基于果蝇优化算法的配电网状态估计

配电网状态估计的目的是根据获取的配电网的各种量测信息,估计配电网系统的运行状态,是配电管理系统(DMS)的重要核心功能之一。根据配电网特点,以电压幅值和相角为状态变量,以量测值和估计值误差最小为目标函数,以潮流方程和估计值的上、下限为约束条件,构建配电网状态估计的优化模型,采用果蝇优化算法对该模型进行求解。算例表明,基于视觉和嗅觉的觅食行为启发的果蝇优化算法可有效求解该优化模型,具有易于实现、控制参数少和计算精度高的特点,为配电网状态估计提供了新的途径。     

多智能优化算法的配电网状态估计

状态准确估计是保证配电网正常运行的基础,在电力系统中具有十分重要的地位。考虑配电网状态复杂多变的特点,利用智能算法之间的优势互补理论,构建了基于多智能优化算法的配电网状态估计模型。首先设计配电网状态估计的目标优化函数,然后利用遗传算法对配电网状态值进行初步估计,并采用蚁群算法对配电网状态的初步估计值进行修正,最后通过配电网状态估计的具体算例进行仿真测试。结果表明,该模型可以对遗传算法和蚁群算法的配电网状态估计结果进行有效融合,精确刻画了配电网状态变化特点,提高了配电网状态估计的精度,且比其他配电网状态估计模型具有明显的优势,估计结果可以为配电网企业以及管理人员提供有价值的信息。     

基于自适应免疫粒子群优化算法的配电网状态估计

针对配电网中分布式发电机等设备的非线性特性和配电网量测配置特点,结合粒子群优化算法(PSO)的特点.提出了采用自适应免疫PSO算法进行配电网状态估计的思路.该算法引入免疫系统的免疫信息处理机制和自动调整动量系数的自适应因子的粒子群算法.解决了配电网状态估计中的非线性问题,克服了基本PSO算法容易陷入局部最优解的缺点,不仅增强了全局搜索能力,而且获得了理想的收敛速度和精度.算例证实了该算法的有效性,与基本粒子群算法的比较,显示了其优越性.     

基于自适应免疫粒子群优化算法的配电网状态估计

考虑了配电网中的一些设备如分布式发电机的非线性特性和配电网的量测配置特点,结合粒子群优化算法(PSO)的特点,提出了采用自适应免疫PSO算法来进行配电网状态估计.该算法解决了配电网状态估计中的非线性特性,引入免疫系统的免疫信息处理机制和自动调整动量系数的自适应因子的粒子群算法,克服了基本PSO算法容易陷入局部最优解的缺点,增强了全局搜索能力,而且收敛速度和精度都很理想.算例证实了算法的有效性,并通过和基本粒子群算法比较显示其优越性.     

基于自适应免疫粒子群优化算法的配电网状态估计

考虑了配电网中的一些设备如分布式发电机的非线性特性和配电网的量测配置特点,结合粒子群优化算法(PSO)的特点,提出了采用自适应免疫PSO算法来进行配电网状态估计。该算法解决了配电网状态估计中的非线性特性,引入免疫系统的免疫信息处理机制和自动调整动量系数的自适应因子的粒子群算法,克服了基本PSO算法容易陷入局部最优解的缺点,增强了全局搜索能力,而且收敛速度和精度都很理想。算例证实了算法的有效性,并通过和基本粒子群算法比较显示其优越性。     

基于萤火虫算法的配电网状态估计研究

针对配电网状态估计方法不完善,最小二乘算法对迭代初值要求较高、容易造成不收敛的缺点,深入研究了具有很好的求取全局极值和搜索多极值能力的萤火虫优化算法。将萤火虫优化算法应用于配电网状态估计,算例分析结果表明该方法能够克服最小二乘法的缺点,具有良好的精确度、适应性,且收敛速度快,能够应用于配电网状态估计。     

基于改进粒子群算法的配电网状态估计

根据配电网分布式电源的非线性特性和量测配置特点,在粒子群优化(PSO)算法中引入了自然选择的机制,增强了全局搜索能力,克服了基本粒子群算法容易陷入局部最优解的缺点。将改进PSO算法应用到含有分布式电源的配电网的状态估计,通过算例仿真,收敛速度和估计精度有很大提高,证明了算法的优越性。     

