基于Sigmoid函数连续化的电力系统无功优化算法

如何精确、快速地处理离散变量是求解大规模电力系统无功优化问题的关键和难点。提出了基于Sigmoid函数连续化的无功优化模型,并应用现代内点法进行求解。所提方法先将离散量当作连续量处理,进行无功优化计算,快速寻求离散变量的激活点;再以所得的结果作为初始解,引入Sigmoid函数对离散变量进行连续化处理,实现精确快速求解含离散变量的电力系统无功优化问题。大量仿真计算结果表明,所提方法具有良好的收敛性和计算效率,对求解大规模系统无功优化问题具有很好的应用前景。     

基于分支定界—原对偶内点法的日前无功优化

现有的日前无功优化模型较少考虑次日电压稳定问题,且算法无法准确处理离散变量及时段间耦合约束。针对此现状,提出了一种计及分区动态无功储备的日前无功优化模型,并采用分支定界—原对偶内点法对其进行求解。在求解过程中,利用分支定界树使离散变量逐步逼近离散值,通过合理的分支剪支策略满足离散变量的时段间耦合约束,将日前无功优化问题转换为一系列仅含连续变量的单时段无功优化问题进行求解。IEEE 30和IEEE 118节点系统的仿真结果表明了所提模型与方法的有效性。     

内点-分支定界法在最优机组投入中的应用

机组投入是现代电力系统编制发电计划的重要优化任务,具有显著的经济效益。从数学上讲,机组投入问题是一个多约束的NP难组合优化问题,很难得到理论上的最优解。提出运用内点-分支定界法求解最优机组投入问题。该方法将机组投入的离散变量松弛为[0,1]区间上的连续变量,结合有功出力,进行优化。原始-对偶内点法收敛迅速、对初值不敏感,用来求解松弛问题,分支定界法用来处理离散变量。通过对2个算例的计算及与其它算法结果的比较,验证了该算法能得到更好的全局最优解。     

内点-分支定界法在最优机组投入中的应用

机组投入是现代电力系统编制发电计划的重要优化任务,具有显著的经济效益.从数学上讲,机组投入问题是一个多约束的NP难组合优化问题,很难得到理论上的最优解.提出运用内点-分支定界法求解最优机组投入问题.该方法将机组投入的离散变量松弛为[0,1]区间上的连续变量,结合有功出力,进行优化.原始-对偶内点法收敛迅速、对初值不敏感,用来求解松弛问题,分支定界法用来处理离散变量.通过对2个算例的计算及与其它算法结果的比较,验证了该算法能得到更好的全局最优解.     

基于凝聚函数的电力系统无功互补优化模型与算法

基于非线性互补函数和凝聚函数提出了一种处理电力系统无功优化问题中离散变量的光滑化模型,并结合现代内点法对模型进行求解。所提方法首先在不考虑离散变量的情况下进行无功优化预计算,快速获取离散变量的两界,并以此构造互补约束条件;然后将互补约束转化为等价的非光滑方程组,并利用凝聚函数进行光滑逼近,从而将无功优化问题转化为一般的非线性规划问题进行求解,有效地解决了求解离散量时存在的时间与精度之间的矛盾。对30至1780节点系统的计算结果表明,该算法计算效率高、收敛性好,在求解含离散变量的大规模非线性规划问题中有很好的应用前景。     

电力系统无功优化规划的进化策略法

无功优化规划是一个复杂的混合优化问题,传统方法较难获得全局最优解。文中提出了求解电力系统无功优化规划的进化策略方法。该方法通过对不同类型的变量采用不同的变异函数,使得进化策略方法可以解决组合优化问题,对优化问题无可导性要求,对初始点无特殊要求,获得全局最优解的概率大。以IEEE-9节点系统为例进行无功优化规划计算,结果表明此算法是可行的。     

