基于分布式多步回溯Q(λ)学习的复杂电网最优潮流算法

针对传统最优潮流算法对复杂多目标函数的不适应性以及常规算法难以满足大规模电网计算实时性的要求,本文中提出一种新颖的基于复杂电网分区的最优潮流分布式Q(λ)学习算法,该算法无须对最优潮流数学模型进行辅助处理,不依赖于对象模型,其内部各Agent使用标准的多步Q(λ)算法独立承担各分区子系统的学习任务,通过统一协作从而形成整体意义上的最优,并在IEEE 118节点等标准算例中进行了验证,取得了良好的效果,为解决复杂电网多目标最优潮流问题提供了一种新的可行、有效的方法。     

基于免疫禁忌混合算法的多目标最优潮流计算

针对电力系统多目标最优潮流计算问题,提出了一种基于免疫禁忌混合算法的多目标模糊优化潮流计算的新方法。该方法运用模糊集理论来构造评价函数,实现了多目标优化问题向单目标优化问题的转化,兼顾了各子目标,保证了较高的整体优化水平;采用求解精度高、使用灵活的免疫禁忌混合算法来进行单目标寻优,准确地获取了符合实际的全局最优解。通过对IEEE 30节点系统进行多次多目标最优潮流仿真计算,并将计算结果分别与单目标最优潮流计算及采用粒子群算法、免疫算法等其它算法的结果进行比较和分析,验证了该方法是解决电力系统多目标最优潮流问题的一种有效方法。     

基于改进粒子群算法的多目标最优潮流计算

针对电力系统多目标最优潮流计算问题,提出一种基于(非劣最优)Pareto解集的改进粒子群算法AL iPSO。用最优值评估选取法求取粒子和全局最优位置,解决目标函数间可能存在的冲突。并将关联度自适应学习应用于多目标优化,提出适合Pareto解特点的适应度设计和随机惯性权策略,克服PSO算法容易早熟而陷入局部最优解的缺点。通过对IEEE 6、IEEE 14节点系统多目标最优潮流计算,验证了该算法的有效性。     

电容器实时优化投切的最优匹配注入流法

为了提出一种用于电网无功补偿优化的通用的、规范化的解析算法，该文从回路分析法和电路叠加定理等电路的基本原理出发，导出了一个崭新的概念——最优匹配注入流。基于最优匹配注入流，开发出一个用于优化电容器投切的高效算法。该算法可应用于输电网和配电网的电容器优化中，也可应用于发电机和电容器共同参与的电网无功优化。文中提出的算法可对系统有功损耗进行优化的同时消除支路负载越限。整个计算过程包含若干次潮流计算和最优匹配注入流的计算，因而计算效率很高。该算法不仅可以直接应用于电网规划，而且满足实时控制的要求。该文还把电容器优化投切这类组合优化问题转换为一系列的递推电路问题，为求解该类问题提供了一种新的思考方法。另外，最优匹配注入流也可以应用于电容器的安装地点和容量选择的优化问题。     

基于群智能强化学习的电网最优碳-能复合流算法

结合电网能流和碳排放流的传输特性,建立了电网最优碳-能复合流的数学模型,并提出了基于群智能的多步回溯Q(λ)强化学习算法,有效解决了电网碳-能复合流的动态优化问题。其中以线性加权的方式把电网网损、碳流损耗和电压稳定设计为奖励函数,通过引入粒子群的多主体计算,每个主体都有各自的Q值矩阵进行寻优迭代。IEEE118节点仿真结果表明:较传统Q(λ)算法本文所提出算法能在保证较好全局寻优能力的同时,收敛速度至少能提高10倍以上,为解决实际大规模复杂电网的碳-能复合流在线滚动优化提供了一种快速、有效的方法。     

区域综合能源系统的多目标最优潮流算法研究

为了解决多能耦合潮流计算复杂度高、工程应用可操作性差的不足,提出了一种计算速度快、可操作性强、可有效应用于工程实践的多目标最优潮流计算方法。该方法分2步完成最优潮流计算:第一步,基于经济、环保、安全可靠、清洁等指标构建了全面的多目标优化函数,并结合序列二次规划法(SQP)与粒子群算法(PSO)构建PSO-SQP双层优化方法,计算得到多能互补系统的优化调度方案;第二步,依据第一步调度方案中各能源设备的运行工况,结合网络结构,自适应选择潮流计算方法,计算各设备出力及各网络能量流分布。最后,将所提方法应用于某园区综合能源系统的潮流计算中,证明了该算法的有效性和实用性。     

基于混沌搜索的多目标模糊优化潮流算法

提出了一种混沌搜索与模糊集理论相结合求解电力系统最优潮流问题的新方法。该方法利用混吨变量的随机性、规律性、遍历性进行寻优，克服了基于导数的优化方法对于梯度信息的高度依赖性而造成的困难。用模糊集理论将多目标函数和可伸缩约束条件模糊化，把多目标最优潮流问题转化为单目标非线性规划问题，这种方法结构简单，易于实施。试验系统的计算结果表明，该算法具有较好的全局收敛特性，搜索速度快，求解精度高，使用灵活，是解决电力系统最优潮流问题的一种有效方法。     

能量损耗最小的无功补偿动态优化算法研究

无功补偿动态优化一方面要考虑设备的最大动作次数约束及优化动作时间；另一方面要根据负荷变化确定不同时段的最优投运容量。这是一个复杂的非线性优化问题。该文基于最优匹配注入流的基本思路，提出了基于能量损耗最小的最优匹配注入流的算法。该算法仅计算一次就可以求出所有电容器在各个时段的最优投运容量，而且具有很好的收敛性和寻优性能；通过利用计算各个时段的静态最优补偿容量和时段的等值融合，提出了一种有效的启发式算法以用于优化电容器的动作时刻。算例表明，文中提出的算法具有良好的收敛性和优化性能，可以应用于实际系统。     

网格化知识迁移学习算法及其在碳能复合流优化中的应用

建立了计及碳责任分摊的碳能复合流优化模型,并提出了一种网格化知识迁移学习算法,以便实现电网的低碳、经济、安全最优运行。算法采用二值编码的方式实现连续-离散空间的转换,以解决连续状态-动作空间的学习和维数灾难问题;从优化任务的状态信息和最优Q值之间的关系从发,构建了知识迁移的基本框架;为了避免在弱联系环境下,整体性提取状态特征信息给学习网络带来干扰,影响迁移学习的准确性,提出了一种网格化信息提取方式,分散式地对各局部特征进行提取和迁移。最后,通过IEEE 118节点系统的碳能复合流优化仿真验证了算法的有效性。     

考虑经济性和电压稳定性的含电子电力变压器的多目标最优潮流计算

为探究含电子电力变压器的电力系统最优潮流问题,在分析电子电力变压器简化模型、最优潮流的控制变量以及约束条件的基础上,建立了综合考虑经济因素和电压稳定性的含电子电力变压器的多目标最优潮流模型。模型中将减少发电成本和提高负荷裕度指标作为目标函数,考虑了电子电力变压器灵活的有功无功调节能力、有载调压变压器的电压调节能力、可调度负荷及可调无功电源的有功无功调节能力,提出使用基于遗传算法和内点算法的混合算法对最优潮流模型进行求解,算法的主要思想是以遗传算法为框架,对离散变量进行优化,在遗传算法的每一次迭代过程中,采用内点算法对每个体进行连续变量的优化和适应度评估。基于IEEE-14节点算例,分别进行了基于混合算法和基于内点法的最优潮流计算,计算结果验证了文章所提模型的合理性和算法的有效性。