基于改进粒子群算法的含DG配电网无功优化

含分布式电源(DG)配电网的无功优化是一个复杂的非线性优化问题,文中采用改进的粒子群算法(PSO)对配电网进行无功优化计算,建立以系统网损和电压平均偏离最小为目标函数,节点电压和电容器投切容量为约束条件的优化模型。在PSO中引入位置方差防止PSO陷入局部最优解,根据种群中粒子的适应度值对粒子进行变异处理,在保证算法收敛速度的基础上,改善算法性能。以含分布式电源的IEEE14节点配电系统为例进行无功优化分析,结果表明DG能增强电网运行的稳定性,所提算法具有较好的优化性能。     

考虑不确定性的含DG与EV配电网无功电压协调优化方法

利用双馈风电机组和光伏发电系统等能够提供无功功率的分布式电源作为一种电压调节手段与传统的电压调节方式结合,在计及电动汽车入网充电作为一种随机负荷的情况下,建立了考虑不确定性的含分布式电源与电动汽车的配电网无功电压协调优化模型。以节点电压期望值平均偏差最小为目标函数,同时加入有功网损期望值和节点电压期望值最大偏差值为罚函数,使用本文提出的一种改进果蝇优化算法对优化模型进行求解。最后利用IEEE 33节点系统进行仿真计算并与粒子群算法进行比较,证明了本文所提出的优化模型和算法的有效性。     

含分布式发电系统的配电网无功优化研究

引入有功网损、电容器以及分布式发电的费用,并充分考虑了电压质量和无功补偿容量作为罚函数的综合目标函数,采用PSO算法时运用改变更新方式,并在后期引进变异因子,建立了含分布式发电系统的配电网无功优化模型。通过算例表明,验证了模型和算法是可行的,具有较强的收敛性,对分布式发电并入配电网的运行具有一定的参考价值。     

基于自然选择粒子群算法含DG接入的配电网无功优化

以分布式电源接入配电网运行时产生的有功网损最小并能改善电压质量为目标,提出将自然选择机理与粒子群算法相结合的配电网无功优化方法。将DG向系统注入的无功功率作为配电网无功优化的控制变量,建立了包括目标函数、潮流方程等式约束和不等式约束的配电网无功优化数学模型。基于自然选择的粒子群算法其核心思想为每次迭代过程中将整个粒子群按适应值排序,用群体中最好的一半的粒子的速度和位置替换最差的一半的速度和位置,同时保留原来每个个体所记忆的历史最优值。通过对改进后的IEEE33节点配电系统进行仿真分析,结果表明所提出的算法具有很强的全局收敛性和稳定性,并能以最快的收敛速度搜索到系统最小网损值。     

基于改进PSO算法的电力系统无功优化研究

将粒子群优化算法(PSO)应用到电力系统无功优化问题的研究中,给出了具体的实施流程.为提高PSO的搜索能力,对PSO进行了改进,在算法中加入了第3种极值指导粒子搜索方向,并引入了"飞回"策略.对IEEE-30节点系统的仿真计算结果表明了算法的有效性.     

基于分区的含DG配电网实时无功优化

针对含DG配电网实时无功优化问题,提出了更适合该问题的目标函数,并将实时无功优化与配电网动态分区、短期无功调度相互配合来实现空间上和时间上的解耦。针对配电网动态分区问题,提出了支路切割枚举法,实现了快速动态分区。考虑系统区内无功储备不足等特殊情况,可能会导致系统电压在优化后仍有越限,为保证系统安全,启动第二次优化。通过对含DG的33节点配电系统算例和某实际线路进行验证,表明了该算法在求解实时无功优化问题时的正确性和有效性。     

基于改进PSO算法在含风电场的电力系统无功优化控制

含风电场的电力系统无功优化是一种具有多状态、多约束条件的非线性规划问题.针对其存在易陷入局部最优解的缺点,提出了改进的PSO算法.该算法改变了初始化方法和粒子更新方法,并在算法后期引入变异因子.在放射状配电网络系统的仿真计算中,改进PSO算法与遗传算法相比较,结果表明,改进PSO算法可在较短时间内取得更好的优化效果.     

基于改进PSO算法的电力系统无功优化研究

将粒子群优化算法(PSO)应用到电力系统无功优化问题的研究中,给出了具体的实施流程。为提高PSO的搜索能力,对PSO进行了改进,在算法中加入了第 3种极值指导粒子搜索方向,并引入了“飞回”策略。对IEEE-30节点系统的仿真计算结果表明了算法的有效性。     

基于改进PSO算法的电力系统无功优化

提出了一种多策略融合自适应粒子群优化(MSI-APSO)算法求解电力系统无功优化问题的新方法。该方法采用分阶段调整加速因子,结合适应值自适应调整惯性权重,然后基于群体信息改善部分性能差的粒子,迭代后性能改善的粒子,采取速度保持策略,从而提高了PSO全局寻优性能。针对IEEE30节点系统进行无功优化计算,并与带惯性权重的粒子群(PSO-w)算法、带压缩因子的粒子群(PSO-c)f算法、全面学习粒子群(CLPSO)算法进行了比较,表明MSI-APSO具有更好的全局寻优能力和收敛性能。     

基于自然选择粒子群算法的含DG接入的配电网无功优化

以分布式电源接入配电网运行时产生的有功网损最小并能改善电压质量为目标,提出将自然选择机理与粒子群算法相结合的配电网无功优化方法。将DG向系统注入的无功功率作为配电网无功优化的控制变量,建立了包括目标函数、潮流方程等式约束和不等式约束的配电网无功优化数学模型。基于自然选择的粒子群算法其核心思想为每次迭代过程中将整个粒子群按适应值排序,用群体中最好的一半的粒子的速度和位置替换最差的一半的速度和位置,同时保留原来每个个体所记忆的历史最优值。通过对改进后的IEEE33节点配电系统进行仿真分析,结果表明所提出的算法具有很强的全局收敛性和稳定性,并能以最快的收敛速度搜索到系统最小网损值。     

采用混沌蝙蝠算法的含DG配电网无功优化

文中提出一种混沌蝙蝠算法(Chaotic Bat Algorithm,CBA)求解含分布式发电(Distributed Generation,DG)的配电网无功优化问题.CBA算法在基本蝙蝠算法(Bat Algorithm,BA)的基础上,采用Tent混沌映射初始化蝙蝠位置和更新脉冲发射率以提高全局收敛性,同时动态自适...     

