基于路径跟踪内点法的电力系统无功优化

采用的电力系统无功优化算法是以整个网络的网损最小为目标函数,以无功补偿设备出力,发电机端电压调节和可调变压器变比为控制变量,以发电机无功出力和变压器端电压幅值为状态变量建立线性规划模型方程,采用路径跟踪内点法对模型进行进一步处理,从而获得各控制变量和状态变量的最优解,优化的结果表明,此方法降低了电力系统的网损,有效地调节了各点的电压并提高了收敛的特性和速度.     

基于内点法的电力系统无功优化

介绍了无功优化的基本概念,对各种无功优化算法进行了简单比较。对原对偶内点法的基本原理作了简单介绍,采用全网有功传输损耗最小作为目标函数,并采用二次罚函数的形式处理离散变量,对基于原对偶内点法的无功优化的模型进行求解。IEEE14—118节点标准测试系统上进行了数值仿真,证明内点算法具有良好的收敛性和鲁棒性。     

应用同伦内点法求解电力系统无功优化

针对电力系统在某些运行状态下无功优化的可行域为空,进而导致现代原对偶内点方法迭代发散的情况,通过引入同伦理论对无功优化不可行问题进行探测。算例表明,同伦内点算法在可行域存在时与传统的原对偶内点算法具有相近的计算复杂度,在无功优化不可行时则能有效进行不可行探测,具有一定的实用前景。     

电力系统无功综合优化的线性规划内点法

本文采用原对偶路径跟踪法直接求解无功综合优化问题的非标准形式的线性规划模型。通过消去松驰变量和部分拉格朗日乘子变量,使得在每步迭代中求解的线性方程组的系数矩阵为对称稀疏矩阵,可用三角分解法有效求解。实际系统的计算结果表明,当系统的约束条件和变量数目增加时,此算法的迭代次数变化较少。     

电力系统无功优化的改进内点算法

提出一种采用改进的原-对偶仿射尺度内点法求解无功优化问题 的线性规划模型, 该算法对迭代初始点的 选择要求不严,不需要保证寻优过程沿着原-对偶路径,但仍能 收敛 于最优解。对Ward & Hale 6节点、 IEEE 14节点和IEEE 30节点系统分别进行的无功优化计 算结果表明,此算法具有稳定的收敛性能。     

基于原对偶仿射尺度内点法的电力系统无功优化算法

本文对潮流雅可比矩阵进行变换直流求取灵敏度系数,建立求解无功优化问题的线性规划模型,并提出采用一种有效的方法－原对偶仿射尺度内点法求解线性规划模型。该算法具有多项式时间复杂性。实际系统的计算结果表明,此算法的迭代收敛次数稳定,与系统规模关系不大,在求解大规模系统无功优化问题时,其性能优于具有指数时间复杂性的单纯性法。     

原对偶内点法与定界法在无功优化中的应用

本文将原有对偶内点法与分枝定界法综合应用于无功优化过程中，采用原对偶内点法进行全局寻优，运用分枝定界法进行离散变量（变压器分接头与电容／电抗器投切组数）的归整。针对实际情况，本文建立了一个新的综合目标函数。对实际电网的优化计算表明，本文算法具有良好的特性。     

电力系统无功优化的原对偶内点算法及其应用

以电力系统中电压无功优化的非线性规划模型为基础,采用原对偶内点算法进行全局寻优;并在此基础上提出了一种预测校正方法,该方法通过协调解的最优性及可行性之间的关系提高算法的收敛性。对IEEE14节点和IEEE30节点系统的分析表明,带有预测校正方法的原对偶内点算法较单纯的原对偶内点算法所需迭代次数少,计算速度快,收敛性好。     

基于原-对偶内点法的无功优化不可行问题研究

内点法已成功的应用到无功优化当中,但当不存在所有满足等式和不等式约束的解时,内点法就是不可行的。本文对原对偶内点法的不可行问题进行了研究,通过借助于约束的对偶变量和互补间隙提供的信息进行不可行探测,并将互补间隙作为惩罚项引入目标函数,解决了不可行问题。算例结果通过与非线性内点法相比较证明,本文算法较好对不可行问题进行探测和处理。     

