基于遗传算法和内点法的无功优化混合策略

基于遗传算法与内点法，文中提出了一种新颖的混合策略来求解无功优化问题：不考虑无功优化中的离散约束，采用内点法求解得到初始解；根据优化变量的不同性质，将原无功优化问题分解为离散优化和连续优化2个子问题，并采用遗传算法和内点法交替求解。在遗传迭代的不同阶段，针对种群个体的不同特点，分别对遗传算法和内点法的具体实施方案进行了动态调整，使两者的优化结果互为基础、相互利用，保证了混合策略的整体寻优效率。IEEE30和IEEE118节点系统的仿真计算结果表明：与其他混合算法相比，该混合策略在计算速度和优化效果方面都具有明显的优势。     

用于电力系统无功优化的内点法与遗传算法的比较研究

通过在线无功优化，降低网损、保证电压质量，对供电企业的经济运行是非常必要的。本文就在线无功优化的特点，结合无功优化方法中比较具有代表性且差异较大的两种方法——内点法和遗传算法进行研究和比较，针对解决在线无功优化问题提出一种新思想：内点法和遗传算法相混合的算法。     

基于内点法和遗传算法相结合的交直流系统无功优化

为简化传统交直流混合系统潮流计算方法,提出了一种改进算法。该算法采用Gauss-Seidel迭代法求解直流系统,通过调整换流变压器的变比以使换流器的触发角运行在合适的值域,再与交流系统交替迭代求解。针对遗传算法适合处理离散变量但容易陷入局部最优而内点法具有方向性但不适合处理离散变量的不足,提出一种内点法和遗传算法相结合的混合算法对交直流系统无功优化模型求解,交流系统中少量的离散控制变量及直流系统控制变量采用遗传算法求解而交流系统中大量的连续控制变量则采用内点法求解。混合算法结合了两种算法的优点,可以方便地处理离散变量且具有明显的方向性。通过实例仿真验证了该算法具有收敛性好、运算速度快等优点。     

基于内点法和改进遗传算法的无功优化组合策略

提出了一种求解无功优化问题的组合策略,该策略将无功优化问题分解为连续优化和离散优化2个子问题,分别用预测–校正内点法和改进遗传算法进行求解。考虑到实际电网在进行无功优化控制时,发电机是主要的调节手段,先不考虑离散变量的约束,采用预测–校正内点法优化连续变量;然后保持连续变量不变,用改进遗传算法优化离散变量;再返回到连续优化阶段,如此交替求解。当出现相邻的连续优化阶段和离散优化阶段网损变化的差值小于设定值时,停止优化。IEEE14、30、57、118节点系统的仿真结果表明,该策略比其它组合算法在收敛性和计算效率上更具优越性。     

基于改进遗传算法与原对偶内点法的无功优化混合算法

基于改进遗传算法和原对偶内点法提出一种求解无功优化问题的混合算法。首先通过改进遗传算法求解无功优化问题中的离散变量,然后采用原对偶内点法求解与已获得离散变量最匹配的连续变量。在改进遗传算法中采用交叉、变异算子并基于可行域规则处理离散约束,有效提高了混合优化算法的整体寻优效率。在IEEE 118节点系统中的仿真计算结果验证了本文方法的有效性。该方法已应用于福建电网自动电压控制系统中。     

基于Bender''s分解和内点法的无功优化规划

对于目标为网损费用和无功设备投资费用最小的无功优化规划问题，Bender’s分解技术是一种有效的解决方法。原一对偶仿射尺度法作为一种被证明具有多项式时间复杂性的方法，已经被用于无功优化的计算中。本文结合Bender’s分解技术和原一对偶仿射尺度法，解决了城市高中压配电网的长期无功优化规划问题。通过实际电力系统的计算结果表明，此算法的迭代收敛次数稳定，优化结果的经济效益明显，适合于大规模电力系统的无功优化规划计算。     

原对偶内点法与定界法在无功优化中的应用

本文将原有对偶内点法与分枝定界法综合应用于无功优化过程中，采用原对偶内点法进行全局寻优，运用分枝定界法进行离散变量（变压器分接头与电容／电抗器投切组数）的归整。针对实际情况，本文建立了一个新的综合目标函数。对实际电网的优化计算表明，本文算法具有良好的特性。     

