基于改进遗传模拟退火算法的PMU优化配置

分析了遗传算法和模拟退火算法的优缺点,将具有较好全局寻优性能的遗传算法和具有较强局部搜索能力的模拟退火算法结合,形成的遗传模拟退火MGASA算法用于解决以电力系统状态完全可观测和PMU配置数目最小为目标的PMU优化配置问题.在寻优过程中,先将每一代群体进行遗传操作,再对产生的新群体中各个体进行模拟退火操作,同时在选择、交叉、变异和复制操作过程中实施最优保留策略,复制策略采用Metropolis判别准则.通过采用IEEE14和IEEE39节点系统对该算法进行验证表明,MGASA算法在解决PMU优化配置问题上具有较高的寻优性能和搜索效率.     

用免疫BPSO算法和N-1原则多目标优化配置PMU

为了在满足全网的完全可观测的前提下实现PMU安装投入的性价比最高,通过理论分析得出判断电网节点拓扑可观测的依据,并提出以N-1可靠性检验原则对PMU配置方案进行冗余性检验,由此以全网完全可观测、PMU数目最少和N-1量测冗余度最高为目标建立了PMU多目标优化配置数学模型,并设计了一种结合免疫系统信息处理机制的二进制粒子群优化算法对模型进行求解。该算法综合了粒子群优化算法简单快速和免疫系统种群多样性的优点,明显改善了进化后期算法的收敛性能和全局寻优能力。对新英格兰39母线系统进行PMU多目标优化配置仿真及量测冗余性分析的结果表明,该法对PMU配置方案的量测可靠性及其所需PMU数量进行综合评价可方便快捷地得到性价比最优的方案,较之普通的PMU单目标优化配置方法更为合理和灵活。     

基于免疫BPSO算法与拓扑可观性的PMU最优配置

以电力系统状态完全可观测和相量测量单元PMU配置数目最小为优化目标,基于PMU的功能特点和电力网络的拓扑结构信息,形成快速且通用的电网拓扑可观测性判别方法,并设计了一种结合免疫系统信息处理机制的二进制粒子群优化算法对目标函数进行求解,该算法综合了粒子群优化算法简单快速和免疫系统种群多样性的优点,明显改善了进化后期算法的收敛性能和全局寻优能力.最后通过对IEEE14和新英格兰39母线系统进行PMU优化配置仿真及量测冗余性分析,验证了本文方法的有效性和优越性.     

基于改进磷虾群算法的配电网PMU优化配置研究

随着大量分布式电源和随机负荷等引入,导致配电系统在越来越复杂及不确定的工况中运行,其状态估计结果与量测装置需要更多地考虑不确定性因素.虽然同步相量量测装置可以通过提供实时量测数据来提高状态估计结果,但考虑到配电网节点较多以及投资成本不足造成供需不平衡,所以在短时间内配电网不可能大规模配置.该文基于经济性的原则来配置PM...     

基于动态规划算法的PMU优化配置

以电力系统状态完全可观测和PMU配置数目最小为目标,提出基于动态规划算法的PMU优化配置方案。选择PMU配置位置为动态规划的状态,PMU台数为动态规划的阶段数,从而实现动态规划计算。通过预处理准则、对称性准则、优胜劣汰准则提高了计算效率。用文中方法对IEEE 14和IEEE 39节点系统进行了PMU配置。与其他文献方法对比表明了该算法的正确性与优越性。     

基于改进自适应遗传算法的PMU优化配置

为了利用最少数目的相量测量单元(PMU)保证电力系统在正常运行时和线路N?-1故障时都能完全可观,提出一种基于改进自适应遗传算法(IAGA)的PMU优化配置方法。将PMU配置分为两个阶段:第一阶段以PMU安装数目最少和正常运行时系统完全可观为目标配置PMU;第二阶段在已有配置结果的基础上继续安装PMU,以保证线路N-1故障时系统仍完全可观。修改IAGA中交叉概率和变异概率的计算公式,克服了当群体最大适应度值与平均适应度值相等时进化停滞的缺点,优化了进化过程,同时方便了数学计算;对每一代个体进行防早熟操作,消除了由交叉运算和变异运算的偶然性及随机性导致的进化早熟。算例分析结果表明,该方法在PMU配置数目、配置方案种类、收敛性及实用性上有显著优势,证明了该方法的正确性和优越性。     

