基于自适应聚焦粒子群优化算法的电力系统多目标无功优化

自适应聚焦粒子群算法(adaptive focusing particle swarm optimization,AFPSO)是根据粒子群算法的全局搜索与局部搜索平衡特性,并予以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。作者将此算法用于电力系统无功优化。该方法以最优控制原理为基础,引入了静态电压稳定性指标,建立了综合考虑系统有功网损最小、静态电压稳定裕度最大的多目标无功优化模型。IEEE 30节点系统仿真结果表明,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性,证明了AFPSO算法的有效性和优越性。     

多目标无功优化的向量评价自适应粒子群算法

为了克服粒子群算法在高维复杂问题寻优时有相当可能陷入局部极优的现象,提出了一种自适应粒子群算法。该算法利用种群多样性信息对惯性权重进行非线性的调整,并在算法的后期引入速度变异算子和位置交叉算子,使算法摆脱后期易于陷入局部最优点的束缚。对基于向量评价的粒子群算法进行了扩展,提出了基于向量评价的自适应粒子群算法(vector evaluated particle adaptive swarm optimization,VEAPSO)来解决多目标无功优化问题,求解出问题的Pareto最优解集。为帮助决策者从Pareto最优解集中选取合适的最优解,该文提出一种基于决策者偏好及投影寻踪模型的多属性决策法,使决策结果更加真实可靠。将该算法应用于多目标无功优化问题中,IEEE 30和IEEE 118节点系统算例仿真表明该方法用于解决多目标无功优化问题是有效可行的。     

基于差分策略的多目标电力系统无功优化

针对计及有功网损、电压偏差和电压稳定裕度的多目标无功优化问题,提出一种基于差分策略的粒子群算法对多目标电力系统无功优化进行求解。在粒子的速度更新操作中引入差分策略,防止算法陷入局部最优;应用目标序列排序矩阵评价个体适应度,根据适应度大小选择最优引导粒子;该算法在寻优机制中嵌入非劣排序和拥挤距离排序以对种群实施精英选择操作,使算法快速收敛到Pareto前沿;引入自适应参数调整策略,提高了算法的鲁棒性。对IEEE14节点系统和IEEE 30节点系统进行测试仿真,结果验证了所提方法的有效性和可行性。     

改进粒子群-禁忌搜索算法在多目标无功优化中的应用

针对有功网损、电压偏差和静态电压稳定裕度的多目标无功优化问题,提出一种基于改进粒子群-禁忌搜索算法的多目标电力系统无功优化方法。以最小特征值模为电压稳定裕度指标建立了3个目标函数的单一妥协模型。应用Kent映射产生的混沌序列作为初始种群,保证初始种群的多样性和均匀性。粒子群优化(PSO)算法进行前期计算时,采用凸函数递减惯性权重和自适应学习因子提高算法的收敛速度和精度;针对PSO算法搜索精度不高和陷入局部最优的问题,在PSO算法后期收敛后引入禁忌搜索算法全局寻优。基于群体适应度方差,引入模糊截集理论将模糊集合转化为经典集合,定义了经典集合下的收敛指标,当其值为0时进入禁忌搜索计算阶段,解决2种算法的切换问题。将所提方法应用于IEEE14、IEEE30和IEEE118节点系统中,验证了其有效性和可行性。     

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.     

基于多策略自适应粒子群算法的电网无功优化

针对无功优化中确定无功补偿点和无功补偿容量的问题,本文提出了一种基于奇异值分解理论和多策略自适应粒子群优化算法(MS-APSO)的无功优化法。首先基于潮流计算中的雅可比矩阵奇异值分解以确定电压稳定性较弱的节点作为无功补偿节点;然后以线路有功损耗、负荷节点电压偏差最小以及节点稳定度最大为目标优化无功补偿量。为解决迭代后期算法收敛速度降低、粒子群多样性下降等问题,提出了多策略自适应改进算法以寻求全局最优解,综合考虑了粒子群多样性、惯性权重、越限重置和变异的影响,有效提高了算法前期的收敛速度和后期的寻优能力。最后,改进算法的有效性在IEEE 118算例中得到了验证。结果表明,改进后算法降损率与传统方法相比可以提高38.6%。     

电力系统无功补偿点的确定及其容量优化

电力系统无功优化是一个复杂的非线性组合优化问题,针对该问题提出一种基于奇异值分解理论和改进的粒子群优化算法的无功优化方法。首先对系统潮流计算中雅可比矩阵进行奇异值分解,由奇异值分解理论可以得出矩阵的右奇异向量指标,依据该指标判断电压稳定弱节点,以此作为候选的无功补偿点;然后以有功网损最小为目标函数,构建无功优化数学模型,并提出改进的粒子群优化算法,在算法中引入二次插值算子,增强了算法的局部搜索能力,避免早熟,提高其寻优能力和收敛速度。最后,对IEEE30节点系统进行仿真计算,验证了该方法的有效性。     

