模拟渔夫捕鱼寻优算法在多目标无功优化中的应用

模拟渔夫捕鱼寻优算法（Optimization algorithm on simulating the fisher fishing,SFOA）是模拟渔夫捕鱼行为习惯而提出的一种新的智能算法。通过对该算法的研究,并将SFOA算法用于求解电力系统多目标无功优化问题。无功优化模型采用计及网损和电压平均偏离两个指标,并提出了基于考虑用户偏爱区域把目标函数转化为约束条件的方法,它可以有效地处理多目标优化问题。由于无功优化是多变量优化问题,而SFOA算法在处理多维问题时寻优速度受到限制,因此,采用在方体内随机初始化方法,简化了移动搜索和收缩搜索在方体内的复杂搜索,提高了算法的搜索速度。通过IEEE-30节点和IEEE-57节点算例仿真结果表明,该算法有较好的全局搜索性能和较稳定的收敛速度,能有效提高系统运行的经济性和安全性。     

改进粒子群优化算法在电力系统多目标无功优化中应用

采用自适应聚焦粒子群优化(AFPSO)算法对电力系统进行无功优化.以最优控制原理为基础,引入静态电压稳定性指标,建立了综合考虑系统有功网损最小、电压水平最好以及静态电压稳定裕度最大的多目标无功优化模型,并采用模糊集理论将此多目标优化问题转化为单目标优化问题.通过最小化各目标的隶属度最大值(指标差的隶属度值大),从而只提升差的指标,使系统整体性能提高.同时,采用罚函数的形式处理负荷节点电压和无功发电功率2个状态变量不等式约束.在IEEE 57节点系统上进行测试,通过仿真测试及不同算法优化结果的对比,表明AFPSO算法在实现系统经济运行的同时也增强了电网的电压稳定,同时证明了AFPSO算法的有效性和优越性.     

基于粒子群算法的电力系统无功优化及补偿点的确定

根据简单交流电路的电压电流特性推导出节点电压临界崩溃的条件,提出了无功裕度的概念.根据节点无功裕度的排序确定了电力系统无功补偿点,并在此基础上用粒子群算法进行电力系统无功优化.该方法使电力系统无功分布更合理,实现无功就地补偿.IEEE 14节点算例的仿真结果表明该方法是有效和可行的.     

利用混沌鱼群算法的配网无功优化

为了更有效快速地处理电力系统配网无功优化问题,建立了配电网无功优化的数学模型,以网损和电压偏差最小以及电压稳定最大化为目标函数,以无功平衡、电压合格等为约束条件。采用新型混合优化算法,综合考虑混沌优化算法和人工鱼群算法两种算法的特点,使算法能够更好地适应问题的求解。并且对IEEE14节点系统和IEEE33节点进行系统仿真计算,结果表明,该算法在计算速度和收敛能力方面都具有优势,且优化效果可满足实际需要。     

多目标进化算法求解无功优化问题的对比分析

对经典的多目标进化算法(multi-objective evolutionary algorithms,MOEAs)在电力系统无功优化中的应用展开比较研究。与传统设定偏好参数、将多目标问题转化为单目标问题的方法不同,直接采用计及系统网损与电压偏移的多目标模型。提出无功优化多目标进化算法统一框架,采用一致的编码策略、约束处理方法。以IEEE30节点标准系统的多目标无功优化为算例,从帕累托前沿、外部解及C指标等方面,比较各种算法的性能特点,并按照其优劣将算法分为5个性能等级。参考算法的性能等级,详细分析每种算法的优缺点。相关结论对MOEAs在无功优化及电力系统其他优化问题中的应用和改进,都具有一定的参考价值。     

基于改进蚁群算法的电网无功补偿优化控制研究

电力系统无功功率补偿控制是个综合非线性问题,利用改进蚁群算法建立以电网电压畸变为约束条件、以电压和无功综合满意度达标为目标函数的无功优化综合数学模型。结合IEEE 14系统,对基于改进蚁群算法无功优化配置方案进行了仿真分析。结果表明,利用改进蚁群算法建立的无功补偿模型能够精确地进行电网无功功率的补偿,是无功优化控制的一种理想模型,具有一定的科学研究价值。     

基于原-对偶内点法的电压无功实时优化控制算法

提出了一种充分利用稀疏技术的基于原-对偶内点法的电压无功实时优化控制算法.通过引入模糊约束对不可行的探测和处理,并结合电力系统的稀疏特性,提出旨在满足实时控制要求,提高算法速度和可靠性的措施.所提算法在华东电力系统中的试算表明,该方法能够有效地解决大规模电力系统中带有大量不等式约束的电压无功优化控制问题,对不可行能快速、准确地探测和处理,提供合理的工程解.     

