基于协同进化法的电力系统无功优化

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问题，提出基于协同进化的无功优化算法以及相应的求解步骤。协同进化算法借鉴分解协调的思想，将无功优化问题分解为一系列相互联系的子优化问题，每个子优化问题对应于进化算法的一个种群，各种群通过共同的系统模型相互作用，共同进化，从而使整个系统不断演进，最终达到问题求解的目的。与常规的遗传算法相比，协同进化算法不但能得到更好的优化结果，收敛性好，而且克服了普通遗传算法计算时间过长的缺点，算例结果表明，该算法更适合于求解大系统的无功优化问题。     

基于协同进化遗传算法的地区电网电压优化与治理研究

大区域电网互联使系统趋于复杂化,传统数学方法处理电压优化与治理问题时存在较大的局限性,采用合作型协同进化遗传算法对电压优化与治理进行研究,考虑提高电压合格率和新增无功补偿装置投资成本最小化建立数学模型,将电压优化问题的控制变量进行合理划分,降低了搜索空间的运算复杂度,协同进化搜寻最优解。算例结果分析表明,该方法可以有效提高电网的电压合格率,具有良好的收敛性能,有助于求解大规模电网电压优化与治理问题。     

基于分层分区协同进化算法的电力系统无功优化

随着电力系统的大范围互联以及电压等级的增多,无功优化问题变得越来越复杂。无功优化问题是一个多变量、非线性、非连续性问题,在不同电压等级电网中无功又有不同的特点。针对电力系统无功优化的上述特点以及大范围互联电网控制变量较多的问题,提出了按电压等级将电力系统分层,各层之间独立优化互不影响,层内分区域并采用协同进化算法优化的方法。对于电力系统分层的方法作了探讨,提出了节点分裂的方法。在此基础上针对层内无功优化详细讨论了协同进化算法的原理、步骤以及其应用。IEEE30节点的算例表明,该方法要优于DFP,BFS等经典优化算法以及普通遗传算法。     

基于非支配遗传算法及协同进化算法的多目标多区域电网规划

基于快速分类的非支配遗传算法(NSGA-II)是一种新型的多目标遗传算法,文中首次将其应用于电网优化规划。多个算例分析表明NSGA-II算法在电网规划中具有良好的优化效果,为各目标之间的权衡分析提供了有效的工具;协同进化算法采用分解-协调的思想处理复杂系统的演化,可以克服当优化问题规模扩大时,常规进化算法易于出现过早收敛的现象。据此提出将协同进化算法和NSAG-II算法相结合,以用于处理大规模多区域的电力系统规划问题,在各子网采用NSAG-II算法优化的过程中进行多区域协调。与常规遗传算法相比,算例分析取得了更好的规划结果。     

无功优化协同进化计算的控制变量分区方法研究

在无功优化协同进化计算中,将控制变量合理地分区分组是算法正常运行的前提,也是获得良好并行性能的关键。参考无功优化控制变量分区问题与分级电压控制中电网分区问题之间的关系,提出将控制变量分区问题转换为降阶电网分区问题,并构造降阶电网分区优化模型。在此基础上,引入种子分区编码方法,提出一种能自动确定分区数目的方法。该方法使用向上归并法进行初步分区,降低了分区规模,并采用种子分区编码法将分区数目等信息编入染色体,解决了分区数目难以确定的问题。系统计算表明,新分区方法能自动确定分区数目,快速地对系统控制变量进行合理地划分。将该方法应用到协同进化计算中,能提高协同进化计算的并行性,保证算法寻优效率。     

基于改进量子遗传算法的配电网无功优化研究及应用

提出一种基于改进量子遗传算法的配电网无功优化方法。采用量子比特概率幅对控制变量进行编码,提出交换个体局部最优目标值的量子交叉方式和互换量子个体α和β值的量子变异方式,丰富了种群多样性,缩短了运算周期,提高了算法计算效率与全局寻优能力。规范、简洁地给出配电网无功优化数学模型,详细阐明基于IQGA的无功优化方法。分别采用遗传算法、量子进化算法和文中方法对某城区局部中压配电网中选定节点系统进行仿真计算,验证了该方法的有效性和优越性。     

