基于SA-PSO的电力系统无功优化

粒子群优化算法是一种简便易行,收敛快速的演化计算方法。但该算法也存在收敛精度不高,易陷入局部极值的缺点。针对这些缺点,对原算法加以改进,引入了自适应的惯性系数和模拟退火算法的思想,提出了一种新的模拟退火粒子群优化(simulated annealing particle swarm optimization,SA-PSO)算法,并将其应用于电力系统无功优化。对IEEE14节点系统进行了仿真计算,并与PSO算法作了比较,结果表明SA-PSO算法全局收敛性能及收敛精度均较PSO算法有了较大提高。     

基于蚁群算法的电力变压器绝缘故障诊断研究

神经网络在电力变压器故障诊断中已取得了成功应用,但存在容易陷入局部最优和收敛速度慢等缺点。针对这些缺点,基于蚁群算法基本原理,将蚁群算法引入变压器故障诊断。建立了适合变压器故障诊断中神经网络训练的启发信息计算公式,提出了蚁群算法在变压器故障诊断中的新方法。与BP神经网络方法诊断结果进行比较,算法有更高的故障识别率、收敛速度和诊断精度。     

基于改进PSO算法的电力系统无功优化

粒子群优化PSO(Particle Swarm Optimization)算法是一种简便易行、收敛快速的演化计算方法,但该算法也存在收敛精度不高,易陷入局部极值的缺点。针对这些缺点,对原算法加以改进,引入了自适应的惯性系数和变异算子,提出了一种新的改进粒子群优化MPSO(Modified Particle Swarm Optimization)算法,并将其应用于电力系统无功优化,建立了相应的优化模型。对IEEE-14节点系统及某地区70节点实际电力系统进行了仿真计算,并与PSO算法作了比较,结果表明MPSO优化算法能有效地应用于电力系统无功优化．其全局收敛性能及收敛精度均较PSO算法有了一定程度的提高。     

具有三阶收敛速度的潮流算法

首次系统地l推导了几个具有三阶收敛速度的牛顿类迭代法的多变量矩阵求解格式,并将它们应用于电力系统潮流计算.文中对IEEEl4-300节点测试系统和一个实际系统共7个算例进行了仿真测试,结果表明,这些算法具有良好的收敛特性,并且在达到同样精度要求的情况下,它们较之经典牛顿法需要较少的迭代次数.尤其是,算法1和算法5由于在每步迭代中充分利用了Jacobian矩阵三角分解的因子表,提高了潮流计算的速度.最后指出,这些算法在潮流计算中的应用是对潮流计算方法的拓展,本文的研究为这些算法在电力系统中的进一步应用开辟了道路.     

具有三阶收敛速度的潮流算法

首次系统地推导了几个具有三阶收敛速度的牛顿类迭代法的多变量矩阵求解格式,并将它们应用于电力系统潮流计算。文中对IEEE14-300节点测试系统和一个实际系统共7个算例进行了仿真测试,结果表明,这些算法具有良好的收敛特性,并且在达到同样精度要求的情况下,它们较之经典牛顿法需要较少的迭代次数。尤其是,算法1和算法5由于在每步迭代中充分利用了Jacobian矩阵三角分解的因子表,提高了潮流计算的速度。最后指出,这些算法在潮流计算中的应用是对潮流计算方法的拓展,本文的研究为这些算法在电力系统中的进一步应用开辟了道路。     

基于搜索集中度和动态信息素更新的蚁群算法

蚁群算法是一种启发式搜索算法，被广泛应用于求解复杂的组合优化问题。基本蚁群算法存在收敛速度慢和早熟停滞等问题，针对这些问题，提出了一种基于搜索集中度和动态信息素更新的蚁群算法。通过在选择策略中引入“搜索集中度”因子，让算法可以自适应的调节蚂蚁选择城市的范围，在此基础上采用动态改变信息素增量和信息素回滚的机制，缩短了搜索时间，也使算法更容易跳出局部极值。仿真实验结果表明，改进后的算法算法具有较快的收敛速度，提高了解的全局性，有效避免了算法陷入局部最优。     