基于遗传算法和内点法的无功优化混合策略

基于遗传算法与内点法，文中提出了一种新颖的混合策略来求解无功优化问题：不考虑无功优化中的离散约束，采用内点法求解得到初始解；根据优化变量的不同性质，将原无功优化问题分解为离散优化和连续优化2个子问题，并采用遗传算法和内点法交替求解。在遗传迭代的不同阶段，针对种群个体的不同特点，分别对遗传算法和内点法的具体实施方案进行了动态调整，使两者的优化结果互为基础、相互利用，保证了混合策略的整体寻优效率。IEEE30和IEEE118节点系统的仿真计算结果表明：与其他混合算法相比，该混合策略在计算速度和优化效果方面都具有明显的优势。     

基于混沌优化算法的电力系统无功优化

混沌优化利用混沌变量的特定内在随机性和遍历性来跳出局部最优点 ,而线性搜索可以提高局部空间的搜索速度和精度。本文将基于线性搜索的混沌优化算法用于电力系统无功优化。应用该算法对IEEE6、1 4、30节点系统进行了无功优化计算 ,结果表明该算法是正确可行的     

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。     

仿生粒子群算法在电力系统无功优化中的应用

本文在标准粒子群算法的基础上,遵循群体寻优的生物特性,提出了仿生粒子群算法。初期将群体动态地分成多个子群,每个子群相对独立地向一个目标进化,子群的成员随着进化过程不断地更迭。后期增加子群间的信息交流,使算法更快收敛。该算法不仅丰富了种群的多样性,避免过早收敛于局部最优解,而且有较快的收敛速度。文中将该算法应用于电力系统无功优化中并与标准粒子群算法进行了比较,通过对IEEE30节点和IEEE118节点的算例仿真,证明了该算法的可行性和有效性。     

电力系统无功优化的多智能体粒子群算法研究

为了更好地实现无功功率最优控制和提高电压质量,在现有基础上,提出了引用多智能体粒子群优化算法（MAPSO）.该算法结合了JADE系统和粒子群优化技术,粒子间构建了三维球形环境.PSO种群中,每一个Agent相当于算法中的一个粒子,他们通过Agent间进行竞争与合作操作和自学习操作,吸收了PSO算法的进化机理,能够更快地,更精确地收敛到全局最优解.经IEEE 14节点系统校验,并且与基于Matlab的PSO算法进行比较,结果表明,该算法具有收敛速度快,计算精度高的优点。     

电力系统无功功率控制与优化综述

电力系统无功优化是一个非线性混合优化问题,它的目标是在满足约束条件的前提下,使系统的某个指标或多个指标达到最优。本文综合分析了用于电力系统无功优化的各种优化方法,并特别地列出了一些新兴的方法,同时指出了各种方法的优势与弱点,分析了这个领域当前存在的问题。     

计及UPFC的电力系统多阶段多目标无功优化算法

统一潮流控制器(UPFC)并联侧连续的无功调节能力为电力系统无功优化提供了新的控制手段。基于此,首先建立适用于新型UPFC拓扑的UPFC稳态模型;然后考虑无功设备动作次数的约束,明确多目标无功优化问题的目标函数和约束条件,建立计及UPFC的多目标无功优化模型;接着,提出一种多阶段方法对其进行求解,其中,第一阶段将原问题进行松弛并采取归一化的方法统一多个目标的量纲,第二阶段基于规格化平面约束法获取松弛问题的Pareto最优候选解集,并给出折衷解的选取方法,第三阶段基于三角罚函数法对折衷解中的整数变量进行归整,获取原问题的最优折衷整数解。最后,对南京西环网实际等值系统进行算例测试,验证了算法的有效性及UPFC在无功优化问题中的应用前景。     

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。     

电力系统无功优化研究的进展与展望

介绍了关于多目标函数时无功优化数学模型的建立,在分析了一些常用的优化算法基础上,重点介绍了实际电网中常用的现代智能优化算法,包括遗传算法、粒子群算法、差分算法在无功优化上的应用的进展,最后对无功优化的未来研究方向做出了展望.     

电网无功优化的改进遗传算法

针对遗传算法在电力系统无功优化实时控制中中速度较慢的问题，提出了一种改进的分段进化遗传算法，改变常规算法固定群体规模和最大迭代次数的做法，将其进化过程分为几个阶段，逐次对其群体规模进行扩充，并规定适应于每个阶段群体规模的迭代次数。这样既可以改善寻优方向，防止过早收敛，又可以保证进化后期每次迭代的有交笥，加快计算速度。在IEEE30节点系统的实验中，与其他常规算法进行对比分析，结果表明分段进化遗传算法具有较强的全局寻优能力，愉的收敛速度，更加适应于实时无功控制。