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。     

基于粒子群优化算法的PSS参数优化

粒子群算法(PSO-ω)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群体智能优化算法.基于单机无穷大系统模型,通过采用PSO-ω算法对电力系统稳定器(PSS)进行参数优化,以抑制低频振荡.该方法是以最优控制原理为基础,综合考虑PSS与励磁系统的性能,将PSS参数优化协调转化为带有不等式约束的优化问题,控制目标为系统输出按照最小误差跟踪给定值的能力(ITAE准则).用Matlab软件进行仿真,结果表明,利用该方法设计的PSS,它的稳定性有了较大的提高.     

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Prony和改进PSO算法的多机PSS参数优化

针对多机电力系统稳定器(PSS)的参数优化问题,提出了采用Prony算法辨识互联电力系统低频振荡的机电模式,利用基于T-S模型模糊自适应的改进微粒群优化(T-SPSO)算法协调PSS参数的控制策略.先采用基于Prony分析的留数法确定PSS的最优安装位置,然后通过对采样数据的Prony分析辨识系统振荡模式的特征值,最后利用所提T-SPSO算法协调优化多机PSS参数.T-SPSO算法根据当前种群最优适应值和惯性权重,自适应更新惯性权重取值,解决了PSO算法的早熟问题.针对IEEE 4机系统的仿真分析表明,基于T-SPSO算法优化后的多机PSS控制器,在2种典型运行方式下都具有更好的控制性能.     

基于现场实验数据的PSS参数智能优化方法

针对目前电力系统稳定器(PSS)参数优化实验工作中人工参与度高的现状,提出了一种基于现场试验数据的PSS参数智能优化方法。首先通过现场小扰动试验数据,将发电机以外的系统等值为无穷大母线电压Vs和系统电抗Xs,然后利用静态等值系统的线性化Heffron-Philips模型计算励磁控制系统的无补偿相位特性,得到PSS参数优化的目标曲线,并根据这一目标曲线,利用改进粒子群算法(SAPSO)优化PSS的时间参数值。通过在PSASP中对华北华中电网算例进行仿真,仿真结果表明采用本算法优化后的PSS能有效、合理地抑制低频振荡,并且能够适应电网不同的运行方式,具有一定的鲁棒性。     

相量测量装置（PMU）动态测量精度在线检验

粒子群算法(PSO-ω)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群体智能优化算法。基于单机无穷大系统模型,通过采用PSO-ω算法对电力系统稳定器(PSS)进行参数优化,以抑制低频振荡。该方法是以最优控制原理为基础,综合考虑PSS与励磁系统的性能,将PSS 参数优化协调转化为带有不等式约束的优化问题,控制目标为系统输出按照最小误差跟踪给定值的能力（ITAE准则）。用Matlab软件进行仿真,结果表明,利用该方法设计的PSS,它的稳定性有了较大的提高。     

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。     

基于增强连续禁忌算法的PSS参数优化

多机系统中,电力系统稳定器PSS(Power System Stabilizer)的参数配置是一个复杂的非线性优化问题。描述了电力系统模型、PSS模型及参数优化目标函数和约束条件。介绍了增强连续禁忌算法ECTS(Enhanced Continuous Tabu Search)的主要组成部分及算法流程图。并以WSCC3机9节点系统为例进行PSS参数优化,通过发电机在不同方式下(正常、负荷高峰、负荷低谷)的动态性能仿真,结果表明：用ECTS算法参数优化后的PSS动态性能优于常规方法设计的PSS,具有一定的鲁棒性。     

具有多模型适应性的发电机PSS参数优化方法

现代电力系统中应用配置的电力系统稳定器(PSS)模型不尽相同,而传统PSS参数设计方法仅局限于传统PSS模型。文中提出了具有多模型适应性的发电机PSS参数优化方法,以PSS相位补偿效果为优化目标,采用粒子群算法对该发电机的PSS参数进行优化。该方法对多种PSS模型具有高度适应性,不仅适用于传统的PSS模型,也适用于无超前滞后环节的新型PSS模型。算例表明,采用具有多模型适应性的发电机PSS参数优化方法可有效提升系统阻尼,抑制系统低频振荡。     