一种快速的定雅可比潮流算法

完美地组合了电流注入型潮流算法和保留二阶项的快速潮流算法的优点,弥补了二者的不足之处,提出了一种快速的定雅可比潮流算法.该算法修正方程式的雅可比矩阵是通过对电流注入型潮流算法PQ节点的雅可比矩阵进行改造而得来的,是一个对称的常数雅可比矩阵.修正方程式的常数项是在保留潮流方程式非线性项的基础上进行简化改进而获得的,是一个非常简单的修正公式,在迭代过程中完全不需要进行节点电压的修正和节点功率的计算.这些处理,既保证了算法的收敛性,又大大提高了计算速度.详细论述了该算法的原理及用法.最后将它与牛顿法、定雅可比牛顿算法、PQ分解法、快速解耦法(FDLF)等潮流算法在多个算例上进行了收敛性能和收敛速度的比较,结果证明该算法收敛速度远大于牛顿法和定雅可比牛顿算法,收敛能力与定雅可比牛顿算法相当,算法适用能力比PQ分解法和快速解耦法强.     

一种快速的定雅可比潮流算法

完美地组合了电流注入型潮流算法和保留二阶项的快速潮流算法的优点,弥补了二者的不足之处,提出了一种快速的定雅可比潮流算法。该算法修正方程式的雅可比矩阵是通过对电流注入型潮流算法PQ节点的雅可比矩阵进行改造而得来的,是一个对称的常数雅可比矩阵。修正方程式的常数项是在保留潮流方程式非线性项的基础上进行简化改进而获得的,是一个非常简单的修正公式,在迭代过程中完全不需要进行节点电压的修正和节点功率的计算。这些处理,既保证了算法的收敛性,又大大提高了计算速度。详细论述了该算法的原理及用法。最后将它与牛顿法、定雅可比牛顿算法、PQ分解法、快速解耦法（FDLF）等潮流算法在多个算例上进行了收敛性能和收敛速度的比较,结果证明该算法收敛速度远大于牛顿法和定雅可比牛顿算法,收敛能力与定雅可比牛顿算法相当,算法适用能力比PQ分解法和快速解耦法强。     

潮流数值计算的快速线性法及收敛性改进

1 引言 在电力系统的潮流解算中,目前采用了多种不同的方法,诸如弱收敛高斯—塞德尔法,牛顿法,快速解耦法等,但这些方法都很大程度上取决于算法的初始值,初始值越接近于解,则收敛的越快。本文介绍一种快速线性潮流计算方法,这种快速线性法考虑了在P—D和Q—V之间的耦合,并用潮流方程组的近似线性解做为算法的初始值,使得快速收敛且内存的需求几乎和快速解耦法相同。     

快速收敛变换域自适应滤波算法

为了提高LMS算法均衡相关信号时的收敛性能,提出了一种新的快速收敛变换域自适应滤波算法（VS-DCTLMS）。该算法融合了归一化离散余弦变换LMS算法和变步长离散余弦变换LMS算法的优点,具有结构简单,收敛速度快,稳态误差小的特点。仿真结果表明,该算法计算量和变步长归一化LMS（VS-NLMS）算法、解相关LMS（DescorrLMS）等算法相当,但在收敛速度上具有很大优势;收敛性能和最小二乘回归算法（RLS）接近,却克服了RLS计算量大、不利于硬件实现的实际问题,是一种性能优良的可实现方法。     

配电网区间线性三相潮流的非迭代仿射求逆计算方法

现有配电网区间潮流计算大多是以迭代法为基础扩展得到的,需要进行多次区间迭代以获取收敛的潮流解,因而存在收敛性和计算效率低下问题。为此,文中将线性三相潮流算法与仿射求逆方法相结合,提出了一种配电网区间线性三相潮流的非迭代仿射求逆计算方法。所提方法采用仿射数描述区间变量间的相关性,将潮流方程转化为仿射线性潮流方程,并引入仿射矩阵求逆方法对其进行求解。该方法无须迭代,不存在收敛性问题。最后采用多个三相不平衡系统作为算例,通过与其他3种方法的分析比较,验证了所提算法的性能。结果表明,所提算法兼具高效性和低保守性优点,且性能稳定。     

基于面向对象的电力网潮流计算软件开发

采用PQ分解法数学模型,运用面向对象的编程思想,在VC 开发环境下,自主开发了实用高效的电力网潮流计算软件,并对一典型电网络进行实际计算。算例分析表明,开发的潮流计算软件具有速度快、精度高、使用方便等特点。     

带最优乘子牛顿法在交直流系统潮流计算中的应用

交直流系统潮流计算的统一迭代法的收敛性较交替迭代法更优,但对一些病态运行条件和 潮流无解的情况,统一迭代法将发散,得不到有用信息。文中将交流系统中广泛应用的最优乘子潮 流方法推广到交直流系统的潮流计算中。根据直流系统稳态方程的特点引入辅助变量,使得直流 系统潮流方程全部转换为二次或线性方程。给出了直角坐标系和极坐标系下交直流系统带最优乘 子牛顿法潮流的实现方法。通过算例验证了所述方法的有效性,并对2种坐标系下的结果进行了 比较和分析。     

