基于自适应加速粒子群算法的PSS参数预整定

基于粒子群算法,提出了适用于PSS参数优化预整定的自适应加速粒子群算法(SAPSO)。对惯性权重和加速因子等参数进行动态自适应调整,并在粒子搜索过程中最容易陷入局部最优的阶段,有条件地引入随机变异环节来控制粒子寻优行为。建立PSS参数预整定仿真模型,利用SAPSO算法,对某网新投PSS设备进行了参数预整定研究。时域仿真和现场试验表明,预整定PSS参数阻尼效果更好,也验证了新投机组PSS参数预整定方法的有效可行。     

基于自适应权重粒子群算法的PSS4B-W参数优化研究

介绍了一种智能优化算法-自适应权重粒子群算法(SWPSO)应用到电力系统稳定器PSS4B-W的参数整定过程中而建立的PSS4B-W参数优化模型。通过对权重系数的动态调整,从而获得更好的全局搜索能力。根据单机无穷大系统模型,在计算励磁系统无补偿相频特性基础上,应用该优化模型进行PSS4B-W相位补偿计算。仿真结果表明经自适应权重粒子群算法优化的PSS4B-W能够较好地抑制低频振荡,提高系统的稳定性。     

基于社会学习的粒子群优化算法的电力系统稳定器参数协调优化设计

对于电力系统稳定器(PSS)参数优化整定的问题,为了更好地寻找最优参数,本文将社会学习机制引入到粒子群优化算法中,将社会学习粒子群优化算法(SLPSO)应用于PSS参数的优化整定中,相比于传统优化算法,本文算法优化P SS参数具有更好的动态自适应性,同时不易陷入局部最优,能够较快地寻找到全局最优值.通过四机两区的仿真算...     

标准测试系统中PSS参数协同优化与配置研究

选取IEEE-57节点测试系统进行振荡模式、阻尼特性和电力系统稳定器(power system stabilizer,PSS)投退分析,校核系统PSS配置的合理性及抑制低频振荡的效果。基于自适应加速粒子群算法分3步对测试系统进行PSS参数协同优化和配置,第一步对15号机PSS参数进行单机优化,对比系统阻尼;第二步对18号机进行PSS配置及其参数优化,提高测试系统阻尼;第三步对15、18号两机进行PSS参数协同优化,获得更高阻尼特性的参数。利用小干扰稳定时域仿真和普罗尼算法(Prony分析),验证得协同优化的PSS参数阻尼效果更好,系统动态安全稳定水平更高且PSS协同优化及配置方法有效可行。     

基于HUCPSO算法的电力系统稳定器参数优化方法

电力系统稳定器(PSS)对于抑制电力系统低频振荡简单有效,因而得到了普遍应用。一般采用工程整定方法设计PSS参数,这种方法难以达到优化控制效果。利用辨识参数获得参数初值,采用基于分层多子群的均匀分布混沌粒子群算法(HUCPSO)优化PSS参数,利用2机5节点系统非线性仿真模型对所得参数进行仿真。结果表明,相比于传统方法及其他智能优化算法,采用该方法优化设计的PSS具有更好的性能,所得到的控制参数使系统动态调节性能得到提高。     

基于粒子群优化算法的电力系统稳定器设计

基于单机无穷大系统模型,用粒子群优化算法（PSO）对发电机电力系统稳定器(PSS)进行参数优化,来抑制低频振荡。介绍了基本的粒子群优化算法的原理,并用改进的带约束的粒子群优化算法优化PSS的参数,将PSS的整个设计过程转化为一组参数进行寻优的过程,提高了多参数寻优的效率。用Matlab仿真软件进行仿真,仿真结果表明,利用该方法设计的PSS,它的小信号稳定性有了较大的提高。     

基于粒子群优化算法的电力系统稳定器设计

基于单机无穷大系统模型,用粒子群优化算法(PSO)对发电机电力系统稳定器(PSS)进行参数优化,来抑制低频振荡.介绍了基本的粒子群优化算法的原理,并用改进的带约束的粒子群优化算法优化PSS的参数,将PSS的整个设计过程转化为一组参数进行寻优的过程,提高了多参数寻优的效率.用Matlab仿真软件进行仿真,仿真结果表明,利用该方法设计的PSS,它的小信号稳定性有了较大的提高.     

