改进粒子群优化算法的概率可用输电能力研究

研究了基于改进粒子群优化算法的概率可用输电能力的计算问题。建立了基于最优潮流的区域间可用输电能力模型；构造了适合可用输电能力研究的改进粒子群算法，并提出了自适应调整惯性权重的策略，该策略有效改善了算法的适应性和收敛速度；针对改进粒子群算法的搜索特点，动态调节罚函数。在此基础上对经模态分析方法选出的系统严重故障进行可用输电能力计算，并对各种故障出现概率和相应的可用输电能力进行概率统计分析，得到具有概率性质的可用输电能力。对IEEE-30节点系统的仿真计算验证了文中所提方法的合理性和有效性。     

改进粒子群算法在电力系统无功优化中的应用

针对传统粒子群算法易出现早熟收敛、易陷入局部最优、搜索精度低等问题,从惯性权重和加速常数两方面对其进行改进.将改进后的粒子群算法应用到电网无功优化中,加快了收敛速度和提高了搜索精度.仿真结果证明了改进的粒子群算法的正确性及有效性.     

含有风电机组的可用输电能力研究

对并入风电机组的可用输电能力(available transfer capability,ATC)模型进行了深入研究。采用粒子群优化算法结合差分进化算法,克服了粒子群易陷入局部最优解的缺点,并提高了寻优的效率、全局的寻优能力和结果的稳定性。以IEEE30节点算例系统进行并入风电机组ATC模型的仿真计算,并与其他算法进行比较,验证了其模型、算法的合理性和有效性。     

基于变权Voronoi图和混合粒子群算法的电动汽车充电站规划

针对城市电动汽车充电站规划布局及服务范围划分的问题,提出一种基于变权Voronoi图和混合离散粒子群算法的优化算法。为解决离散粒子群算法在达到最优解时容易发生变异的问题,改进了离散粒子群算法中的概率映射函数,提高算法迭代中后期的全局搜索能力;引入加权Voronoi图生成过程中可随充电站的服务能力和最大服务半径约束动态调整的变权重系数,使充电站服务范围的划分可控且更为合理;利用最短路径法求得用户充电行驶过程中的交通路径距离来取代传统的欧式距离,提高算法的准确性。运用改进后的混合离散粒子群-变权Voronoi图算法求解算例模型,通过算例结果验证了所提算法用于电动汽车充电站规划的有效性。     

基于改进PSO算法的电力系统无功优化研究

将粒子群优化算法(PSO)应用到电力系统无功优化问题的研究中,给出了具体的实施流程。为提高PSO的搜索能力,对PSO进行了改进,在算法中加入了第 3种极值指导粒子搜索方向,并引入了“飞回”策略。对IEEE-30节点系统的仿真计算结果表明了算法的有效性。     

基于改进粒子群算法的电流互感器J-A模型参数辨识

在应用Jiles-Atherton(J-A)磁滞模型对电流互感器的磁滞回线进行分析时,需对J-A磁滞模型中5个关键参数进行精确识辨。针对目前辨识方法存在的计算时间长和寻优能力差等问题,提出了一种改进的粒子群算法对J-A磁滞模型中的关键参数进行辨识。该算法将遗传选择策略引入到粒子群算法中,通过增加粒子群的多样性来提高了算法全局搜索能力,从而提高J-A磁滞模型关键参数辨识的准确度。文中对比分析了所提改进算法(GSS-PSO)与其他智能算法对J-A磁滞模型的关键参数辨识速度与准确度。结果表明,改进的算法得到的磁滞回线与实测磁滞回线的误差最小,且识别效率较高,证明了该算法在J-A磁滞模型参数辨识中的准确性和有效性。     

基于改进PSO算法的微能源网优化配置研究

微能源网优化配置的求解算法存在易陷入局部搜索和收敛速度低两大缺陷,如何同时解决这两个缺陷是一直以来的研究难点。针对这一问题,提出了基于时变压缩因子和自适应变异的改进粒子群算法。针对经济优化配置,建立了包括多种分布式设备的微能源网架构模型和以年经济成本最低为目标,计及可靠性并含多种约束的优化配置模型。最后,结合具体算例,将改进粒子群算法运用于模型中,得到各分布式设备的配置方案和最优年经济成本,对比验证改进粒子群算法性能。实验结果表明：改进粒子群算法较好地提高了算法的收敛速度和全局收敛能力;微能源网优化配置模型实现了低经济性和高可靠性的有效结合。     

