改进遗传算法在电力系统无功优化中的应用

电力系统的无功优化控制,不仅能有效地降低系统的有功功率损耗,而且还可以改善电网的电压质量,对系统的安全稳定、经济运行具有非常重要意义。无功优化问题是一个含有连续变量和离散变量的混合优化问题,求解过程相当复杂,电力系统无功优化问题属于最优潮流问题的一个组成部分。探讨了求解无功优化的现代人工智能算法,总结分析了遗传算法的特点及使用情况。为提高解的质量与计算效率,对遗传算法做了改进,并将其应用于电力系统无功优化中。     

改进遗传算法在电力系统无功优化中的应用

根据电力系统无功优化问题的特点。提出了一种基于近似最优个体、学习算子和浑沌算子的改进遗传算法。传统遗传算法应用于电力系统无功优化问题,虽然收到了比较好的效果,但并没有充分利用电力系统本身的特点。而本研究所提的改进遗传算法,可以充分利用已有的信息和运行经验,从而达到在保证解的全局最优性的同时大大加快计算的速度。具体的算例表明了所提算法的正确性和有效性。     

基于改进遗传算法的电力系统无功优化

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,本文将遗传算法应用于电力系统无功优化,并对常规遗传算法的编码方式、遗传算子以及终止判据等方面进行了改进,使用该文提出的算法对IEEE 6、IEEE 30节点系统进行了无功优化计算,结果表明该改进遗传算法应用于无功优化是合理可行的。     

遗传算法在电力系统无功优化中的应用综述

遗传算法是近10年来发展的基于自然选择规律的一种优化方法,算法能成功的解决无功变量中的离散问题,避免常规数学优化方法的局部最优现象。本文阐述了简单遗传算法以及遗传算法与其它算法相结合的算法在电力系统无功优化中的应用和今后的发展方向。     

基于小生境遗传算法的电力系统无功优化分析

针对遗传算法(SGA)在电力系统无功优化中存在早熟收敛和后期收敛速度慢的弱点,提出了基于小生境遗传算法的无功补偿优化方法,可在短时间内以极大概率值寻找全网最优补偿配置实现最优补偿.通过对含有14个节点的IEEE 14系统进行模拟分析,结果验证了该算法的有效性,显著提高了无功优化的收敛速度.     

改进遗传算法的无功优化

电力系统实现无功优化控制是保证系统电压质量、降低网损的重要措施。对于高维、非线性和连续变量与离散变量共存的电力系统无功优化数学模型,对一般遗传算法的无功优化算法在遗传操作过程中,进行了“灾变”,在选择操作中将轮盘赌和竞标赛方法相结合,对交叉变异算子根据每代个体的实际状况进行自适应调整。通过IEEE30节点算例表明了本文方法可有效提高每代种群的多样性,从而提高了一般遗传算法的无功优化的收敛速度和全局优化特性。     

基于改进遗传算法的配电网无功优化

在传统无功优化模型的基础上,引入静态电压稳定裕度指标,建立了综合考虑系统有功网损最小、无功补偿容量最小和系统静态电压稳定裕度最大的配电网无功优化模型。根据节点无功2次电阻矩的大小,确定了待补偿节点以及各节点补偿容量的上下限。在基本遗传算法的基础上,对遗传操作进行了改进,提出了1种改进遗传算法。实例计算表明,采用该方法对配电网进行无功优化不仅可以降低有功网损,还能提高系统静态电压稳定性。     

基于逐次优化改进遗传算法的特高压穿越无功规划

与超高压线路相比,特高压线路无功大量富余,会与下级电网形成很大的穿越无功,从而影响无功的分层控制,甚至威胁电力系统的安全稳定运行。常规的优化算法存在维数灾问题,即使是智能算法,也由于解空间维度大而寻优效率低下。对此,提出了一种基于逐次优化改进遗传算法,该方法利用逐次优化的思想,对传统遗传算法的寻优方式进行了改进,并将该算法应用于某实际区域大电网中求解无功规划问题。结果表明,该方法不仅有效降低了解空间的维度,且在保证算法效率的同时使寻优的效果得到较大的改善。     

协同进化算法在西北电网无功优化中的应用

针对无功优化问题非线性、非连续性等特点以及大范围内无功优化控制变量较多的特点,将协同进化算法应用于西北电网无功优化.实际运行结果表明,协同进化算法不但能得到更好的优化结果,收敛性好,而且计算时间短,更适合于求解实际大系统的无功优化问题.     

协同进化算法在西北电网无功优化中的应用

针对无功优化问题非线性、非连续性等特点以及大范围内无功优化控制变量较多的特点,将协同进化算法应用于西北电网无功优化。实际运行结果表明,协同进化算法不但能得到更好的优化结果,收敛性好,而且计算时间短,更适合于求解实际大系统的无功优化问题。     

基于遗传算法的电力系统综合负荷模型的建模与仿真

遗传算法是一种具有全局寻优能力的随机搜索算法,但其本身存在收敛速度慢和易早熟的缺陷。为此,引入一种改进的遗传算法用于电力负荷综合建模。该算法具有克服早熟、避免近亲繁殖和自适应的优良特性。应用建模实例表明,遗传算法辨识所得负荷模型的描述精度很高,其模型参数呈现很好的稳健性,从而有效地克服了传统优化方法的模型参数分散性。     

