基于粒子群及其改进算法的电力系统无功优化

介绍了电力系统无功优化的数学模型,论述了现代智能算法在解决无功优化的非线性规划问题中的应用,实现了粒子群优化(particle swarm optimization,PSO)算法在电力系统无功优化问题中的应用。引入离散粒子群(discrete particle swarm optimization,DPSO)算法,采用两种方法对离散变量进行处理。IEEE-30节点系统的算例分析验证了PSO和DPSO的可行性。这两种算法具有相近的优化效果,但PSO的收敛性优于DPSO,而DPSO对离散变量的处理比PSO更准确,也更切合实际。     

基于离散猴群算法的变电站动态无功优化控制

为实现动态无功优化,变电站需频繁调整无功投入容量,然而当设备动作频率过高时会增加系统的故障率并减少使用寿命.文章针对这一工程优化问题,提出了一种变电站动态无功优化控制方法.以变电站二次母线电压允许的偏差和主变功率因数为优化目标,重点考虑变压器低压侧电压约束、高压侧功率因数约束、无功补偿容量约束以及调节次数约束,建立了动...     

配电网无功补偿的动态优化算法

配电网无功补偿动态优化的目的是在考虑负荷变化和电容器操作次数约束的条件下,求得各节点电容器的最优动作时间和投入容量。该文将动态优化问题描述为变约束优化问题,并提出一种求解算法。算法先将动态优化问题分解为一系列单节点电容器动态优化子问题,然后通过迭代求解一系列子问题的方式得到整个动态优化问题的最优解。由于给出的单节点电容器动态优化子问题的求解算法可以在变约束条件下搜索到子问题的最优解,而且在迭代求解过程中电容器的投入容量和动作时问都可以得到修正,因此使整个动态优化问题能得到更好的优化结果。算例表明,提出的算法是可行和有效的。     

基于改进状态转移算法的电力系统两阶段动态无功优化

针对混合整数非线性规划的电力系统动态无功优化问题,提出两阶段动态无功优化模型以降低计算规模.第1阶段为非线性规划,以系统网损和节点电压偏移综合最小为目标.第2阶段为混合整数规划,在满足设备全天调节次数等约束的基础上,以电力系统网损增量最小为目标.鉴于常规罚函数法处理约束条件会出现罚因子选取不当而影响最终结果的情况,提出混合滤子技术的改进状态转移算法.该算法采用双种群并行搜索方式,将个体适应度和约束违反度构成滤子对作为评价指标以替代罚函数.最后,以IEEE 14节点系统和某地级电网实际系统为例,将所提算法、传统状态转移算法和多种群蚁群算法分别求解模型,通过对比分析仿真结果验证了所提模型与算法的正确性.     

动态无功优化的实用化模型研究

提出一种动态无功优化的实用化模型:从控制设备动作次数定义出发,通过预优化,将全天设备动作次数约束分解为每时段的设备动作次数约束,从而将完整的动态无功优化模型转化成与常规单个时间断面的静态无功优化模型相同的表达形式,并以内嵌罚函数的非线性原对偶内点法作为其优化算法。计算结果表明,所提模型能在满足最大允许动作次数约束的前提下获得优化解,且可以明显提高计算速度。     

基于粒子群优化算法的动态无功优化

提出了用于电力系统动态无功优化的粒子群优化算法(PSO),应用一个时间优先级序列来选择有载调压变压器分接头和可投切并联电容器组的动作时刻,将动态无功优化转化为一系列的静态无功优化问题.针对每一个时刻的静态优化,用罚函数将有约束问题转化为无约束问题,最后用粒子群优化算法加以解决.算例充分验证了本算法的正确性和有效性,以及在限制控制设备动作次数方面取得的成功,适用于解决动态无功优化问题.     

