一种用于分解协调无功优化的全分邻近中心算法

针对无功优化分解协调模型求解中增广拉格朗日函数不可分的问题,在邻近中心算法基础上提出一种适用于特殊等式约束优化问题、可实现所有步骤分解计算的全分邻近中心算法。该算法通过邻近函数构造平滑同时可分的拉格朗日函数,并通过最优梯度更新拉格朗日乘子,只需要在相邻分区之间交换边界节点信息即可实现全网无功优化的分解协调计算。与通过对偶梯度更新拉格朗日乘子的分解算法相比,它不但可以直接确定计算所用参数,而且可以大大提高收敛速度。算例结果表明,所提算法可以实现全网无功优化的分解协调计算,并且其计算效率远高于基于辅助问题原理的分解协调算法。     

基于邻近中心算法的无功优化分解协调计算

针对大规模电网无功优化存在的计算速度慢和数据传输瓶颈问题,提出了一种基于邻近中心算法的无功优化分解协调算法.通过邻近函数构造平滑的拉格朗日函数,避免了增广拉格朗日函数的不可分问题;通过最优梯度更新拉格朗日乘子,大幅减少了迭代次数,并且可以直接确定平滑参数等计算所用参数,仅需要通信交换边界节点和拉格朗日乘子信息即可实现全网无功优化的分解协调计算.算例结果表明,所提算法可以有效提高全网无功优化的计算效率,并且与基于辅助问题原理的分解协调算法相比,其收敛速度更快、计算效率更高.     

基于拉格朗日对偶松弛的多区域柔性直流互联电网无功优化

现有方法对互联后的电网进行无功优化时难以满足大规模电网实时计算、快速反应的需要,并且面临全网数据收集的难题。为了解决上述问题,采用分解协调算法的思想,提出一种基于拉格朗日对偶松弛的多区域柔性直流互联电网无功优化方法。首先根据支路潮流模型,利用二阶锥松弛和二次旋转锥松弛方法建立了多区域柔性直流互联电网的集中式无功优化模型。然后利用拉格朗日对偶松弛理论在集中式优化模型的基础上,提出了可以并行计算的多区域柔性直流互联电网无功优化方法。通过算例计算,验证了所提算法的有效性和正确性。此外,还对比分析了所述的分解协调算法和基于交替方向乘子法(ADMM)的分布式优化算法的计算结果,证明所用算法在计算时间上更具优势。     

基于电网分区的多目标分布式并行无功优化研究

针对集中式并行无功优化的瓶颈问题，建立了基于电网分区的多目标分解协调模型，并采用辅助问题原理(APP)进行分布式并行计算，将全网的多目标无功优化问题分解为多个子网的多目标并行优化问题：基于地域的系统分解与协调符合电网市场化发展的方向。仿真结果表明，本算法具有较强的收敛性和快速性。     

基于局域重加权的智能配电网多源分布式协调优化算法

为了实现大量间歇式新能源的充分消纳,提出了一种含高密度分布式电源的智能配电网有功和无功资源的区域分布式协调优化算法。该方法首先建立多时间段线性锥最优潮流模型,其次利用辅助变量增广Lagrangian乘子法分裂节点以实现各区域子系统潮流的空间解耦,最后提出了基于局域重加权Lagrangian的分布式优化算法,实施全网有功和无功资源的协调优化。算法上,各区域子系统无需全局协调可独立并行迭代优化,通过邻域子系统间少量的部分信息交互达到全网优化。该算法降低了通信复杂度,最大限度地保留了各子系统的独立性。算例验证结果表明,所提算法计算效率较高且收敛特性良好。     

采用Ward等值技术的多区域无功优化并行计算

针对大规模电力系统无功优化计算速度慢的问题,采用多区域并行计算是一种有效的解决方法。基于Ward等值技术对多区域无功优化分解协调算法做进一步的改进和补充,通过建立等值分区的无功优化并行计算模型,对其等值分区并行计算的实现原理进行了总结分析,提出适合基于Ward等值技术的多区域无功优化并行协调计算模式和计算流程,并采用Matlab并行计算平台实现无功优化并行计算。以IEEE 39节点、某538节点实际系统和某695节点实际系统为算例,通过与集中优化方法进行比较,验证了所提方法的有效性。     

基于改进小生境遗传算法的配电网全网无功优化

提出一种配电网全网无功优化方法,该方法将整个配电网划分为高、中、低压3个等级,各级电网再根据自身特点分解为优化单元,遵循从下至上优化的原则,上级主网优化时计及下级子网无功优化的影响,计算结果更准确可靠。各优化单元的无功优化通过改进的小生境遗传算法来实现,该算法将个体距离判别标准设置为动态函数,能够更灵活、更准确地跟踪个体距离,收敛速度快且能在全局范围内找到最优解。针对某配电网的计算实例验证了配电网全网无功优化方法的优越性。     

一种多分区互联电网分布式无功优化算法

电网互联进程不断加快和系统规模的不断扩大对互联电网无功优化计算提出了更高的要求。提出了一种基于子网边界节点等值注入功率的多分区互联电网无功优化分布式协调优化算法。基于电网监控分层分区的特点,通过建立保留分区间联络线的简化外网模型,将子网间边界向量相等的耦合约束转化为边界节点注入功率修正方程的等式约束。构造边界节点电压加权修正的外层协调环节,依靠等值注入功率和对应边界节点电压向量的数值更新与传递实现全网无功优化问题的分布式求解。该方法有效地降低了协调层的参与度,进一步提高了子网无功优化的独立性,符合无功优化和控制的本地性要求。对多个IEEE试验系统进行了数值仿真测试与分析,结果表明方法具有良好的有效性和适用性。     

全局安时无功优化调度的MAS方法

电力系统无功优化调度问题在数学上属于一种具有多目标、多不确定因素、多约束、多极值、非线性的组合最优化问题。通常的寻优方法遇到了许多困难，因此目前无功优化调度技术的应用还停留在计算规模较小的地区局部电网中。为实现电网全局实时的无功优化调度，提出一种基于分布式人工智能中多Agent系统(MAS)的无功优化调度模型。将全网无功调度按区域分解为若干个相互关联的调度子系统进行分布式求解，全局调度系统采用网络控制结构，各调度子系统则采用分层控制结构。在各子网局部实现无功优化的基础上，采用多Agent智能协调技术实现全网的全局无功优化。     

基于多Agent技术的分布式电压无功优化控制系统

全网电压无功控制是一个复杂的、分布式的优化控制问题,为了更好地解决这个问题,文章提出了基于多Agent技术的分布式电压无功优化控制系统,该系统符合电压无功控制装置分散配置的特点,Agent之间相互协调,根据辅助问题原理进行全网并行无功优化计算,数据通信量少,收敛速度快.Agent根据优化计算结果自动调整电压无功模糊判据的控制范围,进行电压无功实时控制,自学习能力强.该系统功能强大,具有较高的适应性、灵活性、智能性和可扩展性.