多目标电网无功优化的量子遗传算法

在传统无功优化模型中引入静态电压稳定指标,建立了以网损最小、静态电压稳定裕度最大为目标的多目标无功优化模型。还介绍了量子遗传算法,它是一种基于量子计算概念的智能算法,用量子比特为基本信息位编码染色体,用基于量子概率门的量子变异实现个体进化,其收敛速度和全局寻优能力优于传统进化算法。将该算法用于电力系统无功优化并仿真计算了IEEE14、30节点系统,结果验证了模型和算法的有效性。     

基于Logistic混沌映射的自适应粒子群无功优化研究

针对自适应粒子群算法在无功优化中引入交叉变异等算子后出现收敛速度变慢的问题,将Logistic混沌映射引入到自适应粒子群算法之中,通过计算粒子适应度值,将具有较好适应度值的粒子位置即最优位置进行Logistic混沌优化。通过对IEEE 14节点及IEEE 57节点系统进行仿真计算,以网损最小为优化目标,验证了该算法可以提高粒子取值的有效性和多样性,能使无功优化的控制变量较快地跳出局部最优,加快了算法的收敛速度,对解决电力系统无功优化问题具有一定的参考意义。     

基于粒子群无功优化的网损降低技术研究

在传统无功优化模型上,建立了以网损最小和电压稳定裕度最大为目标函数的多目标优化模型,通过对目标函数加权建立妥协模型,使多目标函数问题转化为单目标函数问题,并采用粒子群算法求解无功优化问题,通过对IEEE30节点系统的算例分析,表明了采用多目标无功优化模型和粒子群算法能够在保证各节点电压不越限的情况下,有效地降低系统网损...     

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。     

自适应粒子群优化算法及其在无功优化中的应用

针对传统的粒子群优化(PSO)算法中的某些参数需通过试验确定因而影响了其实用性的问题,提出了一种自适应粒子群优化(APSO)算法,并将其应用于电力系统无功优化问题的求解。该算法能在优化过程中自动调整各参数,从而取得问题的全局优化解。某具有151个节点、71个控制变量的实际电网无功优化结果表明,该算法较传统的PSO算法具有更强的全局寻优能力。     

Optimal VAR control for improvements in voltage profiles and for real power loss minimization using Biogeography Based Optimization

In this paper, a Biogeography Based Optimization (BBO) technique is introduced to solve multi-constrained optimal reactive power flow (ORPF) problem in power system. ORPF is a multi-objective nonlinear optimization problem that minimizes the bus voltage deviation and real power loss. The feasibility of the proposed algorithm is demonstrated for IEEE 30-bus system and IEEE 118-bus system. A comparison of simulation results reveals optimization efficacy of the proposed scheme over other well established population based optimization techniques like conventional particle swarm optimization (PSO), general passive congregation PSO (GPAC), local passive congregation PSO (LPAC), coordinated aggregation (CA) and interior point based OPF (IP-OPF).     

基于粒子群算法的24小时综合无功协调优化

对于电力系统24小时无功协调优化来说,优化方法是使用粒子群优化算法及罚函数法,将所有的不等式约束方程式引入原目标函数作为惩罚项;优化目标是以全天经济费用最小作为目标函数;优化过程为静态优化和综合优化两个阶段。并根据在线负荷预测来确定24个时刻的并联电容器组的投切状态和变压器分接头的位置。将粒子群算法用于求解多目标无功优化问题中能够有效降低有功网损,减少无功补偿成本,而且其收敛性能好、收敛速度快、稳定性好。     

基于自适应变异特性粒子群算法的无功优化

针对电力系统无功优化问题,提出了1种自适应变异特性粒子群算法来克服粒子群优化方法容易早熟而陷入局部最优解的缺点。该方法以种群适应度方差为量化指标,动态衡量和监视粒子群体的聚集情况,并对聚集的粒子赋予变异操作,用以提高整个群体的全局寻优能力。通过对IEEE-6和IEEE-30测试系统的无功优化问题计算及结果分析表明该方法快速、高效、准确。     

基于反向云自适应粒子群算法的多目标无功优化

针对粒子群算法在高维复杂问题寻优时易陷入局部寻优的现象,提出了反向云自适应粒子群算法(OCAPSO),通过反向学习加快算法的收敛速度,使用云模型来平衡粒子的全部搜索和局部搜索能力,使用自适应突变机制增强种群的多样性。用高维广义Schwarz函数对OCAPSO的有效性进行验证,进一步以IEEE30节点系统进行单目标和多目标无功优化测试并将测试结果与粒子群优化（PSO）,进化算法（EA）等测试结果进行比较,证实了该算法的优越性。分析表明,OCAPSO算法用于解决多目标无功优化问题有效可行。     

改进PSO算法用于电力系统无功优化的研究

由于电力系统无功优化为一有多变量、多约束、非线性的组合优化问题,针对传统粒子群算法收敛精度不高、易陷入局部最优的缺点,提出了一种改进的算法:分别赋予传统算法中的粒子以不同的初始惯性权重,权重较大的粒子拓展搜索空间,惯性权重较小的粒子完成局部强化寻优的工作。用改进的PSO算法无功优化计算IEEE-14节点系统的结果表明:新算法不仅避免了惯性因子权重调整的困难,而且较好地协调了算法的局部与全局搜索能力,可较好地解决电力系统的无功优化问题。