船舶交直流混合系统相量测量单元优化配置方法

为实现船舶交直流混合系统潮流方程直接可解,研究了基于潮流直接可解的船舶交直流混合系统PMU优化配置方法。在分析船舶交直流混合系统的结构及其潮流计算数学模型特点的基础上,将系统划分为交流子系统和直流子系统,并得到满足不同工况下潮流方程直接可解PMU优化配置方案。以102节点典型船舶交直流混合系统为例对所提方法进行了说明和验证,结果表明方法的正确性,可有效减少PMU配置数目,得到的PMU优化配置方案可为船舶交直流混合系统配置PMU提供参考。     

电力系统状态估计中相量测量单元的优化配置

利用相量测量单元(PMU)量测的状态估计模型,在等效电流量测变换的状态估计模型的基础上,给出了基于粒子群优化算法(PSO)的PMU配置。经算例验证,尽管在PMU测点数较少时,PSO与遗传算法(GA)的优化结果相同,但随着PMU测点数的增多,PSO优于GA,具有实用价值。     

基于模拟退火混合遗传算法的电力系统相量测量装置优化配置

针对确定配置同步相量测量单元(phasor measurement units,PMU)的最小数和最佳位置以达到最大网络结构可观测性的PMU最优配置问题,提出了模拟退火遗传算法。该算法对常规遗传算法会出现早熟现象、局部寻优能力较差等缺点,在遗传算法中融入模拟退火算法算子,实现了模拟退火的良好局部搜索能力与遗传算法的全局搜索能力的结合。将该算法应用于优化PMU安装地点选择,实现了安装点最少,而整个系统可观的目标。IEEE14节点系统和新英格兰39节点算例系统对所提方法进行了验证。     

基于适应型Petri网的电力系统相量测量单元配置优化方法

提出一种新的相量测量单元(PMU)配置优化算法,在关联节点可测的基础上,引入PMU优选约束,建立以可测关联节点与假设安装的适配指标为目标函数的网络覆盖模型.采用适应型Petri网分析方法,先将复杂网络分解为若干基本分析单元,从而缩小了分析规模;然后引入标识算子,将复杂矩阵运算转化为逻辑运算,简化推理过程;同时,通过更新变迁点火序列进行PMU地点选择,并引入变迁时间标签使计算过程得以简化,提高了计算效率.最后通过算例仿真,验证该方法计算准确,过程简便.     

电力系统相量测量装置最优配置混合算法的研究

以电力系统状态完全可观测和相量测量装置(PMU)配置数目最小为目标,形成了PMU最优配置问题。将遗传算法和禁忌算法有效结合形成禁忌遗传算法,该算法在改进交叉和变异算子的基础上,继承和发展了遗传算法基于多点搜索、鲁棒性强等诸多优点,每当群体有出现早熟而陷入局部最优解的趋势时,利用禁忌搜索增强算法的爬山能力,避免算法早熟而陷入局部最优解,增强算法的全局收敛能力和收敛速度。与遗传算法和禁忌搜索方法相比,禁忌遗传算法具有更好的全局收敛能力和收敛速度。最后采用IEEE14,IEEE30和IEEE57节点系统对算法的有效性进行了验证。     

考虑电力系统潮流直接可解的同步相量量测单元最优配置

基于全球定位系统(Global Positioning System,GPS)的同步相量量测单元(Phasor Measurement Unit,PMU)是一种新型的量测装置,该装置可以直接量测节点电压相量.文章在电力系统潮流直接可解概念的基础上提出了采用遗传算法解决PMU的最优配置问题.数学模型(即评价函数)的构造是采用遗传算法的主要瓶颈,文章建立了PMU最优配置的数学模型,并以此模型为评价函数开发出相应的遗传算法.算例结果表明文章所建立的模型和采用的算法是有效的.     

基于模拟退火算法的相量测量单元优化配置

电力系统中,在满足全网可观测的要求下,提出一种模拟退火算法,计算同步相量测量单元(PMU)的最少配置数量以及最优配置方案。为了加快运算速度,通过深度搜索对PMU进行初始配置,进而由二分搜索确定PMU的配置数量,再运用模拟退火算法进行可观测分析并寻找最优配置集合。     

基于相量测量单元的电力系统振荡研究

大电网系统振荡模式多变,使得离线设计静态协调控制的有效性受到限制,但目前实用的相量测量单元可同步采集表征电网运行状态的几乎所有的变量,它为克服现有阻尼控制的固有缺陷创造了条件,将其作为阻尼控制器的反馈输入构成闭环控制在工程上是可行的。     

基于改进自适应遗传算法的系统可观测PMU最优配置

以电力系统配置同步相量测量单元（PMU）个数最少、系统有最大测量冗余度为目标,全网可观测为约束,提出PMU最优配置模型,同时针对实际电网中存在某些重要节点已经初步安装PMU或者必须安装PMU的情况,提出了特殊约束条件,并给出了相应的求解算法。在此基础上,用改进自适应遗传算法求解此模型,保证全局最优。对某省49节点电网进行的计算表明,改进的自适应遗传算法收敛到全局最优解的概率优于传统的遗传算法和自适应遗传算法,更适用于工程实际。     