基于路径跟踪内点法的电力系统无功优化

采用的电力系统无功优化算法是以整个网络的网损最小为目标函数,以无功补偿设备出力,发电机端电压调节和可调变压器变比为控制变量,以发电机无功出力和变压器端电压幅值为状态变量建立线性规划模型方程,采用路径跟踪内点法对模型进行进一步处理,从而获得各控制变量和状态变量的最优解,优化的结果表明,此方法降低了电力系统的网损,有效地调节了各点的电压并提高了收敛的特性和速度.     

基于蚁群算法和内点法的无功优化混合策略

基于蚁群优化算法与内点法,提出了一种新颖的混合策略来求解电力系统无功优化问题:不考虑无功优化中的离散约束,采用内点法求解得到初始解;根据优化变量的不同性质将无功优化问题分解为离散优化和连续优化2个子问题,并采用蚁群优化算法和内点法交替求解,使两者的优化结果互为基础、相互利用,从而保证了混合策略的整体寻优效率.最后以IEEE30和IEEE 118节点作为试验系统,与常规的离散优化算法做比较,验证了该算法的正确性和有效性.     

基于蚁群算法和内点法的无功优化混合策略

基于蚁群优化算法与内点法,提出了一种新颖的混合策略来求解电力系统无功优化问题：不考虑无功优化中的离散约束,采用内点法求解得到初始解;根据优化变量的不同性质将无功优化问题分解为离散优化和连续优化2个子问题,并采用蚁群优化算法和内点法交替求解,使两者的优化结果互为基础、相互利用,从而保证了混合策略的整体寻优效率。最后以IEEE 30和IEEE 118节点作为试验系统,与常规的离散优化算法做比较,验证了该算法的正确性和有效性。     

电力系统无功优化的原对偶内点算法及其应用

以电力系统中电压无功优化的非线性规划模型为基础,采用原对偶内点算法进行全局寻优;并在此基础上提出了一种预测校正方法,该方法通过协调解的最优性及可行性之间的关系提高算法的收敛性。对IEEE14节点和IEEE30节点系统的分析表明,带有预测校正方法的原对偶内点算法较单纯的原对偶内点算法所需迭代次数少,计算速度快,收敛性好。     

基于两层遗传算法的多时段无功优化方法

提出了一种基于两层遗传算法的多时段无功优化方法,将复杂的无功优化问题转化为多个时段静态无功优化的并行处理问题。第一层优化是针对调度周期内的每个时段,建立传统静态无功优化模型,对全调度周期内各个时段进行并行计算,并统计出多组较好的优化状态,构成全调度周期内控制设备动作次数的寻优状态空间;第二层优化是针对整个调度周期,建立以动作次数最少为目标的无功优化模型,从第一层形成的状态空间中寻出控制设备动作次数较少所对应的潮流分布,从而得到有功网损、电压质量及控制设备动作次数的综合优化效果。此外,该方法易于实现并行处理。算例表明,所提出的方法优化效果好,有在线应用的前景。     

内点法在计及UPFC无功/电压优化中的应用

以统一潮流控制器(UPFC)为代表的灵活交流输电系统(FACTS)技术可以实现传输功率的合理分布、优化系统资源,提高系统的稳定性和可靠性。基于内点优化方法,提出了计及UPFC的无功优化模型,以系统网损最小为目标函数,采用UPFC电压源模型,将其作用等效为一系列电压和功率的约束,直接放到内点法的约束中,在不同的负荷运行方式下进行了优化分析。用IEEE-30节点系统进行了测试,引入UPFC后系数矩阵的维数会有所增加,但不会影响其收敛性。结果表明该方法是可行的、有效的,取得了很好的效果。     

内点法在计及UPFC无功/电压优化中的应用

以统一潮流控制器(UPFC)为代表的灵活交流输电系统(FACTS)技术可以实现传输功率的合理分布、优化系统资源,提高系统的稳定性和可靠性.基于内点优化方法,提出了计及UPFC的无功优化模型,以系统网损最小为目标函数,采用UPFC电压源模型,将其作用等效为一系列电压和功率的约束,直接放到内点法的约束中,在不同的负荷运行方式下进行了优化分析.用IEEE-30节点系统进行了测试,引入UPFC后系数矩阵的维数会有所增加,但不会影响其收敛性.结果表明该方法是可行的、有效的,取得了很好的效果.     