电力系统无功优化的内点非线性互补约束算法

建立了一种含离散变量的电力系统无功优化的非线性互补约束模型,并提出相应的现代内点非线性互补算法。该方法先将变压器抽头和电容器组数等离散变量按连续化处理,进行无功优化计算,快速寻求离散变量的两界;用所得结果作为初始解,以离散变量的两界构造其互补约束条件。该方法有效地解决了传统方法求解离散量存在的时间与精度之间的矛盾,可精确求解无功优化中可调变压器抽头和可调电容器组别。经多个测试系统的计算结果表明,算法具有收敛性好、计算迅速的特点,能有效地解决含离散变量的大规模电力系统无功优化问题,满足在线运行的需要。     

离散粒子群与内点法结合的电力系统无功优化

基于离散粒子群优化算法与内点法,提出了一种新颖的混合策略来求解电力系统无功优化问题:不考虑无功优化中的离散约束,采用内点法求解得到初始解;根据优化变量的不同性质将无功优化问题分解为离散优化和连续优化2个子问题,并采用离散粒子群优化算法和内点法交替求解,使两者的优化结果互为基础、相互利用,从而保证了混合策略的整体寻优效率,以IEEE30和IEEE118节点作为试验系统,与常规的离散优化算法做比较,验证了该算法的正确性和有效性.     

离散粒子群与内点法结合的电力系统无功优化

基于离散粒子群优化算法与内点法,提出了一种新颖的混合策略来求解电力系统无功优化问题：不考虑无功优化中的离散约束,采用内点法求解得到初始解;根据优化变量的不同性质将无功优化问题分解为离散优化和连续优化2个子问题,并采用离散粒子群优化算法和内点法交替求解,使两者的优化结果互为基础、相互利用,从而保证了混合策略的整体寻优效率。以IEEE30和IEEE118节点作为试验系统,与常规的离散优化算法做比较,验证了该算法的正确性和有效性。     

基于蚁群算法和内点法的无功优化混合策略

基于蚁群优化算法与内点法,提出了一种新颖的混合策略来求解电力系统无功优化问题：不考虑无功优化中的离散约束,采用内点法求解得到初始解;根据优化变量的不同性质将无功优化问题分解为离散优化和连续优化2个子问题,并采用蚁群优化算法和内点法交替求解,使两者的优化结果互为基础、相互利用,从而保证了混合策略的整体寻优效率。最后以IEEE 30和IEEE 118节点作为试验系统,与常规的离散优化算法做比较,验证了该算法的正确性和有效性。     

基于双种群粒子群算法的分时段电力系统无功优化

提出了一种基于双种群粒子群算法的分时段无功优化算法,将复杂的动态无功优化问题转化为静态无功优化进行处理。文中把设备的调节代价和网损费用之和作为目标函数,考虑了包括设备相邻时段调节次数限制等约束条件。在该模型基础上,根据负荷的变化趋势,提出了一种考虑设备一天内调节次数限制的分时段算法。该方法简便,不需设置划分时段的门槛值,保证了分段的有效性和可操作性,且采用双种群粒子群算法对每个时段进行静态无功优化。该算法对离散变量进行了特殊编码,较好地解决了连续和离散变量的共同寻优,降低了网损,并减少了设备动作次数。IEEE30节点算例系统结果验证了所提算法的正确性和有效性。     

单相光伏大量接入的三相不平衡配电网无功优化

随着光伏发电等大量非全相运行的分布式电源(DG)接入,配电网固有的三相不平衡特征更加突出,传统无功优化方法因忽略了三相不平衡导致效果较差。文中提出一种三相不平衡主动配电网的无功优化模型,以系统负序电压最小和网络损耗最小为目标,考虑有载调压变压器、分组投切电容器、静止无功补偿装置等离散和连续控制变量,形成一个带有二次约束的混合整数二次规划问题。利用分支定界法处理该混合整数规划问题,将原问题松弛为多个不含离散变量的子问题,分别求得各子问题中设备的控制量,进而求得原问题的最优解。采用扩展的IEEE 33节点三相测试系统仿真计算,验证了所述模型和方法的有效性。     

