免疫遗传算法在多机电力系统PSS参数优化中的运用

电力系统稳定器参数的优化对于抑制多机电力系统低频振荡具有非常重要的意义.运用免疫遗传算法对多机系统PSS参数进行优化,将免疫操作融入基本的遗传算法中,运用免疫二次应答原理有效抑制了参数抗体在交叉、变异过程中的退化现象,提高了寻优过程的收敛性和稳定性.算例表明,采用免疫遗传算法对PSS参数优化其收敛性、计算时间和稳定性方面都优于传统遗传算法,将经过参数优化后的PSS加装到系统中,不反可以克服低频振荡现象,而且使系统的稳定性大幅度增强.     

基于遗传算法的电力系统稳定器参数优化

采用所设计的遗传算法,对同时以ΔPe和Δω为输入信号、没有超前滞后环节的电力系统稳定器的Kp与Kω两个参数进行寻优,并通过仿真检验了PSS采用经遗传算法优化过的参数时的作用效果。仿真结果表明,无论是针对小干扰还是大干扰,该PSS都表现出了良好的性能。     

免疫0-1规划在多机系统PSS参数优化中的运用

多机电力系统中,电力系统稳定器PSS的优化配置包括其安装地点的选择和参数的优化.提出了一种基于免疫0-1规划的PSS配置方法,这种方法采用二维编码策略,同时包含PSS安装地点和其参数.在PSS安装点选择部分,采用二进制编码实现PSS的选址;PSS参数优化部分运用十进制编码,采用免疫方法结合新型编码的交叉算子和变异算子对PSS的参数进行优化配置,采用免疫方法结合新型编码的交叉算子和变异算子对PSS的参数进行优化配置,采用免疫二次应答原理有效抑制了参数抗体在交叉、变异过程中的退化现象,提高了算法的收敛性和稳定性.仿真算例表明,该方法具有较好的PSS选址功能,同时对PSS参数优化也表现出良好的寻优能力,优化后的PSS用于系统后,系统低频振荡受到抑制,稳定性得到提高.     

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.     

基于混合遗传算法的多机系统PSS优化配置

多机电力系统中,电力系统稳定器(Power System Stabilizer,PSS)的优化配置包括其安装地址的选择和参数的优化。一般的方法是先用参与因子等方法对PSS的安装地址进行选择,然后对其参数进行优化。提出了一种基于混合遗传算法(Hybrid Genetic Algorithm,HGA)的PSS配置方法,这种方法采用二维编码策略,同时包含PSS安装地点和参数,并提出了新型编码的交叉算子和变异算子,从而实现PSS的优化配置。仿真算例表明,此方法具有较好的PSS选址功能,同时对于PSS参数优化也表现出良好的寻优能力。     

模糊逻辑稳定器在多机电力系统环境下的应用

本文述了多机环境下基于模糊的电力系统稳定器应用。     

多机电力系统神经网络最优励磁控制器

针对多机电力系统，提出了一种基于辨识的神经网络实时最优控制器(NNOEC)，在所设计的控制器中，神经网络被用来根据系统状态量的变化实时调整最优控制的反馈增益矩阵，使控制器能够适应不同的运行点和干扰种类。并始终提供最优控制输出。针对多机系统中神经网络训练样本不易获得的问题，提出了一种等效的设计方法，并采用非线性最小二乘辨识法对系统参数进行辨识，在辨识的基础上通过线性最优控制理论计算出用于神经网络训练的样本。三机系统中的数字仿真结果表明，所训练出的NNOEC能够适应系统运行方式的大范围变化，在大小扰动下均表现出良好的控制性能。     

多机电力系统模糊稳定器的协调

本文提出一种新的控制方法，解决了多机电力系统模糊稳定器之间的协调问题，该法由逆调、顺调组成、对受扰后频率偏移振幅大的机组采用逆调，而频率偏移振幅小的采用顺调。仿真计算证明了所提方法的有效性。     

多机电力系统中固定参数鲁棒灵活交流输电稳定器的设计

在提出了“电力系统鲁棒运行点”这一新概念的基础上,给出了选择多机电力系统鲁棒运行点,从而设计固定参数鲁棒灵活交流输电稳定器的一种新方法。     

基于免疫遗传算法的多机电力系统 UPFC控制器

应用一种新型的遗传算法--基于免疫原理的改进遗传算法设计了统一潮流控制器,以提高多机电力系统的稳定性.本文所应用的免疫遗传算法利用免疫遗传学基本思想和理论,模拟生物体的免疫系统及其行为,如二次免疫应答,免疫记忆、免疫选择、浓度控制、新陈代谢等过程.与传统遗传算法的区别在于,本算法除了采用基因重组和基因变异思想外,还引入了隔离小生境技术和混沌增殖思想,使得所提出的算法更加接近实际免疫行为.对许多经典函数的优化结果表明,所提出的免疫遗传算法比普通遗传算法具有更强的全局优化能力.将该算法应用到新英格兰系统中统一潮流控制器的优化设计中,时域仿真结果表明,基于免疫遗传算法设计的统一潮流控制器能有效阻尼系统的低频振荡,提高电力系统的稳定性.     

