基于Tabu搜索方法的电力系统无功优化

将Tabu搜索方法用于电力系统无功优化,采用二进制和十进制编码2种方案。对IEEE 30节点系统和125节点山东省某地区电网进行了优化计算,并与简单遗传算法、结合模拟退火的遗传算法进行了比较,结果表明Tabu搜索方法具有更强的全局寻优能力,可用于运行方式安排,并具有在线决策的潜力。     

基于改进禁忌搜索的配电网重构

为解决配电网的重构问题,提出了一种改进的禁忌搜索(Tabu search)方法.该方法结合配电网络的闭环设计和开环运行的特点,将遗传算法中的优化编码技术引入到Tabu搜索算法中,并以有功网损最小为目标函数对配电网络进行优化.对3个典型IEEE测试系统进行了优化计算,将其结果与模拟退火算法和遗传算法的计算结果进行比较证实,改进的Tabu搜索算法比模拟退火算法和遗传算法具有更高的搜索效率.     

用改进的Tabu搜索方法优化补偿电容器分档投切的研究

对基本的 Tabu搜索方法进行了改进 ,将“改进遗传算法”中的优化编码技术引入 Tabu搜索方法 ,并在此基础上引入动态管理退出迭代判定条件、动态管理 Tabu表深度和动态管理邻域搜索规模等 ,用以处理补偿电容器分档投切的组合优化问题 ,并给出了算例     

基圩Tabu搜索方法的电力系统无功优化

将Ｔａｂｕ搜索方法用于电力系统无功优化,采用二进制和十进制编码２种方案。对ＩＥＥＥ３０节点系统和１２５节点山东省某地工地优化计算,并与简单遗传算法、结合模拟退火的遗传算法进行了比较,结果表明Ｔａｂｕ搜索方法具有更强的全局寻优能力,可用于运行方式安排,并具有在线决策的潜力。     

基于改进的Tabu搜索算法的电力系统无功优化

将一种改进的Tabu搜索算法用于电力系统的无功优化，建立了相应的数学模型，并以有功网损为目标函数。在传统的Tabu搜索算法的基础上，对补偿电容分组投切的二进制优化编码、退出迭代的判定条件、Tabu表深度、不同循环起点的选择等问题做了分析讨论，并做出了一定的改进，使得更容易跳出局部最优解，保证可以搜索整个可行域，从而得到最优解的可能性更大。文章应用改进的Tabu搜索算法对IEEE6节点系统进行了无功优化计算，与传统的Tabu算法进行了比较．结果袁明改进的Tabu搜索算法具有更强的全局寻优能力。     

一种改进的Tabu Search算法及其在区域电网无功优化中的应用

提出将改进的Tabu(禁忌)搜索算法用于区域电网无功电压优化控制问题的求解.首先根据已知的实际电网的历史数据获得可行的初始解,然后对区域电网采用改进的禁忌搜索方法进行无功优化.在求解的过程中,由于对Tabu表中所记录的"移动"采取"有条件地释放Tabu表中的记录"这一策略,可以使搜索有效地跳出局部极小值点,更好地找到最优解.通过IEEE-14节点算例验证了该算法的有效性.     

基于改进的Tabu搜索算法的电力系统无功优化

将一种改进的Tabu搜索算法用于电力系统的无功优化,建立了相应的数学模型,并以有功网损为目标函数。在传统的Tabu搜索算法的基础上,对补偿电容分组投切的二进制优化编码、退出迭代的判定条件、Tabu表深度、不同循环起点的选择等问题做了分析讨论,使得更容易跳出局部最优解,保证可以搜索整个可行域,从而得到最优解的可能性更大。应用改进的Tabu搜索算法对IEEE6节点系统进行了无功优化实例计算,结果表明改进的Tabu搜索算法具有更强的全局寻优能力。     