基于粒子群算法的含风电配电网无功优化研究∗

针对新能源给配电网无功波动带来的影响,建立了含有风力发电机的配电网无功优化模型.通过粒子群算法对无功优化模型进行求解,有效降低了配电网的网损,同时节点电压也得到了提升.     

基于改进萤火虫算法的含DG配电网重构方法

为了更好地解决含DG的配电网重构问题,建立了以系统损耗、负荷均衡、电压偏差为目标的重构模型,并利用改进萤火虫算法进行寻优计算。针对传统萤火虫算法中存在的早熟收敛、过度依赖控制参数等缺陷,引入了惯性权重,利用混沌理论对算法参数进行调整,使算法兼顾全局搜索与局部搜索能力的均衡。同时将精英保留策略融入到萤火虫算法当中,加快了算法收敛的速度。为了减少网络重构中出现的大量不可行解,对网络拓扑进行了简化操作,缩短了编码维数,提高了寻优效率。最后通过算例分析,验证了该算法的有效性与实用性。     

含风电场的配电网无功优化策略研究

针对传统的配电网无功优化调节手段离散化、难以实现电压的连续调节等问题,研究了含风电场的配电网无功优化模型和算法,分析了双馈感应电机的无功发生能力,将风电场作为连续的无功调节手段参与配电网无功优化。并针对风电出力随机性的特点,用场景功率描述风电的随机出力,使之更具代表性。考虑了配电网的网损、电压偏差以及电压稳定性指标,建立了多目标无功优化模型。提出了基于量子粒子群算法(QPSO)的无功优化方法,该算法通过波函数描述粒子的状态,增加了种群的多样性,有效地避免了种群早熟等问题。用该算法对改进的IEEE33节点进     

改进PSO算法在无功优化中的应用

利用PSO(Particle Swarm Optimization,粒子群优化)算法对无功优化问题进行求解。对基本的PSO算法进行了改进,设计了分组变权重的搜索策略,定义了分组权重向量,即通过对每次迭代后粒子的分组、每组赋予分组权重向量中的不同权重,同时使权重随迭代次数的增大而线性变化,使各粒子之间形成分工合作的关系,搜索的方向性更强,速度更快,对IEEE30节点系统的仿真结果表明了算法的有效性。     

基于改进的人工鱼群算法的配电网无功优化

研究了基于变异算子与模拟退火算法混合的人工鱼群算法,对算法中的变异算子进行了改进,并提出了1种试探确定变异概率的方法：同时对配电网无功优化的模型进行了改进．将经济性目标和安全性目标相结合。将改进的人工鱼群算法运用到配电网无功优化中．实际系统的仿真计算结果表明,基于改进人工鱼群算法的配电网无功优化方法合理可行。     

基于改进蜉蝣算法的含分布式电源配电网无功优化

近年来,风光等分布式电源（distributed generation,DG）的大规模并网运行给主动配电网无功优化带来新挑战。首先,在对分布式电源无功调控特性进行分析的基础上,针对配电网单相、三相混杂的情况,文中分别建立了考虑三相平衡与不平衡情况下计及DG无功支撑能力的配电网无功优化模型。其次,在蜉蝣算法的基础上,利用Sobol序列生成超均匀分布的初始蜉蝣种群提高算法收敛性;引入自适应重力系数合理化搜索机制和基因突变以增加种群多样性;同时调整越界约束策略以减少无效计算,提出一种改进蜉蝣算法（improved mayfly algorithm,IMA）用于求解含DG的配电网无功优化问题,并给出具体的无功优化流程。最后,通过对改进后的IEEE 33节点和三相IEEE 33节点配电系统进行测试,验证IMA较于其他智能算法在无功优化计算中的优越性。结果表明所提模型和算法能够有效降低配网的有功网损和三相不平衡度,提高各节点的电压水平。     

基于改进BCC算法的含分布式发电的配电网无功优化

介绍了含分布式发电的配电网无功优化问题,改进了细菌群体趋药性算法(BCC),引入微分进化算子和线性幂函数混合映射混沌模型,动态调整细菌移动速度和感知范围,提高了算法的寻优速度和全局搜索能力。算例结果表明采用改进的BCC算法优化后的配电网网损最低,迭代次数最少。     

基于免疫PSO的新能源配电网无功多目标模糊优化

考虑分布式能源的间歇性和随机性对配电网电压的影响,用模糊数表征分布式电源出力不确定性和负荷功率的波动性,构建配电网多目标模糊无功优化模型,提出分布式电源和无功补偿装置输出无功功率的协同优化方法。以有功网损最小和电压偏差最小为目标函数,并将目标函数和约束条件模糊化,根据其隶属度函数形成模糊适应度函数,再将两目标通过最大满意度法转化为单目标,最后利用免疫粒子群算法进行求解,从而确定在负荷功率模糊波动下具有不同模糊出力水平的分布式电源和具有不同运行方式的无功补偿装置输出无功功率的最优值。以IEEE33配电网系统为算例,验证了所提出的模型和算法的可行性和有效性。     

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。