考虑风电和储能接入电网的多目标协同博弈区间经济调度

针对风电的不确定性对电网调度的经济和安全运行造成影响的问题, 充分考虑储能灵活充放电的运行优 势, 提出了一种基于改进均衡协调算法的多目标区间储能经济调度优化方法. 本文综合考虑有功调度与无功优化之 间的内在耦合关系, 以典型日运行的电压偏差和系统综合运行总成本最小化为优化目标, 建立多目标区间储能经济 调度优化模型. 在优化过程中, 首先考虑在直流潮流的区间调度模型中, 通过优化储能和发电机的有功出力来实现 对风电不确定性的处理, 然后采用改进均衡协调算法对考虑交流潮流的有功–无功储能调度模型进行综合优化, 从 而获得兼顾电网安全性与经济性的均衡最优解. 本文还从风电的不同区间波动以及风电场并网规模的角度出发, 分 析了对系统储能调度运行的影响. 最后本文将改进算法获得的最优解与采用带权重系数的理想点法分析获得的 Pareto最优解进行对比分析, 可避免确定权重因子时的人为主观因素. 本文通过对IEEE RTS–24节点系统进行算例 仿真, 验证了所提模型的合理性和可行性.     

基于电气介数的电网故障无功规划选址与定容

无功补偿对电网减少线路损耗、提高故障应对能力和稳定性等有着显著作用.为此,基于电网拓扑电气介数模型,针对有限经济约束的电网输电线路N-1故障,考虑电网系统无功补偿的经济性约束和潮流方程电气约束,建立包括最小发电费用、最大网损降幅和最优裕度提升为目标函数的优化模型,求解输电线路N-1故障情况下的无功补偿策略的最优选址定容.最后,考虑到构建的混合整数非线性模型的复杂性与难以凸化松弛,通过改进的精英策略的自适应遗传算法求解最优潮流问题,并通过IEEE-14节点标准测试系统进行算法验证,从而表明所提出算法的有效性以及策略的可行性.     

基于双鱼群算法的电力系统无功优化

提出一种基于双鱼群算法的电力系统无功优化方法.该方法以基本人工鱼群算法为基础,增加具有捕食行为的凶猛鱼群,重新定义鱼群的行为方式和寻优过程,并引入逃离因子以扩大搜索空间.采用随机尝试次数变化的动态歩长以增强双鱼群算法的全局优化能力.运用线性加权α法,以系统有功网损最低及电压偏差水平最优为目标,通过罚函数的形式建立无功优化模型.在无功优化目标函数中引入动态惩罚系数以提高算法的自适应调节能力.选取基本人工鱼群算法、改进遗传算法及所提出的双鱼群算法分别对IEEE14节点系统进行仿真实验,结果显示双鱼群算法在计算精度、收敛稳定性等方面均有明显优势,更切合电力系统运行的实际.     

基于粒子群算法的电力系统无功优化

针对电网电力传输的无功功率优化,可以改善全网的无功分布。合理的无功分布既可以保证网络电压质量又可以有效降低网络有功损耗,直接影响着电力系统的安全与稳定,并与经济效益直接挂钩。文中采用基于惯性权重的粒子群算法研究电力系统无功优化,建立以最小网损为目标函数、通过罚函数的形式引入负荷节点电压和发电机无功功率越限处理的数学模型;并建立电力系统无功优化仿真程序,以IEEE-30节点系统进行仿真计算。结果表明,该算法能获得全局最优解,优化后网损率下降16.11%。     

以激励为导向的配电网分布式电压调节

针对高渗透率可再生能源导致的配电网电压波动及越限问题,提出了基于分布式机组快速电压支撑能力的辐射状配电网分布式电压调节算法。不同于已有采用直接控制方式的分布式电压调节,利用激励信号间接控制分布式机组来实现配电网分布式电压调节。在所提的电压调节问题中,不但考虑了配电网从主网购入有功的成本,同时考虑了电压调节过程中配电网内附加无功的平衡。基于障碍函数法和对偶上升算法,将所提电压调节问题转化为一个可由配电网各节点协同求解的分布式优化问题,并提出了相应的以激励为导向的分布式电压调节框架。在该框架下,配电网运营商根据各节点反馈的出力决策,持续更新并发布节点有功及无功激励信号来协调各节点的出力,从而实现配电网电压的分布式调节。仿真研究证明了该算法在配电网电压陡降和电压突升情形下的有效性。     