松弛MPEC和MIQP的启发–校正两阶段动态无功优化算法

为快速求解计及离散调节设备动作次数约束和电网安全约束的多时段动态无功优化问题,建立以有功网损最小为目标函数的混合整数非线性规划模型,并提出一种启发搜索加变量校正的两阶段求解方法:启发搜索首先将离散变量松弛为连续变量,形成一个带平衡约束的的优化模型,进而得到各个时段的连续优化结果,然后建立以方差最小化为目标并严格满足原模型中离散调节设备动作次数约束的整数二次规划模型,得到最优动作次数和离散归整结果;变量校正是固定启发搜索得到的离散变量优化结果,重新校正连续变量的优化量。通过IEEE 14测试系统详细讨论了无功调节设备的步长和动作次数对优化结果的影响;此外,IEEE 30、57、118节点测试系统的优化结果表明,所提方法能够快速得到优化结果,实现并行求解,且其精度可满足实际工程需要。     

最小化能量损耗的配电网络动态无功优化算法

提出了一种完整的配电网络非线性混合整数动态无功优化模型及数学优化算法.该模型以全天能量损耗最小为目标,其约束条件不仅包括了各个时间断面的等式和不等式约束,而且还包括了有载调压变压器分接头和可投切并联电容器组的动作次数约束.为此,提出采用非线性原对偶内点法内嵌变量离散化罚函数的方法求解该模型,所推导出的高阶修正方程具有特殊的分块矩阵结构,可以充分利用稀疏处理技巧以提高算法的速度及对配电网络规模的适应性.最后以广州鹿鸣网配电系统作为算例,分析不同动作次数限制对配电网络电容器最优投切结果的影响,验证了该算法的正确性和有效性以及在限制控制设备动作次数方面取得的成功.     

电力系统动态无功优化模型的实用化研究

针对传统动态无功优化存在的问题,提出一种动态无功优化问题的实用化模型。该模型从控制设备动作次数定义出发,通过预优化后,将全天设备动作次数约束分解为每时段的设备动作次数约束,从而将完整的动态无功优化模型转化成与常规单个时间断面的静态无功优化模型相同的表达形式;利用内嵌罚函数的非线性原对偶内点法作为其优化算法。采用IEEE118节点系统作为算例来验证该模型的正确性,计算结果表明所提模型能在满足最大允许动作次数约束的前提下获得优化解,且可以明显提高计算速度。     

计及控制设备动作次数约束的动态无功优化算法

将全天各负荷母线的有功和无功变化曲线分为24个时段,用控制变量的数学表达式描述有载调压变压器分接头和可投切并联电容器组的动作次数约束,提出了完整的非线性混合整数动态无功优化模型,并提出采用非线性原对偶内点法内嵌罚函数的方法求解该模型.在优化过程中较好地解决了变量离散化和控制设备动作次数限制之间的配合问题.以一个实际系统作为算例,分析了不同最大动作次数约束取值对动态无功优化结果的影响,并与单点静态优化计算结果进行了比较,以比较结果验证了该算法的正确性和有效性及在限制控制设备动作次数方面取得的成功.     

采用启发式策略的动态无功优化混合算法研究

严格考虑控制设备的动作次数限制,建立一个完整的非线性混合整数动态无功优化模型。结合混合算法,把离散变量和连续变量分开优化,分别使用改进后的遗传算法和内点法求解,以改善算法的收敛性和计算速度。将动态约束分为设备一天内调节次数限制和变压器相邻时段调节次数限制,提出全局调整策略和局部调整策略来分别处理这两类动态约束,使离散变量严格满足动作次数限制。启发式策略的应用使算法既能严格保证离散变量的动态约束,又能充分保留其动作自由,得到可行的最优解。Ward-hale 6和IEEE30节点系统的仿真结果证明提出算法的有效性。     

基于多目标粒子群算法的高维多目标无功优化

提出一种高维多目标电力系统无功优化模型。相比于传统的电力系统无功优化模型,该模型能够在无功优化中同时兼顾系统的有功损耗、电压水平、静态电压稳定性以及供电能力。针对已有的求解多目标无功优化模型的算法应用于求解所提模型时存在的局限性,进一步引入一种基于帕雷托熵的高维多目标粒子群优化算法并加以改进,使得该算法能够有效求解高维多目标优化问题。最后,利用IEEE-39节点系统验证了所提模型和求解算法的正确性和有效性。仿真结果表明,在传统的多目标无功优化模型中引入系统供电能力,能够在不恶化其他目标函数优化效果的情况下,使系统的供电能力得到提高。     

基于全局粒子群算法的无功优化

针对粒子群(PSO)算法的局限性,提出了全局粒子群(GPSO)算法,并将其应用于电力系统无功优化.建立基于全局粒子群算法的无功优化数学模型,给出全局粒子群算法的具体步骤.通过对IEEE30节点算例的测试,得到全局粒子群算法在无功优化问题上的收敛速度和优化效果.     

