基于预测—校正内点法的WLAV输电网参数估计

针对基于加权最小二乘法(WLS)参数估计难于处理不良数据且数值稳定性差的不足,提出加权最小绝对值(WLAV)参数估计方法。在原对偶内点法(PDIPM)的基础上,通过每次迭代中增加预测—校正两步的少许计算量,利用2阶信息对中心参数动态调整,保证解的迭代过程高阶逼近中心路径,从而减少了迭代次数,节省了计算时间。结合输电网参数估计法,利用WLAV估计出不良数据和可疑支路的运行状态,使抗差、参数估计和拓扑结构辨识在计算中一次完成。最后,对IEEE标准系统和国内某省级电网进行参数估计试验,与含不良数据辨识的WLS方法进行比较。     

基于自然选择粒子群算法含DG接入的配电网无功优化

以分布式电源接入配电网运行时产生的有功网损最小并能改善电压质量为目标,提出将自然选择机理与粒子群算法相结合的配电网无功优化方法。将DG向系统注入的无功功率作为配电网无功优化的控制变量,建立了包括目标函数、潮流方程等式约束和不等式约束的配电网无功优化数学模型。基于自然选择的粒子群算法其核心思想为每次迭代过程中将整个粒子群按适应值排序,用群体中最好的一半的粒子的速度和位置替换最差的一半的速度和位置,同时保留原来每个个体所记忆的历史最优值。通过对改进后的IEEE33节点配电系统进行仿真分析,结果表明所提出的算法具有很强的全局收敛性和稳定性,并能以最快的收敛速度搜索到系统最小网损值。