基于并行混沌和SFLA的风电电网无功优化模型设计

针对已有方法在解决电网无功优化时,由于系统的无功不足和电网电压的不稳定,容易过早收敛到局部最优解的缺点,设计了一种基于并行混沌和混合蛙跳算法(Shuffle Frog Leaping Algorithm,SFLA)的电网无功优化模型;首先,建立了最小化有功网损、最大化静态电压稳定裕度和最大化无功补偿单位投资收益的多目标数学优化模型,然后,对经典的SFLA进行改进,通过引入精英协同进化机制和划分种群的方式实现并行寻优,从而增加个体的多样性和加快最优解的求取速度,在不同种群中设计不同的适应度函数和个体更新进化方法;为了使得算法的初始解分布更为均匀,引入用混沌机制来对种群进行初始化,最后,对基于并行混沌和SFLA的总体算法进行了设计和分析;在Matlab环境下进行实验,实验结果表明文中方法得到的优化结果具有电网有功损耗小、单位投资收益高和静态电压稳定裕度大的优点,具有较强的可行性和适应性.     

双馈感应电机风电场并网后的配电网无功优化算法

探讨风电场中双馈感应风电机组在不同风速条件下的无功容量极限和风电场并网点电压间的关系,建立以系统有功网损最小为目标函数的无功优化模型,把含双馈感应电机风电场的配电网无功优化问题转换为一个多约束的非线性混合整数优化数学问题,并应用粒子群优化算法进行求解.将33节点配电系统作为算例进行仿真分析,结果验证了此算法的有效性.     

改进粒子群算法在无功优化中的应用

针对电力系统无功优化的特点,本文提出以有功网损最小为目标函数,以负荷节点电压质量和PV发电机节点无功出力为罚函数．以有功功率和无功功率为约束条件的数学模型,并应用改进的粒子群算法对无功优化问题进行求斛。该算法在权重系数和不活动粒子两方面进行改进,有效地解决了进化过程中陷入局部最优和搜索精度差的缺点。最后,将改进后的粒子群算法应用于IEEE14节电力系统进行无功优化算例分析,仿真结果验证了该算法解决电力系统无功优化问题的有效性和可行性。     

一种基于遗传算法的电力系统无功优化规划

遗传算法是一种基于自然选择规律的优化方法。文章针对电力系统长期存在的无功优化问题,提出了基于遗传算法的无功优化规划算法。该方法弥补了以往无功补偿规划没有考虑系统最小负荷方式和事故情况下无功补偿要求、以及不同年份下由于负荷变化对补偿有不同要求的缺陷。计算结果表明该算法合理、有效。     

一种改进的遗传算法在无功优化中的应用

针对电力系统无功优化问题,采用遗传算法（GA）是一种有效的全局优化概率搜索算法。为了降低系统有功损耗,保证无功电力在规定范围之内,将混沌搜索引入到标准遗传算法,提出了一种结合混沌搜索的改进遗传算法。通过混沌序列搜索产生初始种群,同时对交叉、变异、选择算子进行了改进,进一步改善了遗传算法的全局寻优能力,并有效防止了局部收敛,提高了算法的收敛速度和计算精度。对系统进行了无功优化,并进行仿真。仿真结果表明,改进的遗传算法能更精确地寻找到全局最优解,并明显加快了收敛速度,性能优于标准遗传算法。     

电力系统无功优化的反向优化差分进化算法

电力系统无功优化问题是一个复杂的多目标、多约束、非线性的混合整数优化问题,针对基本差分进化算法易陷入局部最优解、收敛速度慢的缺点,首次引入反向优化差分进化算法应用于解决电力系统无功优化问题.反向优化差分进化算法利用基于反向的优化对种群进行初始化,可以获得适应度更优的个体,从而加快了收敛速度;根据一定的跳变率,对种群逐代进行动态跳变,增加了种群的多样性,可以避免算法陷入局部最优解.以系统的有功网损最小为目标函数同时兼顾电压的合理分布,对IEEE-14节点系统进行了无功优化仿真计算,并与其他优化算法进行了比较,结果表明该算法具有较强的全局寻优能力,且收敛速率较快,收敛精度高,鲁棒性好,可较好地解决电力系统无功优化问题.     

基于蒙特卡罗模拟的220kV电网经济可靠性评估

提出一种模型算法,对220kV电网典型供电模式经济性与可靠性同时进行评估,以寻求兼顾资产全寿命周期内的投入成本最少和可靠性最优的风险结合点.采用具有正态分布特点的随机数模拟电网元件运行状态,通过变电站无功电压控制以模拟系统无功电压运行状态,通过节能发电调度模型来模拟机组启停状态,基于上述模拟方法对随机样本潮流计算确定各个节点负荷消减量,评估各典型供电模式下220kV电网的经济可靠性.     

