基于小生境优化的变权重粒子群算法在PMU优化配置中的应用

针对相量测量单元优化配置问题展开研究,提出了一种基于小生境优化的变权重粒子群算法来解决该问题.所提算法以离散粒子群算法为基础,通过基于共事函数的小生境技术优化初始粒子群,改进权重系数的取值函数来提高算法的收敛效果,最后进行冗余度比较得出最优方案.该算法与常用算法相比,提高了计算的收敛速度和全局性,实现了算法多峰性,可通过分析问题模型有效得出相量测量单元(PMU)优化配置方案.并通过IEEE 14母线系统和新英格兰39母线系统仿真实例验证了所提方法的有效性.     

用免疫BPSO算法和N-1原则多目标优化配置PMU

为了在满足全网的完全可观测的前提下实现PMU安装投入的性价比最高,通过理论分析得出判断电网节点拓扑可观测的依据,并提出以N-1可靠性检验原则对PMU配置方案进行冗余性检验,由此以全网完全可观测、PMU数目最少和N-1量测冗余度最高为目标建立了PMU多目标优化配置数学模型,并设计了一种结合免疫系统信息处理机制的二进制粒子群优化算法对模型进行求解。该算法综合了粒子群优化算法简单快速和免疫系统种群多样性的优点,明显改善了进化后期算法的收敛性能和全局寻优能力。对新英格兰39母线系统进行PMU多目标优化配置仿真及量测冗余性分析的结果表明,该法对PMU配置方案的量测可靠性及其所需PMU数量进行综合评价可方便快捷地得到性价比最优的方案,较之普通的PMU单目标优化配置方法更为合理和灵活。     

基于多目标进化算法的PMU的优化配置

研究了配置相量测量单元(PMU)后电力系统可观测性的判断方法,以保证电力系统完全可观测为约束条件,以配置PMU数目最小和保证测量量具有最大量测冗余度为目标,建立了PMU最优配置问题的数学模型。这是一个多目标优化问题,需要寻求一组Pareto最优解,应用多目标进化算法求解该问题可以得到多种满足条件的PMU配置可行方案。最后,以IEEE39节点系统为例验证了该方法的合理性。     

基于改进粒子群算法的PMU装置数量增加过程中的最优配置方法

针对现有电力系统相量测量装置(PMU)在系统中的最优配置问题,进一步考虑了系统发展过程中PMU数量增加的最优配置问题。以电力系统线性量测模型为基础,通过拓扑分析方法,以全系统可观为约束,以系统最大冗余度为目标,并使用改进的粒子群算法进行计算,实现PMU数量增加过程中的最优配置。通过算例证明了算法的有效可靠。     

基于改进粒子群算法的PMU装置数量增加过程中的最优配置方法

针对现有电力系统相量测量装置(PMU)在系统中的最优配置问题,进一步考虑了系统发展过程中PMU数量增加的最优配置问题.以电力系统线性量测模型为基础,通过拓扑分析方法,以全系统可观为约束,以系统最大冗余度为目标,并使用改进的粒子群算法进行计算,实现PMU数量增加过程中的最优配置.通过算例证明了算法的有效可靠.     

船舶电力系统相量测量单元多目标优化配置问题

为实现船舶电力系统潮流方程直接可解,同时保证相量测量单元(PMU)配置数目最少和N-1电压相量可解冗余度最高,提出了船舶电力系统PMU多目标优化配置方法。首先根据船舶电力系统不同工况下潮流方程的特点,分析得到PMU配置方案是否满足不同工况下潮流方程直接可解的判断方法;在此基础上,着重考虑最大运行工况下PMU配置数目最少和N-1电压相量可解冗余度最高的要求,建立了PMU多目标优化配置模型,并采用量子遗传优化算法对模型进行求解。以24节点典型船舶电力系统为例对所提方法进行了说明和验证,结果表明,该方法可实现全局多目标寻优,从而找到准确而完整的Pareto最优前沿。得到的PMU优化配置方案可为船舶电力系统配置PMU提供参考。     

基于遗传算法的PMU配置对谐波状态估计质量影响的研究

谐波状态估计的质量是PMU配置数量和安装地点的函数。研究PMU配置对谐波状态估计质量的影响,建立量测方程,并应用最小二乘法求解谐波状态估计的量测方程。建立了综合考虑量测配置PMU投资和状态估计误差的加权数学模型,并应用遗传算法求解加权数学模型,通过对最优代PMU配置方案的分析,给出了不同数目和位置的PMU对谐波状态估计误差和系统可观性的影响规律。利用Matlab搭建了配电网的仿真模型,获得了研究所需的原始数据,仿真算例验证了算法的有效性。     

基于遗传算法的PMU配置对谐波状态估计质量影响的研究

谐波状态估计的质量是PMU配置数量和安装地点的函数.研究PMU配置对谐波状态估计质量的影响,建立量测方程,并应用最小二乘法求解谐波状态估计的量测方程.建立了综合考虑量测配置PMU投资和状态估计误差的加权数学模型,并应用遗传算法求解加权数学模型,通过对最优代PMU配置方案的分析,给出了不同数目和位置的PMU对谐波状态估计误差和系统可观性的影响规律.利用Matlab搭建了配电网的仿真模型,获得了研究所需的原始数据,仿真算例验证了算法的有效性.     

