配电网高低压综合电压/无功优化方法

在10 kV线路上装设无功补偿装置可以有效地改善电压、提高运行经济性的前提下,提出了10 kV配电网高低压综合电压无功优化模型,该模型在传统的低压侧补偿、首端电压以及配变分接头调整控制的基础上融入了10 kV线路补偿控制,并提出了遗传算法应用于配电网电压无功优化时的初始群体产生两步法,介绍了采用该改进的遗传算法求解该综合优化模型的处理方法和主要步骤.采用门头沟一条实际的10 kV配电线路进行优化说明了将10 kV侧无功补偿纳入电压无功补偿模型进行综合考虑的必要性与可行性.     

基于改进遗传算法的配电网无功优化

遗传算法是近年被广泛应用于配电网无功优化的一种新型的优化算法，本文在基本遗传算法（SGA）的基础上，提出基于定制的初始种群的形成方法以保证个体的多样性，提出反映个体分布疏密情况的个体分布散度，设计出随个体分布散度成反比，随最优个体相对保留代数成指数上升的自适应变异率，为配电网无功优化提供了一种新的算法，算例表明本文提出的算法优化效果好，在精度上以及收敛速度上都具有较大的提高。     

基于随机矩阵和支持向量机的两阶段配电网综合优化

无功优化对保障电力系统安全、经济运行具有重要的意义。提出了一种考虑重构的基于随机矩阵和支持向量机的两阶段配电网综合优化方法,先确定当前配电网的拓扑结构,再确定无功优化控制策略。通过构造高维随机矩阵,从配电网运行数据中提取统计特征作为输入,将传统无功控制策略和开关状态作为输出,利用支持向量机学习系统特征与优化运行策略之间的非线性映射关系,建立基于两阶段支持向量机组合决策的配电网综合优化模型。基于改进的IEEE-37节点主动配电网仿真模型,对比分析了传统优化方法、场景匹配方法和所提方法的优化效果。结果表明,所提方法可进一步提高优化效果,实现了无功优化与配电网重构间的协调控制,不需要配电网的模型和参数,在线决策速度快,为基于大数据的配电网优化运行提供了一条新途径。     

主动配电网中多端柔性多状态开关的选址定容优化

智能柔性多状态开关作为网间功率调控媒介,在主动配电网中实现有功/无功协调并优化运行状态,发挥巨大的应用价值。本文考虑多端柔性多状态开关的拓展性,定义其接入的约束限制和位置向量,提出含柔性多状态开关主动配电网的经济成本优化配置模型。规划目标追求周期最小经济成本,综合考虑设备运行、连接损耗、网间交互和容量配置等成本因素来配置柔性多状态开关接入位置和端口容量。进而采用改进遗传算法和二阶锥规划的混合算法求解。最后,依托实际智能配电网示范工程,在馈线组算例系统中展开测试,结果表明所提方法能保证综合经济成本合理控制,并发掘了柔性多状态开关与无功补偿的有功/无功协调控制的性能,且算法稳定高效。     

基于量子混合蛙跳算法的含分布式电源配电网无功优化

将分布式电源(DG)的无功调节能力与传统的电压调节手段相结合,研究了含DG的配电网无功优化问题。建立以降低系统网损、抑制电压波动为综合目标的配电网模糊无功优化模型。通过蒙特卡罗仿真对配电网系统进行无功补偿选址,采用量子混合蛙跳算法求解含DG的配电网无功优化问题。最后,通过IEEE 33节点系统进行仿真计算,表明在配电网接入DG的基础上进行无功优化能较大程度地改善系统电压水平和降低系统网损,并且证明了所提算法的快速性和有效性。     

配电网高低压综合电压/无功优化方法

在10 kV线路上装设无功补偿装置可以有效地改善电压、提高运行经济性的前提下,提出了10 kV配电网高低压综合电压无功优化模型,该模型在传统的低压侧补偿、首端电压以及配变分接头调整控制的基础上融入了10 kV线路补偿控制,并提出了遗传算法应用于配电网电压无功优化时的初始群体产生两步法,介绍了采用该改进的遗传算法求解该综合优化模型的处理方法和主要步骤。采用门头沟一条实际的10 kV配电线路进行优化说明了将10 kV侧无功补偿纳入电压无功补偿模型进行综合考虑的必要性与可行性。     

