基于三点估计法的含风电场电力系统无功优化

针对电力系统无功优化时风电出力及负荷的不确定性和相关性,建立一种综合考虑多种不确定因素的无功优化模型。采用三点估计法处理该模型中的不确定因素,将不确定潮流计算转化为较少采样点处的确定潮流计算。为克服花朵授粉算法易陷入局部最优、寻优精度低等不足,将拉丁超立方采样技术、自适应调整转换概率及邻域策略应用于花朵授粉算法,提出一种改进花朵授粉算法求解所建优化模型。在含风电场的IEEE30节点系统上进行仿真测试,结果表明所提无功优化模型和求解方法在不确定环境下能够有效降低系统网损并减小系统状态变量发生越限的风险,从而保证系统的安全经济运行。     

基于组合混沌序列动态粒子群算法的电力系统无功优化

无功优化对提高电力系统的安全性和稳定性具有重要意义.针对传统粒子群算法在求解大规模、强非线性无功优化时易陷入早熟、局部收敛等问题,应用Logistic混沌优化方法,充分利用其遍历性进行寻优.另外,为保障粒子群算法初值的均匀性,结合Chebyshev映射和Logistic映射,引入一种组合混沌映射并将其应用于粒子初始化,提高初始变量的均匀性,从而提高算法全局寻优能力.对粒子群速度更新过程中存在的惯性取值问题,引入一种基于种群速度的动态惯性权重策略.最后将这一算法应用于电力系统无功优化.算例表明,算法具有较强的全局搜索能力和较高的效率.     

基于GA的电力系统多目标模糊无功优化

针对传统无功优化的目标单一性,建立了以有功网络损耗和节点电压偏差均最小为目标的无功优化模型,采用模糊数学将不同量纲目标进行归一化,并转化为单目标模糊规划模型.鉴于多目标无功优化模型的复杂性,以及连续、离散控制变量并存,采用遗传算法搜索全局最优解.对某21节点系统进行了多目标无功优化分析,验证了该模型的可行性和优越性.     

三目标遗传粒子算法的电力系统无功优化

电力系统无功优化是提高电网高效运行和节能的关键环节。建立了综合考虑有功网损最小、电压偏差最小及静态电压裕度最大的三目标电力系统无功优化模型。提出了遗传粒子群(GAPSO)混合算法,并将算法运用于IEEE14与IEEE30节点电力系统无功优化中。该算法先通过选择操作,选出优秀的样本,在利用交叉操作增加种群的多样性。然后进行变异操作提高种群的局部搜索能力。通过数据计算和比较GAPSO算法在收敛速度、精度和全局搜索能力上均优于常规GA算法和PSO算法。结果验证了模型和算法的有效性和实用性。     

用变尺度法求解电力系统无功补偿优化问题

本着重介绍了如何用变尺度法求解电力系统无功功率补偿优化的问题,求解过程中使用最优步长计算,最后用IEEE30节点算例系统进行了检验,取得了较好的效果。     

基于改进小生境帝国竞争算法的多目标电力系统无功优化

电力系统无功优化可以提高电能质量、降低网损,预防事故发生和扩大,而现有的无功优化算法容易陷入早熟和局部收敛的不足。采用改进小生境帝国竞争算法对多目标无功优化问题进行求解,使用动态聚类分析法划分国家联盟,采用竞争度共享技术对联盟国家内各个国家的竞争度进行调整,以提高全局寻优能力,有效避免算法早熟现象。选取IEEE-30和IEEE-57节点系统进行测试仿真,并将优化结果与遗传算法和传统帝国竞争算法进行对比分析,结果表明改进小生境帝国竞争算法在解决无功优化问题中具有更强的全局搜索能力,能得到更好的收敛效果。     

广义蚁群算法用于电力系统无功优化

将广义蚁群算法用于电力系统无功优化,建立了相应的的无功优化模型和求解算法,并比较了几种改进方法对优化结果的影响。通过IEEE 6,14,30节点系统仿真计算以及与传统优化方法的比较,表明所提出的方法是有效、可靠的。     

基于线性规划的电力系统无功优化

电力系统无功优化对保证电能质量及系统安全经济运行有着重要的意义．本文研究的电力系统无功优化算法是以整个网络的损耗最小为目标函数,以无功补偿设备出力、发电机端电压和可调变压器变比为控制变量,以发电机的无功出力和变压器端电压幅值为状态变量建立了线性规划模型方程．采用内点法来求解线性规划模型方程组,获得了各控制变量和状态变量的最优值．优化后的结果表明,降低了目标电力系统的网络损耗．     

免疫克隆算法在多目标无功优化中的应用

基于免疫克隆算法,对电力系统无功优化的特点和系统负荷变化情况,重点研究了电力系统的智能动态无功优化问题.免疫克隆算法提出了一种新颖的求解方式,提高了算法的收敛速度,同时也保证了算法能够更好的向着最优Pareto-前端搜索,同时也保证了Pareto-最优解分布的均匀性,对电力系统无功优化提供了很好的基础.     