N–1条件下不失去可观测性的PMU优化配置方法

针对N-1故障会导致广域测量系统(wide area measurement system,WAMS)丧失对系统的观测能力,提出一种保证N-1条件下与关键线路相连的节点不失去可观测性的最优相量测量单元(phasor measurement unit,PMU)配置方法。该方法首先结合复杂网络理论模型和N-1故障模型辨识出系统中脆弱线路,并定义与脆弱线路相连的母线不可观测的系统鲁棒性损失模型;然后利用模拟退火法求出系统正常情况下母线全部可观测所需的PMU数目。以此为基础,逐步增加PMU数目,建立起系统鲁棒性损失和经济性之间的关系,其可视化结果为规划人员提供了有力的决策和支持。以IEEE30节点系统为例对文中方法进行测试,实验结果表明该方法的有效性和实用性。     

基于免疫BPSO算法与拓扑可观性的PMU最优配置

以电力系统状态完全可观测和相量测量单元PMU配置数目最小为优化目标,基于PMU的功能特点和电力网络的拓扑结构信息,形成快速且通用的电网拓扑可观测性判别方法,并设计了一种结合免疫系统信息处理机制的二进制粒子群优化算法对目标函数进行求解,该算法综合了粒子群优化算法简单快速和免疫系统种群多样性的优点,明显改善了进化后期算法的收敛性能和全局寻优能力.最后通过对IEEE14和新英格兰39母线系统进行PMU优化配置仿真及量测冗余性分析,验证了本文方法的有效性和优越性.     

基于动态规划算法的PMU优化配置

以电力系统状态完全可观测和PMU配置数目最小为目标,提出基于动态规划算法的PMU优化配置方案。选择PMU配置位置为动态规划的状态,PMU台数为动态规划的阶段数,从而实现动态规划计算。通过预处理准则、对称性准则、优胜劣汰准则提高了计算效率。用文中方法对IEEE 14和IEEE 39节点系统进行了PMU配置。与其他文献方法对比表明了该算法的正确性与优越性。     

基于分段迭代法的PMU的优化配置研究

对电力系统中有限个数目PMU的优化配置进行研究。采用分段迭代法对PMU的优化配置进行研究。该法假设最初每个节点均安装有PMU。第一阶段和第二阶段的迭代算法用来去除那些不太重要的节点的PMU配置,并保留节点位置重要的PMU的配置。第三阶段的迭代算法则对前两阶段的PMU数目进行进一步的最小化,并且充分考虑电力系统全网的可观性,使得该法达到PMU的最优配置。通过在IEEE 14和IEEE 30节点上进行仿真验证,并与现有的优先算法在计算时间上进行对比,证明该法在计算时间上的优越性,及该法的有效性。     

基于改进遗传模拟退火算法的PMU优化配置

分析了遗传算法和模拟退火算法的优缺点,将具有较好全局寻优性能的遗传算法和具有较强局部搜索能力的模拟退火算法结合,形成的遗传模拟退火MGASA算法用于解决以电力系统状态完全可观测和PMU配置数目最小为目标的PMU优化配置问题.在寻优过程中,先将每一代群体进行遗传操作,再对产生的新群体中各个体进行模拟退火操作,同时在选择、交叉、变异和复制操作过程中实施最优保留策略,复制策略采用Metropolis判别准则.通过采用IEEE14和IEEE39节点系统对该算法进行验证表明,MGASA算法在解决PMU优化配置问题上具有较高的寻优性能和搜索效率.     