基于改进遗传算法的配电网无功规划优化

以配电网电能损耗、无功补偿设备投资以及节点电压质量等经济技术综合效益最大为目标函数,在最大负荷运行方式下建立了配电网无功规划优化的数学模型。针对配电网分支和待补偿节点多的特点,提出一种无功电流损耗最小的算法,用以优化补偿电容器的个数和位置,并在此基础上,结合改进的遗传算法进一步提高无功规划优化的精度和效率。该方法既可以减小初始种群的无效解,克服了"维数灾",又可以避免遗传算法的早熟和欺骗问题。仿真算例验证了该方法的有效性和实用性。     

计及智能软开关与分布式电源调节能力的配电网两阶段无功优化

安装于配电网联络线上的智能软开关(soft normally open point,SNOP)除了能够传输有功功率外,还能够调节无功输出以实现对电压水平的支撑。配电网的无功优化需要综合考虑有载调压变压器(on-load tap changer,OLTC)的分接头、SNOP与分布式电源(distributed generation,DG)的无功输出。针对这一多控制变量的求解难题,首先建立了以系统有功网损和与上级电网无功交换功率最小为目标函数的优化模型,该问题属于带时间耦合的混合整数规划问题。然后,提出了基于粒子群算法的两阶段无功优化方法,第一阶段忽略时间耦合性,通过聚类算法得出OLTC动作方案,第二阶段获得SNOP与DG的组合状态。最后,以改进的IEEE 33节点系统为算例,计算结果表明考虑SNOP与DG灵活运行的配电网无功优化满足网损减小、无功就地平衡的要求。     

基于改进蜉蝣算法的含分布式电源配电网无功优化

近年来,风光等分布式电源（distributed generation,DG）的大规模并网运行给主动配电网无功优化带来新挑战。首先,在对分布式电源无功调控特性进行分析的基础上,针对配电网单相、三相混杂的情况,文中分别建立了考虑三相平衡与不平衡情况下计及DG无功支撑能力的配电网无功优化模型。其次,在蜉蝣算法的基础上,利用Sobol序列生成超均匀分布的初始蜉蝣种群提高算法收敛性;引入自适应重力系数合理化搜索机制和基因突变以增加种群多样性;同时调整越界约束策略以减少无效计算,提出一种改进蜉蝣算法（improved mayfly algorithm,IMA）用于求解含DG的配电网无功优化问题,并给出具体的无功优化流程。最后,通过对改进后的IEEE 33节点和三相IEEE 33节点配电系统进行测试,验证IMA较于其他智能算法在无功优化计算中的优越性。结果表明所提模型和算法能够有效降低配网的有功网损和三相不平衡度,提高各节点的电压水平。     

考虑DG无功支撑和开关重构的主动配电网分布鲁棒无功优化模型

近年来,风光等分布式电源(distributed generation, DG)的大力发展给主动配电网无功优化带来了新的挑战。传统随机优化和鲁棒优化方法在处理清洁能源不确定性方面存在片面性或保守性等问题。基于此,该文构建以系统网损为优化目标,并考虑DG无功支撑和开关重构的主动配电网分布鲁棒无功优化模型。该模型除了包括传统无功优化中的开关、变电站有载调压变压器、离散与连续无功补偿装置等元素,重点对双馈风机和微型燃气轮机的容量曲线进行详细建模,从而融入DG的无功支撑能力,并设计有功无功出力耦合特性约束的线性化方法。结合风电和光伏的典型场景数据,以及决策变量的调节特性,构建基于数据驱动的分布鲁棒两阶段无功优化模型,其中不确定性概率分布置信集合同时受到1-范数和∞-范数约束。模型采用列与约束生成(columns and constraints generation,CCG)算法进行求解,并在IEEE33节点算例上验证模型对系统无功支撑能力的提升和分布鲁棒方法的有效性。     

基于粒子群算法的电磁装置优化设计

简要介绍了粒子群的算法及其特点,详细分析了粒子群算法和罚函数法相结合应用于电磁装置优化设计的若干问题。以某型号电磁继电器优化设计为例进行例示。设计结果证明了该算法的有效性。     