基于混沌蚁群算法的电力系统无功优化

针对无功优化多变量、多约束、非线性的特点,提出一种电力系统无功优化的新算法--混沌蚁群优化算法(CACO),并将混沌蚁群优化算法应用在电力系统无功优化中,以有功网损最小为目标函数,建立了CACO无功优化数学模型.通过IEEE30节点算例和某地区一个实际电网算例,验证了算法的有效性.     

基于多目标决策协调进化算法的电力系统无功优化

在传统无功优化模型基础上,建立了以系统有功网损、静态电压稳定裕度、电压偏差、无功补偿容量和发电机发电成本的多目标无功优化模型。采用多目标决策协调进化算法对电力系统无功进行优化,将多目标决策协调算法与群体进化理论有机结合起来,在有限的群体内对每个个体按协调算法进行排序,以提高优化方法的有效性。通过Matlab7．0编程对IEEE30和IEEE14节点算例系统进行计算。计算结果表明,该方法具有系统网损、电压偏差及无功补偿容量小、发电机发电成本低和系统稳定裕度高的特点。     

多Agent结构的混沌PSO在无功优化中的应用

针对电力系统中,优化问题具有高维、多约束、非线性特点,提出一种基于多Agent体系结构的混沌粒子群优化算法。在分析粒子群算法的基础上,融合多Agent技术与混沌局部搜索算法,将粒子群算法的群搜索特征和Agent的智能搜索特征相结合。算法利用环境信息与周围Agent进行竞争合作,提升全局探索能力,增强信息多样性;同时依靠混沌局部搜索的无重复遍历性摆脱局部极值,提高算法在解空间中的收敛精确度。为验证算法有效性,对典型多约束、非连续的电力系统无功优化问题进行建模仿真。IEEE 30节点和118节点系统仿真计算的结果表明,与其他优化算法在收敛特性,最优解,鲁棒性等方面相比,该算法对解决电力系统无功优化问题是可行和有效的。     

基于免疫算法的多目标无功优化

在详细分析无功优化约束条件和目标函数以及研究无功优化免疫算法中抗体产生及其编码和解码的基础上,针对目前无功优化目标函数大多是基于权重系数基础多目标函数的组合,提出了基于免疫算法的多目标无功优化算法, 即用整体亲和力和部分亲和力概念来表示抗体对抗原的亲和程度,然后通过分别计算抗体的局部和整体亲和力来对抗体进行排序,依据此顺序选择抗体进行克隆、交叉变异等操作,并反复进行以求取系统无功优化的Pareto解集。对 IEEE14节点系统和IEEE118节点系统进行了多次无功优化计算,结果表明了该算法的有效性。     

改进粒子群算法在无功优化中的应用

建立了无功优化的数学模型,针对粒子群算法易陷入局部最优解、收敛精度差的缺点,将改进粒子群优化算法应用到电力系统无功优化中。对粒子群的速度公式进行了改进,并在算法中引入反正切惯性权重和阈值来增强搜索全局最优解的能力。通过对IEEE30节点的算例仿真,证明改进后的粒子群算法在电力系统无功优化问题上具有一定的可行性。与PSO的结果对比表明该算法在一定程度上提高了计算的精度。     

基于量子粒子群算法的电力系统无功优化

量子粒子群算法是以粒子群中粒子的收敛特性为基础,依据量子物理理论提出的,改变了传统粒子群算法的搜索策略,可使粒子在整个可行解空间中搜索寻求全局最优解.首次将量子粒子群算法用于电力系统无功优化中,以网损最小为目标函数,在IEEE30节点系统上进行测试,通过仿真测试以及不同算法优化结果的对比,表明基于量子粒子群(QPSO)...     

