基于改进PSO算法的风电并网系统电压无功优化研究

以有功网损最小、电压偏差最小和静态电压稳定裕度最大为目标,考虑异步风电机的简化模型对电网的影响,建立能根据风速变化进行实时调节的多目标无功优化模型。通过改进自动调节的惯性权重刷新粒子,提出根据Pareto最优解的拥挤距离形成Pareto最优解曲面,以拥挤距离最大的结果作为全局极值,引导粒子在Pareto最优曲面上分散分布。利用MATLAB编程对IEEE30节点系统进行了仿真计算,结果表明该算法具有实用性。     

计及电压崩溃风险的风电并网系统多目标无功优化

针对风电出力的随机性及电压崩溃给电力系统带来的影响,分析了风机在潮流计算中的处理方法,以系统网损最小和电压崩溃风险最小为目标函数,建立了含风电场的电力系统多目标无功优化模型.首先采用改进差分进化算法对该模型进行求解,得到Pareto最优集;再利用基于熵权的逼近理想解的排序方法对由Pareto最优集构成的决策矩阵进行多属性决策,挑选出最后的折中解,为决策者做出选择提供指导.最后,以含风电场的IEEE24节点系统为例,验证了模型及算法的有效性.     

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。     

基于Pareto最优解的含分布式电源配电网无功优化

随着分布式电源技术的发展,某些分布式电源接能够在一定程度上对配电网进行无功补偿。针对配电网无功优化问题,本文提出了以调节分布式电源出力和传统的投切电容器组为优化手段,以网损最小、电压偏移量最小为目标的优化策略。与以往大多数研究利用权重将多目标问题转化为单目标问题不同,本文直接采用基于Pareto最优解的多目标模型,然后利用自适应参数的多目标和声算法确定分布式电源无功出力和投切电容器组的大小,得到Pareto最优解集,从中选出最优解。利用IEEE-33节点系统进行仿真计算,与单个目标网损最小和采用惩罚因子的方法进行比较,验证了本文所提优化策略的有效性。     

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。     

基于NSGA-Ⅱ算法的多目标静态无功优化

由于静态无功优化目标函数大多是单目标或者人为赋予权重系数的多目标函数的组合,本文提出了一种综合优化网损、电压水平和电压稳定性的多目标无功优化模型。为了避免求解时的目标偏好性,引入了快速非支配排序遗传算法,设计了基于实数、整数编码的混合编码方式,通过非支配排序算子和拥挤度算子来协调各目标之间的关系,实现了计及变量约束和潮流约束的静态无功优化。采用方案校验模块完成对Pareto最优解集的校验。以IEEE30节点系统和IEEE118节点系统为算例进行仿真,多次无功优化计算的结果表明了该方法的有效性。     

基于改进遗传算法的风电场多目标无功优化

针对风电场并网运行的多目标无功优化和电压稳定问题,建立了基于异步发电机内部等值电路的含风电场的电力系统无功优化模型,提出了风电场无功优化的目标函数和约束条件。结合非支配排序思想、精英保留策略、改进的小生境技术,得到了一种将向量模适应度函数作为淘汰准则的改进Pareto遗传多目标优化算法。以某风电场接入IEEE 14节点标准测试系统为例,将改进算法用于含风电场的电力系统无功优化。仿真结果表明,应用改进的遗传多目标优化算法可以同时得到多组Pareto最优解,为决策者提供了更多的选择余地,使风电场并网点母线电压在允许范围内。     

基于模糊聚类和学习自动机的多目标无功优化

电力系统无功补偿需确定无功补偿的选点及具体的补偿容量.基于模糊聚类的方法寻找系统薄弱节点,得到候选节点信息,动态聚模糊类过程中采用了 U/U0指标、Γ指标和电压偏移指标.综合考虑发电成本和无功投入成本最小、电压偏移最小和有功网损最小化,建立了候选无功补偿节点的多目标优化模型,并采用学习自动机法获得优化问题的最优权衡解.采用模糊聚类法和学习自动机法对 IEEE 57节点测试系统进行算例分析,分析结果表明了所提方法的有效性     

面向谐波和电压综合治理的电压检测型APF与SVG协同配置

为解决电力电子化配电网中谐波和电压偏差污染分散化、全网化导致传统点对点治理模式无法满足需求的问题,提出一种电压检测型有源滤波器(VDAPF)与静止无功发生器(SVG)协同优化配置策略.采用分区思想,提出基于社团理论,同时考虑谐波和电压偏差指标的综合分区方法;依据不同的灵敏度指标,选取各区域主导节点,为VDAPF和SVG提供候选接入节点;考虑功能和成本差异,建立以系统总投资费用最小和电能质量水平最优为目标的VDAPF和SVG优化配置模型,协同优化设备的选址和定容;采用规格化平面约束法求解得到多目标优化问题均匀分布的Pareto最优解集,并选出两个目标都较优的折中最优解作为最终优化配置方案.以IEEE 33节点系统进行算例分析,仿真结果验证了所提方案的合理性与有效性.     

