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     

基于粒子群优化算法的输变电设备检修优化

传统的检修优化模型中,设备的检修状态变量采用0、1二元变量表示,无法用粒子群优化算法(PSO)求解。提出了一种新的输变电设备检修优化模型。该模型用整数表示检修状态变量,使得检修约束得以简化,有利于PSO的求解。仿真结果表明,与遗传算法(GA)相比,在该模型下PSO收敛速度更快,获得更优的解。     

基于多目标粒子群算法的配电网无功优化

考虑到配电网经济性和稳定性,以网损最小、电压偏移量最小为目标的优化策略,建立了以传统手段电容器调节和静止无功补偿器出力为优化手段的无功优化模型。文中提出了不需要任何小生境参数的小生境技术的多目标粒子群算法,采用环形邻域拓扑结构利用粒子的局部记忆形成稳定的网络,并在决策空间和目标空间中采用特殊拥挤距离作为度量。用多模态多目标优化测试函数进行测试该算法性能。测试结果表明该算法能得到大量的帕累托最优解。最后使用33节点网络算例,验证算法在无功优化应用的优势。优化结果表明所提出的改进算法在配电网无功优化方面的有效可行性,所得出的多组无功补偿方案能为用户提供分布均匀且多样化的非劣解。     

基于多目标混沌粒子群算法的矿区电网无功优化

为了提高矿区电网电能质量,降低电网线路有功网损,在无功优化基本数学模型的基础上,综合系统电压的静态稳定性,建立了多目标无功优化数学模型。针对粒子群优化算法在进化中易出现早熟收敛等问题,引入混沌粒子群优化算法。以IEEE30节点系统为算例,验证了多目标混沌粒子群算法的可行性。将该算法应用于矿区电网无功优化中,仿真结果进一步验证了该算法的有效性。     

基于多目标粒子群优化算法的UPFC协调控制

针对UPFC多个控制器间的负交互影响,将UPFC的多个功能控制器之间的协调问题转化为多目标优化问题,提出采用一种新颖的多目标粒子群优化算法（MOPSO）进行控制器的参数优化。介绍MOPSO算法的基本原理和实现过程,进行算例计算,并且与多目标进化算法（MOEA）进行比较分析。时域仿真验证了采用所提出的协调控制策略可以得到快速收敛并且良好分布的Pareto解集,从而有效消除控制器间的负交互影响,取得满意的控制性能。     

基于多目标粒子群优化算法的UPFC协调控制

针对UPFC多个控制器间的负交互影响,将UPFC的多个功能控制器之间的协调问题转化为多目标优化问题,提出采用一种新颖的多目标粒子群优化算法(MOPSO)进行控制器的参数优化.介绍MOPSO算法的基本原理和实现过程,进行算例计算,并且与多目标进化算法(MOEA)进行比较分析.时域仿真验证了采用所提出的协调控制策略可以得到快速收敛并且良好分布的Pareto解集,从而有效消除控制器间的负交互影响,取得满意的控制性能.     

基于双层多目标粒子群优化算法的输变电工程立项决策研究

针对如何从电网建设上报的大量输变电工程中,选择需要的且以一种有效方案实施的立项决策关键问题进行研究,提出了一种基于双层多目标粒子群优化算法的输变电工程立项决策评价模型。该模型包括2个阶段——立项和决策,采用双层多目标粒子群优化算法对模型进行求解pareto最优解,并使用5个评价指标——电网的安全性、适应性、环境友好性、经济与协调性综合选出最优方案。最后对所提出的算法模型进行算例分析验证,验证结果证明了本算法模型的有效性。     

基于改进多目标粒子群算法的微电网储能优化配置

储能参与微电网的优化运行能有效解决可再生能源大规模并网所引起的系统安全稳定问题。基于双层规划理论建立以负荷波动、系统成本以及储能SOC偏差为目标的储能优化配置模型,提出一种改进的多目标粒子群算法求解该模型。依据最优相似度来指导惯性权重的取值,适时引入交叉变异操作,在保证算法收敛性的同时,提高其跳出局部最优解的能力。为保证pareto解集的全局性和均匀性,提出了一种多迭代方向pareto解集动态更新策略。最终基于信息熵确立权重,采用TOPSIS法选取最优方案。通过修改的IEEE-33节点系统进行算例分析,验证了该算法在求解微电网储能优化配置问题上的有效性和优越性。     

基于改进粒子群算法的微电网多目标优化调度

微电网优化调度作为智能电网优化的重要组成部分,对降低能耗、环境污染具有重要意义.微电网的发展目标既要满足电力供应的基本需求,又要提高经济效益和环境保护.对此,提出了一种综合考虑微电网系统运行成本和环境保护成本的并网模式下微电网多目标优化调度模型.同时采用改进的粒子群算法对优化模型进行求解.仿真结果表明,该模型可以有效降...     

基于改进多目标粒子群算法的微电网并网优化调度

微电网能够协调分布式电源,从而充分发挥分布式发电技术在经济、能源和环境中的优势。针对微电网并网时的优化调度问题,建立了考虑发电成本、污染物排放的微电网系统的环保优化模型,并利用改进的多目标粒子群算法,在这两个目标之间进行协调权衡和折中处理,使所有目标函数尽量达到最优。选取微电网案例的日负荷数据进行了优化调度计算,仿真结果表明了所提模型和算法的有效性。     

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。     

基于多目标粒子群算法的电力系统无功优化

针对电力系统有功损耗和电压偏差,提出一种带有变异的多目标粒子群算法.该算法采用非支配排序和拥挤距离来提高算法的多样性.通过ZDT1～ZDT4基准函数验证该算法的性能,比较它与其他多目标进化算法的优劣.将该算法应用于对多目标无功优化求解,采用IEEE30节点系统验证算法在无功优化中的优势.优化结果表明,该算法能清晰地给出电力系统有功损耗与电压偏差间的竞争关系,并能为用户提供均匀分布的多样化的备选解,让用户可以根据不同情况灵活选择.通过多次结果的叠加显示了该算法的稳定性.     