异步联网下发电机低励限制与PSS协调控制参数优化策略

当发电机低励限制(UEL)参数整定不当,低励限制投入工作会与电力系统稳定器(PSS)多次相互切换,引发振荡现象。本文提出了一种低励限制与PSS的参数协调优化方法。目标函数兼顾机电振荡模式与非机电振荡模式的阻尼优化特性,在发电机不同作用工况下,给出基于粒子群算法对低励限制的超前滞后环节各个参数的求解优化方法,并通过特征值分析法分析优化参数以及系统加入UEL后的特征值研究低励限制曲线的斜率与截距对系统稳定性的影响。以异步联网下云南电网某电厂数据为例,优化设计了低励限制与PSS协调配合的UEL参数。在PSASP和Matlab仿真软件下建立单机无穷大模型验证理论的正确性。仿真结果表明,所提出的参数协调优化方法可以使UEL动作后不影响PSS的输出效果,二者可以协调配合确保了系统的稳定性。     

电力系统稳定器参数优化的研究

电力系统稳定器(PSS)的性能受其参数影响很大,如何对其参数进行协调优化是一个值得深入研究的问题.基于单机无穷大系统和4机2区域系统模型,通过采用 SFPSO算法对电力系统稳定器进行参数的协调优化,以抑制低频振荡.随机聚焦粒子群算法SFPSO(Stochastic focusing particle swarm optimization)是一种应用于连续空间的、具有较好的全局搜索能力和寻优速度的改进粒子群算法(PSO).通过仿真测试以及不同算法优化结果的对比,结果表明,利用该方法设计的PSS,在不同的干扰下都具有良好的性能,对系统的稳定性提升有较大帮助.     

电力系统稳定器参数优化的研究

电力系统稳定器(PSS)的性能受其参数影响很大,如何对其参数进行协调优化是一个值得深入研究的问题。基于单机无穷大系统和4机2区域系统模型,通过采用 SFPSO算法对电力系统稳定器进行参数的协调优化,以抑制低频振荡。随机聚焦粒子群算法SFPSO（Stochastic focusing particle swarm optimization）是一种应用于连续空间的、具有较好的全局搜索能力和寻优速度的改进粒子群算法（PSO）。通过仿真测试以及不同算法优化结果的对比,结果表明,利用该方法设计的PSS,在不同的干扰下都具有良好的性能,对系统的稳定性提升有较大帮助。     

基于混合粒子群优化算法的PSS参数优化

将一种新的进化算法—粒子群优化算法(PSO)应用到电力系统稳定器(PSS)参数优化当中,文中使用引入交叉操作的混合粒子群优化算法(HPSO),可以获得更好的全局搜索能力和收敛速度。先以低频振荡范围内(0.1~2Hz)PSS产生的附加阻尼转矩ΔTe与Δω尽可能同相位为目标优化PSS超前-滞后环节参数;再以小扰动时发电机功率和角速度振荡最小为目标整定PSS放大倍数。优化结果表明,HPSO算法可以有效地解决PSS参数优化问题。     

电力系统稳定器PSS2A现场试验及参数整定

介绍了汽轮发电机组现场PSS试验和南瑞继保公司的PCS-9410励磁调节器中PSS2A模型及其参数整定过程,总结了PSS现场试验流程及方法。同时根据现场试验数据,应用频率响应法对励磁系统的电力系统稳定器PSS模型的参数进行了整定,验证了投入的电力系统稳定器对增强系统的阻尼具有很好的效果。     

基于模拟退火粒子群算法的波浪发电系统最大功率跟踪控制

波浪发电系统最大功率点跟踪控制中,传统粒子群算法存在早熟收敛和局部搜索能力不足问题,为此提出基于模拟退火算法的粒子群优化方案。该算法每次更新粒子的速度和位置时,通过比较当前温度下各个粒子的适配值与随机数的大小,从所有粒子中确定全局最优解的替代值,从而使粒子群算法在发生早熟收敛时能够跳出局部最优并快速找到全局最优解。仿真结果表明,与传统粒子群优化算法相比,模拟退火粒子群算法可有效避免波浪发电系统陷入局部最大功率点,并快速实现全局最大功率跟踪,提高了波浪能捕获率。     

