基于改进遗传算法的电力系统无功优化

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,本文将遗传算法应用于电力系统无功优化,并对常规遗传算法的编码方式、遗传算子以及终止判据等方面进行了改进,使用该文提出的算法对IEEE 6、IEEE 30节点系统进行了无功优化计算,结果表明该改进遗传算法应用于无功优化是合理可行的。     

基于改进蜜蜂进化型遗传算法的电力系统无功优化

文章采用改进蜜蜂进化型遗传算法求解电力系统无功优化问题,该算法引入了自适应调整选择算子的策略,使算法能及时开辟新的解空间,提高其搜索效率;引入了驱逐算子,增加了蜂群的生物多样性,提高了杂交效率,避免了算法过早收敛的问题。通过以IEEE-6节点和IEEE-30节点测试系统为例进行无功优化计算,并与其他优化算法进行了比较,结果表明了文章算法在求解电力系统无功优化问题的有效性,同时证明了该算法在收敛速度和优化效果上具有比其他优化算法更佳的性能。     

改进遗传算法在电力系统无功优化中的应用

电力系统的无功优化控制,不仅能有效地降低系统的有功功率损耗,而且还可以改善电网的电压质量,对系统的安全稳定、经济运行具有非常重要意义。无功优化问题是一个含有连续变量和离散变量的混合优化问题,求解过程相当复杂,电力系统无功优化问题属于最优潮流问题的一个组成部分。探讨了求解无功优化的现代人工智能算法,总结分析了遗传算法的特点及使用情况。为提高解的质量与计算效率,对遗传算法做了改进,并将其应用于电力系统无功优化中。     

改进遗传算法的无功优化

电力系统实现无功优化控制是保证系统电压质量、降低网损的重要措施。对于高维、非线性和连续变量与离散变量共存的电力系统无功优化数学模型,对一般遗传算法的无功优化算法在遗传操作过程中,进行了“灾变”,在选择操作中将轮盘赌和竞标赛方法相结合,对交叉变异算子根据每代个体的实际状况进行自适应调整。通过IEEE30节点算例表明了本文方法可有效提高每代种群的多样性,从而提高了一般遗传算法的无功优化的收敛速度和全局优化特性。     

改进遗传算法在配电网无功优化中的应用

遗传算法是近年来被广泛应用于无功优化的一种新型的优化算法。结合配电网的特征，对遗传算法的选择操作、交叉和变异算子、终止判据等核心操作进行改进，提出一种适合于配电网无功优化的改进遗传算法。计算实例表明，其优化效果优于传统遗传算法。     

基于免疫遗传算法的小水电配电网无功优化

针对目前应用于电力系统无功优化的智能算法所存在的问题,提出将免疫遗传算法应用于电力系统无功优化问题的措施。免疫遗传算法是将免疫理论和基本遗传算法各自的优点相结合,不仅具有遗传算法的搜索特性,还具有免疫算法的多机制求解多目标函数最优解的自适应特性,对“早熟”问题有所改善,收敛于全局最优。最后,以安康市某区域电力系统为例对算法进行了性能测试,提出了合理的调压措施,结果表明将免疫遗传算法应用于电力系统无功优化问题可以显著降低系统网损,改善电压质量。     

遗传算法在电力系统无功优化中的应用综述

遗传算法是近10年来发展的基于自然选择规律的一种优化方法,算法能成功的解决无功变量中的离散问题,避免常规数学优化方法的局部最优现象。本文阐述了简单遗传算法以及遗传算法与其它算法相结合的算法在电力系统无功优化中的应用和今后的发展方向。     

基于逐次优化改进遗传算法的特高压穿越无功规划

与超高压线路相比,特高压线路无功大量富余,会与下级电网形成很大的穿越无功,从而影响无功的分层控制,甚至威胁电力系统的安全稳定运行。常规的优化算法存在维数灾问题,即使是智能算法,也由于解空间维度大而寻优效率低下。对此,提出了一种基于逐次优化改进遗传算法,该方法利用逐次优化的思想,对传统遗传算法的寻优方式进行了改进,并将该算法应用于某实际区域大电网中求解无功规划问题。结果表明,该方法不仅有效降低了解空间的维度,且在保证算法效率的同时使寻优的效果得到较大的改善。     