基于多目标混沌粒子群算法的矿区电网无功优化

为了提高矿区电网电能质量,降低电网线路有功网损,在无功优化基本数学模型的基础上,综合系统电压的静态稳定性,建立了多目标无功优化数学模型。针对粒子群优化算法在进化中易出现早熟收敛等问题,引入混沌粒子群优化算法。以IEEE30节点系统为算例,验证了多目标混沌粒子群算法的可行性。将该算法应用于矿区电网无功优化中,仿真结果进一步验证了该算法的有效性。     

基于改进蜉蝣算法的一种新型无功优化补偿方法及其应用

基于改进的蜉蝣算法提出了一种电力系统新型无功优化计算方法。首先以电力系统有功网损最小为目标函数,选择发电机端电压、可调变压器分接头以及并联静止电容器组数为控制变量,建立了无功优化的数学模型;提出将新型群搜索智能优化算法蜉蝣算法引入到无功优化问题中;针对基础蜉蝣算法易陷入局部最优解的缺陷,提出优化基础蜉蝣算法,将Levy飞行以及随机惯性权重系数引入蜉蝣算法的位置更新策略中,提高蜉蝣算法的全局搜索能力。最后,以IEEE30节点系统为测试对象,证明了改进的蜉蝣算法在电力系统无功优化问题中的有效性及优势。     

含高比例风光新能源电网的多目标无功优化算法

为适应新能源大量接入电网的趋势,基于不同时刻的风速、光照强度、温度等气象条件信息,评估出风光新能源的无功调节容量,搭建了含高比例风光新能源参与调控的电网多目标无功优化模型。为快速获得电网中变压器分接头档位调节、无功补偿设备投切、传统发电机组电压调节以及风光的无功输出等控制措施的帕累托最优解集,采用寻优性能高效的多目标樽海鞘群算法（multi-objective salp swarm algorithm, MSSA）进行无功优化求解。为更客观找出电网线损、电压偏差、静态电压稳定裕度等不同目标之间的折中解,采用改进的理想点法进行多目标最优解集决策。最后,利用扩展的IEEE标准9节点和39节点算例进行仿真分析,并引入传统多目标智能优化算法来进行比较验证。仿真结果表明：与其他2种传统多目标智能优化算法相比,所提算法获得的帕累托前沿分布更广、更均匀;利用改进理想点法进行决策之后,可有效降低电网的线损和电压偏差,同时提高了电网的静态电压稳定裕度。     

基于自适应模糊粒子群算法的电力系统无功优化研究

针对传统粒子群算法搜索精度低和易早熟的缺点,提出了一种自适应模糊粒子群算法(AFPSO)对电力系统进行无功优化.该算法对惯性权重进行非线性的调整,有效地提高了算法的收敛速度和精度,并对位置的更新采用模糊控制,较好地解决了粒子群易早熟的问题.将该算法应用于无功优化问题中,在IEEE-30节点系统上进行测试,证明了AFPSO算法的有效性和优越性.     

含风电机组的配网无功优化

研究了分布式电源中发展较为成熟的风力发电机组并网后配电网的无功优化问题,提出一种基于场景发生概率的无功优化综合指标,该指标由网损和静态电压稳定裕度两部分构成。基于该指标,提出一种新的无功优化模型。在该模型中,提出风电机组输出功率典型场景的选取策略,无功优化潮流计算中考虑了风电机组的特点,将其作为电压静特性节点处理。在求解方法上,采用基于自适应权重的遗传算法求解。算例表明,提出的模型和算法是可行的,对风电系统的运行具有一定的参考价值。     

基于分层分区协同进化算法的电力系统无功优化

随着电力系统的大范围互联以及电压等级的增多,无功优化问题变得越来越复杂。无功优化问题是一个多变量、非线性、非连续性问题,在不同电压等级电网中无功又有不同的特点。针对电力系统无功优化的上述特点以及大范围互联电网控制变量较多的问题,提出了按电压等级将电力系统分层,各层之间独立优化互不影响,层内分区域并采用协同进化算法优化的方法。对于电力系统分层的方法作了探讨,提出了节点分裂的方法。在此基础上针对层内无功优化详细讨论了协同进化算法的原理、步骤以及其应用。IEEE30节点的算例表明,该方法要优于DFP,BFS等经典优化算法以及普通遗传算法。