改进的自适应遗传算法在配电网谐波抑制中的应用

以配电网中无源和有源滤波器的总费用最小为目标函数,以谐波电压和滤波器的安全运行为约束条件,将改进的自适应遗传算法应用于配电网谐波抑制工作,对无源和有源滤波器的安装节点和参数进行统一优化配置.给出了一个18节点的典型配电系统运算结果,说明了整个算法的有效性.     

改进的自适应遗传算法在配电网谐波抑制中的应用

以配电网中无源和有源滤波器的总费用最小为目标函数,以谐波电压和滤波器的安全运行为约束条件,将改进的自适应遗传算法应用于配电网谐波抑制工作,对无源和有源滤波器的安装节点和参数进行统一优化配置。给出了一个18节点的典型配电系统运算结果,说明了整个算法的有效性。     

基于网络固有结构理论的集中滤波器配置

针对谐波源相对集中时就地安装滤波器容易出现谐波倒灌的问题,提出集中设置滤波器方案.结合网络固有结构理论和模糊意见集中决策,解决了多支路滤波器组集中安装的问题.用遗传算法优化滤波器参数,提出集中设置滤波器的安全校验条件,采用求和指数确定节点谐波电压水平,通过一25节点系统的实例分析,说明了该方法的有效性.     

基于机会约束规划的配电网络滤波装置优化配置

为了适应谐波源和网络参数的随机变化,提出了一种有源和无源滤波器统一优化配置的机会约束规划模型,给出了用基于随机模拟的遗传算法进行求解的方法。该模型可在整个配电网络范围内优化有源和无源滤波器的安装地点和参数,在谐波水平按给定置信度满足限值要求的前提下,使滤波装置的安装费用最小。并给出一16节点配电系统的计算结果。     

LC输出滤波器的改进及在电气化铁路综合有源补偿置中的模糊优化设计

提出一种模糊目标函数优化方法,并将其应用到电气化铁路综合有源补偿装置输出滤波器的优化配置,致力于解决电气化铁路综合有源补偿装置引起的高次谐波污染问题.根据工程实际情况,建立LC输出滤波器简化模型,提出了在常用LC输出滤波器的滤波电容上串联电阻和电感的并联支路来对LC输出滤波器进行改进.建立以满意度为综合指标的模糊优化目...     

LC输出滤波器的改进及在电气化铁路综合有源补偿装置中的模糊优化设计

提出一种模糊目标函数优化方法,并将其应用到电气化铁路综合有源补偿装置输出滤波器的优化配置,致力于解决电气化铁路综合有源补偿装置引起的高次谐波污染问题。根据工程实际情况,建立LC输出滤波器简化模型,提出了在常用LC输出滤波器的滤波电容上串联电阻和电感的并联支路来对LC输出滤波器进行改进。建立以满意度为综合指标的模糊优化目标函数,采用加权多目标方法进行寻优。最终实现对输出滤波器的参数进行优化设计。仿真分析充分论证了所提出的改进算法及模型是正确可行的。     

集中设置滤波器解决谐波倒灌的方案论证

针对谐波源相对集中时就地安装滤波器容易出现谐波倒灌的问题，提出了一种集中设置滤波器解决谐波倒灌的方案。结合特征值灵敏度和灰色关联分析法，解决了多支路滤波器组集中安装的问题，并用遗传算法优化滤波器的参数。在集中设置滤波器的安全校验条件中，采用求和指数确定节点谐波电压，并通过一15节点系统的实例分析，证实了采用该方法的有效性。     

无源滤波器多目标优化设计

配电电网装设无源滤波器以补偿无功和抑制谐波的设计中,滤波器的LC参数是一个多约束、非线性的规划问题,其参数优化最为关键。针对目前现有优化设计方法中,假设条件较多、寻优能力不强、寻优速度较慢等问题,利用改进遗传算法的全局寻优能力,提出了一种新的无源滤波器设计方法,即无源滤波器的成本、无功补偿和滤波效果3个目标全局优化。通过适应度函数的阈值制约以及以不同概率进行染色体选择操作,使得种群向3个目标最佳协调点进化;通过混沌算子解决早熟收敛的问题。工程算例的仿真计算表明了应用遗传算法设计滤波方案的优越性和对遗传算法改进的有效性。     

基于PSO算法的有源滤波器的优化配置

在电网中安装有源滤波器来治理谐波污染,需要对有源滤波器进行优化配置,这是一个多变量的组合优化问题,粒子群优化(Particle Swarm Optimization,PSO)算法是一种有效的优化工具.本文将该算法应用于有源滤波器的优化配置,建立以电压总谐波畸变率为约束条件,以有源滤波器的造价为目标函数的数学模型.在迭代求解过程中,根据PSO算法的特点,以电网的谐波阻抗阵作为指导来修正注入某节点的谐波量,加快了收敛速度,缩短了求解时间.应用PSO算法对IEEE 18节点系统进行有源滤波器优化配置,能较快地收敛于最优解,优化结果表明了该算法的正确性.     

一种新型并网逆变器LCL滤波器参数优化策略

针对LCL滤波器参数选择较难且参数选择得如何会直接影响其滤波性能的问题,提出改进蝴蝶算法(SBOA)的并网逆变器LCL滤波器的参数优化策略。在MATLAB上搭建仿真模型,选择在电容端口串联阻尼电阻,并将纹波电流最小化、谐波衰减最大化、功率损耗低化作为优化目标,再运用线性加权法将其转化为单目标模型,并用熵值权重法来确定各目标的权重系数,最终运用SBOA对单目标函数进行求解。通过仿真,对比改进蝴蝶算法与蝴蝶算法(BOA)、遗传算法(GA)的函数收敛曲线,验证改进蝴蝶算法强大的寻优能力;实验表明,文中设计出的优化策略在确保一定滤波条件下其并网端口的THD和功率损耗P;相比于传统图解法与遗传算法的分别低了1.14%、0.74%以及4.33 W、0.87 W。