基于遗传算法的无功功率优化与控制专家系统开发

针对电力系统中无功功率优化问题建立了数学模型,利用函数连接网络将多目标问题转化为单目标无功优化问题,采用免疫遗传算法进行求解。 提出了分区分层的多变电所电压无功协调控制专家系统的设计思想。该系统具有较高优化精度的同时求解过程较为简单。     

基于区间建模的新能源电网无功优化策略

  目的  新能源发电具有间歇性和随机性,其功率为不确定性数据,会造成电网电压和频率的变化,对电力系统安全运行构成威胁。为保证大规模新能源并网后电网电压的安全,考虑新能源发电波动不确定性,提出一种基于区间建模的新能源电网无功优化策略。  方法  该策略采用区间数描述无功优化模型中的不确定参数,进而建立区间无功优化模型,采用基于优化场景的区间潮流算法求解区间潮流方程,获取状态变量区间,确定控制变量的可行性,在此基础上采用改进的粒子群优化算法求解区间无功优化模型,在粒子群算法中加入局部搜索环节和离散变量交叉处理操作以提高算法寻优能力。为了验证所提方法的有效性和优越性,分别采用IEEE 14节点和IEEE 30节点算例进行仿真计算,与自适应遗传算法和普通粒子群算法进行对比分析。  结果  仿真结果表明:与自适应遗传算法和普通粒子群算法相比,采用改进粒子群的区间无功优化策略具有更快的收敛速度,更强的寻优能力,并且可有效处理模型中离散变量。  结论  所提策略可有效解决区间无功优化问题,能保障大规模新能源并网后电网电压的运行安全。     

计及电网经济性的配电网供电恢复重构寻优算法

综合考虑开关操作次数和网络损耗2个经济性因素,建立计及电网经济性的多目标配电网恢复重构数学模型。从群体规模和遗传算子的角度,提出了一种新配电网供电恢复重构遗传寻优算法,用群体中个体的年龄和寿命来替代选择算子,并结合配电网自身特点,采用基于环路的策略来减少不可行解的产生,运用与群体规模相适应的的交叉率和变异率,能有效地促进最优个体的生成,从全局和局部角度提高算法的效率,使算法快速稳定收敛到全局最优解,最后通过算例18节点配网系统验证了该算法的高效性和稳定性。     

一种新遗传算法在地区电网电压调整中的应用

建立了电力系统电压无功调整的数学模型,以保证电网电压与额定值偏差最小的目标;引入不可行度处理该模型的约束条件,取代传统的罚函数,并结合改进的遗传因子用于地区电网电压无功的稳态运行调整中。论述了不可行度改进遗传算法的实现原理和程序流程,并解决了实际应用中有关离散变量处理等问题。计算结果表明,该算法较好地平衡来自目标函数最优化和约束条件限制的压力,有效地改善电压质量。     

改进PSO算法在电力系统机组组合中的运用

采用改进的PSO算法实现在机组组合中的运用,避免了其他算法产生“维数灾”的缺点。通过实例进行仿真计算表明．该方法能够快速的求解．具有有效性和实用性。     

Power generation expansion planning with adaptive simulated annealing genetic algorithm

In this paper, an adaptive simulated annealing genetic algorithm is proposed to solve generation expansion planning of Turkey's power system. Least‐cost planning is a challenging optimization problem due to its large‐scale, long‐term, nonlinear, and discrete nature of power generation unit size. Genetic algorithms have been successfully applied during the past decade, but they show some limitations in large‐scale problems. In this study, simulated annealing is used instead of mutation operator to improve the genetic algorithm. The improved algorithm is applied to the power generation system with seven types of generating units and a 20‐year planning horizon. The planning horizon is divided into four equal periods. The new algorithm provides approximately 6.6 billion US$ (3.2%) cheaper solution than GA and also shows faster convergence. Copyright © 2006 John Wiley & Sons, Ltd.     