基于0-1整数规划算法的PMU量测点优化配置新方法

为了提高同步相量测量装置的优化配置速度,提出了基于0-1整数规划算法的PMU量测点优化配置方法。在0-1整数规划算法的基础上,根据节点的可观测性建立数学模型,考虑节点间的相互关系构建邻接矩阵并进行分析,求解量测点模型获得量测配置优化位置。对IEEE-14和IEEE-18节点系统进行实验仿真,并利用Lingo工具验证所提0-1整数规划算法,获取PMU优化位置和速度。该算法与未改进的0-1整数规划算法相对比,结果表明,该方法减少了变量数目,简化了约束条件,减少了迭代次数,提高了收敛速度,验证了所提方法的有效性和实用性。     

基于记忆的改进克隆算法及其PMU配置多目标优化应用

以PMU安装数、量测系统可观测性和基于混合量测的状态估计精度三者为优化目标的PMU优化配置(OPP)是二层规划问题。该文证明了用单次状态估计精度评价量测系统性能的可行性，提出精度加权估算公式。将二层规划目标简化为分段函数，提出基于记忆的改进克隆算法。除模仿生物免疫系统的克隆选择和受体编辑机制外，该算法引入记忆加速算子以强化邻域搜索，并分段调整循环补充规模、高频变异与重组操作概率，从而显著加快和稳定进化进程，避免搜索陷入局部最优解。基于IEEE 14/57节点系统的算例表明，该算法能快速稳定地求出全局最优解及近似解，比原克隆算法等更适用。     

基于多目标进化算法的PMU的优化配置

研究了配置相量测量单元(PMU)后电力系统可观测性的判断方法,以保证电力系统完全可观测为约束条件,以配置PMU数目最小和保证测量量具有最大量测冗余度为目标,建立了PMU最优配置问题的数学模型。这是一个多目标优化问题,需要寻求一组Pareto最优解,应用多目标进化算法求解该问题可以得到多种满足条件的PMU配置可行方案。最后,以IEEE39节点系统为例验证了该方法的合理性。     

改进二进制粒子群算法在PMU优化配置中的应用

以电力系统状态完全可观测和相量测量装置(PMU)配置数目最少为目标,提出概率偏移二进制粒子群优化配置算法.该算法是全局优化算法,可得到多组可行解.针对普通二进制粒子群算法收敛较慢的缺点,在算法中引入概率偏移因子,根据节点出线度的差异,设置不同的取0或1的概率,从而提高了收敛速度.最后,采用新英格兰39节点系统和湖南长株潭42节点系统算例对所提方法进行了验证.     

基于系统不完全可观的PMU优化配置新算法

限于同步相量测量装置(PMU)在电力系统中应用的局限性以及经济性,分析考虑了基于PMU的系统完全可观条件下电力系统状态估计过分冗余导致数据处理速度慢,收敛性不好等缺点,提出了基于系统不完全可观条件下,采用量子遗传算法对PMU进行合理配置,以期在最少PMU配置的基础上,使系统拥有足够的量测冗余度,得到的状态估计结果具有尽可能高的精度。通过算例仿真研究表明,该算法克服了深度优先算法(DFS)收敛性不好以及模拟退火法(SA)收敛速度慢的缺点,具有很好的收敛性和收敛速度,同时具有很好的精度要求。     

电力系统PMU最优配置新方法

根据电力系统导纳矩阵和节点关联矩阵的特点,指出电力系统潮流方程的特征可用系统关联矩阵来描述,在此基础上提出了一种基于关联矩阵的满足潮流方程直接可解的电力系统PMU最优配置方法,最后利用典型标准节点系统对该算法进行验证并与已有方法得到的结果进行比较,结果表明该算法是有效的,具有简单、易于实现的优点,能有效减少PMU配置数...     