基于粒子群算法与内点算法的无功优化研究

提出了基于改进粒子群算法和预测-校正内点法的解耦无功优化算法.通过引入时代因子和邻近变异策略,同时采用分段处理方法对粒子群算法进行改进.运用预测-校正算法替代原-对偶内点,使得在内点法寻优过程中的迭代步长加大,同时避免寻优过程中振荡的出现.将改进粒子群算法和预测-校正内点算法分别用于无功优化的离散优化和连续优化子问题.将所提出的方法应用于IEEE30节点和IEEE118节点的系统.算例表明:与采用传统粒子群算法和原-对偶内点算法的混合无功优化相比,提出的方法在计算速度和优化效果方面都具有明显的优势.     

基于改进遗传算法的配电网无功优化

针对配电网的特征,建立了综合考虑全年网损、电压品质和补偿设备投资的无功优化数学模型。对传统遗传算法的遗传算子和终止判据等方面进行了改进,提出了一种配电网无功优化的改进遗传算法,使其计算效率和全局寻优能力均有提高。采用本文提出的改进遗传算法,通过实例计算,结果表明其优化效果优于传统遗传算法。     

基于改进遗传算法的风电场多目标无功优化

针对风电场并网运行的多目标无功优化和电压稳定问题,建立了基于异步发电机内部等值电路的含风电场的电力系统无功优化模型,提出了风电场无功优化的目标函数和约束条件。结合非支配排序思想、精英保留策略、改进的小生境技术,得到了一种将向量模适应度函数作为淘汰准则的改进Pareto遗传多目标优化算法。以某风电场接入IEEE 14节点标准测试系统为例,将改进算法用于含风电场的电力系统无功优化。仿真结果表明,应用改进的遗传多目标优化算法可以同时得到多组Pareto最优解,为决策者提供了更多的选择余地,使风电场并网点母线电压在允许范围内。     

基于改进算子的免疫遗传算法的电压无功优化

针对电压无功优化问题的特点和免疫遗传算法在求解全局性优化问题中的适用性,应用免疫遗传算法对系统进行电压无功优化。在编码时采用了实整混合编码形式,求抗体相似度时进行了归一化处理,在选择操作时对适应度函数进行了变换,合理的选择变换系数的值,可以保证算法在进化前期保持种群多样性,在进化后期仍能有较快收敛速度,并在交叉变异时实数段和整数段基因采取不同的措施。取IEEE-30节点标准系统为例,利用开发的优化计算程序进行电压无功优化计算,验证了所提出的算法较其他算法在计算和收敛能力上具有优势。     

混合优化方法及其在电力系统无功优化中的应用

利用遗传算法和传统优化方法的互补特性,采用混合优化方法求解包含离散变量和连续变量的无功优化问题.遗传算法的选择、交叉和变异操作仅作用于离散变量,遗传算法对种群进行全局广度搜索.运用传统优化方法对种群个体中的连续变量进行优化使其移动到局部最优点上,为保证对连续变量的优化效果,选择了基于函数变换与广义逆的优化新算法.混合优化算法将遗传算法擅长处理离散变量和传统优化方法速度快、数值稳定性好的优势有机结合,模型简单、规范.算法的实用性和有效性通过算例及工程应用得到验证.     

基于内点法的电力系统无功优化

介绍了无功优化的基本概念,对各种无功优化算法进行了简单比较。对原对偶内点法的基本原理作了简单介绍,采用全网有功传输损耗最小作为目标函数,并采用二次罚函数的形式处理离散变量,对基于原对偶内点法的无功优化的模型进行求解。IEEE14—118节点标准测试系统上进行了数值仿真,证明内点算法具有良好的收敛性和鲁棒性。