基于动态调整学习因子的免疫粒子群算法及其应用

为了使风光水联合发电系统达到经济效益最大化优化调度的目的,针对粒子群算法在进化过程中易早熟、后期收敛速度慢并且精度较低的特点,提出一种动态调整学习因子的免疫粒子群算法。该算法对学习因子进行非对称线性动态调整,增强前期的全局搜索能力,以及后期的局部搜索能力,快速得到全局最优解。该算法在文中联合系统的求解中得到很好的应用,显著提高了搜索精度,表明了模型和算法的有效性。     

改进黑洞粒子群算法在电力系统环保经济调度中的应用

针对电力系统中的环保经济调度问题,采用了一种改进随机黑洞粒子群算法进行优化计算。该算法通过引入随机黑洞策略、惯性权重和学习因子动态更新及小概率随机变异改进了粒子群算法,提高了全局搜索能力,稳定了计算结果,加快了收敛速度。通过对IEEE30系统仿真计算,结果验证了该算法的有效性和优越性,系统的经济性和电能质量都得到了提升。     

基于改进简化粒子群算法的多目标输电网规划

针对标准粒子群(SPSO)算法在计算过程中容易陷入局部最优的缺点,对SPSO算法做了以下改进:首先,简化粒子群算法,去掉不影响其进化过程的速度矢量,提高收敛精度;其次,将粒子群算法中的惯性权值由线性递减策略改进为非线性递减策略,有效地控制了粒子群优化算法的全局搜索和局部搜索.在输电网扩展规划中的应用结果表明,上述2个操作可以提高PSO算法的收敛精度,使算法最终寻找到全局最优解,从而证明了改进简化粒子群算法的有效性.     

基于粒子群进化算法的极限输电容量计算方法

针对 N -1静态安全模型的电力系统可用输电容量（ATC）计算问题，提出一种基于粒子群进化算法的新方法。其基本思想是，对得到的某个ATC可能值，验证在该功率传输水平下系统是否满足静态安全约束。对群中每个粒子对应变量分为区域交换功率值和停运支路编号2部分，二者以不同方式分别进化。计算过程中，不可行粒子用于得到ATC的值并对其采取校正措施来加快得到ATC的速度，可行粒子用于判别严重支路。计算终止时得到区域间ATC、关键支路和对ATC影响较大的严重支路集。在IEEE 118节点测试系统上，通过与其他计算ATC的方法相比较，表明该算法可以准确捕获严重支路集并得到ATC的值。     

应用粒子群优化算法求解可用输电能力

在电力市场环境下,诸多问题(例如实时电价、网络阻塞等)都需要最优潮流作为理想的工具.本文以最优潮流为基础,应用一种简单有效、且收敛性很好的演化计算算法--粒子群优化算法(PSO)进行可用输电能力(ATC)问题的求解.根据约束条件的越限量大小,动态地调整罚函数,在保证全局搜索能力的基础上改进了收敛速度.应用此算法对IEEE-30节点系统进行了可用输电能力计算,并与传统的最优潮流算法进行了比较,结果表明该算法的有效性,具有实用意义.     

小干扰稳定约束下电网可用输电能力研究

小干扰稳定成为限制电力传输容量的重要因素之一,为计算小干扰稳定约束下的电力可传输容量,利用粒子群算法,构造了优化模型,借助小干扰稳定指标来衡量系统小干扰稳定性。调节参与因子较大的发电机出力,在改变少数关键发电机出力的情况下,既改善系统小干扰稳定性,又能使可用输电能力达到最大。新英格兰39节点系统证明了该方法的正确性和有效性。     

Determination of Capacity Benefit Margin in Multiarea Power Systems Using Particle Swarm Optimization

Available transfer capability (ATC) is a key index of the remaining capability of a transmission system for future transactions. To calculate the ATC between two areas in an interconnected power system, capacity benefit margin (CBM) is one of the indexes that need to be assessed. CBM ensures security of system operation when the system faces generation deficiency in some areas. In this paper, three new methods are introduced which reflect different objectives for CBM assessment. This provides more flexibility of choices for market participants. In the proposed methods, CBM determination is formulated as an optimization problem and particle swarm optimization (PSO) method is used to solve the problem. The numerical results for modified IEEE reliability test system are presented to demonstrate the effectiveness of the proposed approaches.     