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.     

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。     

基于改进免疫遗传算法的电力系统无功优化

针对无功优化问题的特点,在现有免疫遗传算法基础之上,提出一系列改进措施,形成了一种新的解决无功优化问题的改进免疫遗传算法。该算法将免疫遗传算法中常用的二进制编码改进为整、实数混合编码,提高了计算速度与精度;将通常的选择、变异操作与进化代数相联系,形成具有动态调整功能的改进Boltzmann退火选择、非均匀变异算子,提高了算法的全局收敛性,加快了计算速度;引入疫苗接种概念,有效地抑制了算法在进化过程中出现的退化现象,进一步加快了算法的收敛速度。以IEEE30节点系统为例对该改进算法的性能进行了测试,结果表明了该算法的有效性和可行性。     

改进遗传算法在电力系统稳定器参数辨识中的应用

针对基本遗传算法(SGA)收敛速度慢、易早熟等缺陷,从初始群体的生成、精英个体的保留、自适应的交叉率和变异率、早熟现象的防止策略等方面对SGA进行了改进,提出了一种基于改进遗传算法(IGA)的将电力系统稳定器(PSS)原模型转换成仿真软件下标准模型的参数辨识方法.通过建立含PSS的励磁系统原模型和标准模型传递函数结构框图,输入相同的扰动信号,以原模型和标准模型的输出误差最小作为辨识目标,利用IGA对PSS标准模型参数进行优化调整,最终得到满足要求的PSS标准模型参数.实际PSS参数辨识结果表明,该方法计算速度快,精度高,具有很好的效果.     

基于进化策略并考虑宽频段补偿的PSS参数优化

将进化策略结合PSS宽频段补偿特性的方法应用到多机电力系统稳定器(PSS)参数优化。考虑到一种运行方式配置的PSS可能在其他运行方式下失效或恶化,以PSS在低频振荡范围内(0.1～2Hz)产生的附加阻尼转矩△Te与△ω尽可能同相位为目标优化超前-滞后环节参数;再以多机PSS在整个系统内产生的最小阻尼比尽量大为目标进行全局优化。New England 10机系统仿真结果表明,这是一种有效的PSS参数优化方法,所得到的参数优化结果对系统运行方式变化有很好的鲁棒性。     

混沌免疫遗传算法在电力系统故障诊断中应用

针对电力系统故障诊断问题,提出了一种新的免疫遗传算法——混沌免疫遗传算法。该算法将免疫算法、混沌与遗传算法相结合,利用混沌运动的遍历性、随机性产生初始种群,加快搜索的速度;利用免疫原理的浓度计算及调整加入新的混沌序列补充种群,增加种群的多样性,避免陷入局部最优;交叉变异结束后在最优解附近再用混沌进行局部寻优提高解的精度。它能从保护和断路器的拒动和误动中,快速找到故障点。实验结果表明,该算法能快速寻找到最优解,保证系统的实时性和准确性,较好地实现了对电力系统的故障诊断。     

Parameter optimization of multimachine power system stabilizers using genetic local search

A genetic local search (GLS) algorithm for optimal design of multimachine power system stabilizers (PSSs) is presented in this paper. The proposed approach hybridizes the genetic algorithm (GA) with a heuristic local search in order to combine their strengths and overcome their shortcomings. The potential of the proposed approach for optimal parameter settings of the widely used conventional lead–lag PSSs has been investigated. Unlike the conventional optimization techniques, the proposed approach is robust to the initial guess. The performance of the proposed GLS-based PSS (GLSPSS) under different disturbances, loading conditions, and system configurations is investigated for different multimachine power systems. Eigenvalue analysis and simulation results show the effectiveness and robustness of the proposed GLSPSS to damp out local as well as interarea modes of oscillations and work effectively over a wide range of loading conditions and system configurations.     

采用广域测量信号的PSS参数优化设计

为了解决传统的电力系统稳定器PSS(Power System Stabilizer)因局限于反馈本地信号而不能很好地抑制区域模式的问题,针对区域模式装设引入广域测量信号的PSS,针对地区模式装设引入本地信号的PSS。根据参与因子确定PSS装设地点,然后应用遗传算法对其参数进行协调。由于PSS反馈远方信号,设计时考虑了通信延迟的影响。算例表明,提出的方案能够较好地抑制低频振荡。     

电力系统无功优化的二次变异遗传算法

在自适应遗传算法的基础上引入优良个体池和二次变异操作,提出了用于电力系统无功优化和电压控制的二次变异遗传算法。该方法建立一个与群体规模等大的优良个体池,用于保存个体编码、适应度等详细数据。每计算完一代,将该代的个体与优良个体池中的个体进行生存竞争,因此优良个体池中保留了历代计算的优良个体,下一代的群体从优良个体池中选择。考虑到遗传操作后存在大量相同个体,检出重复个体进行二次变异,产生邻近的个体,避免了重复计算而且增强了算法的局部搜索能力,加快了算法的收敛速度。该方法和自适应遗传方法用IEEE30节点系统为例计算,结果表明:使用二次变异自适应遗传算法优化的网损平均值更低,寻优性能更好,优化的网损值集中在小的区间。