基于人工鱼群算法的电力系统无功优化

尝试将人工鱼群算法(AFSA)用于电力系统无功优化,建立了相应的优化模型,对IEEE6、IEEE14节点系统及某地区实际电力系统进行了无功优化计算,并与遗传算法(GA)、改进Tabu搜索算法(MTSA)进行了比较,结果表明AFSA鲁棒性强,全局收敛性好,用于电力系统无功优化计算是有效、可行的。     

基于人工鱼群算法的电力系统无功优化

尝试将人工鱼群算法(AFSA)用于电力系统无功优化,建立了相应的优化模型,对IEEE6、IEEE14节点系统及某地区实际电力系统进行了无功优化计算,并与遗传算法(GA)、改进Tabu搜索算法(MTSA)进行了比较,结果表明AFSA鲁棒性强,全局收敛性好,用于电力系统无功优化计算是有效、可行的.     

基于遗传禁忌搜索算法的PMU布点配置

将遗传算法GA(Genetic Algorithm)和禁忌搜索算法TS(Tabu search)相结合,提出一种遗传禁忌搜索算法GATS(Genetic Algorithm & Tabu search)用于相量测量单元优化配置.GATS算法结合了遗传算法的随机搜索能力、并行性和禁忌搜索算法的记忆功能,有效地解决了遗传算法的爬山能力差、早熟的问题,提高了收敛速度及优化质量;同时遗传算法的种群操作,保留了遗传算法的多出发点的优势,弥补了禁忌搜索的单一单操作缺乏并行性的弱点.在约束条件处理时,采用了不可行解启发性修复方法,提高了算法的优化效果.基于图论的深度优先方法用于系统可观性分析.将GATS算法应用于优化相量测量装置安装地点选择,实现了安装地点最少,而整个系统可观的目标.通过算例证明了算法的有效可靠.     

基于遗传禁忌混合算法的电力系统无功优化

为了使遗传算法(GA)和禁忌搜索算法(TS)的优点被保持,缺点被削弱,提出了电力系统无功优化的遗传禁忌混合算法(GATS);针对电力系统无功优化中控制变量的离散性和连续性相混合的特点,提出了混合编码策略并相应地采用启发式算术进行杂交.用GATS算法对IEEE30节点系统进行了无功优化计算,并就优化结果和简单遗传算法(SGA)及二进制编码的禁忌搜索法(TSB)的优化结果进行了比较,结果表明GATS方法具有更好的收敛性和更强的全局寻优能力.     

TS-PSO算法在电力系统无功优化中的应用

为了解决粒子群算法(PSO)局部搜索能力较弱和存在早熟收敛的问题,提出了将禁忌搜索(TS)思想融入到粒子群算法中的混合算法,并将该算法应用到电力系统无功优化中。改进后的算法综合了粒子群算法快速性、随机性和全局收敛的优点,还具有禁忌搜索局部寻优的能力。通过对IEEE-30节点测试系统、铜陵电网实际进行仿真计算,并与其它算法进行比较,结果表明该算法能取得更好的全局最优解,既加快了收敛速度,又提高了收敛精度。     

基于自适应聚焦粒子群算法的电力系统无功优化

自适应聚焦粒子群算法(AFPSO)是根据PSO算法的全局搜索与局部搜索平衡特性,改进得到的一种具有较好全局搜索能力和寻优速度的自适应群体智能优化算法.通过采用AFPSO算法,对电力系统进行无功优化.该方法是以最优控制原理为基础,以网损最小为目标函数,在IEEE 30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AFPSO算法在算法计算精度、收敛稳定性、寻优时间等方面都具有普遍优势,能有效地应用于电力系统无功优化中,证明了AFPSO算法的有效性和优越性.     