基于预测–校正内点法ATC计算

20世纪70年代,电力工作者开始对系统区域间的可用输电能力(Available Transfer Capability,ATC)进行研究。在联邦能源管理委员会(Federal Energy Regulatory Commission,FERC)下达要求输电网的运行单位需计算ATC的命令之后,ATC的研究受到了广泛的关注。快速、可靠地评估ATC对系统的输电可靠性和电力市场交易顺利进行有着重要的作用。基于预测校正内点法计算速度快、鲁棒性好、快速收敛等优点,将预测校正内点法(Predictor-corrector Primal-dual Interior-point Method,PCPDIPM)应用于电力系统ATC计算;通过对模型进行仿真分析,与传统原对偶内点法(Primal-dual Interior-point Method,PDIPM)计算ATC进行比较,验证模型的实用性和算法的有效性及快速收敛性。     

可用输电能力的概率优化决策模型与计算

提出了一种在电力市场环境下考虑现存方式的可用输电能力(ATC)概率决策方法.该方法从经济上量化现存发电调度、切负荷及ATC间的有机联系,以综合效益最大为优化目标,基于非时序Monte Carlo模拟解决概率问题,对随机产生的每一系统可行状态,构建线性规划模型,并基于原-对偶初始点不可行的内点法求解.通过模拟获取ATC概率分布,以此建立ATC收益和风险折中的决策模型,通过序列优化搜索的方法并结合插值技术,实现概率下的最优ATC决策.IEEE RTS分析结果表明了所提出的模型和算法的有效性.     

基于最优潮流方法的传输容量计算研究

可用传输容量计算已成为电力市场研究的一个重要部分，而总传输容量又是可用传输容量计算的基础，该文在介绍可用传输容量计算的基本概念，计算原则的基础上，建立了基于最优潮流（OPF）的总传输容量计算模型，提出了6种区域间传输容量计算目标函数，并通过定量证明了在一定条件下这六种目标函数计算的等价性，文中通过对IEEE－30节点系统进行的仿真计算，验证了基于OFP计算总传输容量的可行性，同时也通过实例算例验证了所提出定理的正确性。     

基于改进粒子群算法的火电系统节能环保多目标优化调度模型

针对火电系统生产过程中的环境污染问题,提出以火电系统节能环保为重点研究对象的多目标优化调度模型,并以改进的粒子群算法进行求解。结合灰色系统理论中有关灰色关联度的概念对粒子群算法多目标求解机制进行改进,对煤耗量、污染气体和烟尘排放等的多目标火电系统优化求解,引入压缩因子改善粒子群算法的性能,增强其全局收敛能力。通过IEEE 14节点系统算例证明本算法的有效性。     

计及风电相关性的区域间可用输电能力概率评估

大规模风电并网给电力系统区域间可用输电能力(available transfer capability, ATC)评估带来了新的挑战,为更加准确地评估高风电渗透率不确定性条件下的区域间ATC,文章提出了一种计及风电空间相关性的ATC概率评估方法。首先,利用条件概率原理对历史数据进行处理,并应用Copula函数对风电相关性进行建模;其次,区域间ATC的评估过程涉及到最大输电能力和现有输电协议的计算,因此提出一种ATC双层优化模型,在此基础上,利用Karush-Kuhn-Tucker(KKT)最优条件,双层模型即转化为均衡约束的数学规划(mathematica program with equilibrium constraint, MPEC)模型;再次,再将MPEC模型转化为混合整数二阶锥规划问题;最后,采用蒙特卡罗仿真对计及风电相关性的区域间ATC进行概率评估,并以IEEE 30节点系统为例,分析风电相关性对区域间ATC的影响,验证所提模型的正确性和有效性。