基于果蝇算法与自适应性遗传算法组合优化神经网络的光伏电站短期出力预测

光伏电站的输出功率会随着很多因素发生波动,若能够提高光伏系统出力预测的准确性,则能有效地降低光伏电站并网后对电网造成的冲击,提高电力系统的稳定性。建立了果蝇算法与自适应遗传算法组合优化的BP神经网络的预测模型。从预测结果可以发现,采用组合优化算法的BP神经网络模型能够有效避免地BP神经网络易陷入局部极小值点的缺陷,相比于仅优化权值和阈值的BP神经网络模型提高了预测精度,具有一定的应用价值。     

基于动态波动系数的风电功率平滑控制策略

风力发电的随机波动性对电力系统的稳定性带来不利影响,通过配备储能系统可以提升电网接纳风电的能力。本文定义了反映储能系统平抑风电波动效果的波动系数;提出一种基于动态波动系数的风电功率平滑控制策略;建立了以波动系数为优化变量,风电实际功率和并网功率的差值最小为目标,并网功率波动要求为约束的优化模型;设计了基于滑动窗口的遗传算法求解方案,优化求得动态波动系数及相应的储能额定容量及功率,最终利用储能抑制风电功率的波动。实验表明,与传统控制策略相比,该策略能有效抑制功率波动并降低储能容量,节约成本。     

我国非并网风电开发与发展建议

我国风电产业虽然起步晚,但发展快,2012年累计装机容量已达7532×104kW,处于全球领先水平。然而跟随式发展思维导致风电开发应用模式单一,加之我国电源结构中适合调峰的灵活电源比重小,导致难以并网的风电数量逐年增加,限电"弃风"问题日益突出,影响了风电产业的可持续发展。必须打破跟随式发展思维的束缚,通过风电发展模式多元化,有效提高风电消纳能力,实现风电发展的社会效益、环境效益和经济效益"三个统一"。"非并网风电"理论突破传统观念,研究风电在不上网情况下如何高效、低成本开发利用,目前已在非并网风电直接应用于某些高耗能产业方面取得重大进展,进入科技创新的中后期。由于单台兆瓦级风机造价都在数百万元以上,建设大规模"非并网风电"应用产业化示范工程投入巨大,存在一定风险,需要多措并举:以政产学研合作为基础,打造大规模"非并网风电"应用产业化联盟;转变重生产、轻消费的传统思维模式,将财政补贴重心从生产端转向消费端,鼓励高效、低成本、大规模直接消纳风电;加大政策扶持力度,降低应用非并网风电的行业准入门槛。     

基于改进遗传算法的配电网无功优化

在传统无功优化模型的基础上,引入静态电压稳定裕度指标,建立了综合考虑系统有功网损最小、无功补偿容量最小和系统静态电压稳定裕度最大的配电网无功优化模型。根据节点无功2次电阻矩的大小,确定了待补偿节点以及各节点补偿容量的上下限。在基本遗传算法的基础上,对遗传操作进行了改进,提出了1种改进遗传算法。实例计算表明,采用该方法对配电网进行无功优化不仅可以降低有功网损,还能提高系统静态电压稳定性。     

风电与火电打捆外送相关问题研究

在中国风电连续四年翻番高速发展的大好形势下,风电发展较快的地区首先遭遇到风电消纳能力不足的市场"瓶颈",与此同时2010年年初华中、华东地区先后遭遇了煤电油气紧缺,如何摆脱风电消纳与能源供应能力不足"瓶颈"的影响,成为国内外广泛关注的焦点。本文分析了中国能源以及风电发展问题,以酒泉风电基地为例研究了能源资源与市场逆向分布、风电消纳和能源输送问题,通过输电与输煤的技术经济对比分析,得出了输电替代输煤是国家能源战略的合理选择。