基于等效功率变换的配电网状态估计算法

提出一种基于等效功率变换的配电网状态估计算法，将配电网中的功率量测、电压幅值量测、电流幅值量测统一变换为支路首端等效功率量测，采用修正量测雅可比矩阵的迭代方法求解。该方法能够利用配电网中的各种量测，并且P，Q解耦迭代，有较高的运算效率和数值稳定性，对量测配置也无特殊要求。文中还提出一种通过添加零虚拟负荷量测提高数值可观性的方法，使原本不可估计的网络能够进行状态估计。     

基于改进差分进化算法的配电网状态估计

状态估计是当前配电网中的研究重点,为了获得更加理想的配电网状态估计结果,提出一种基于改进差分进化算法的配电网状态估计方法。首先在标准差分进化算法中引入混沌变异策略,保持种群个体的多样性,增强全局搜索能力,然后建立配电网状态估计目标优化函数,并采用改进差分进化算法对其求解,最后采用配电网状态估计仿真实验测试其有效性和优越性。结果表明,改进差分进化算法加快了配电网状态估计的求解速度,获得了较高的配电网状态估计准确度,配电网状态估计性能要优于其他配电网状态估计方法。     

基于改进两阶段鲁棒优化的电力系统状态估计方法

误差是测量值相对于真值的偏差,由于实际中真值不可得,传统基于误差理论建立的状态估计模型具有较大的局限性。为此,首先基于马氏距离,确定PMU最佳缓冲长度并与SCADA数据统一到同一时间断面;然后,在两阶段算法框架下,基于不确定测度理论和在该理论下的测点相对偏离,考虑严格的零注入约束关系,以加权不确定测度相对偏离之和最小为目标,提出一种基于改进两阶段鲁棒优化的电力系统状态估计方法。仿真结果表明,相对于传统状态估计方法,所提方法能够严格满足零注入节点的注入功率为零,且鲁棒性好,估计结果契合度较高。     

基于PMU的配电网状态估计

分布式能源的接入、网络结构的复杂性以及量测数据冗余不足,使配电网状态估计的精度较低。针对量测数据精度不高的问题,引入同步向量测量装置(Phasor Measurement Unit,PMU)以提高状态估计的精度;针对配电网状态估计中应用最多的加权最小二乘法(Weighted Least Squares,WLS)对量测数据精度要求高、抗差能力差的缺点,结合Huber算法和多目标函数抗差估计算法改进了加权最小二乘法,提出三目标函数型预抗差状态估计。通过对迭代次数的判断并结合WLS、Huber算法和指函数型目标函数的优点确定选用哪种目标函数。算例分析在IEEE33节点系统中展开,结果表明,加入PMU有效提高了量测数据的准确性。三目标函数预抗差算法比WLS估计精度高、抗差性强,验证了所提算法的有效性。     

基于PMU的配电网状态估计

配电网状态估计在了解配电网运行情况时起到至关重要的作用,向量测量单元(PMU)能为状态估计提供实时的同步数据。提出以支路电流为状态量,以PMU采集的数据为量测量对配电网进行状态估计,并用IEEE33节点证明所提算法的有效性和可行性。     

基于差分进化粒子群算法的配电网状态估计

为防止不良数据对状态估计结果产生不良影响,提出了一种辨识与修正配电网母线上不良电流数据的简易算法,引入质量标签来表示数据的可信度,提高输入电流的数据质量。同时,提出了采用基于差分进化的混合粒子群(DEPSO)算法来进行配电网状态估计,能够解决分布式电源接入后造成的非线性问题。算例仿真表明,输入状态估计的数据质量得到有效提高;与PSO算法相比,DEPSO算法更适用于配电网状态估计,计算结果更加准确。     