基于多目标粒子群算法的电力系统环境经济调度研究

提出了一种新的多目标粒子群优化(Multi-Objective Particle Swarm Optimization, MOPSO )算法,用于求解电力系统的环境/经济调度问题。通过设计特定的约束修正因子,将不可行解修正成可行解,并在此基础上用惩罚函数法构建了新的适用于多目标粒子群的适应度函数模型。根据帕累托占优条件形成历史帕累托最优解集和全局帕累托最优解集,引入稀疏度排序法选择全局最优解,基于帕累托最优前沿的斜率特性,提出用斜率法筛选非劣解,采用基于模糊数学的满意度评价模型选择POF的折衷最优解。最后,用IEEE-30节点标准测试系统对所提算法进行了仿真测试,并与其他算法进行了对比。仿真结果表明所提算法可行、有效。     

用于配电网多目标无功优化的改进粒子群优化算法

针对配电网多目标无功优化的应用需求以及优化算法存在的收敛性和多样性问题,基于Pareto熵的多目标粒子群优化算法,提出一种应用于多目标无功优化的改进粒子群优化算法。该算法在全局外部档案更新过程中引入冗余集策略,避免迭代过程中陷入局部最优解。将算法应用于配电网无功优化中时,采用离散变量取整方法,加快算法的收敛速度。建立网损、电压偏差及无功补偿装置投资最小的配电网多目标无功优化模型,并以IEEE 33节点配电网络为算例进行仿真,结果表明改进后的算法兼顾了优化的收敛性和多样性,能够在不同的优化要求下得到有效的无功优化方案。     

基于多目标粒子群优化算法的连锁跳闸预防控制

为了克服传统优化算法存在的计算量大以及参与调整的设备过多等不足,首先识别对节点增加的注入功率敏感的脆弱线路,并将其与重新定义的重载线路共同构成敏感线路集作为控制算法的约束条件;然后根据线路负载率以及灵敏度得到各节点的综合灵敏度,剔除作用微小的控制变量,以实现优选参与调整的设备,进一步减少计算量;最后,为了实现在满足尽可能少切负荷的同时做到参与调整的设备较少,建立基于多目标粒子群优化算法的连锁跳闸预防控制方法。IEEE 9节点和IEEE 39节点标准系统算例结果说明所提方法有效可行。     

改进粒子群算法的无功优化

通过对传统梯度算法和粒子群算法的研究,提出了将梯度算法和粒子群算法(GPSO)相结合的梯度粒子算法.建立了无功优化的数学模型,将梯度粒子算法运用到无功优化中,通过算例验证,梯度粒子算法能够获得更好的全局最优解,此表明该算法运用到实际中将有利于在线电力系统无功优化.     

基于粒子群-差异进化混合算法的电力系统无功优化

针对传统粒子群算法中收敛速度快但易于陷入局部最优等特点,将差异进化算法与粒子群算法相结合,提出了一种粒子群-差异进化混合算法。该算法在粒子寻优过程中除跟踪个体极值和全局极值外,还跟踪粒子差异进化产生的第三个值;同时,当粒子在某一维上的速度小于给定值时,将重新初始化该维度粒子速度。建立了无功优化数学模型,并将合算法应用到无功优化中。通过MATLAB编程对IEEE-30节点系统进行优化计算,并与遗传算法和粒子群算法比较,结果表明本文提出的算法应用于无功优化拥有较快的收敛速度和全局寻优能力,具有广阔的发展前景。     

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.     

基于自适应小生境粒子群优化算法的电力系统无功优化

针对电力系统无功优化问题,提出用自适应小生境粒子群优化ANPSO(Adaptive Niche Panicle Swarm Optimization)算法来克服粒子群优化(PSO)算法容易早熟而陷入局部最优解的缺点.以粒子的位置状况及其2个向量点积的符号动态生成小生境半径,根据各粒子之间的距离组成小生境种群.在小生境群体中运用粒子群优化算法进行寻优,对于更新后的群体根据粒子间的距离,利用共享机制改变粒子的适应度,用以提高整个群体的全局寻优能力.通过对IEEE 6、14、30和118节点测试系统的无功优化问题计算及结果分析,并且与其他算法进行比较,结果表明该算法收敛成功率高,能获得较好的解.     

改进粒子群优化算法在电力系统多目标无功优化中应用

采用自适应聚焦粒子群优化(AFPSO)算法对电力系统进行无功优化.以最优控制原理为基础,引入静态电压稳定性指标,建立了综合考虑系统有功网损最小、电压水平最好以及静态电压稳定裕度最大的多目标无功优化模型,并采用模糊集理论将此多目标优化问题转化为单目标优化问题.通过最小化各目标的隶属度最大值(指标差的隶属度值大),从而只提升差的指标,使系统整体性能提高.同时,采用罚函数的形式处理负荷节点电压和无功发电功率2个状态变量不等式约束.在IEEE 57节点系统上进行测试,通过仿真测试及不同算法优化结果的对比,表明AFPSO算法在实现系统经济运行的同时也增强了电网的电压稳定,同时证明了AFPSO算法的有效性和优越性.