A new SPARLS algorithm for tuning power system stabilizer

Generators have to meet the change in real and reactive power demand of practical power system. The real power variations in the system are met out by the rescheduling process of the generators. But there is a huge trust to meet out the reactive power load demand. The excitation loop of the corresponding generator is adjusted with its electric limits to activate the reactive power of the network. To expedite the reactive power delivery, power system stabilizer (PSS) is connected in the exciter loop of the generator for various system conditions. In this paper, a new Sparse Recursive Least Square (SPARLS) algorithm is demonstrated to tune the power system stabilizer parameters to meet the vulnerable conditions. The proposed SPARLS algorithm makes use of expectation maximization (EM) updation to tune the PSS. A comparative study between the proposed SPARLS and RLS algorithm has been performed on single machine infinite bus system (SMIB). The simulation results obtained will validate the effectiveness of the proposed algorithm and the impact of stability studies of the power system operation under disturbances. The SPARLS algorithm is also used to tune the parameters of PSS to achieve quicker settling time for the system parameter such as load angle, field voltage and speed deviation. It is found that the SPARLS is a better algorithm for the determination of optimum stabilizer parameter.     

基于SOGWO的电力系统稳定器参数优化

电力系统稳定器(Power System Stabilizer, PSS)是抑制电力系统低频振荡的主要手段。提出选择反向运算灰狼优化(Selected Opposition-Based Grey Wolf Optimizer, SOGWO)算法对PSS进行参数优化。首先,选择典型的PSS实现类型,并设置优化过程的目标函数。其次,利用选择反向学习算法加快搜索速度,增强灰狼算法的全局搜索性能。最后,应用IEEE四机两区域系统模型验证所提方法的有效性。此外,分别对PSS参数进行PSO、GWO、SOGWO的100次优化,由统计出的阻尼比最大值、最小值、平均值以及标准差数据可知：三种优化算法均能较好地避免陷入局部最优并快速收敛,而SOGWO优化PSS参数的鲁棒性更好。     

基于微粒群优化算法的最优电力系统稳定器设计

传统电力系统稳定器的性能受其参数影响很大,为提高电力系统机电暂态模型的阻尼,文中提出了一种优化电力系统稳定器参数的新方法。该方法以两个特征值基目标函数为基础,采用改进的微粒群优化技术对电力系统稳定器进行参数优化。特征值分析和非线性仿真结果表明,经过参数优化的电力系统稳定器能有效抑制本地和区域间振荡,提高系统的鲁棒性。     

提高集中电源外送系统输电能力的发电机励磁系统协调优化

能源基地电源通过交流线路远距离送至负荷中心,电力系统发生N－1故障后系统阻尼不足,造成输电能力降低。为提高动态稳定水平,改善机组开机出力受限的现状,对发电机励磁控制系统开展协调优化策略的研究。首先对发电机进行了励磁系统AVR主环、附加调差及PSS参数优化,优化后发电机及励磁系统滞后时间减小,无补偿相频特性滞后角度减小了约10°。然后对PSS参数进行相位补偿研究,使有补偿特性更接近-90°,具有更优的相位补偿特性,同时PSS提供的增益显著提高。结果表明,发电机励磁系统、PSS对电网的动态特性有重要影响,在原始参数配置下,外送通道的送出能力不能满足送端发电机组满出力的要求。通过试验验证了机组在优化参数配置下负载试验结果满足机组和电网安全稳定运行需求,优化参数具有可行性,N－1故障后的送出能力得到提高。此优化策略的研究和实施,可以安全、高效、经济地提高集中电源的外送能力。     

短期电力负荷的智能预测方法研究

为了提高电力系统短期负荷预测的精度,提出将基于模拟退火思想的改进粒子群优化（SAPSO）算法和误差反向传播（BP）算法相结合构成SAPSO—BP混合算法用于训练人工神经网络,对短期电力负荷进行预测。经实际算例验证,该混合算法能有效克服常规BP和PSO算法独立训练神经网络的缺陷,其收敛速度快于BP及PSO—BP算法,并且具有较高的短期电力负荷预测精度。