基于内点法和改进遗传算法的无功优化组合策略

提出了一种求解无功优化问题的组合策略,该策略将无功优化问题分解为连续优化和离散优化2个子问题,分别用预测–校正内点法和改进遗传算法进行求解。考虑到实际电网在进行无功优化控制时,发电机是主要的调节手段,先不考虑离散变量的约束,采用预测–校正内点法优化连续变量;然后保持连续变量不变,用改进遗传算法优化离散变量;再返回到连续优化阶段,如此交替求解。当出现相邻的连续优化阶段和离散优化阶段网损变化的差值小于设定值时,停止优化。IEEE14、30、57、118节点系统的仿真结果表明,该策略比其它组合算法在收敛性和计算效率上更具优越性。     

基于内点法和改进粒子群算法的无功优化混合策略

基于内点法与粒子群算法,提出了一种混合策略来求解电力系统无功优化问题。根据优化变量的不同性质将无功优化问题分解为离散优化和连续优化两个子问题,采用改进的粒子群优化算法和内点法交替求解,使两者的优化结果互为基础,提高了混合策略的整体寻优效率;根据粒子运动趋势及目标函数中网损与节点电压无功的相关性,对基本粒子群算法进行改进,自适应调整惯性权重和罚因子;以IEEE30节点系统和某实际地区电网作为试验系统,验证了该算法的正确性和有效性。     

求解动态无功优化问题的混合免疫遗传算法

无功优化是电力系统运行中提高经济性和电压安全性的重要措施,为防止静态无功优化可能导致无功控制设备的频繁操作,考虑并联电容器投切组数和有载调压变压器变比档位的调节次数约束,建立了电力系统动态无功优化模型。提出免疫遗传算法与非线性内点法相结合的混合算法进行求解,其中免疫遗传算法处理离散变量,非线性内点法处理连续变量,并在免疫遗传算法中设计独特的编码方式,使抗体能够自动满足动态约束。采用IEEE14系统的24时段无功优化问题进行仿真计算,动态无功优化后离散控制设备的调节次数很少,有功损耗比静态优化结果仅有轻微增加,算例结果验证了混合免疫算法的有效性。     

A hybrid genetic algorithm-interior point method for optimal reactive power flow

By integrating a genetic algorithm (GA) with a nonlinear interior point method (IPM), a novel hybrid method for the optimal reactive power flow (ORPF) problem is proposed in this paper. The proposed method can be mainly divided into two parts. The first part is to solve the ORPF with the IPM by relaxing the discrete variables. The second part is to decompose the original ORPF into two sub-problems: continuous optimization and discrete optimization. The GA is used to solve the discrete optimization with the continuous variables being fixed, whereas the IPM solves the continuous optimization with the discrete variables being constant. The optimal solution can be obtained by solving the two sub-problems alternately. A dynamic adjustment strategy is also proposed to make the GA and the IPM to complement each other and to enhance the efficiency of the hybrid proposed method. Numerical simulations on the IEEE 30-bus, IEEE 118-bus and Chongqing 161-bus test systems illustrate that the proposed hybrid method is efficient for the ORPF problem.     

基于改进遗传算法与原对偶内点法的无功优化混合算法

基于改进遗传算法和原对偶内点法提出一种求解无功优化问题的混合算法。首先通过改进遗传算法求解无功优化问题中的离散变量,然后采用原对偶内点法求解与已获得离散变量最匹配的连续变量。在改进遗传算法中采用交叉、变异算子并基于可行域规则处理离散约束,有效提高了混合优化算法的整体寻优效率。在IEEE 118节点系统中的仿真计算结果验证了本文方法的有效性。该方法已应用于福建电网自动电压控制系统中。     

基于IPM-intPSO的两阶段动态无功优化算法

提出一种基于内点法(IPM)和整数粒子群(intPSO)算法相结合的启发搜索-变量校正两阶段动态无功优化算法。首先,采用intPSO算法求解离散变量,并利用IPM处理连续变量,通过两者交替迭代得到静态无功优化的求解方法;然后,在保证网损最小的同时,自适应得到最优动态分段数,克服传统依据负荷曲线人为分段方法的缺点;最后,对目标函数在启发搜索的结果上进行变量校正的再优化。IEEE 9、14、30、57、118节点测试系统的仿真结果验证了所提算法的有效性。