电力系统PMU优化配置方法综述

同步相量测量单元（PMU）以全球定位系统（GPS）提供的精确时间为基准,可对电力系统进行实时数据采集,实现各个节点的同步测量。由于经济和技术等方面的原因,每个节点都配置PMU还不能成为现实。介绍了PMU的结构及应用现状,分别从系统可观测性、状态估计、系统同调性和潮流方程直接可解的角度综述了PMU的优化配置方法,并对四种优化配置方法的优缺点进行了总结,从实用的角度对比和分析了四种方法的优劣。     

动态状态估计中PMU配置的离散粒子群优化算法

以提高动态状态估计精度为目标,采用离散粒子群优化(discrete particle swarm optimization,DPSO)算法对同步相量测量单元(phsor measurement unit,PMU)的配置点进行优化。该方法克服了传统解析优化方法难以适应不连续目标函数和不连通约束域等情况的缺点,同时,在配置有限PMU的情况下使PMU量测量发挥最大效益。最后对基于扩展Kalman滤波算法的动态状态估计模型进行仿真,证明了经DPSO优化后的配置与随机配置相比最大可能地利用了PMU的高精度量测信息,充分发挥了PMU量测的优点,大大提高了动态状态估计的精度。     

电力系统中PMU最优配置的研究

针对确定配置同步相量测量单元(PMU)的最小数目和最佳位置以达到最大的网络结构可观测性的PMU最优配置问题,提出了一种最小生成树(MST)算法,在深度优先搜索(DFS)算法的基础上提出了一种新的寻优规则,从而提高了解的质量和求解速度。该算法克服了DFS算法收敛性差和模拟退火(SA)算法收敛速度慢的缺点。算例仿真证明了利用MST算法求解PMU最优配置问题能使解的质量与求解效率达到很好的平衡,同时也可提高最优解的多样性。     

Multi-objective Phasor Measurement Unit Placement in Electric Power Networks: Integer Linear Programming Formulation

A multi-objective optimal phasor measurement unit placement model using integer linear programming is presented in this article. The proposed model simultaneously optimizes two objectives, i.e., minimization of phasor measurement unit numbers and maximization of measurement redundancy. To calculate the redundancy criteria, the single-line outage and the phasor measurement unit loss are considered simultaneously. A linear formulation is presented for both objective functions. Also herein, to address conflicting attributes and identify Pareto optimal solutions of the multi-objective optimal phasor measurement unit placement problem, a new multi-objective mathematical programming method is proposed. Finally, a new index, i.e., minimum distance to utopia point, is implemented to select the most preferred solution among the available Pareto front based options on the goal to achieve judicious decision makers. Two test systems, i.e., a modified 9-bus and an IEEE 118-bus test systems, are used to illustrate the effectiveness of the proposed framework.     

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。     

基于图论的电力系统PMU布点优化算法

基于最小支配集理论和电力系统线性量测模型,提出了可观测节点集合、WAMS可观测矩阵两个概念以及一种新的节点可观测性计算规则。以保证系统的完全可观测性和以系统图的最小支配集为搜索范围构成约束条件, 以电力系统状态完全可观测和相量测量装置（PMU）配置数目最小为目标,形成了PMU配置优化问题。并应用禁忌搜索(TS)方法求解该问题,保证了全局寻优。最后采用 IEEE 14、30、57 、118节点系统和新英格兰 39 节点系统对该方法进行了验证,仿真结果表明该方法的有效性和可行性。     

A Novel Topological Genetic Algorithm-Based Phasor Measurement Unit Placement and Scheduling Methodology for Enhanced State Estimation

Phasor measurement units are emerging as a potential tool for on-line power system state estimation. Incorporation of phasor measurement units to the existing power system's monitoring system is impeded by various physical and economic constraints. This article proposes a novel topological genetic algorithm for optimal placement of phasor measurement units along with existing conventional measurement units such that state estimation can be achieved with enhanced accuracy and immunity against power grid contingencies. The proposed algorithm optimally places phasor measurement units so that complete observability of the power system is achieved through them and enhanced redundancy in measurement can be accomplished through conventional measurement units. Since practical phasor measurement unit placements are accomplished in multiple horizons, intelligent sorting and phase optimization methodologies have been presented to attain maximum observability during phasing periods. Placement of phasor measurement units with multiple channel limits has also been studied in this article. The efficacy of the proposed topological genetic algorithm for optimizing the number of phasor measurement units and enhancing state estimation under various operating conditions has been validated through extensive simulation studies conducted in IEEE standard bus systems. Practical case studies have been performed in the western and southern region Indian power grids.