标准测试系统中PSS参数协同优化与配置研究

选取IEEE-57节点测试系统进行振荡模式、阻尼特性和电力系统稳定器(power system stabilizer,PSS)投退分析,校核系统PSS配置的合理性及抑制低频振荡的效果。基于自适应加速粒子群算法分3步对测试系统进行PSS参数协同优化和配置,第一步对15号机PSS参数进行单机优化,对比系统阻尼;第二步对18号机进行PSS配置及其参数优化,提高测试系统阻尼;第三步对15、18号两机进行PSS参数协同优化,获得更高阻尼特性的参数。利用小干扰稳定时域仿真和普罗尼算法(Prony分析),验证得协同优化的PSS参数阻尼效果更好,系统动态安全稳定水平更高且PSS协同优化及配置方法有效可行。     

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。     

基于自适应权重粒子群算法的PSS4B-W参数优化研究

介绍了一种智能优化算法-自适应权重粒子群算法(SWPSO)应用到电力系统稳定器PSS4B-W的参数整定过程中而建立的PSS4B-W参数优化模型。通过对权重系数的动态调整,从而获得更好的全局搜索能力。根据单机无穷大系统模型,在计算励磁系统无补偿相频特性基础上,应用该优化模型进行PSS4B-W相位补偿计算。仿真结果表明经自适应权重粒子群算法优化的PSS4B-W能够较好地抑制低频振荡,提高系统的稳定性。     

混合粒子群算法在PSS参数优化中的应用

通过采用一种新的混合粒子群算法对多机系统的电力系统稳定器(PSS)进行参数优化,以达到更好的低频振荡抑制效果.引入交叉操作的混合粒子群优化算法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).用Matlab软件进行仿真,结果表明,该方法设计的PSS稳定性有较大提高.     

基于非线性规划方法的PSS参数优化设计

在多机系统中,电力系统稳定器的参数配置是一个复杂的非线性优化问题,可以应用先进的现代内点算法求解该优化问题.本文以Anderson3机9节点系统为例,应用现代内点算法来进行PSS参数优化.通过发电机在不同运行方式下(正常、负荷高峰、负荷低谷)的动态性能仿真结果表明:用现代内点算法进行参数优化后的PSS动态性能优于常规方法设计的PSS,具有一定的鲁棒性.     

基于NSGA-Ⅱ算法的PSS多目标优化设计

电力系统稳定器(PSS)能够很好地抑制电力系统低频振荡,其参数的整定尤为重要。一般处理方法是将系统状态矩阵特征值实部和阻尼比分别加权转换成单目标问题,进而用优化算法对PSS控制器参数进行优化,而权重的选取对参数影响极大。以特征值实部和阻尼比作为两个目标,用NSGA-Ⅱ多目标进化算法优化处理,最后与传统的遗传算法相比较。仿真结果表明,采用NSGA-Ⅱ算法设计的PSS控制器,可以有效地阻尼电力系统低频振荡。     

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...     

基于随机聚焦粒子群算法的多机系统PSS参数优化

随机聚焦粒子群算法(SFPSO)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群体智能优化算法.通过采用SFPSO算法,对多机系统的PSS参数进行优化.该方法是以最优控制原理为基础,综合考虑PSS与励磁系统的性能,将PSS 参数优化协调转化为带有不等式约束的优化问题,控制目标为系统输出按照最小误差跟踪给定值的能力.通过仿真测试以及不同算法优化结果的对比,表明基于SFPSO算法优化的PSS在不同的干扰下都具有良好的性能,能够抑制低频振荡,并保持系统稳定,同时证明了SFPSO算法的有效性和优越性.     

PSS与储能装置的协调控制及参数优化研究

针对电力系统中多种控制器间参数配合不合理的问题,结合电力系统低频振荡的抑制问题,对电力系统稳定器(PSS)与储能装置的协调优化进行研究。基于电力系统分析综合程序(PSASP),分析PSS、储能装置的控制逻辑,并基于PSASP的用户自定义模块搭建储能装置控制模型。针对PSS与储能装置对应的参数优化模型,利用细菌群体趋药性(BCC)算法,进行PSS和储能控制器的参数优化分析。以四机两区系统模型为例对协调优化方法进行验证,特征值分析结果及时域仿真测试结果表明,经协调优化后的控制器参数能够有效抑制低频振荡,提高电力系统动态稳定性。     

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。