基于人工鱼群算法的最优潮流计算

提出了基于人工鱼群优化算法(AFSA)的最优潮流(OPF)计算方法;算法结合动态调整罚函数的方式,将最优潮流问题转化为一个无约束求极值问题,有效提高了算法的全局收敛能力和计算精度.应用此算法对标准IEEE30节点的电力系统进行最优潮流计算,并与粒子群算法和遗传算法进行了比较,仿真结果表明,该算法能够更好地获得全局最优解,具有实用意义.     

改进粒子群优化算法的电力系统最优潮流计算

标准的粒子群优化(PSO)算法一般不能兼顾收敛速度、全局探索能力和局部精细搜索能力,因此,提出了改进粒子群算法以解决电力系统的最优潮流计算问题,同时指出今后粒子群算法的研究方向.     

禁忌搜索–粒子群算法在无功优化中的应用

禁忌搜索粒子群算法是针对粒子群算法局部搜索能力较弱和存在早熟收敛的问题,将禁忌搜索思想融入到粒子群算法中的混合算法,并将该算法应用到电力系统无功优化中。该方法在粒子群算法寻优过程的后期加入了禁忌表,扩大搜索空间,避免陷入局部最优。通过对IEEE 30节点测试系统和鸡西电网进行仿真计算,并与其他算法进行比较,结果表明该算法能取得更好的全局最优解,既加快了收敛速度,又提高了收敛精度。     

改进粒子群算法在无功优化中的应用

建立了无功优化的数学模型,针对粒子群算法易陷入局部最优解、收敛精度差的缺点,将改进粒子群优化算法应用到电力系统无功优化中。对粒子群的速度公式进行了改进,并在算法中引入反正切惯性权重和阈值来增强搜索全局最优解的能力。通过对IEEE30节点的算例仿真,证明改进后的粒子群算法在电力系统无功优化问题上具有一定的可行性。与PSO的结果对比表明该算法在一定程度上提高了计算的精度。     

基于粒子群优化算法与混合罚函数法的最优潮流计算

电力系统最优潮流的求解问题一直是电力市场研究的重点。该文介绍了一种新的演化优化算法,即粒子群算法(PSO)。该算法具有简单易实现,可调参数少的优点。笔者将其用于最优潮流的求解,结合混合罚函数来限制最优潮流的约束条件,使粒子群算法的寻优速度加快,迭代次数减少。通过在IEEE9节点和IEEE30节点上的仿真计算表明,该算法在优迭代速度和收敛精度上都取得了较好的效果。     

基于改进粒子群算法的多目标最优潮流计算

针对电力系统多目标最优潮流计算问题,提出一种基于(非劣最优)Pareto解集的改进粒子群算法AL iPSO。用最优值评估选取法求取粒子和全局最优位置,解决目标函数间可能存在的冲突。并将关联度自适应学习应用于多目标优化,提出适合Pareto解特点的适应度设计和随机惯性权策略,克服PSO算法容易早熟而陷入局部最优解的缺点。通过对IEEE 6、IEEE 14节点系统多目标最优潮流计算,验证了该算法的有效性。     

计及风电场概率模型的多目标无功优化

随着风电场装机容量的增加,风电场并网对电网的影响越来越大,因此对风电并网后电力系统的不确定分析显得尤为重要。首先将随机响应面法(SRSM)应用到风电并网后电力系统的不确定分析中,并利用该方法建立了含风电场的电力系统概率潮流计算模型。然后将基于个体最优位置自适应变异扰动粒子群算法与前述概率计算模型相结合,建立了以系统有功网损期望值、节点电压越限概率为优化目标的多目标无功优化模型。接着以风电场接入IEEE 14节点标准测试系统为例,根据SRSM计算出节点电压累积分布,与蒙特卡洛法进行比较,算例结果表明随机响应面法具有较高的效率和精度,证实了SRSM的有效性。最后将该无功优化模型应用于IEEE 14节点标准测试系统进行仿真分析,证明了基于个体最优位置自适应变异扰动粒子群算法相对于常规改进粒子群算法(IWPSO)而言,能够有效地避免早熟收敛。     