运用混合优化算法求解包含离散变量的无功优化问题

利用遗传算法和传统优化方法的互补特性,采用混合优化方法求解包含离散和连续变量的无功优化问题。遗传算法的选择、交叉和变异操作仅作用于离散变量,对种群进行全局广度搜索,运用传统优化方法对种群个体中的连续变量进行优化使其移动到局部最优点上。为保证对连续变量的优化效果,选择了基于函数变换与广义逆的优化新算法。混合优化算法模型简单规范,遗传算法擅长处理离散变量和传统优化方法速度快、数值稳定性好的优势得到发扬。算法实用性和有效性通过算例及工程应用得到验证。     

基于粒子群算法的故障测试集优化

为加速测试进程和减少测试开销,数字集成电路在生成测试矢量后必须进行故障测试集的优化。文中利用粒子群优化算法生成最小完备测试集,根据故障测试集优化问题的具体特点,构造粒子的表达方式和编码规则,建立粒子群的速度一位置模型;同时为提高优化效率,引入混沌优化算法来初始化粒子群。实验结果表明,在测试生成后,该方法能在较短的时间内生成最小完备测试集,验证了它的实用性和有效性。     

基于微粒群优化算法的电力系统动态无功优化

根据系统负荷曲线变化趋势按单调性将一天的预测负荷曲线划分为若干(小于24)个时段，并将动作次数约束还原为经济成本，将它与网损费用等之和作为目标函数，并考虑了各种运行约束条件，采用微粒群优化算法进行计算，该算法收敛速度较快。与静态无功优化模型相比表明，该无功优化模型更适合给定的地区电网，优化后全天的网损略有增大，但变压器抽头调节次数以及电容器组投切次数明显减少。     

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.     

基于动态多种群粒子群算法的无功优化

提出了一种基于动态多种群策略的改进粒子群算法。该算法将传统粒子群优化算法(particle swarm optimization,PSO)中的种群划分成多个子群,每个子群相对独立地朝同一目标进化,仅通过一种轮形结构的弱联系进行交流。在进化过程中各种群不断分裂和聚类重组,动态调整种群规模以更好地适应进化。该算法可以较好地避免PSO算法过快收敛于局部最优解,并且有较快的收敛速度。文中将该算法应用于求解电力系统无功优化问题,并与标准PSO算法的性能进行了对比,仿真计算证明该算法是有效、可行的。     

基于粒子群算法的VSC-HVDC控制参数优化

随着大功率电力电子技术的发展,电压源型直流输电得以实现,为了简化这种新型的直流输电方式控制器设计和提高系统鲁棒性,采用了结合PI控制器的双闭环控制。以两端均为有源网络的电压源型直流输电系统为研究对象,以Matlab/Simulink为研究平台,利用粒子群优化算法,对VSC控制器参数进行了优化。建立直流输电的暂态数学模型,据此分析其控制器结构,选定需要优化的控制参数。将粒子群算法程序与直流输电仿真模型结合进行仿真计算,通过多次迭代得出优化的控制器参数,并与原始参数进行系统性能对比,验证该方法的可行性。     

基于混合粒子群优化算法的电力系统无功优化

应用粒子群优化算法(PSO)求解电力系统无功优化问题,提出基于混沌搜索的混合粒子群优化算法,以克服PSO容易早熟而陷入局部最优解的缺点。该算法引入了基于群体适应度方差的早熟判断机制,当算法陷入早熟时,利用混沌运动的遍历性、随机性和规律性等特性,先对当前粒子群体中的最优粒子进行混沌寻优,然后把混沌寻优的结果随机替换群体中的一个粒子,从而提高了PSO的寻优特性。通过对IEEE 14、IEEE 30、IEEE 118等标准测试系统进行无功优化,并与遗传算法、标准PSO进行比较,表明该算法具有更高的搜索效率和更好的全局优化能力。     

基于改进粒子群算法的电力系统无功优化研究

阐述了一种改进粒子群的无功优化方法.粒子群优化(PSO)算法是进化计算领域中的一个新的分支,其源于对鸟群和鱼群群体运动行为的研究.针对粒子群优化容易陷入局部极值点的问题,文章提出混沌粒子群算法,该算法可以较好地避免PSO算法过快收敛于局部最优解,有较快的收敛速度.文中将该算法应用于求解电力系统无功优化问题,并与标准PSO算法的性能进行了对比,仿真计算证明该算法是有效、可行的.