配网分布式电源并网对电网潮流的影响

基于极坐标系下的牛顿法的配电网潮流计算,对单种不同分布式电源以及多种分布式电源并网对潮流的影响作了对比分析,结果表明牛顿法对不同的分布式发电电源类型以及并网控制策略,其潮流计算结果均能较好地收敛,且仿真结果显示,分布式发电电源的接入能有效抬升系统各节点电压水平。     

电力系统谐波潮流的一种解耦算法

从电力系统谐波潮流计算的线性算法和非线性算法出发，提出了谐波潮流的一种解耦算法，改变常规非线性算法中将基波潮流与谐波潮流联立迭代的方法，使两者分立求解。其中，基波潮流通过牛顿法迭代求解，谐波潮流通过高斯消元法求解，两者通过功率方程关联，并以此考虑基波与谐波之间的相互影响。文中给出了该解耦算法的原理，程序框图和实际算例。计算表明，该算法具有较高的计算精度，同时明显减少了计算量，节省了内存，提高了计算速度，收敛可靠。     

前推回代法在故障配电网中的收敛性分析及改进算法

前推回代潮流算法计算速度快,收敛性好,特别适应于辐射状的配电网潮流计算;但是针对配电网故障潮流的计算却少有研究。本文针对配电网故障情况下,分析了前推回代潮流算法的计算原理,通过构建迭代过程的数学模型,提出了此算法的收敛判据;并且针对配电网故障潮流不收敛的原因,通过添加松弛因子,改变其不收敛的现象。通过在MATLAB进行数据仿真,验证了此算法的有效性和精确性。     

一种含分布式电源的配电网三相潮流混合计算方法

针对现有配电网三相潮流计算方法的不足,提出了一种新的含分布式电源的配电网三相潮流混合计算方法。分析了配电网中相关元件的特点,建立了配电线路、配电变压器和负荷的三相数学模型。对4种不同类型分布式电源节点的处理方式进行了分析,采用前推回代法和牛拉法的混合计算方法建立了三相潮流计算模型。采用回路阻抗矩阵法来计算三相电压差,解决了单相潮流计算方法的适用性问题,采用以节点电压的收敛性作为潮流计算程序迭代与否的控制目标,可直接求取电压值,迭代计算简洁高效。最后,以包含分布式电源的IEEE 33节点网络模型和山滩变某10 kV配电线路为例,验证了该混合计算方法的收敛性与高效性。     

大规模电力系统潮流计算收敛性诊断与调整方法

在对大规模电网进行潮流仿真时,容易出现潮流计算不收敛的情况。针对潮流计算不收敛时难以定位关键影响因素的问题,通过分析迭代中间数据的变化规律,建立判别潮流计算收敛性的指标,提出一种导致潮流计算不收敛关键因素的辨识方法,并基于潮流收敛域,对辨识得到的关键因素进行修正,为运行人员进行潮流调整提供直观的参考依据。通过对某省220 kV及以上电压等级电网和欧洲13659节点系统进行仿真计算,验证了所提方法的有效性。     

Impact of HVDC line on the convergence property of AC/DC power flow calculation

This paper explores the impact of HVDC line on the convergence property of AC/DC power flow calculation. Firstly, the model of AC/DC power flow computation is constructed, including unified method and alternate iterative method. Then, an improved Levenberg–Marquardt (LM) method with line search technique is developed to solve the nonlinear equations of AC/DC power flow. To test the convergence property of the proposed method, LM method with trust region technique and Newton method are also employed. The researches on the impact of heavy DC transmission power and multiple HVDC lines on the convergence property of AC/DC power flow calculation are made on a modified IEEE 118-bus AC/DC hybrid test system. Simulation results show that the developed method under the model of alternate iterative method is superior to other methods under different models in convergence property. For the influence of heavy DC transmission power on the convergence property, it is improved by the new parameter configuration of DC transmission line firstly and adding proper new shunt capacitor on the weak nodes secondly; for the influence of multiple DC transmission lines on the convergence property, it can also be improved by the change of control mode firstly and adding new shunt capacitor secondly, which are based on the least square solution obtained by proposed method under the model of alternate iterative method.