基于改进粒子群优化算法风力发电功率预测研究

准确的风电功率预测为电网运行调度提供可靠的依据。文章定性分析了数据相关性对功率预测的影响,提出一种基于模拟退火算法和粒子群优化算法相融合的风力发电功率预测模型。在构建基于粒子群优化算法预测模型基础上,针对粒子群优化算法存在的早熟问题,采用模拟退火算法对粒子群算法进行优化。实际算例表明该方法具有较高的预测精度和计算速度,具有较强的实际意义。     

A grid based multi-objective evolutionary algorithm for the optimization of power plants

There is an increasing need for optimization of energy conversion systems, in particular concerning energy consumption and efficiency to reduce their environmental impact. Usually, optimization is based on designers’ backgrounds, which are able to analyze system performances and modify appropriate operating parameters. However, if these changes aim to optimize simultaneously multiple conflicting objectives, the task becomes quite complex and the use of sophisticated tools is mandatory. This paper presents a multi-objective optimization method that permits solutions that simultaneously satisfy multiple conflicting objectives to be determined. The optimization process is carried out by using an evolutionary algorithm developed around an innovative technique that consists of partitioning the solution search space (i.e., a population of solutions) into parallel corridors. Within these corridors, “header” solutions are trapped to be then involved in a reproduction process of new populations by using genetic operators. The proposed methodology is coupled to specific power plant models that are used to optimize two different power plants: (i) a cogeneration thermal plant and (ii) an advanced steam power station. In both cases the proposed technique has shown to be very powerful, robust and reliable. Further, this methodology can be used as an effective tool to find the set of best solutions and thus providing a realistic support to the decision-making.     

Capacity allocation and optimization strategy of an energy storage system based on an improved quantum genetic algorithm

针对用于电网削峰填谷的储能系统容量配置经济性不足的问题,本文提出一种基于改进型量子遗传算法的储能系统容量经济性评估方法。首先,建立储能系统削峰填谷的数学模型,并在综合考虑充放电、荷电状态及潮流平衡等约束下进行储能系统的容量配置,在此基础上,采用内点法将约束问题转化为非约束问题进行求解,随后,应用改进型量子遗传算法优化储能系统容量配置方案,以缩短运算周期、提高算法计算效率与全局寻优能力,并使储能系统经济性成本最低。最后,通过算例证明了在约束条件下,所提方法使储能系统在满足对日负荷削峰填谷的前提下,实现最优经济成本的容量配置,为储能系统容量配置提供了有效参考。     

基于改进粒子群算法的多目标无功优化

提出了一种基于粒子群算法的多目标优化方法,该算法采用Pareto支配关系来更新粒子的个体最优和全局最优值,用存储池保存搜索过程中发现的非支配解;采用聚类算法裁剪非支配解,以保持解的分散性;采用动态惯性权重来平衡粒子的局部和全局搜索能力,并将该算法应用于IEEE14节点系统的多目标无功优化。     

基于改进灰狼优化算法的孤岛微网系统容量优化分析

孤岛微网的日前调度安排对岛屿配电网的安全稳定运行意义重大。为了对孤岛微网的日前调度进行安排,更好地优化微网结构,文章针对含有光伏和抽水蓄能电站的孤岛微网进行建模分析,将光伏阵列数量、额定功率和抽水蓄能电站上水库的容积作为决策变量,等年值平均投资成本和负荷失电率为目标函数,使用Matlab对某岛屿的天气和负荷数据进行分析。为了使光电-抽水蓄能协同运行的效益最大化,采用灰狼优化算法求解微网模型。优化结果表明,灰狼优化算法在孤岛微网模型的容量优化问题中可以节约投资成本,实现环境友好型供电。     

基于分布式发电的10kV电网无功优化关键算法的研究与实践

阐述了无功优化理论,介绍了无功优化的数学模型,提出了采用粒子群优化算法对含分布式发电的配电网进行无功优化的研究思路,并用算例进行仿真分析,得到了最终的优化方案。     

基于遗传算法的分布式发电优化

提出了一种用遗传算法来优化分布式发电的位置、数量和比例,从而提高电压质量减少网损的优化模型,并以一个28节点的配电网络为算例,在不考虑负荷增加与网络拓扑变化的情况下,给出了优化结果,并对结果进行了讨论。     

Techno‐economic optimization of hybrid power system using genetic algorithm

This paper presents an optimum sizing methodology to optimize the hybrid energy system (HES) configuration based on genetic algorithm. The proposed optimization model has been applied to evaluate the techno‐economic prospective of the HES to meet the load demand of a remote village in the northern part of Saudi Arabia. The optimum configuration is not achieved only by selecting the combination with the lowest cost but also by finding a suitable renewable energy fraction that satisfies load demand requirements with zero rejected loads. Moreover, the economic, technical and environmental characteristics of nine different HES configurations were investigated and weighed against their performance. The simulation results indicated that the optimum wind turbine (WT) selection is not affected only by the WT speed parameters or by the WT rated power but also by the desired renewable energy fraction. It was found that the rated speed of the WT has a significant effect on optimum WT selection, whereas the WT rated power has no consistent effect on optimal WT selection. Moreover, the results clearly indicated that the HES consisting of photovoltaics (PV), WT, battery bank (Batt) and diesel generator (DG) has superiority over all the nine systems studied here in terms of economical and environmental performance. The PV/Batt/DG hybrid system is only feasible when wind resource is very limited and solar energy density is high. On the other hand, the WT/Batt/DG hybrid system is only feasible at high wind speed and low solar energy density. It was also found that the inclusion of batteries reduced the required DG and hence reduced fuel consumption and operating and maintenance cost. Copyright © 2014 John Wiley & Sons, Ltd.