针对PMU配置问题的改进粒子群算法

电力系统运行状态为各母线电压相量（幅值和相角）,由网络元件参数、表征网络拓扑连接特性的开关状态和边界条件（发电和负荷水平）决定。在电力工业市场化和环保等约束条件日益加强的形势下,实现电力系统广域实时监控的要求也日益迫切。要实现对系统有效闭环的实时监控,首先是建立一套完备的测量系统,以达到系统完全可观。尝试用改进的粒子群算法（EPSO）实现PMU最优配置优化计算,同时考虑了未来发展中不断提高PMU配置数量的可能性,实现了在全配置过程中的优化计算。     

PMU最优配置问题的混合优化算法

为使得电力系统在完全可观测的条件下,PMU安装数目最少,提出了一种混合优化算法以解决相量测量单元PMU的最优配置问题.混合优化算法以粒子群优化算法为主体,引入交叉、变异操作,并结合模拟退火机制控制粒子的更新.在处理解的约束问题时,采用了一种基于概率的启发式修补策略,避免修复后的解特征单一.将混合算法与其他算法在多个IEEE标准系统上进行了比较分析,结果表明在较大规模系统上,混合优化算法收敛率比标准粒子群算法提高数倍,计算量比模拟退火算法减少了数十倍,表明了较好的可行性和较高的效率.     

一种基于改进Petri网拓扑的PMU配置优化方法

本文提出一种基于改进Petri网的PMU配置优化算法,先在关联节点可测的基础上,引入关联节点安装PMU优选约束,建立网络覆盖优化函数.然后采用改进的Petri网对系统的结构进行分析,并结合节点关联信息,得到PMU最少时网络的最大覆盖.该方法将复杂网络拓扑分解为若干基本分析单元,从而缩小了分析规模;通过引入标识算子,将复杂矩阵运算转化为逻辑运算,简化推理过程;同时,通过更新变迁点火序列进行PMU地点选择,并引入变迁时间标签使计算过程得以简化,提高了计算效率.最后通过算例仿真,验证本文所提的方法计算准确,过程简便.     

基于节点集合的PMU优化配置方法

同步相量测量单元(PMU)的最优配置要求在全局可观的前提下所配置的PMU最少。0-1线性整数规划在分析求解多目标PMU最优配置有极大的优势。在实际电力系统中存在一定数量的零注入节点。作为虚拟测量数据,虽然有利于PMU最优配置,然而引入到整数规划进行计算时,将使模型非线性化而难以求解。给出了考虑零注入功率节点情况下的条件函数,该函数能够有效保持函数的线性性从而仍能适用于0-1整数规划。当考虑N-1情况下的PMU最优布点时,该方法具有很强的继承能力,有效解决了传统方法无法解决的N-1优化配置问题。最后将该方法应用于IEEE14节点以及IEEE39节点的算例,相对于其他配置方法,减少了PMU配置数量,从而体现了该方法的优越性。     

基于改进BPSO算法的微网中微电源的组合优化

深入分析了微网中微电源包括光伏发电、风力发电、微燃机、柴油发电机和燃料电池的电气特性,构建了多种微电网优化运行的模型,以微网的经济成本和环境成本最小为多目标函数,充分考虑了电压越限、功率平衡、微电源出力限制等约束条件,并应用改进BPSO算法进行求解。通过构造辅助搜索空间,提出了改进BPSO算法,解决了二进制粒子群算法易"早熟"、容易陷入局部最优解的问题。并通过典型的微网系统进行仿真分析,仿真结果验证了该算法的有效性。     

WAMS中的PMU最优配置新方法

鉴于相量测量单元(phasor measurement unit,PMU)能够实时测量母线电压和相角,在传统监控和数据采集(supervisory control and data acquisition,SCADA)量测系统的基础上,提出了一种选择PMU最优配置方案的新方法。该法在假定系统完全可观测的前提条件下,考虑不同量测噪声信号比的影响,采用直接替代(direct sub-stitution,DS)法、加权最小二乘(weighted least squares,WLS)法和扩展加权最小二乘(augmented weighted least squares,AWLS)法计算状态估计值,验证了量测噪声对选择PMU配置点没有影响这一结论,并最大限度地提高了状态估计的准确度。在IEEE9节点和IEEE14节点测试系统上验证了此方法的正确性和有效性。     

基于不可观测深度的分阶段PMU配置算法

首先介绍了不可观测深度的概念,然后提出混合运用广域测量系统和能量管理系统的数据进行线性状态估计的方法以弥补PMU量测的不足,以此作为在系统不完全可观条件下进行PMU配置的前提。不完全可观系统PMU配置模型能处理如通信条件限制、已配置了部分PMU等约束条件,并能用0-1线性整数规划模型求解。文章最后提出了PMU分阶段配置的方法,并在新英格兰测试系统和浙江电网中进行了验证。结果表明,PMU分阶段优化配置能有效减少初期费用,并且随着系统不可观测深度的降低,线性状态估计的效果更好。