的收敛性。以粒子群优化算法为基础, 选取适合于该算法的无功优化目标函数。通过对 IEEE- 14节点的仿真计算, 证明了该算法优于基本的粒子群优化算法, 且与遗传算法相比能在更少的迭代次数内搜索到更好的全局最优解。     

基于改进微分进化算法的电压稳定约束最优潮流

建立了考虑静态电压稳定性的电力系统多目标最优潮流模型,该模型以同时降低火电机组的发电成本和提高系统静态电压稳定性为优化目标函数,并采用L指标来量化系统电压稳定性.针对标准微分进化算法容易陷入局部收敛的缺点,引入基于Logistic混沌映射的子代重构技术和控制参数动态调整策略对DE算法进行改进以提高全局收敛性.IEEE 30节点系统的仿真结果验证了本文所提最优潮流策略的合理性和有效性.     

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     

基于动态多种群粒子群算法的低压配电网电压无功优化

粒子群算法已在配电网无功优化领域中得到广泛应用,而基本粒子群算法在求解多约束条件的低压配电网电压无功优化问题时耗时过长。为解决这一问题,提出了利用动态多种群粒子群算法对低压配电网进行电压无功优化方案。动态多种群粒子群算法通过轮盘赌将粒子按照各节点电压合格、各节点无功补偿容量不超过预设值和系统总无功不过补偿这3个约束条件进行动态分组,粒子根据改进的粒子速度位置更新公式飞行搜寻,最后获得满足以上约束条件的电压无功优化问题最优解。本文提出的电压无功优化方案将分散并联电容器组与配电变压器调压相结合,与集中补偿无功方式相比,节点电压偏移程度更小、电网损耗更低。本文应用的约束优化粒子算法与基本粒子群算法相比,运行速度大幅提高,计算结果较为优化。     

基于鲸鱼群算法的交直流混联系统无功电压控制方法研究

高效安全地实现交直流混联系统降损与电压控制受到广泛关注,以网络损耗或电压偏移量为单一目标的传统的无功优化模型不能精确反映电网的安全性和经济性。该文针对交直流混联系统,建立了兼顾网络损耗和电压偏差的多目标无功电压控制优化模型,提出一种基于传统的鲸鱼算法（whale optimization algorithm, WOA）与粒子群（particle swarm optimization, PSO）相结合的鲸鱼群（WOA-PSO）模型求解算法。通过引入基于鲸鱼算法的包围策略,加速粒子群的迭代搜索过程,从而提高算法的全局优化能力;通过算例验证,并与基本粒子群算法、鲸鱼算法对比分析,说明所提方法具有良好的收敛性和寻优能力。     

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。     

电力系统恢复过程中的工频过电压动态优化控制

合理的持续工频过电压控制策略是电力系统恢复方案的重要组成部分。针对当前持续工频过电压控制静态优化方法的局限性,以恢复序列为优化周期,以线路投运为分段标志,建立了电力系统恢复过程中的动态多目标工频过电压优化控制模型,实现一个恢复周期内的全过程优化。根据恢复过程需要,结合系统恢复方案,定义了恢复过程中的工频过电压优化控制的目标函数,综合考虑恢复序列的操作风险、电压控制方案的操作时间以及系统的电压偏差对电压控制方案的影响。利用改进的强度Pareto进化算法(SPEA2)求解模型的Pareto最优解,并采用字典序法选择出适应不同恢复场景的最优方案。以山东电网为例,分析和比较了不同恢复场景下动态优化和静态优化的仿真结果,表明所述模型能够适应电力系统恢复的要求。     

基于ε -支配域的模糊多目标无功优化方法

基于模糊评价函数建立多目标无功优化模型,采用自适应ε -多目标进化优化算法获取Pareto-近似最优解集,应用后评价模糊控制器实现最优控制策略的选取。该方法相比当前后评价多目标优化方法,寻优时间缩短,优化结果针对性强,能实现自动控制。在IEEE 14,IEEE 30,IEEE 118系统上的计算表明,相比其他几种典型后评价多目标优化方法,该方法在保证寻优质量的同时,提高了寻优效率。     

基于黄金分割的混沌粒子群优化算法在配电网无功规划中的应用

首先以有功损耗功率最小作为目标函数,将节点电压越限和发电机无功出力越限作为罚函数,建立无功补偿在配电网中优化配置的数学模型。然后设计基于黄金分割的混沌粒子群优化算法对上述模型进行求解。该算法通过黄金分割评判准则,按照适应度的高低,将粒子群分成标准粒子和混沌粒子两部分,同时解决了粒子群优化过程中容易陷入局部最优和混沌算法重复搜索部分解的问题,从而可以更有效地搜索到全局最优解,成功地提高了无功优化问题的求解速度,使算法能更好地适应问题的求解。算例结果表明,该方法技术上可行且效果较好。     

含电压不可行节点的柔性目标无功优化模型

提出一种含电压不可行节点的柔性目标无功优化模型。结合无功优化不可行问题的薄弱节点信息,提出了薄弱区的基本概念,并在基础上构建了柔性目标无功优化模型。该模型包含薄弱区的电压控制模型和非薄弱区的无功优化2个子模型,对应的目标函数分别为电压不可行节点的电压越下限量最少和网损最低,约束条件则在传统的无功优化模型上更新电压不可行节点的电压幅值安全下限值。采用代表薄弱区与非薄弱区种群先后更新策略的协同进化算法求解所建模型,通过63节点厂站模拟系统进行仿真分析,验证了所提方法的有效性。     

计及UPFC的电力系统多目标无功优化

统一潮流控制器（UPFC）可以实现对电力系统潮流的灵活控制,从而充分发挥电力系统的潜力。基于UPFC的等效注入功率模型,以实现电力系统运行安全性和经济性为目标,建立了计及UPFC的多目标无功优化模型。求解方法为带精英策略的快速非支配排序遗传算法（NSGA-Ⅱ）,通过改进算法的快速非支配排序方法,使之能有效处理潮流计算不收敛的解;应用层次分析法（AHP）确定模型中各个目标的相对权重,并以此对Pareto最优解集进行排序,得出无功优化的最佳方案。最后对IEEE30节点系统进行仿真计算,结果表明了该模型和算法的