基于改进PSO算法在含风电场的电力系统无功优化控制

含风电场的电力系统无功优化是一种具有多状态、多约束条件的非线性规划问题.针对其存在易陷入局部最优解的缺点,提出了改进的PSO算法.该算法改变了初始化方法和粒子更新方法,并在算法后期引入变异因子.在放射状配电网络系统的仿真计算中,改进PSO算法与遗传算法相比较,结果表明,改进PSO算法可在较短时间内取得更好的优化效果.     

基于改进遗传算法的海上风电场无功优化

针对海上风电场运行时大量无功传输引起电网质量不佳、有功损耗增加等问题,基于改进的带精英策略的快速非支配排序遗传算法,以补偿容量最少和负荷节点电压偏差最小为目标,提出海上风电场无功多目标优化方案,在Matlab中进行算例分析,结果验证了改进的遗传算法对海上风场无功优化的有效性。     

基于改进遗传算法的风电场多目标无功优化

针对风电场并网运行的多目标无功优化和电压稳定问题,建立了基于异步发电机内部等值电路的含风电场的电力系统无功优化模型,提出了风电场无功优化的目标函数和约束条件。结合非支配排序思想、精英保留策略、改进的小生境技术,得到了一种将向量模适应度函数作为淘汰准则的改进Pareto遗传多目标优化算法。以某风电场接入IEEE 14节点标准测试系统为例,将改进算法用于含风电场的电力系统无功优化。仿真结果表明,应用改进的遗传多目标优化算法可以同时得到多组Pareto最优解,为决策者提供了更多的选择余地,使风电场并网点母线电压在允许范围内。     

基于电压稳定灵敏度的风电场无功优化研究

提出采用电压稳定灵敏度进行风电场无功优化的方法,论证并推导了鞍结分岔的电压稳定裕度灵敏度的算式.借助太平里风电场接入系统项目,通过无功优化补偿计算,提出合理的无功配置建议,从而提高含风电场系统的电压稳定性.     

风电场无功优化控制策略设计与应用

近年来，随着“双碳”目标的规划与要求，作为可再生能源的风电装机容量占比在增加，使得新型电力系统的安全稳定运行面临严峻挑战。大规模风电场并网不仅会降低电力系统惯性响应和一次调频能力，而且会产生电网的无功电压等电能质量问题，为保证新型电力系统的安全稳定运行，提出了一种基于遗传算法的无功优化控制策略，首先建立风电场整体的协调优化控制模型，并在此基础上建立以风电机组、箱式变压器和集电线路网损最小的目标函数，基于遗传算法进行求解，得到最优的协调控制策略。     

DFIG风电场与D-STATCOM无功协调控制研究

提出了一种利用配电网静止同步补偿器（D-STATCOM）和双馈异步风电场（DFIG）对风电并网点进行无功协调控制的策略。该控制策略考虑了DFIG风电场的无功功率极限,结合D-STATCOM快速补偿的特点,将并网点的无功需求在两者之间进行合理分配,满足并网点快速、准确的无功补偿要求。仿真结果表明,由DFIG风电场和D-STATCOM组成的联合无功控制系统可以根据该控制策略在风速波动以及电压跌落时实现无功补偿,校正功率因数,并能稳定并网点电压,保证系统的稳定性。     

风电场无功综合优化控制策略探讨

针对大规模风电接入电力系统后的电网无功电压问题,提出了在传统发电厂、变电站自动电压调控系统（AVC）控制的基础上,结合风电场控制特点的无功综合优化调控策略．该策略根据风电机组运行信息和系统无功电压水平将系统无功调控区划分为3级：AVC为电压控制的第3级．风电场汇流接入的变电站做电压控制的第2级。风电场则是无功控制的第1级,并相应提出了系统通过风电场监控系统对风机控制和系统直接对风机控制2种调控模式．     

与风电场并网的变电站无功补偿的优化

针对风电场并网变电站电压波动较大的问题,通过对其产生的原因及影响因素进行分析,提出优化无功补偿的策略。结果表明:在风电场并网变电站装设动态无功补偿装置,可有效改善风电接入电网系统的电压质量,达到电压综合控制要求。     