自适应免疫粒子群算法在动态无功优化中应用

根据电力系统实际运行中负荷不断变化的情况,提出了动态无功优化问题的完整数学描述和计算方法。从负荷曲线的特点出发,结合设备动作次数约束,提出利用遗传算法进行智能化负荷分段的方法。利用引入免疫系统的免疫信息处理机制和自动调整动量系数的自适应因子的粒子群算法,从整体上获得系统的最优控制方式。IEEE 30节点系统算例分析表明,该方法有效减少了补偿设备和变压器分接头的动作次数,其中节点12电容器组的投切次数由6次降为2次,且系统在一天内的有功损耗由1.2413p.u.降为1.1554p.u.。     

基于鲸鱼优化算法的无功优化调度

针对目前电力系统中的无功优化问题尚缺乏一种能兼顾求解的高效性与全局搜索最优性的方法,本文将一种新的启发式算法--鲸鱼优化算法(WOA)运用到电网无功优化调度中,以系统有功功率损耗最低为目标函数,通过引入惩罚函数建立无功优化模型,对IEEE-14节点系统与IEEE-30节点系统进行仿真,并利用单因素方差分析法(One-way ANOVA)将所得结果与之前的粒子群优化算法(PSO)及引入加速度系数的时变粒子群优化(PSO-TVAC)进行比较,研究表明WOA算法在迭代次数、搜索能力及收敛问题上的潜力,并证明了在解决电力系统无功优化问题上的鲁棒性和有效性,同时也为解决非线性约束问题提供了新途径。     

基于量子差分进化算法的电力系统无功优化

以系统有功网损最小为目标,建立了一种电力系统无功优化数学模型,并提出了一种基于量子差分进化算法的电力系统无功优化方法。该算法采用量子计算中的并行、坍缩等特性,增强了对解空间的遍历能力;同时在传统选择策略的基础上加入了量子计算的概率表达特性,有效地避免了算法的早熟现象。对IEEE-30节点测试系统进行仿真分析,并将优化结果与传统差分进化算法和粒子群优化算法进行对比分析,结果表明量子差分进化算法在解决系统无功优化问题上更科学、更有效。     

基于自适应混沌粒子群优化算法的多目标无功优化

针对粒子群无功优化中由于随机生成代表控制变量值的粒子,使得在优化迭代过程中易陷入局部最优解,而且后期收敛速度慢等问题,将混沌优化算法融合到粒子群算法中,提出了混沌粒子群算法求解多目标无功优化问题。该算法在初始化粒子即无功优化控制变量值时,采用混沌思想,增加控制变量取值的多样性;通过粒子群无功优化算法计算各个粒子对应的适应值即无功优化目标函数值,并按照其大小择优选取控制变量值进行混沌优化以帮助无功优化控制变量跳出局部极值区域;并根据无功优化目标函数值自适应地调整其惯性权重系数以提高全局与局部搜索能力。通过算例分析表明,采用自适应混沌粒子群算法进行无功优化,能够及时跳出局部最优得到全局最优解,且收敛速度快。     

基于两层遗传算法的多时段无功优化方法

提出了一种基于两层遗传算法的多时段无功优化方法,将复杂的无功优化问题转化为多个时段静态无功优化的并行处理问题。第一层优化是针对调度周期内的每个时段,建立传统静态无功优化模型,对全调度周期内各个时段进行并行计算,并统计出多组较好的优化状态,构成全调度周期内控制设备动作次数的寻优状态空间;第二层优化是针对整个调度周期,建立以动作次数最少为目标的无功优化模型,从第一层形成的状态空间中寻出控制设备动作次数较少所对应的潮流分布,从而得到有功网损、电压质量及控制设备动作次数的综合优化效果。此外,该方法易于实现并行处理。算例表明,所提出的方法优化效果好,有在线应用的前景。