基于CNN+LSTM混合模型的电力消耗预测研究

预测电力消耗是一项重要的任务，它在保障电力系统安全运行、均衡能源分配等方面至关重要，精准的负荷预测能有效减少用电事故的发生，并提高系统的生产效率。电力预测是基于一个地区的历史电力数据来预测该地区未来一段时间的有功和无功电力负荷。研究利用神经网络组合模型的优势通过CNN优化和过滤多维输入参数，提取特征向量；并将提取的特征向量作为LSTM的输入进行电力预测。实验表明CNN+LSTM混合模型的泛化能力更强，准确率更高。     

基于差分进化粒子群算法的多目标无功优化

针对电力系统有功网损最小、电压水平最好和电压稳定裕度最大的多目标无功优化问题,提出一种基于差分进化的改进多目标粒子群优化算法。该算法通过对Pareto最优解集的差分进化来增加Pareto最优解的多样性,通过拥挤距离来控制精英集中非支配解的分布,以提高对种群空间的均匀采集;采用擂台赛法则构造多目标Pareto最优解集,较大程度的提高了算法的运行效率;自适应惯性权重和加速度因子的动态变化可增强算法的全局搜索能力。将该算法在IEEE14、IEEE30节点标准测试系统上进行了无功优化仿真,结果表明,基于差分进化的改进多目标粒子群优化算法能够在保持Pareto最优解的多样性的同时具有较好的收敛性能,为多目标无功优化提供了一种新的方法。     

基于改进PSO的智能变电站五防闭锁系统优化控制

为了改善因变电站系统充放电转速忽高忽低导致的五防闭锁系统失控的问题,提出基于改进PSO的智能变电站五防闭锁系统优化控制方法,根据已拟定的有功潮流调度数值构建智能变电站无功优化数学模型,并在基础PSO算法内添加惯性因子与变异算子,优化其搜索精确度获得局部最优解,对智能变电站系统进行无功优化处理,通过五防闭锁系统响应充放电...     

含分布式电源的改进PSO算法配电网无功优化

在电网无功供电性能优化问题的研究中,针对包含分布式电源的配电网无功优化的特点,利用一种改进粒子群算法,对含分布式发电的配电网系统进行了无功优化的计算.考虑了电网损最小、节点电压和发电机无功出力的约束作为优化目标函数,采用粒子群算法,在其速度进化方程中引入了自适应惯性权重和收缩因子以提高,并运用遗传算法中的交叉技术,对PSO算法产生的粒子进行遗传交叉运算来改善全局搜索能力,并在迭代后期将其取消来提高计算速度,仿真结果对比表明,提出的优化算法能够有效地提高电网电压质量和减少功率损耗.     

考虑风电光伏出力不确定性的多目标最优潮流

风电和光伏等出力不确定的电源在电网的渗透率逐渐增高,给电网的潮流优化带来一定影响.为此,本文针对考虑风电光伏出力不确定性的电网多目标最优潮流进行了研究.首先分析了风机、光伏出力的不确定性,建立了相关的数学概率模型.然后建立了以电网运行成本、有功损耗、电压偏移最小为目标的多目标优化模型.针对本文模型,提出利用量子粒子群算法进行求解.最后利用IEEE30节点系统进行仿真分析,对比说明了考虑风机和光伏出力与否对最优潮流的影响.     

分布式可再生能源发电并网的无功优化研究

提出了基于杂交粒子群优化算法的分布式可再生能源并网的无功优化算法,从网损和静态电压稳定裕度两个角度出发,构建了含分布式发电系统的配电网无功优化的数学模型.在美国PG&E 69节点配电系统上进行效验.结果表明,该算法收敛性好、精度高;分布式电源并网后能有效降低系统的有功网损,提高电压稳定性,对分布式电源并网运行具有一定的...     

改进的径向基函数网络的研究及应用

针对径向基函数网络和传统遗传算法的一些不足,提出引入一种自适应机制的浮点数编码的遗传算法,并将其与梯度下降法混合交互运算,作为径向基函数网络的学习算法,形成了基于改进遗传算法的径向基函数网络,它克服了径向基函数网络的学习算法上的缺陷。采用改进的遗传算法,无需计算梯度等,限制很少,还可用模型的预测性能作为优化目标。同时,也解决了单独利用遗传算法往往只能在短时间内寻找到接近全局最优解的近似解这一问题。最后将该算法应用到某地区电力负荷预测取得理想效果。     

改进的径向基函数网络的研究及应用

针对径向基函数网络和传统遗传算法的一些不足,提出引入一种自适应机制的浮点数编码的遗传算法,并将其与梯度下降法混合交互运算,作为径向基函数网络的学习算法,形成了基于改进遗传算法的径向基函数网络,它克服了径向基函数网络的学习算法上的缺陷.采用改进的遗传算法,无需计算梯度等,限制很少,还可用模型的预测性能作为优化目标.同时,也解决了单独利用遗传算法往往只能在短时间内寻找到接近全局最优解的近似解这一问题.最后将该算法应用到某地区电力负荷预测取得理想效果.