电力系统稳定器参数优化的改进算法

在多机系统多运行方式下,用非线性规划方法进行电力系统稳定器(PSS)参数优化时,特征根的稳定程度会随着参数的调整而不断变化,以致收敛过程中存在振荡现象.为减缓振荡,对非线性规划目标函数进行了改进,增加了优化过程中所计及的特征根数量,并根据各特征根的稳定程度选择相应的权重系数,大幅度减少了优化计算的迭代次数.在一个8机系统的算例上进行试算的结果表明,改进后的算法可有效改善迭代过程的收敛特性.     

基于SOGWO的电力系统稳定器参数优化

电力系统稳定器(Power System Stabilizer, PSS)是抑制电力系统低频振荡的主要手段。提出选择反向运算灰狼优化(Selected Opposition-Based Grey Wolf Optimizer, SOGWO)算法对PSS进行参数优化。首先,选择典型的PSS实现类型,并设置优化过程的目标函数。其次,利用选择反向学习算法加快搜索速度,增强灰狼算法的全局搜索性能。最后,应用IEEE四机两区域系统模型验证所提方法的有效性。此外,分别对PSS参数进行PSO、GWO、SOGWO的100次优化,由统计出的阻尼比最大值、最小值、平均值以及标准差数据可知：三种优化算法均能较好地避免陷入局部最优并快速收敛,而SOGWO优化PSS参数的鲁棒性更好。     

基于遗传算法的电力系统稳定器参数优化

采用所设计的遗传算法,对同时以ΔPe和Δω为输入信号、没有超前滞后环节的电力系统稳定器的Kp与Kω两个参数进行寻优,并通过仿真检验了PSS采用经遗传算法优化过的参数时的作用效果。仿真结果表明,无论是针对小干扰还是大干扰,该PSS都表现出了良好的性能。     

基于飞蛾扑火优化算法的多运行方式电力系统稳定器参数协调优化方法

针对大电网低频振荡现象存在机理分析复杂、振荡模式多样、参与机组众多、传统电力系统稳定器(power system stabilizer,PSS)整定方法适应性较差的问题,提出了一种基于飞蛾扑火优化(moth-flame optimization,MFO)算法的多运行方式PSS参数协调优化方法。该方法首先基于主导振荡模式及动态响应因子提取主要参与机组;然后考虑PSS临界增益及相频特性补偿范围约束,以PSS参数鲁棒性及系统动态稳定性为目标函数;最后采用MATLAB与PSD-BPA联合仿真方法,建立基于MFO算法的多运行方式PSS参数协调优化算法,完成大电网的全局参数寻优。华中电网仿真算例结果表明,应用文中方法优化后的PSS参数可有效提高系统动态稳定性,且对多种运行方式均有较好的适应性,同时算法本身具有较强的收敛性。     

基于改进灰狼优化算法的多机电力系统稳定器参数优化

提出了灰狼优化算法与差分进化算法相结合的多机PSS参数设计方案。首先建立了发电机、励磁系统、PSS的线性化微分方程;其次构建了基于机电模式阻尼比的优化函数,通过DE-GWO算法进行迭代搜索,实现对不同运行方式下机电振荡模式阻尼系数的最大化寻优;最后在PSASP中搭建了云南电网滇西南地区部分电网,通过非线性时域仿真验证了基于DE-GWO优化算法的PSS在不同运行方式下抑制机电振荡的有效性和鲁棒性,提高了系统的阻尼。     

基于灰狼优化算法的多机电力系统稳定器参数最优设计

灰狼优化(grey wolf optimizer,GWO)算法作为一种新的、高效的群体智能优化算法,可应用于电力系统优化问题。提出了采用GWO算法的多机电力系统稳定器参数优化设计方案。将传统超前-滞后型电力系统稳定器(PSS)的参数设计建模为基于特征值的二次性能目标优化问题,通过向左半复平面移动机电振荡特征值实现对不同运行状态下机电模态阻尼系数的最大化进行寻优。GWO算法具有对初始取值不敏感,优化效率较高和全局寻优性能好等特点,因此被用来迭代搜索最优PSS参数值。通过IEEE New England 39节点算例的特征值分析和非线性时域仿真,验证了基于GWO算法优化整定的电力系统PSS在各种系统运行状态下抑制系统机电振荡的有效性和鲁棒性,并通过与传统相位补偿方法设计的PSS阻尼性能对比,表明所提GWO算法优化PSS参数具有明显优越性。进一步的算法性能分析表明,GWO算法具有对初值不敏感和稳健性强等优点。     

