基于小生境优化的变权重粒子群算法在PMU优化配置中的应用

针对相量测量单元优化配置问题展开研究,提出了一种基于小生境优化的变权重粒子群算法来解决该问题.所提算法以离散粒子群算法为基础,通过基于共事函数的小生境技术优化初始粒子群,改进权重系数的取值函数来提高算法的收敛效果,最后进行冗余度比较得出最优方案.该算法与常用算法相比,提高了计算的收敛速度和全局性,实现了算法多峰性,可通过分析问题模型有效得出相量测量单元(PMU)优化配置方案.并通过IEEE 14母线系统和新英格兰39母线系统仿真实例验证了所提方法的有效性.     

一种新的考虑电力系统潮流直接可解的PMU最优配置

同步相量测量单元(PMU)可以直接量测节点电压相量和与该节点相连的支路电流相量。通过在适当位置配置PMU,便可使潮流方程不需迭代直接可解,为此提出了计及PMU支路电流相量的潮流方程直接可解法,并采用粒子群优化算法解决了PMU的最优配置问题。算例结果表明本方法有效,并可以减少所需PMU的个数,因此具有实际的应用价值。     

一种新的考虑电力系统潮流直接可解的PMU最优配置

同步相量测量单元(PMU)可以直接量测节点电压相量和与该节点相连的支路电流相量.通过在适当位置配置PMU,便可使潮流方程不需迭代直接可解,为此提出了计及PMU支路电流相量的潮流方程直接可解法,并采用粒子群优化算法解决了PMU的最优配置问题.算例结果表明本方法有效,并可以减少所需PMU的个数,因此具有实际的应用价值.     

基于连锁环网与改进离散粒子群算法的多目标配电网重构

配电网重构本质上是一个复杂的高维数非线性组合优化问题。为避免其不可行解的影响,同时实现快速寻优,提出了一种通过连锁环网矩阵快速判断粒子是否满足配电网拓扑约束的方法。采用基于Pareto准则的离散二进制粒子群算法(Binary Particle Swarm Optimization,BPSO)以求解配电网重构多目标优化问题。从三方面对BPSO算法进行改进:改进粒子更新策略以提升新代粒子的可行概率;改进sigmoid函数同时提出邻域搜索机制以强化算法后期的收敛能力;提出基于次优解保留策略的小生境共享机制以改进群体最优粒子更新方式,进而强化算法的全局搜索能力。对IEEE33系统算例进行仿真,结果表明改进BPSO算法在求解含分布式电源(Distributed Generation,DG)的配电网重构多目标优化问题时,能够更加精确高效地收敛至Pareto最优前沿。     

动态状态估计中PMU配置的离散粒子群优化算法

以提高动态状态估计精度为目标,采用离散粒子群优化(discrete particle swarm optimization,DPSO)算法对同步相量测量单元(phsor measurement unit,PMU)的配置点进行优化。该方法克服了传统解析优化方法难以适应不连续目标函数和不连通约束域等情况的缺点,同时,在配置有限PMU的情况下使PMU量测量发挥最大效益。最后对基于扩展Kalman滤波算法的动态状态估计模型进行仿真,证明了经DPSO优化后的配置与随机配置相比最大可能地利用了PMU的高精度量测信息,充分发挥了PMU量测的优点,大大提高了动态状态估计的精度。     

基于改进粒子群算法的PMU装置数量增加过程中的最优配置方法

针对现有电力系统相量测量装置(PMU)在系统中的最优配置问题,进一步考虑了系统发展过程中PMU数量增加的最优配置问题。以电力系统线性量测模型为基础,通过拓扑分析方法,以全系统可观为约束,以系统最大冗余度为目标,并使用改进的粒子群算法进行计算,实现PMU数量增加过程中的最优配置。通过算例证明了算法的有效可靠。     