考虑工频过电压的海上风电场无功配置优化方案

工频过电压是威胁线路安全稳定运行的重要因素。可以利用电磁暂态仿真软件ATP-EMTP对海上风电场系统及其送出线路进行建模,对工频过电压进行计算和分析。研究表明：0.97 p.u.、1.00 p.u.、1.07 p.u.3种情况下过电压水平均与线路长度成正比;系统侧甩负荷时过电压水平远大于风场侧甩负荷。对海上风电场中变压器、海缆、风电机组的无功损耗进行分析,结合对过电压的计算和分析以及相关标准规定,提出了一种简单实用的海上风电场无功配置方案。该方案可满足对工频过电压的限制,且可满足风电场无功需求。     

大型海上风电场中压集电系统拓扑结构的优化方法

构建了反映海上风电场电气系统成本构成多样、约束条件复杂的优化模型.针对环形结构的中压集电系统优化问题,提出了单亲遗传算法的优化设计方法,并通过实例验证了该优化方法的可行性.     

考虑风电的无功辅助服务市场多目标出清

永磁直驱型风电场在提供有功功率的同时,具有吸收和发出无功功率的能力,能够为系统提供无功服务,参与无功辅助服务市场运行。分析了永磁直驱型风电场的有功无功极限和无功成本,提出了风电场无功报价模型的建模方法;根据建立的风电场无功报价模型,建立了风电场参与竞价的无功辅助服务市场多目标出清模型,出清模型能够同时考虑系统的无功服务购买费用和有功网损;将多目标出清模型转化为三阶段单目标优化模型,并利用改进粒子群算法对每一阶段单目标优化模型进行求解。最后以IEEE 14节点算例验证了本文所建模型和模型求解算法的可行性。将差分进化算法的变异机制和基于可行性规则的约束处理机制引入粒子群算法,提高了粒子群算法的约束处理能力和全局寻优能力。     

海上风电场接入上海电网的无功优化研究

根据未来崇明岛、北支厂址两个海上风电场接入上海崇明地区电网的规划,研究了海上风电场接入崇明地区电网后的无功优化问题,并提出了以提高区域节点电压质量和降低网络损耗为目标的多风电场无功优化粒子群算法。最后,通过MATLAB软件编写了无功优化程序,算例结果验证了所提出优化算法的有效性和可行性。     

改进随机试验法用于电力系统无功优化

随机试验法具有过程简单、限制条件少、方便处理离散问题、全局搜索效果好及依概率收敛等优点,但传统方法存在计算量大、耗时多等缺点,因而不便于处理电力系统无功优化问题。改进随机试验法把每批次的抽样次数和抽样区间适当减小,以达到减少计算量和计算时间的目的,从而实现试验法在电力系统无功优化控制中的应用。通过对IEEE-14节点系统的算例分析,证明了方法的可行性。     

基于粒子群与微分进化算法的无功优化

应用传统粒子群算法(PSO)于电力系统无功优化问题存在收敛精度不高、陷入局部最优的缺点,利用微分进化算法(DE)的随机变异性,将当前所产生的局部最优值进行变异,再重回PSO搜寻全局最优值,从而提高了PSO算法的寻优特性,应用于IEEE30节点,验证所提算法是可行和有效的.     

风电场无功电压控制研究

目的研究双馈感应发电机的无功发生极限,采用一种风场控制策略实现接入点电压达到控制的目标值,以实现风场内的协调控制.方法双馈感应风机机组作为主要无功源,以双馈风机风电系统的功率关系为基础,把并网点电压调节作为目标同时考虑到各机组机端电压的协调控制策略.按照机端电压近似相等的原则来整定各台机组的无功出力,针对所采用的策略应用PSAT仿真软件搭建风场模型并进行了仿真.结果优先控制风电机组进行无功功率调节,降低风电功率波动,仿真结果验证了策略的正确性和有效性.结论充分发挥双馈风机作为风电场的元素组成部分的调压能力,提高风电机组对系统正常电压波动的适应性,并且减少了无功补偿设备的无功输出,实现了快速调节.     

基于改进细菌觅食算法的无功优化

采用改进的细菌觅食(MBFO)算法求解电力系统无功优化问题,引入了步长递减的控制策略,改善了算法前期的全局搜索能力和后期的局部搜索能力;引入了SA-PSO变异算子,从而使个体可以相互交流,并从精英那里得到经验;引入遗传算法的交叉和赌盘选择,保护了精英个体,同时降低了解劣化的概率.以IEEE-30节点为例的算例结果表明,较其他几种优化方法而言,M BFO具有更快的收敛速度和更好的优化效果,故该算法在解决无功优化问题上可行且有效.     

基于细菌菌落算法的含分布式电源多目标无功优化

以含风电和光伏的配电网为研究对象,提出了含风电和光伏的配电网多目标无功优化模型.用场景分析法对双馈异步风力发电机(DFIG)进行了场景分析,用Beta分布函数来模拟光伏出力,通过蒙特卡洛方法对配电网进行了无功补偿选址,最后通过细菌菌落优化算法对IEEE33节点配电系统进行了算例分析,验证了该模型及方法的有效性.