基于灵敏度分析的电力系统稳定器参数优化

推导了电力系统稳定器(PSS)参数灵敏度指标的计算过程,并在小干扰稳定分析软件SSAP中实现了2种灵敏度计算功能,即振荡模式特征值及其阻尼比对PSS参数灵敏度的计算功能,以及控制器等效交流增益不变约束下的振荡模式特征值及其阻尼比对控制器补偿相位的灵敏度的计算功能,可以对低频振荡阻尼进行优化(或约束优化)。以红海湾电厂600 MW机组为例,通过PSS参数的灵敏度分析对低频振荡阻尼进行约束优化,特征值分析与现场抗扰动试验的实测录波结果相吻合,验证了SSAP灵敏度分析理论与计算的准确性及其在工程中的指导作用。     

电力系统稳定器参数优化的研究

电力系统稳定器(PSS)的性能受其参数影响很大,如何对其参数进行协调优化是一个值得深入研究的问题.基于单机无穷大系统和4机2区域系统模型,通过采用 SFPSO算法对电力系统稳定器进行参数的协调优化,以抑制低频振荡.随机聚焦粒子群算法SFPSO(Stochastic focusing particle swarm optimization)是一种应用于连续空间的、具有较好的全局搜索能力和寻优速度的改进粒子群算法(PSO).通过仿真测试以及不同算法优化结果的对比,结果表明,利用该方法设计的PSS,在不同的干扰下都具有良好的性能,对系统的稳定性提升有较大帮助.     

电力系统稳定器参数优化的研究

电力系统稳定器(PSS)的性能受其参数影响很大,如何对其参数进行协调优化是一个值得深入研究的问题。基于单机无穷大系统和4机2区域系统模型,通过采用 SFPSO算法对电力系统稳定器进行参数的协调优化,以抑制低频振荡。随机聚焦粒子群算法SFPSO（Stochastic focusing particle swarm optimization）是一种应用于连续空间的、具有较好的全局搜索能力和寻优速度的改进粒子群算法（PSO）。通过仿真测试以及不同算法优化结果的对比,结果表明,利用该方法设计的PSS,在不同的干扰下都具有良好的性能,对系统的稳定性提升有较大帮助。     

基于多态菌群趋药性算法的电力系统稳定器参数协调优化

电力系统稳定器是抑制电力系统低频振荡的重要装置,参数选择是否合理是其能否发挥作用的关键。提出一种基于多态菌群趋药性算法的电力系统稳定器参数优化新方法。根据时间乘绝对误差积分准则(ITAE准则),控制目标选为系统输出按最小误差跟踪给定值的能力,从而兼顾了系统受扰动后及趋于稳定的整个过程的动态性能。对四机两区域系统进行了特征值分析和非线性时域仿真,验证了所提方法的可行性和有效性。     

江苏电网电力系统稳定器参数优化

将基于进化策略电力系统稳定器(PSS)频域法应用到江苏PSS参数优化.以PSS在低频振荡范围内(0.2～2.0Hz)产生的附加阻尼转矩△Te与△ω尽可能同相位为目标优化超前一滞后环节参数:再以PSS极限增益的1/3～1/5确定PSS的增益值.优化仿真结果表明,这是一种有效的PSS参数优化方法,所得到的参数优化结果对系统运行方式变化有很好的鲁棒性.     

基于自适应差分算法的电力系统稳定器参数设计

自适应差分算法强大高效,是一种基于群体的随机搜索技术,一般用于连续空间优化问题求解,被广泛应用于科学和工程领域.自适应差分算法是在差分进化算法基础上经过改进得到的算法,其实验向量生成策略及其相关的控制参数值拥有自适应能力,这种能力是通过从前期生成可能解的过程中学习得来的.在利用Simulink建立起单机无穷大系统仿真模型的基础上,根据时间乘绝对误差积分准则(ITAE准则)设计寻优问题的目标函数,将电力系统稳定器的参数设计问题转化为最小化问题,并用自适应差分算法求解.最后在单机无穷大系统上进行仿真实验,结果表明经过优化设计的电力系统稳定器拥有良好性能.     

电力系统稳定器参数优化的仿真研究

应用德国西门子公司的电力系统仿真NETOMAC程序,对不同工作状况的网络所配置的电力系统稳定器进行仿真研究,优化参数,使给定的目标函数取得极小值,保证所选定的电力系统稳定器参数具有最优的抑制低频振荡效果.该方法比采用数字仿真选定电力系统稳定器参数的方法更具有高效和实用性,可对现场整定提供指导,节省大量调试时间,并使满足各种运行方式的要求,从而提高调试质量.     