邻域拓扑粒子群优化算法在电力系统无功优化中的应用

提出了一种基于邻域拓扑粒子群优化算法(NTPSO)的大规模电力系统无功优化新算法.该算法在概念上比标准PSO算法更精确,认为每个粒子是受它邻域范围内最优粒子的影响.研究了当前流行的五种邻域拓扑结构得到五种邻域拓扑粒子群优化算法,其中包括已在一系列标准函数上测试过的比其它拓扑效果更好的Square拓扑.文中应用这五种NTPSO分别对IEEE30节点系统和IEEE57节点系统进行了无功优化的仿真计算,结果表明基于Square拓扑的NTPSO算法的优化效果最好,为求解大规模电力系统无功优化问题提供了新的思路.     

求解多目标最优潮流的改进粒子群优化算法

本文对多目标最优潮流算法进行了研究,通过运用改进粒子群算法对考虑发电费用和有功网损的多目标最优潮流进行了计算。首先运用模糊集理论对多目标函数进行了处理,使其转化成单目标问题;其次对粒子群算法进行了改进,通过对加权系数和粒子位置变量的改变,避免粒子群在寻优过程中陷入局部最优;运用C均值聚类算法对解集作了聚类处理,使解满足均一化的要求。通过对IEEE系统的测试,证明了本文算法的正确性。     

基于粒子群优化算法和动态调整罚函数的最优潮流计算

在电力市场环境下,诸多问题(例如实时电价,网络阻塞等)都需要最优潮流作为理想的工具.本文应用了一种简单有效、且收敛性很好的演化计算算法--粒子群优化算法(PSO)进行最优潮流问题的求解.在求解过程中,根据约束条件的越界量大小,动态的调节其罚函数,避免其收敛到局部最小点.应用此算法对IEEE 30 节点系统进行最优潮流计算,并且与线性规划和遗传算法进行了比较,结果表明该算法能够更好的获得全局最优解,具有实用意义.     

ETAP分析软件在最优潮流分析中的应用

简述了最优潮流(OPF)算法的发展,介绍了电力系统分析软件ETAP在OPF计算上的特点,给出了一个IEEE 30节点的算例,测试了该软件在OPF计算中的表现。     

An improved teaching–learning-based optimization algorithm using Lévy mutation strategy for non-smooth optimal power flow

One of the major tools for power system operators is optimal power flow (OPF) which is an important tool in both planning and operating stages, designed to optimize a certain objective over power network variables under certain constraints. This article investigates the possibility of using recently emerged evolutionary-based approach as a solution for the OPF problems which is based on a new teaching–learning-based optimization (TLBO) algorithm using Lévy mutation strategy for optimal settings of OPF problem control variables. The performance of this approach is studied and evaluated on the standard IEEE 30-bus and IEEE 57-bus test systems with different objective functions and is compared to methods reported in the literature. At the end, the results which are extracted from implemented simulations confirm Lévy mutation TLBO (LTLBO) as an effective solution for the OPF problem.     

应用粒子群优化算法求解可用输电能力

在电力市场环境下,诸多问题(例如实时电价、网络阻塞等)都需要最优潮流作为理想的工具.本文以最优潮流为基础,应用一种简单有效、且收敛性很好的演化计算算法--粒子群优化算法(PSO)进行可用输电能力(ATC)问题的求解.根据约束条件的越限量大小,动态地调整罚函数,在保证全局搜索能力的基础上改进了收敛速度.应用此算法对IEEE-30节点系统进行了可用输电能力计算,并与传统的最优潮流算法进行了比较,结果表明该算法的有效性,具有实用意义.     

