电力系统无功优化算法综述

综合分析了用于电力系统无功优化的各种优化算法,特别是一些新兴算法,指出了各种方法的优缺点.同时还对无功优化算法进一步发展做了一些探讨.     

电力系统无功优化研究综述

介绍了考虑多目标函数时无功优化模型的建立与解决方法,在总结了传统优化算法的基础上着重介绍了已经改进的智能优化算法和混合的智能优化算法在无功优化上的应用,简单介绍了动态无功优化的几种优化算法,并对今后无功优化的研究方向做出了展望。     

电力系统无功优化方法综合分析

无功优化是电力系统电压稳定与经济运行的核心问题，也是提高电力系统电压质量的重要措施。本文简要地介绍了无功优化的经典算法：梯度类算法，牛顿法，二次规划法和线性规划法。详细地分析了人工智能方法在无功优化中的应用，即遗传算法、模拟算法、Tabu搜索法、混合算法、专家系统、人工神经网络法、模糊优化法等应用于无功优化的基本思路，还对动态规划法进行了分析，并进行诸多方法的比较，得出了合理的结论：遗传算法及其与其它算法的结合，将使遗传算法在无功优化与控制的应用领域中发挥愈来愈大的作用。     

电力系统无功优化算法综述

为全面概括电力系统无功优化算法研究的现状、取得的成果和存在的不足,介绍了通用的无功优化模型,总结了多种目前电力系统无功优化中常用的传统优化算法和人工智能优化算法,包括线性规划法、非线性规划法、动态规划法、现代启发式搜索方法、专家系统等。对每种算法的原理和优缺点进行了分析,并针对列出的每种基本优化算法存在的缺陷,介绍了几种改进的优化算法。最后,介绍了几种效果良好的混合优化算法,并对未来无功优化研究的方向提出了建议。     

电力系统无功优化方法综合分析

无功优化是电力系统电压稳定与经济运行的核心问题 ,也是提高电力系统电压质量的重要措施。本文简要地介绍了无功优化的经典算法 :梯度类算法 ,牛顿法 ,二次规划法和线性规划法。详细地分析了人工智能方法在无功优化中的应用 ,即遗传算法、模拟算法、Tabu搜索法、混合算法、专家系统、人工神经网络法、模糊优化法等应用于无功优化的基本思路 ,还对动态规划法进行了分析 ,并进行诸多方法的比较 ,得出了合理的结论 :遗传算法及其与其它算法的结合 ,将使遗传算法在无功优化与控制的应用领域中发挥愈来愈大的作用     

电力系统无功优化综述

介绍了考虑风电场接入后、交直流混合输电系统以及电力市场下多个无功优化数学模型,探讨了现有传统优化算法、人工智能优化算法以及改进的混合优化算法,并对其中常用的优化算法进行了分析比较。针对电力系统无功优化在线运行的实用性问题,综合评价了现有无功优化控制策略及其适用情况,提出了当前电力系统无功优化研究中仍需解决的问题及未来的研究方向。     

电力系统无功优化方法分析

本文介绍了无功优化的历史,总结了各种无功优化模型,分析了静态、动态两种无功优化方式,比较了当前存在的多种优化算法,提出了目前电力系统无功优化研究中存在的问题及发展趋势。     

电力系统无功优化研究的进展与展望

介绍了关于多目标函数时无功优化数学模型的建立,在分析了一些常用的优化算法基础上,重点介绍了实际电网中常用的现代智能优化算法,包括遗传算法、粒子群算法、差分算法在无功优化上的应用的进展,最后对无功优化的未来研究方向做出了展望.     

基于人工蜂群算法的配电网无功优化

针对配电网电压质量较低的问题,建立了完整的无功优化模型。首先提出了一种新的无功补偿候选点的方法,即先基于网损最小选择无功补偿点,在此基础上再用动态优化选择无功补偿点;然后建立以网损最小、并联电容器容量最小、电压水平最好、两类电压稳定裕度最大的无功优化目标函数,用模糊方法将含有量纲的多目标问题转化为没有量纲的单目标问题;接着用人工蜂群(ABC)算法确定无功补偿点和容量。最后对IEEE-33节点配电网系统进行了测试分析,并与其它两种优化算法相比较,结果表明使用该优化算法,配电网无功配置方案较优,线路损耗明显降低,电压质量和电压稳定裕度明显提高。     

基于改进的人工鱼群算法的配电网无功优化

研究了基于变异算子与模拟退火算法混合的人工鱼群算法,对算法中的变异算子进行了改进,并提出了1种试探确定变异概率的方法：同时对配电网无功优化的模型进行了改进．将经济性目标和安全性目标相结合。将改进的人工鱼群算法运用到配电网无功优化中．实际系统的仿真计算结果表明,基于改进人工鱼群算法的配电网无功优化方法合理可行。     

基于改进人工蜂群算法的电力系统无功优化

针对电力系统无功优化存在的问题,提出了一种基于改进人工蜂群算法的无功优化。运用反学习法对人工蜂群算法进行了优化,克服了人工蜂群算法本身容易陷入局部收敛的缺点,并且对IEEE30节点进行仿真计算,结果表明该算法对于求解复杂无功优化问题的可行性和有效性。     

基于引力搜索算法的电力系统无功优化

无功优化是一个多变量、多约束、高维数的非线性规划问题,其离散变量与连续变量并存的特性使得传统优化算法难以对其进行求解。根据无功优化问题的特性,提出了一种适用于无功优化问题求解的引力搜索算法,该算法是受牛顿引力定律和粒子间相互作用的启发而提出来的一种新的优化算法,其理论基础深厚,物理意义明确,便于理解,简单易行。算例结果表明,引力搜索算法可以有效求解电力系统无功优化问题,且收敛速度快,数值稳定性好。     

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。     

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)...     

遗传算法在电力系统无功优化中的应用

遗传算法(GA)是近10年来发展的基于自然选择规律的一种优化方法,算法能成功的解决无功变量中的离散问题,避免常规数学优化方法的局部最优现象。根据众多参考文献,阐述了简单遗传算法(SGA)以及GA与其他算法相结合的算法在电力系统无功优化中的应用和今后的发展方向。     

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。     

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。     

任意分割区域无功优化分析计算研究

文章在对分割点进行等效和遗传无功优化的基础上,提出了任意分割区域无功优化计算的思想和寻优算法,给出了任意分割区域及遗传算法无功优化的流程。以某省110 kV变电站为算例,采用任意分割区域无功优化算法进行了计算,并对计算结果与实测值进行了比较。结果表明,在基本不影响电压水平的前提下,采用任意分割区域无功优化算法对提高电容器投入率,优化经济调度,降低线路线损有较强的指导意义。同时,由于实现了无功优化计算范围的任意选择,方便了无功电压线损定量计算分析管理工作。     

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。     

基于细菌群体趋药性的电力系统无功优化

提出了一种基于细菌群体趋药性的电力系统无功优化算法。细菌群体趋药性引入了群体信息交互策略,使得单个细菌在利用自身信息随机移动的同时,通过种群的信息交互,有效地改善了个体移动时的随机性和盲目性,加强了细菌趋于最优的移动策略。建立了基于细菌群体趋药性的无功优化数学模型,并对标准IEEE-6和IEEE-30节点测试系统进行了无功优化计算,通过结果分析表明,细菌优化算法在解决电力系统无功优化问题上,具有很好的应用前景。