基于改进和声算法的含风电系统无功优化研究

本文针对含双馈型风力发电机DFIG(double-fed induction generator,DFIG)的风电场接入电网时的无功补偿问题,建立了以有功网损最小为目标的无功优化模型,采用改进的和声搜索算法实现无功优化的方法。改进和声优化算法将和声搜索算法及粒子群算法相结合,利用和声搜素算法选出局部最优的优点和粒子群算法收敛速度快的特点,将和声库看做粒子种群,对其进行寻优,并对和声算法中音调调整率PAR(pitch-adjust-ting rate,PAR)和距离带宽bw(band width,bw)进行调节以提高对多维问题的搜索效率。文章以IEEE 33节点系统为基础,对无功优化算法进行仿真验证,实验结果表明文中所提出的改进型和声算法较其他算法具有更好的全局寻优性及快速收敛性,同时也能较好的改善各节点电压幅值。     

含风电场的配电网无功优化策略研究

针对传统的配电网无功优化调节手段离散化、难以实现电压的连续调节等问题,研究了含风电场的配电网无功优化模型和算法,分析了双馈感应电机的无功发生能力,将风电场作为连续的无功调节手段参与配电网无功优化。并针对风电出力随机性的特点,用场景功率描述风电的随机出力,使之更具代表性。考虑了配电网的网损、电压偏差以及电压稳定性指标,建立了多目标无功优化模型。提出了基于量子粒子群算法(QPSO)的无功优化方法,该算法通过波函数描述粒子的状态,增加了种群的多样性,有效地避免了种群早熟等问题。用该算法对改进的IEEE33节点进     

基于遗传算法的双馈风场分群无功控制策略

现有的双馈风电场无功控制多数采用恒功率因数控制,既没有充分利用风电场内双馈风电机组和无功补偿设备的无功调节能力,也没有考虑风电场集电系统的网损。提出了一种综合考虑集电系统特点和DFIG无功调节能力的无功控制策略,该策略以实时监测的风电场并网点电压数据和DFIG有功出力数据为基础,通过分析双馈风电机组的功率特性和风电场的无功需求,利用遗传算法求解风电场多目标无功优化控制模型,达到降低集电系统网损和改善并网点电压的目的。对某实际风场的仿真算例验证了所提策略的有效性。     

基于粒子群-差异进化混合算法的电力系统无功优化

针对传统粒子群算法中收敛速度快但易于陷入局部最优等特点,将差异进化算法与粒子群算法相结合,提出了一种粒子群-差异进化混合算法。该算法在粒子寻优过程中除跟踪个体极值和全局极值外,还跟踪粒子差异进化产生的第三个值;同时,当粒子在某一维上的速度小于给定值时,将重新初始化该维度粒子速度。建立了无功优化数学模型,并将合算法应用到无功优化中。通过MATLAB编程对IEEE-30节点系统进行优化计算,并与遗传算法和粒子群算法比较,结果表明本文提出的算法应用于无功优化拥有较快的收敛速度和全局寻优能力,具有广阔的发展前景。     

基于改进遗传算法的电力系统无功优化

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,该文将遗传算法应用于电力系统无功优化,并对常规遗传算法的编码方式、遗传算子以及终止判据等方面进行了改进,使用该文提出的算法对IEEE6、IEEE30节点系统进行了无功优化计算,结果表明该改进遗传算法应用于无功优化是合理可行的。     

基于改进遗传算法的配电网无功优化

针对传统遗传算法在电网无功优化领域应用中存在的不足,结合配电网的特征,建立了综合考虑全年网损、电压品质和补偿设备投资的无功优化数学模型。同时应用自适应遗传算法对传统遗传算法的遗传算子和终止判据等进行了改进,提出了一种配电网无功优化的改进遗传算法,使其计算效率和全局寻优能力均有提高。实例计算表明,其优化效果优于传统遗传算法。     

改进粒子群算法的无功优化

通过对传统梯度算法和粒子群算法的研究,提出了将梯度算法和粒子群算法(GPSO)相结合的梯度粒子算法.建立了无功优化的数学模型,将梯度粒子算法运用到无功优化中,通过算例验证,梯度粒子算法能够获得更好的全局最优解,此表明该算法运用到实际中将有利于在线电力系统无功优化.     

基于改进遗传算法的无功综合优化

简要分析了传统的电力系统无功优化方法的局限性之后,提出了一种快速有效的求解方法——改进的遗传算法(IGA)。在简单遗传算法(SGA)的基础上,提出了自适应遗传算法,该算法采取了与个体分布散度成正比,并随最优个体保留代数成指数上升的自适应变异率;同时也采取了自适应的交叉率．该交叉率与群体中最大的适应度值和每代群体的平均适应度值有密切的关系。算例表明提出的算法优化效果好．而且在精度上和收敛速度上都有较大的提高。