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。     

船舶电力系统相量测量单元多目标优化配置问题

为实现船舶电力系统潮流方程直接可解,同时保证相量测量单元(PMU)配置数目最少和N-1电压相量可解冗余度最高,提出了船舶电力系统PMU多目标优化配置方法。首先根据船舶电力系统不同工况下潮流方程的特点,分析得到PMU配置方案是否满足不同工况下潮流方程直接可解的判断方法;在此基础上,着重考虑最大运行工况下PMU配置数目最少和N-1电压相量可解冗余度最高的要求,建立了PMU多目标优化配置模型,并采用量子遗传优化算法对模型进行求解。以24节点典型船舶电力系统为例对所提方法进行了说明和验证,结果表明,该方法可实现全局多目标寻优,从而找到准确而完整的Pareto最优前沿。得到的PMU优化配置方案可为船舶电力系统配置PMU提供参考。     

基于改进粒子群算法的PMU装置数量增加过程中的最优配置方法

针对现有电力系统相量测量装置(PMU)在系统中的最优配置问题,进一步考虑了系统发展过程中PMU数量增加的最优配置问题.以电力系统线性量测模型为基础,通过拓扑分析方法,以全系统可观为约束,以系统最大冗余度为目标,并使用改进的粒子群算法进行计算,实现PMU数量增加过程中的最优配置.通过算例证明了算法的有效可靠.     

基于改进的遗传–模拟退火算法和误差度分析原理的PMU多目标优化配置

为了进一步优化同步相量测量单元(phasor measurement unit,PMU)配置的合理性和效率,提出了一种新的误差度分析原理,并使用改进的遗传–模拟退火算法对多个IEEE标准测试系统进行了优化配置。该原理同时考虑了测量冗余度和状态估计的精度,并且避免引入雅可比矩阵,还具备可观测性分析的功能。研究结果表明:该算法不仅可以找到满足全网可观测性的所有PMU数目的配置解,而且进一步提升了全网的测量精度,从而证明了其有效性和优越性。     

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。     

基于模糊控制模型的电压暂降监测装置优化配置

提出了一种基于模糊控制模型和粒子群算法的电压暂降监测装置的优化配置方法。针对传统基于可观测区域(MRA)的方法的不足,提出了模糊阈值和观测指数的概念。考虑监测点观测能力,建立模糊控制模型以构造优化目标函数,进而采用离散粒子群优化(BPSO)算法对电压暂降监测装置进行优化配置。通过IEEE 30节点测试系统对所提方法进行仿真分析,并将所提方法和传统方法得到的配置结果相比较,结果表明所提方法不仅实现了全网电压暂降的完全可观测,而且实现了监测装置的最优配置。     

基于回溯迭代搜索-粒子群算法的配电网无功优化研究

在考虑配电网电压质量和无功补偿设备容量限制的条件下,以有功网损最小为优化目标、网络拓扑结构为约束条件建立了无功优化模型。针对粒子群算法存在着早熟现象、收敛速度慢和易陷入局部最优解的特点,提出了一种基于回溯迭代的粒子群算法(BPSO)。该算法采用回溯迭代的"0-1"特性,在寻优过程中通过剪枝函数避免无效搜索,改善了优化的路径,从而提高了PSO全局寻优性能。通过IEEE 30节点配电网算例的仿真,验证了BPSO算法的优解性,并与常规PSO算法对比证明所提算法的优越性。     

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.     

基于隶属度时段划分的配电网动态重构

为更好地实现配电网优化运行,提出一种基于隶属度时段划分的配电网动态重构方法。以配电网整个时段内综合运行费用最小为目标函数,建立配电网动态重构数学模型。将系统各时段有功网损与电压偏差之比作为系统运行指标,计算指标峰谷隶属度及变化率对时段进行划分。为增强二进制粒子群算法(BPSO)摆脱局部最优解的能力,将模拟退火算法(SA)中基于Mertropolis准则的新粒子接收机制引入BPSO中,克服二进制粒子群算法易陷入早熟收敛的局限性。算例结果验证了所提方法的有效性。     