基于决策树自标识的主动配电网状态估计算法

为解决目前配电网前端数据数量大、缺省多、分析复杂等问题,本文提出一种适用于主动配电网的状态估计算法来管理分析前端数据。采用了基于决策树自标识的主动配电网状态估计算法,通过估计前预处理数据,对数据进行分类以及修正,使输入状态估计模型中的数据有更好的相容性。同时,本文针对分布式能源配套量测装置少的问题,建立了考虑分布式电源的状态估计模型,对分布式能源缺省数据进行补全修正,提高输入数据的质量。该方法运用到实际算例中可以看出,对比传统的状态估计,基于决策树自标识的主动配电网状态估计算法有更好的估计效果以及更快的迭代速度。因此本文提出的算法能有效的运用到当前大规模分布式能源接入的配电网状态估计中。     

基于LLSE的配电网状态估计器及优化方法

随机性分布式可再生能源发电接入配电网以及有限的测量装置给传统配电网的状态估计带来了困难,为此本文设计了一种基于线性最小二乘法的配电网三相状态估计器。首先基于三相电压降落计算公式,建立配电网电压估计模型,根据线性最小二乘法得到估计器表达式。分析了风电等接入配电网时对估计器性能的影响,给出了监测节点位置优化模型的决策变量、目标函数和约束条件。通过在IEEE 33节点配电网络中的仿真计算验证了本文设计估计器及优化方法的正确性和有效性。本文为随机性分布式电源接入的配电网状态估计提供了理论和实用方法     

基于变异粒子群优化-禁忌搜索混合算法的配电网状态估计

为解决含非线性设备配电网状态估计的优化问题,以节点负荷值和分布式电源输出值为状态变量,建立了含分布式电源配电网的状态估计模型,提出了一种求解状态估计模型的变异粒子群优化-禁忌搜索混合算法。该算法通过对个体极值进行变异操作增加粒子多样性,在迭代后期使用禁忌搜索算法,提升粒子群优化算法的后期搜索能力和克服早熟收敛。选用IEEE33节点配电系统作为仿真实例,仿真结果表明变异粒子群优化-禁忌搜索混合算法能有效地估计出节点负荷值和分布式电源输出,其状态估计的个体最大相对误差和个体最大绝对误差均远小于蚁群算法、粒子群优化算法和遗传算法的估计结果。     

基于改进状态转移算法的电力系统两阶段动态无功优化

针对混合整数非线性规划的电力系统动态无功优化问题,提出两阶段动态无功优化模型以降低计算规模.第1阶段为非线性规划,以系统网损和节点电压偏移综合最小为目标.第2阶段为混合整数规划,在满足设备全天调节次数等约束的基础上,以电力系统网损增量最小为目标.鉴于常规罚函数法处理约束条件会出现罚因子选取不当而影响最终结果的情况,提出混合滤子技术的改进状态转移算法.该算法采用双种群并行搜索方式,将个体适应度和约束违反度构成滤子对作为评价指标以替代罚函数.最后,以IEEE 14节点系统和某地级电网实际系统为例,将所提算法、传统状态转移算法和多种群蚁群算法分别求解模型,通过对比分析仿真结果验证了所提模型与算法的正确性.     

配电网状态估计的一种新算法

加权最小二乘法是当前配电网状态估计的常用算法,但它对于粗差的处理能力不足,量测量中的粗差会使估计结果严重偏离真值.介绍了一种抗差原理,利用权因子把一般性的M估计转换为加权最小二乘法,并将之应用于配电网的状态估计.通过测试,证明该方法可以有效减小或消除量测量里面的粗差影响,对于配电网状态估计技术有较强的实用价值.     

一种配电网状态估计算法的研究

针对配电网管理系统开发一种性能优良的状态估计算法.采用配电网潮流算法中较为出色的ZBUS法作为基础的潮流算法,并以基于负荷电流的量测变换方法来处理量测量,使得该算法能快速可靠收敛,并方便高效地处理各类量测.仿真表明该算法是有效的.     

一种配电网状态估计算法的研究

针对配电网管理系统开发一种性能优良的状态估计算法。采用配电网潮流算法中较为出色的ZBUS法作为基础的潮流算法 ,并以基于负荷电流的量测变换方法来处理量测量 ,使得该算法能快速可靠收敛 ,并方便高效地处理各类量测。仿真表明该算法是有效的