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.     

基于随机聚焦粒子群算法的多机系统PSS参数优化

随机聚焦粒子群算法（SFPSO）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群体智能优化算法。通过采用SFPSO算法,对多机系统的PSS参数进行优化。该方法是以最优控制原理为基础,综合考虑PSS与励磁系统的性能,将PSS 参数优化协调转化为带有不等式约束的优化问题,控制目标为系统输出按照最小误差跟踪给定值的能力。通过仿真测试以及不同算法优化结果的对比,表明基于SFPSO算法优化的PSS在不同的干扰下都具有良好的性能,能够抑制低频振荡,并保持系统稳定,同时证明了SFPSO算法的有效性和优越性。     

基于随机聚焦粒子群算法的多机系统PSS参数优化

随机聚焦粒子群算法(SFPSO)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群体智能优化算法.通过采用SFPSO算法,对多机系统的PSS参数进行优化.该方法是以最优控制原理为基础,综合考虑PSS与励磁系统的性能,将PSS 参数优化协调转化为带有不等式约束的优化问题,控制目标为系统输出按照最小误差跟踪给定值的能力.通过仿真测试以及不同算法优化结果的对比,表明基于SFPSO算法优化的PSS在不同的干扰下都具有良好的性能,能够抑制低频振荡,并保持系统稳定,同时证明了SFPSO算法的有效性和优越性.     

多机系统中飞轮储能系统稳定器与PSS的协调优化

为消除飞轮储能系统（flywheel energy storage system,FESS）稳定器与电力系统稳定器（powersystemstabilizer,PSS）间可能存在的相互负影响,提出将加入混沌算法和模拟退火思想的改进粒子群优化算法（improvedparticleswarmoptimization,IPSO）用于协调优化FESS稳定器与PSS参数。该算法通过混沌初始化和迭代中加入模拟退火思想来提高算法的效率和全局搜索能力。将多种运行方式下的所有特征值作为考察对象,在目标函数中同时考虑机电振荡模式和非机电振荡模式的性能,并通过IPSO算法协调优化各稳定器参数。在新英格兰10机系统算例中,应用IPSO算法协调优化的稳定器在不同运行方式下都能有效抑制系统振荡,表明了该方法的有效性和鲁棒性。在4机系统算例中,通过与逐个设计稳定器方法的比较可知,经IPSO协调优化的稳定器具有更好的阻尼效果,从而验证了该方法的优越性。     

相量测量装置（PMU）动态测量精度在线检验

粒子群算法(PSO-ω)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群体智能优化算法。基于单机无穷大系统模型,通过采用PSO-ω算法对电力系统稳定器(PSS)进行参数优化,以抑制低频振荡。该方法是以最优控制原理为基础,综合考虑PSS与励磁系统的性能,将PSS 参数优化协调转化为带有不等式约束的优化问题,控制目标为系统输出按照最小误差跟踪给定值的能力（ITAE准则）。用Matlab软件进行仿真,结果表明,利用该方法设计的PSS,它的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。     

混合粒子群算法在PSS参数优化中的应用

通过采用一种新的混合粒子群算法对多机系统的电力系统稳定器(PSS)进行参数优化,以达到更好的低频振荡抑制效果.引入交叉操作的混合粒子群优化算法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).用Matlab软件进行仿真,结果表明,该方法设计的PSS稳定性有较大提高.     

基于粒子群优化算法的PSS参数优化

粒子群算法(PSO-ω)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群体智能优化算法.基于单机无穷大系统模型,通过采用PSO-ω算法对电力系统稳定器(PSS)进行参数优化,以抑制低频振荡.该方法是以最优控制原理为基础,综合考虑PSS与励磁系统的性能,将PSS参数优化协调转化为带有不等式约束的优化问题,控制目标为系统输出按照最小误差跟踪给定值的能力(ITAE准则).用Matlab软件进行仿真,结果表明,利用该方法设计的PSS,它的稳定性有了较大的提高.     

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.     

自适应混沌粒子群算法在PSS设计中的应用

该文采用一种改进的粒子群算法PSO———自适应混沌粒子群算法ACPSO,对多机电力系统稳定器参数进行优化设计,以抑制系统低频振荡。该算法通过混沌初始化粒子群,在迭代计算过程中根据粒子的适应值自适应地调整算法惯性系数,从而可以获得更好的全局搜索能力和收敛速度。选取系统机电振荡模式最小阻尼比最大化为目标函数,将PSS参数优化转换为带不等式约束的非线性优化问题。以3机9节点系统为例,特征值和非线性仿真结果表明,运用该方法设计的PSS能够有效地抑制外界扰动引起的低频振荡。     

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。     

高阶非线性系统的位置控制器PID参数优化

针对高阶非线性系统的位置控制器PID参数优化问题,以五阶传递函数横动伺服系统为例,结合粒子群算法成功实现了参数的优化。设计了粒子群算法的PID参数优化原理。在已知系统传递函数的基础上,利用Z-N法进行参数初求解,然后利用粒子群算法对初解进行参数寻优,并将优化前后的系统进行动态性能对比,结果表明:优化后的高阶非线性系统动态性能更好,响应速度更快,调节时间更短,鲁棒性更强。     

具有多模型适应性的发电机PSS参数优化方法

现代电力系统中应用配置的电力系统稳定器(PSS)模型不尽相同,而传统PSS参数设计方法仅局限于传统PSS模型。文中提出了具有多模型适应性的发电机PSS参数优化方法,以PSS相位补偿效果为优化目标,采用粒子群算法对该发电机的PSS参数进行优化。该方法对多种PSS模型具有高度适应性,不仅适用于传统的PSS模型,也适用于无超前滞后环节的新型PSS模型。算例表明,采用具有多模型适应性的发电机PSS参数优化方法可有效提升系统阻尼,抑制系统低频振荡。     

UPFC抑制电力系统低频振荡的参数优化研究

为研究统一潮流控制器(UPFC)用于抑制电力系统低频振荡的效果,采用PID控制策略设计了UPFC,并利用遗传算法(GA)和粒子群算法(PSO)分别对UPFC参数进行了优化。对含UPFC的单机无穷大系统进行仿真,仿真结果显示,UPFC对阻尼电力系统低频振荡起到一定的作用,经过参数优化后系统的暂态变短,相关量的波动降低,且粒子群优化算法用于抑制阻尼电力系统低频振荡的效果优于遗传算法。     

抑制频率振荡的电力系统稳定器参数优化

超低频频率振荡是有功频率控制过程的小扰动稳定问题。由于负荷电压调节效应使得无功电压控制和有功频率控制产生耦合,传统用于抑制低频振荡的电力系统稳定器(PSS)可用于抑制频率振荡。提出了在多机系统中选择抑制频率振荡的PSS的方法,该方法综合了PSS对低频振荡和频率振荡的影响大小。构建了抑制频率振荡的PSS参数优化模型,该模型仍然以低频振荡模式阻尼比作为优化目标,但加入频率振荡对应频段发电机励磁系统相位要求作为约束,保证机组励磁系统为频率振荡提供足够的正阻尼。采用粒子群优化算法对模型进行求解得到PSS最优参数。仿真结果验证了所提方法的有效性。