考虑SVC和储能接入电网的多目标协同经济调度

针对风电并网引起的电网功率波动和安全运行问题,提出一种考虑SVC和储能的多目标协同经济调度优化方法。以典型日运行为例,建立了以系统综合运行成本、电压偏差和系统网损最小为目标函数的经济调度多目标优化模型,在优化过程中对经济调度和无功优化模型的目标进行协同迭代,获取兼顾电网经济性和安全性的最优解,并将结果与利用权重系数法获得的Pareto前沿面进行对比分析,通过对IEEE RTS-24节点系统进行仿真分析,验证其算法的合理性和可行性。     

基于混合粒子群优化算法的电力系统无功优化

应用粒子群优化算法(PSO)求解电力系统无功优化问题,提出基于混沌搜索的混合粒子群优化算法,以克服PSO容易早熟而陷入局部最优解的缺点。该算法引入了基于群体适应度方差的早熟判断机制,当算法陷入早熟时,利用混沌运动的遍历性、随机性和规律性等特性,先对当前粒子群体中的最优粒子进行混沌寻优,然后把混沌寻优的结果随机替换群体中的一个粒子,从而提高了PSO的寻优特性。通过对IEEE 14、IEEE 30、IEEE 118等标准测试系统进行无功优化,并与遗传算法、标准PSO进行比较,表明该算法具有更高的搜索效率和更好的全局优化能力。     

基于改进PSO算法的PID参数优化研究

针对PID控制器的参数整定问题,提出一种改进微粒群优化算法（improved particle swarm optimization,IPSO）。算法是在基本PSO算法的惯性权重部分加入一个调节因子项,通过调节因子的调节,改善了算法的收敛性。仿真结果表明,IPSO算法可以更好地优化PID控制器的参数,使控制系统具有更好的控制性能。     

一种改进粒子群算法在横向磁通永磁电机优化中的应用

通过对鸟、鱼等动物群体捕食行为的深入分析,进行了粒子群优化算法的改进研究:在优化过程中,动态调整学习因子和惯性参量,得到了全新的粒子速度与位置更新模式,从而有效防止了粒子的"早熟"问题,并改善了算法的全局寻优能力。使用提出的改进粒子群算法对典型数学函数进行校验,结果表明:改进算法的全局寻优能力比原算法有明显提高。将其引入电磁场逆问题求解过程,对一台聚磁式横向磁通永磁同步电机进行基于磁钢用量和电机整体体积最小的尺寸优化设计,取得了令人较为满意的效果。     

基于禁忌搜索粒子群优化算法的无功优化

针对粒子群算法局部搜索能力较弱和存在早熟收敛的问题,提出将粒子群优化算法结合禁忌搜索的混合算法,并应用它来求解电力系统无功优化问题。该混合算法是以粒子群优化算法为主框架,以禁忌搜索算法作为个体群继续在邻域中寻优,寻优结果对粒子群算法的输出做了更新。混合算法保留了粒子群优化算法的并行处理性,同时利用了禁忌搜索算法的较强的"爬山"能力,加快了混合优化算法的收敛时间和提高了收敛解的有效性。     

基于粒子群算法的故障测试集优化

为加速测试进程和减少测试开销,数字集成电路在生成测试矢量后必须进行故障测试集的优化。文中利用粒子群优化算法生成最小完备测试集,根据故障测试集优化问题的具体特点,构造粒子的表达方式和编码规则,建立粒子群的速度一位置模型;同时为提高优化效率,引入混沌优化算法来初始化粒子群。实验结果表明,在测试生成后,该方法能在较短的时间内生成最小完备测试集,验证了它的实用性和有效性。     

基于粒子群算法的电磁装置优化设计

简要介绍了粒子群的算法及其特点,详细分析了粒子群算法和罚函数法相结合应用于电磁装置优化设计的若干问题。以某型号电磁继电器优化设计为例进行例示。设计结果证明了该算法的有效性。     

Particle Swarm Optimization with velocity control

This paper presents a new Particle Swarm Optimization (PSO) technique with velocity control. In the proposed method, we lead the particles from intensification to diversification by adding a random number to the velocity of the particle depending on the distance from global best position (gbest), and thereby the particles can search widely in the search space. Copyright © 2009 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于自适应变异特性粒子群算法的无功优化

针对电力系统无功优化问题,提出了1种自适应变异特性粒子群算法来克服粒子群优化方法容易早熟而陷入局部最优解的缺点。该方法以种群适应度方差为量化指标,动态衡量和监视粒子群体的聚集情况,并对聚集的粒子赋予变异操作,用以提高整个群体的全局寻优能力。通过对IEEE-6和IEEE-30测试系统的无功优化问题计算及结果分析表明该方法快速、高效、准确。     

自适应粒子群优化算法及其在无功优化中的应用

针对传统的粒子群优化(PSO)算法中的某些参数需通过试验确定因而影响了其实用性的问题,提出了一种自适应粒子群优化(APSO)算法,并将其应用于电力系统无功优化问题的求解。该算法能在优化过程中自动调整各参数,从而取得问题的全局优化解。某具有151个节点、71个控制变量的实际电网无功优化结果表明,该算法较传统的PSO算法具有更强的全局寻优能力。     

混合粒子群算法在PSS参数优化中的应用

通过采用一种新的混合粒子群算法对多机系统的电力系统稳定器(PSS)进行参数优化,以达到更好的低频振荡抑制效果.引入交叉操作的混合粒子群优化算法是一种应用于连续空间的、具有较好的全局搜索能力和寻优速度的改进粒子群算法(PSO).用Matlab软件进行仿真,结果表明,该方法设计的PSS稳定性有较大提高.