改进蛙跳算法在输电网规划中的应用

传统蛙跳算法（SFLA）具有高效计算性能和全局搜索能力,但容易出现早熟。针对早熟问题,通过对局部搜索步长和搜索策略进行改进,并将高斯变异算子引入算法当中,形成改进蛙跳算法（ISFLA）,并将其应用于输电网规划模型的求解中。通过对IEEE6节点和IEEE18节点系统的计算,证明了与传统蛙跳算法相比,改进后的算法寻优精度和收敛速度均得到了有效提高,具有较好的适应性。     

梯级水电站短期发电优化调度的免疫蛙跳算法应用研究

针对传统优化方法在求解高维、复杂的梯级水电站短期发电优化调度时易出现"维数灾"或陷入局部最优解的缺陷,提出了免疫蛙跳算法(ISFLA)。ISFLA将克隆选择算法嵌入到混洗蛙跳算法框架中,对混合之后的蛙群构造子群体执行免疫克隆选择操作,同时使用改进的最差解更新方式以提高其局部搜索能力,进而将其应用于某梯级水电站短期发电优化调度中。通过将ISFLA与标准混洗蛙跳算法、粒子群算法以及逐步优化方法对比,优化结果表明ISFLA在求解梯级水电站短期发电优化问题时具有有效性和优越性。     

基于定制遗传算法考虑配电网多种拓扑可观性的PMU优化配置

同步相量测量单元(PMU)可以为配电网提供相量数据以提高可观性。考虑因配电网节点数目多但投资成本少造成的PMU供需不平衡,提出了以固定PMU数目为约束条件的优化配置模型。目标函数在最大化可观性节点数目的前提下,最大化网络量测冗余度。模型中考虑了多种拓扑结构的影响,并通过引入零注入节点、节点注入功率和支路功率等量测数据提高可观性。提出了一种定制遗传算法来求解模型,通过定制交叉和变异操作,保证所有个体为可行解。最后,给出了基于最优方案的PMU配置顺序。通过对IEEE标准节点系统进行仿真计算,验证了所提方法的可行性和有效性。     

计及多典型天气特征的光储容量配置技术研究

在双碳目标下,新能源得到了国家的大力支持和发展,“十四五”开端,各省纷纷出台了有关新能源配置储能的政策,但是这种高比例强行配置储能的做法是否合理仍然有待商榷。针对此问题,提出一种综合多典型天气场景的储能系统容量配置方法。首先,使用K-Means算法对全年光伏日发电功率数据样本进行聚类;然后,建立双层优化模型,内层以弃光率最小为优化目标,外层以初始建设成本、运行维护成本和弃光损失最小为优化目标,旨在实现更优的经济性效果;最后,将混合蛙跳算法运用到双层优化模型中进行求解。算例分析表明,所提模型与求解算法使储能系统的容量配置在满足各种不同的典型天气情况下可以实现经济性最优,其结果验证了所提模型与求解算法的有效性和可行性,具有工程实际应用价值。     

基于改进人工蜂群算法的配电网谐波量测点优化配置

为了进一步提高配电网谐波状态估计的可观性和准确性,同时合理地优化 PMU 量测配置方案,提出应用改进人工蜂群算法求解达到同一优化目标的多种量测配置优化方案,为规划设计结合现场实际情况提供最优选择.算例分析结果验证了该算法的实用有效性;未改进人工蜂群算法所配置方案与改进方案的对比结果表明,该改进算法能进一步提高系统可观测度。     

基于电网脆弱性和经济性评估的PMU 最优配置新方法

基于 GPS 时钟同步技术的同步相量测量装置(phasor measurement unit,PMU)为直接观测电力系统的动态行为提供了重要手段.若电网发生 N?1故障,传统的 PMU 配置不能满足全网可观的要求.若考虑 N?1情况,PMU 配置个数较传统配置多,成本大大增加.针对上述问题,提出一种新的 PMU 最优配置方案.该方案利用广义特勒根定理对电网母线与支路进行脆弱度分析,然后对全网进行 PMU 配置及考虑 N?1情况的 PMU 配置.通过脆弱度排序、经济指标、鲁棒性分析,确定 PMU 配置新方案.以 IEEE 14标准节点系统为算例,验证了该方法的可行性.     

基于WAMS/SCADA数据兼容和改进FCM聚类算法的PMU最优配置

针对当前应用于状态估计的广域量测系统(wide area measurement system,WAMS)和SCADA系统混合量测中相量测量单元(phasor measurement unit,PMU)最优配置点的选取问题,在分析WAMS/SCADA数据差异的基础上,提出一种基于数据兼容和改进模糊C均值(fuzzy C-means,FCM)聚类算法的PMU最优配置方案。采用大数据挖掘理念,通过改进FCM聚类算法对SCADA数据依据相关度分区,在分区内可观测度最大的节点配置PMU,各分区内采用该PMU节点的最优平滑系数进行Vondrak插值,得到满足兼容性的数据,应用于混合模型的状态估计。相对只考虑可观测度的PMU配置方案,新方案不仅可以实现WAMS/SCADA数据有效兼容,提高估计精度,应用混合量测的状态估计还可有效控制系统负荷快速变化时的估计误差。通过在IEEE 39节点系统上模拟日负荷变化,验证了该PMU最优配置方案的有效性。