搜寻者优化算法在含风电机组系统最优潮流中的应用

针对风力发电机组并网后电力系统的最优潮流(OPF)问题,将搜寻者优化算法(SOA)应用到最优潮流计算模型之中。通过分析风力发电机的稳态数学模型,根据功率守恒原理,得到异步风电机组有功无功出力的表达式,考虑到风电机组的特点,将其作为电压静特性节点处理。建立综合系统经济性和安全性的最优潮流计算的目标函数,该目标函数由网损和静态电压稳定裕度两部分组成,并将搜寻者优化算法运用到最优潮流模型的求解中,并制定该算法的计算流程。算例表明,提出的模型和算法是可行的。     

基于改进MCCIPM的含TCPST电力系统最优潮流计算

随着可控移相器(TCPST)在现代电力系统中应用水平的逐渐提高,计及TCPST的系统最优潮流(OPF)计算迎来了新的挑战。文中提出了一种基于改进内点法的含TCPST电力系统OPF计算方法。首先,结合TCPST接入系统的等效功率注入模型,以系统有功网损最小为目标建立含TCPST的最优潮流模型;其次,为提高收敛速度,文中针对多中心-校正内点法(MCCIPM)进行改进,提高了仿射方向迭代步长并重新配置关键映射参数;最后,基于改进后的MCCIPM,在IEEE 14、IEEE 30和IEEE 118节点网络完成OPF计算。测试结果表明,TCPST具有控制线路潮流分布的能力,验证了文中计算方法在求解效率上的优越性。     

多智能体搜寻者优化算法在电力系统无功优化中的应用

针对无功优化这个典型的非线性问题,提出了一种基于多Agent系统的搜寻者优化算法MASOA (Multi-agent Seeker Optimization Algorithm)来求解.该算法针对SOA算法邻域划分随意性较大,融入智能体技术,在改进SOA算法邻域划分合理性的同时,提高粒子寻优的准确度;利用SOA算法的进化机制,引入自适应思想,使新算法具有良好的非线性搜索能力,更好地适应无功优化问题.以网损最小为目标函数,在IEEE 30节点系统上进行测试,并与四种智能算法进行比较,结果表明,MASOA在算法计算精度、收敛稳定性、寻优时间等方面都具有普遍优势,能有效地应用于电力系统无功优化中.     

Optimal power flow for a deregulated power system using adaptive real coded biogeography-based optimization

The optimization is an important role in the wide geographical distribution of electrical power market, finding the optimum solution for the operation and design of power systems has become a necessity with the increasing cost of raw materials, depleting energy resources and the ever growing demand for electrical energy. Using adaptive real coded biogeography-based optimization (ARCBBO), we present the optimization of various objective functions of an optimal power flow (OPF) problem in a power system. We aimed to determine the optimal settings of control variables for an OPF problem. The proposed approach was tested on a standard IEEE 30-bus system and an IEEE 57-bus system with different objective functions. Simulation results reveal that the proposed ARCBBO approach is effective, robust and more accurate than current methods of power flow optimization in literature.     

基于改进粒子群优化算法的最优潮流计算

提出应用粒子群优化算法（PSO）求解最优潮流问题（OPF），并结合动态调整罚函数法将最优潮流问题转化成一个无约束求极值问题，有效提高了PSO算法的全局收敛能力和计算精度。应用此算法对标准IEEE30节点系统进行潮流计算，并与线性规划算法和遗传算法进行了比较，结果表明，该算法能够更好地获得全局最优解，具有实用意义。     

考虑电压稳定约束的最优潮流

采用指数负荷模型研究了有载调压变压器对系统最优潮流的影响。在阐述电压稳定性L指标的基础上,将L指标引入传统最优潮流中形成电压稳定约束的最优潮流,运用原-对偶内点法求解该模型。算例结果表明,该模型鲁棒性较好,能更加真实地反映系统实际运行情况。不同静态负荷模型对系统电压稳定性和经济性有一定的影响,系统电压稳定性的提高是以牺牲经济性为代价的,在考虑电压稳定性时,有载调压变压器的加入可以有效降低系统燃料费用,平抑系统有功出力和燃料费用的波动,将波动维持在一个较小的范围内。     

Teaching learning based algorithm for OPF with DC link placement problem

Optimal Power Flow (OPF) is an important operational and planning problem in minimizing the chosen objectives of the power system. The recent developments in power electronics allow replacing the existing transmission lines by DC links with a view of making the operation more flexible, secure and economical. This paper formulates a new DC link placement problem through extending the standard OPF to embrace DC link equations and presents a heuristic optimization technique, inspired from the teaching–learning process in class rooms, for solving the problem. The solution process involves sequential NR based AC/DC power flow. It presents simulation results of two IEEE test systems with a view of demonstrating its effectiveness.