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。     

无功功率优化的改进退火选择遗传算法

作提出的改进退火选择遗传算法用于电力系统无功优化,其特点在于采用灵敏度选择无功补偿地点,缩小了遗传算法的搜索范围;用退火选择进行个体更新,保持了群的多样性,避免陷入局部最优;采用十进制编码、竞争繁殖和逐代记录最优法来加快计算速度和精度;用不定交叉和变异概率来更好地发挥交叉和变异的作用,并且进行适应度定标,促进全局最优。通过对TEEE6节点系统计算分析表明,该方法和简单遗传算法相比有更快的计算速度和更强的全局收敛能力。     

多智能体搜寻者优化算法在电力系统无功优化中的应用

针对无功优化这个典型的非线性问题,提出了一种基于多Agent系统的搜寻者优化算法MASOA (Multi-agent Seeker Optimization Algorithm)来求解.该算法针对SOA算法邻域划分随意性较大,融入智能体技术,在改进SOA算法邻域划分合理性的同时,提高粒子寻优的准确度;利用SOA算法的进化机制,引入自适应思想,使新算法具有良好的非线性搜索能力,更好地适应无功优化问题.以网损最小为目标函数,在IEEE 30节点系统上进行测试,并与四种智能算法进行比较,结果表明,MASOA在算法计算精度、收敛稳定性、寻优时间等方面都具有普遍优势,能有效地应用于电力系统无功优化中.     

考虑换流站损耗特性的交直流系统多目标无功优化控制

交直流互联系统中各个直流输电通道在输送大量电能的同时,也会产生很大的电能损耗。通过协调优化多回超/特高压直流输电系统的电压无功控制措施,能够有效地降低整个交直流系统运行的损耗电量。提出一种考虑换流站详细损耗特性的交直流系统多目标无功优化控制方法,以包括换流站内部各主要设备损耗的整个交直流输电系统总网损和所有关键节点电压偏差平方和的最小化为目标,建立交直流互联系统的多目标无功优化控制模型。提出一种自适应加权和算法,结合GAMS/CONOPT解法器求解得到多目标优化问题的均匀分布的帕累托最优解集。并根据各个最优解的模糊隶属度和熵权信息从帕累托前沿曲线中确定出折中最优解,作为多目标无功优化控制方案。通过对某个6056节点交直流互联系统的计算表明,所提出的算法求得的帕累托最优解集分布均匀,且所获得的多目标无功优化控制方案能够有效降低换流站运行损耗,提高关键节点的电压质量。     

Optimal power flow with FACTS devices by hybrid TS/SA approach

In this paper, a hybrid tabu search and simulated annealing (TS/SA) approach is proposed to minimize the generator fuel cost in optimal power flow (OPF) control with flexible AC transmission systems (FACTS) devices. The problem is decomposed into the optimal setting of FACTS parameters subproblem that is searched by the hybrid TS/SA approach and the OPF with fixed FACTS parameters subproblem that is solved by the quadratic programming (QP). Two types of FACTS devices are used: thyristor-controlled series capacitor (TCSC) and thyristor-controlled phase shifting (TCPS). Test results on the modified IEEE 30 bus system indicates that the proposed hybrid TS/SA approach can obtain better solutions and require less CPU times than genetic algorithm (GA), SA, or TS alone.     

Reactive Power Optimization Using Hybrid CABC-DE Algorithm

Reactive power optimization is closely related to voltage quality and network loss, and it has great significance for the safety, reliability, and economical operation of the power system. Differential evolution (DE) algorithm has been currently applied to reactive power optimization. In order to mitigate the shortcomings of poor local search ability and premature convergence in DE, this paper presents a novel hybrid algorithm–chaotic artificial bee colony differential evolution (CABC-DE) algorithm, which improves the DE algorithm based on artificial bee colony algorithm and ideas of chaotic search. It introduces the observation bees' acceleration operation and the detective bees' chaotic search operation into CABC-DE. The validity of the proposed method is examined using IEEE-14 and IEEE-30 bus system. The experimental results show that CABC-DE algorithm is more effective than regular DE algorithm for reactive power optimization. The algorithm can save the search time greatly and get a better solution for optimization, thus making it suitable for solving reactive power optimization problems.