基于01整数规划的多目标最优PMU配置算法

针对目前缺乏多目标PMU配置方法,提出了一种基于线性01规划的多目标优化配置算法。并在此基础上导出了三种特殊模型,分别处理系统在正常运行方式下完全可观测的PMU布点问题,在线路N-1故障时系统仍可观测的PMU布点问题及在PMU N-1故障时系统仍可观测的PMU布点问题。该方法的突出特点在于能够同时将以上三种布点需求使用统一的形式同时处理,并且最终的布点方案在保证PMU数目最少或保证配置PMU所需费用最少的基础上获得了最高的测量冗余度。通过IEEE30、IEEE 57、IEEE118节点系统布点验证了该方法的有效性和灵活性。     

计及分布式电源的电能质量监测点优化配置

为实现智能配电网对电能质量(PQ)进行全面监测和扰动事件智能诊断,并考虑系统成本优化和分布式电源影响,分析了现有监测点配置方法存在的三个缺陷,提出需要同时考虑节点电压凹陷域和电流信息全网可观测的优化思路。改进了二进制粒子群优化算法(BPSO)的模型和步骤,并构建评价函数,提出一种基于改进粒子群优化的电能质量监测点配置的算法。通过改进的BPSO迭代,智能地布置监测点,实现了系统性能和经济成本的最优化。最后,在四种不同结构的配电网络中进行仿真应用。结果表明,该算法能有效地实现PQ监测点优化配置,以较低的成本实现了配电网的全面监测并满足扰动事件智能诊断和精确定位的需求,且算法具有较好的收敛性和适用性。     

基于改进的整数规划法结合零注入节点的PMU优化配置方法

为了提高同步相量测量装置的优化速度并利用最少数量的相量量测单元(PMU),结合零注入节点的特性,提出了基于整数规划算法的PMU优化配置算法。根据电力系统全网的可观测性建立其数学模型,并考虑了零注入节点的相关特点,求解系统模型获得PMU的优化位置。对IEEE-14节点、IEEE-18节点、IEEE-30节点以及IEEE-118节点系统分别进行了实验仿真,并利用Matlab以及Lingo工具对所提改进的整数规划法进行了验证,对约束方程进行优化,获得了PMU的数量和位置。将该算法与整数规划算法、模拟退火法以及改进过的遗传算法相比较,该算法可以用更少数量的PMU设备使全网可观,验证了该方法的有效性和优越性。     

基于01整数规划的多目标最优PMU配置算法

针对目前缺乏多目标PMU配置方法,提出了一种基于线性01规划的多目标优化配置算法.并在此基础上导出了三种特殊模型,分别处理系统在正常运行方式下完全可观测的PMU布点问题,在线路N-1故障时系统仍可观测的PMU布点问题及在PMU N-1故障时系统仍可观测的PMU布点问题.该方法的突出特点在于能够同时将以上三种布点需求使用统一的形式同时处理,并且最终的布点方案在保证PMU数目最少或保证配置PMU所需费用最少的基础上获得了最高的测量冗余度.通过IEEE30、IEEE 57、IEEE118节点系统布点验证了该方法的有效性和灵活性.     

基于ACBPSO的板级电路测试性优化设计

边界扫描布局优化是复杂系统测试性设计的重要内容,属于典型的组合优化问题。提出了一种基于自适应混沌二进制粒子群优化算法(ACBPSO)的板级电路测试性设计最小化优化方法。该算法利用混沌运动的遍历性来初始化粒子群参数,惯性权重则根据粒子群的早熟收敛程度自适应调整。随着算法迭代运行,离散粒子群算法(BPSO)的随机性越来越强,缺乏后期的局部搜索能力,故引入新的概率映射函数。仿真实例验证了该算法有效地克服了二进制粒子群的早熟收敛现象,提高了搜索效率,具有良好的优化效果。