基于改进小生境遗传算法的配电网全网无功优化

提出一种配电网全网无功优化方法,该方法将整个配电网划分为高、中、低压3个等级,各级电网再根据自身特点分解为优化单元,遵循从下至上优化的原则,上级主网优化时计及下级子网无功优化的影响,计算结果更准确可靠。各优化单元的无功优化通过改进的小生境遗传算法来实现,该算法将个体距离判别标准设置为动态函数,能够更灵活、更准确地跟踪个体距离,收敛速度快且能在全局范围内找到最优解。针对某配电网的计算实例验证了配电网全网无功优化方法的优越性。     

新疆地区电网电压无功优化控制分析

电网的电压控制和无功优化是提高电压合格率, 降低网损,提高系统稳定性的有效手段。针对新疆地区电网,提出了基于地调主站调度自动化系统(SCADA/EMS) 的电压无功优化控制系统。采用集中控制结构,根据实时数据对地区电网进行全网电压、无功优化计算,并介绍了该系统的优化算法以及在实施中应注意的问题。     

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,文章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,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.     

特高压交流同步电网的无功电压优化

针对以特高压为主干网架的同步交流输电网的特点建立了考虑静态电压稳定性指标、全网有功网损以及电压水平约束的无功优化的数学模型.对于大规模电网分析带来的维数灾问题,提出了按照割线灵敏度法优选控制变量,以降低搜索空间的维数,并将大范围互联电网分层分区,使用协同进化算法寻优.以提高搜索效率和解的质量.使用某一以特高压为主干网架的输电网的测试网络作为算例进行无功电压优化控制.结果证明所提出的优化模型和算法是快速、有效的.     

西北750kV电网动态稳定特性分析和控制策略

分析了西北电网在2008年750kV骨干网架初步形成后西电东送方式下的动态稳定特性,并与目前西北电网的状况进行了比较。基于时域仿真法和小干扰稳定分析,以及Prony分析和留数法提出了西北750 kV电网PSS配置及其参数优化整定方案。用中国电科院电力系统综合分析程序对750 kV系统的稳定性进行了仿真计算,结果表明750 kV骨干网架将提高西北电网的动态稳定性,但由于750 kV网架还比较薄弱,当陕甘断面上的750 kV联络线退出运行时,存在阻尼不足问题,可能诱发低频振荡,需要在电网中装设PSS以保证系统的安全稳定运行。结果表明了所提方案的有效性。     

Northwest China to build 750-kV backbone network frame

On December 15, 2005, Gansu Provincial Government expressed its own views at an academic meeting on wind mill aerodynamics that Gansu will build Hexi Corridor （district to the west of the Yellow River） into a belt of wind power industry in the next five years.     

计及分布式电源动态行为的配电网重构优化策略

解决分布式电源高渗透率地区电压越限的根本方法是实施合理的配电网规划。现有方法存在着人工智能算法初始域搜索半径过大以及动态时段划分与拓扑寻优分离的问题。引入半不变量法计算随机潮流来处理分布式电源动态行为带来的不确定性,并采用改进的NSGA-II算法实现配电网重构,提出了一种计及分布式电源动态行为的配电网重构概率约束优化策略和求解方法。特别提出了在网架寻优的基础上再在时间层面上依据优压参数再次整合优化来构建配电系统动态重构数学模型,最后采用嵌套基因回路搜索策略改进NSGA-Ⅱ算法并求解上述优化模型,以解决传统配电网规划中对强相关性随机变量考虑较少的不足。IEEE-33节点配电系统算例验证了所提方法的有效性。     