基于粒子群优化算法的电力系统稳定器设计

基于单机无穷大系统模型,用粒子群优化算法(PSO)对发电机电力系统稳定器(PSS)进行参数优化,来抑制低频振荡.介绍了基本的粒子群优化算法的原理,并用改进的带约束的粒子群优化算法优化PSS的参数,将PSS的整个设计过程转化为一组参数进行寻优的过程,提高了多参数寻优的效率.用Matlab仿真软件进行仿真,仿真结果表明,利用该方法设计的PSS,它的小信号稳定性有了较大的提高.     

基于粒子群优化算法的电力系统稳定器设计

基于单机无穷大系统模型,用粒子群优化算法（PSO）对发电机电力系统稳定器(PSS)进行参数优化,来抑制低频振荡。介绍了基本的粒子群优化算法的原理,并用改进的带约束的粒子群优化算法优化PSS的参数,将PSS的整个设计过程转化为一组参数进行寻优的过程,提高了多参数寻优的效率。用Matlab仿真软件进行仿真,仿真结果表明,利用该方法设计的PSS,它的小信号稳定性有了较大的提高。     

广域电力系统稳定器参数的两阶段协调优化方法

广域电力系统稳定器(Wide Area Power System Stabilizer,WAPSS)对电力系统的区间低频振荡能够起到良好的阻尼作用。同时,WAPSS参数的协调优化设计能够避免因增大某一振荡模式的阻尼而造成其他模式阻尼恶化的问题,提出一种两阶段设计的WAPSS参数协调优化方法。第一阶段基于留数相位补偿原理设计WAPSS超前滞后环节的参数。第二阶段,将整定后的超前滞后环节参数代入WAPSS传递函数以减少决策变量,再以提高低频振荡模式和近虚轴模式的阻尼为多优化目标,利用基于精英替换策略的改进教与学算法(Teaching-Learning-Based Optimization,TLBO)对WAPSS的增益参数进行优化。通过将超前滞后环节参数和增益参数两阶段协调优化,不仅减少了每次迭代计算时间,而且达到了提高电力系统阻尼的目的。最后通过两区四机的仿真算例验证了该方法的有效性。     

基于PSASP的电力系统稳定器参数整定方法

基于发电机参数和等值系统参数,应用电力系统分析综合程序(PSASP)建立了单机—无穷大系统模型。测取励磁系统无补偿相频特性后,通过拟合补偿相位曲线对相位环节参数进行了整定。仿真结果表明参数整定后的电力系统稳定器(PSS)对低频振荡抑制作用显著。仿真与实测结果对比表明,在工程误差允许的范围内,仿真测取的励磁系统无补偿相频特性可代替实测值。     

电力系统稳定器参数选择和优化分析

电力系统稳定器(PSS)在不同的参数下能产生不同的效果,选择合适的PSS参数能增加系统的阻尼,提高系统暂态稳定性,并且无功反调较小;如果PSS参数选择不当,则可能降低系统稳定性,削弱系统阻尼,或无功反调明显.目前,国内对PSS参数的选择基本上是通过现场调试或采用数字仿真来实现.本文采用目前国际上集成化程度较高的电力系统分析软件NETOMAC对不同工作状况网络中所配置的PSS参数进行优化和整定,并和采用数字仿真选定的PSS参数仿真试验结果相比较,找出选定PSS参数的快捷有效的方法.     

基于社会学习的粒子群优化算法的电力系统稳定器参数协调优化设计

对于电力系统稳定器(PSS)参数优化整定的问题,为了更好地寻找最优参数,本文将社会学习机制引入到粒子群优化算法中,将社会学习粒子群优化算法(SLPSO)应用于PSS参数的优化整定中,相比于传统优化算法,本文算法优化P SS参数具有更好的动态自适应性,同时不易陷入局部最优,能够较快地寻找到全局最优值.通过四机两区的仿真算...     

抑制频率振荡的电力系统稳定器参数优化

超低频频率振荡是有功频率控制过程的小扰动稳定问题。由于负荷电压调节效应使得无功电压控制和有功频率控制产生耦合,传统用于抑制低频振荡的电力系统稳定器(PSS)可用于抑制频率振荡。提出了在多机系统中选择抑制频率振荡的PSS的方法,该方法综合了PSS对低频振荡和频率振荡的影响大小。构建了抑制频率振荡的PSS参数优化模型,该模型仍然以低频振荡模式阻尼比作为优化目标,但加入频率振荡对应频段发电机励磁系统相位要求作为约束,保证机组励磁系统为频率振荡提供足够的正阻尼。采用粒子群优化算法对模型进行求解得到PSS最优参数。仿真结果验证了所提方法的有效性。