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。     

扩大华中与西北电网联网规模的可行性研究

利用华中科技大学编写的电力电量平衡计算程序,对扩大联网规模前后的华中与西北电网进行了电力电量平衡计算,详细分析了扩大联网规模给上述电网带来的用电效益。从西北与华中地区的能源分布情况入手,分析了2大电网整体能源的流向,并根据2大电网水文特性的差异,计算了扩大联网规模所带来的错峰效益。根据综合分析结果,本文指出扩大华中与西北电网的联网规模有利于充分发挥华中与西北电网的优势、实现更大范围的资源优化配置、获得更大的联网效益。     

西北电网一次调频评价指标研究

为了更加公平、科学、合理、有效地考核机组一次调频效果,分析了机组一次调频能力评价手段和现有考核方法,提出针对大扰动及小扰动分别计算积分贡献电量,在大扰动方式下根据机组对电网频率随动性附加不同权重的算法,在小扰动方式下根据机组一次调频动作速度附加不同权重的算法,并结合正确动作率,考虑水火电分开,给出了考核电量补偿公式。随后对2台机组的实际出力数据进行了计算分析,结果表明这种贡献电量算法可以更加科学、有效地评价机组一次调频对电网频率稳定的贡献程度,可以使考核奖励结果更为科学有效。     

温州电网梯级水电站优化调度实践

建立由温州电网属下的梯级水电站群优化调度的数学模型,采用基于浮点数编码的改进遗传算法对该模型进行了优化计算,该算法设计编程简单,计算量小,收敛速度快.利用三插溪水库的入库径流实测值进行了仿真实验,实验结果表明优化调度比常规调度经济效益超过5%,说明了遗传算法用于梯级水电站群优化调度既可行又有效.     

基于SIMULINK和GA的电力系统智能辨识法

电力系统4大参数辨识是国内各电网公司正积极开展的一项工作,遗传算法(GA)在电力系统参数辨识中得到了成功的应用,但与其他辨识方法相比,GA辨识法所需时间长,效率低。针对该问题,提出了一种新的基于SIMULINK和遗传算法的辨识法——智能辨识法,其基本思想是:通过直接设置系统SIMULINK模型状态变量的初始值,使系统在零时刻即达到初始稳态,减少GA辨识法建立初始稳态所需时间,提高辨识效率。智能辨识法已用于福建电网主要机组励磁系统和调速器系统的参数辨识,辨识结果证明了其有效性和实用性。该辨识法同样适用于电力系统其他参数辨识。     

基于协同进化的电力系统多目标优化*

随着社会的发展与科技的进步,电力系统在不断的发展,人们所追求的也不仅仅是经济效益,电力系统所造成的能源浪费及其安全性等问题也受到人们的广泛关注。文中选取电力系统燃料成本、有功网损、电压质量三个目标作为优化目标,基于粒子群、遗传与差分进化算法提出一种基于协同进化的多目标优化算法。分别在标准测试函数与IEEE-30节点进行实验,结果显示文中提出的算法有更好的收敛性与稳定性,更易获得完整的Pareto前沿。     

支持向量机参数优化及其在变压器故障诊断中的应用

支持向量机(Support Vector Machines,SVM)分类器在变压器故障诊断中取得了较好的效果,然而对其性能起关键作用的参数选择,却没有理论依据或有效方法。鉴于交叉验证(Cross validation,CV)是模型性能评估和模型选择的有效方法,而遗传算法(Genetic Algorithm,GA)可以实现全局寻优,将CV与GA方法相结合用来选取SVM分类器参数。该方法采用GA方法对SVM分类器参数进行优化,利用CV构造GA适应度函数,为SVM分类器参数选择提供评价标准。并将其应用于变压器故障诊断,从而充分利用有限的变压器故障样本数据,提高SVM分类器的推广性。实例分析表明同Grid与SVM相结合,CV、Grid与SVM相结合及GA与SVM相结合的方法相比,所提方法具有更好的效果。