基于可信状态集合的状态估计方法在最优潮流中的应用

针对电力系统状态估计的可信度问题和执行效率问题,提出了一种状态估计新方法。在该方法中,求取的状态估计结果不再按照设定的估计准则求得的唯一“最优解”或“次优解”,而是包含若干个可行解(即电力系统状态)的解集。根据可信度已知的求解约束条件求取可信状态集合,解决了电力系统状态估计可信度的问题。将该算法应用在最优潮流模型中,IEEE-118节点测试系统算例表明,该算法能够确保节点电压安全,计算效率较高,且具有较好的经济性。     

电力系统无功最优潮流模型及其求解——基于改进粒子群优化算法的潮流优化

提出了一种基于改进粒子群优化算法的无功最优潮流模型及求解方法,灵活处理最优潮流问题的各种约束条件。通过对IEEE-30节点系统的仿真计算,并与遗传算法、基本粒子群优化算法计算结果进行比较,验证了本文提出的模型和方法的有效性。     

自适应进化规划及其在多目标最优潮流中的应用(Ⅱ)--基于自适应进化规划的多目标最优潮流

电力系统多目标最优潮流是一个极其复杂的非线性规划问题,其解算方法目前仍处于研究阶段,而开发高效、快速、可靠的最优潮流算法是一项相当艰巨的工作。鉴于此,文中探讨了自适应进化规划在电力系统多目标最优潮流应用中的问题。在优化模型、遗传操作等方面进行了研究,进一步拓展了电力系统最优潮流计算方法的应用前景。通过30节点IEEE试验系统的算例表明自适应进化规划算法十分有效,具有广泛的应用价值。     

基于Filter集合的内点最优潮流新算法

基于Filter集合的内点算法(FIPM),提出了一种最优潮流新算法(FIPOPF),该算法可针对最优潮流问题的实际情况对可行方向进行自适应校正,即在不可行情况下通过求解仅含"硬约束"的优化问题进行可行方向调整,从而可使系统在无可行解时收敛至一个对系统"软约束"违反最小的稳定点.对五个IEEE标准算例和两个实际系统的分析和试算均表明,所提出的算法具有很好的收敛性,运算速度较快,满足在线最优潮流计算的时间要求.     

自适应进化规划及其在多目标最优潮流中的应用(Ⅱ)--基于自适应进化规划的多目标最优潮流

电力系统多目标最优潮流是一个极其复杂的非线性规划问题,其解算方法目前仍处于研究阶段,而开发高效、快速、可靠的最优潮流算法是一项相当艰巨的工作.鉴于此,文中探讨了自适应进化规划在电力系统多目标最优潮流应用中的问题.在优化模型、遗传操作等方面进行了研究,进一步拓展了电力系统最优潮流计算方法的应用前景.通过30节点IEEE试验系统的算例表明自适应进化规划算法十分有效,具有广泛的应用价值.     

基于树木生长算法的含UPFC的最优潮流计算

最优潮流(OPF)计算是一个非凸优化问题,统一潮流控制器(UPFC)的引入增加了OPF问题的非凸程度,使得基于内点法的传统优化算法难以获取全局最优解。文中提出基于树木生长算法(TGA)的计及UPFC的最优潮流计算方法,将发电成本与有功网损、电压偏移加权作为目标函数,并考虑网络与UPFC设备的安全运行约束,优化了OPF模型。最后基于IEEE 30节点系统以及南京西环网116节点实际系统进行算例测试,对比TGA、粒子群与内点法的结果,并使用蒙特卡洛方法对不同的启发式算法分别进行50次计算,验证了TGA具有更好的求解精度与鲁棒性。     

变负荷条件下追踪电力系统安全最优运行轨迹的参数化方法

提出一种追踪线性约束下凸可分规划问题最优解轨迹的参数化方法。该参数优化算法可在对偶松弛凸可分规划算法的主循环之外,通过少量参数化扩展得到。参数分析表明最优解轨迹的性态是一条分段线性曲线,解轨迹上的破点和不可行现象存在密切关系。将这种方法应用到电力系统有功最优潮流问题中,得到一种统一经济调度和安全约束调度的参数化安全约束调度(security constrained economic dispatch,SCED)新算法,它可快速追踪变负荷条件下系统安全最优运行轨迹。算法在IEEE14-300节点测试系统及2个省级实际系统上通过测试,数值试验和几何分析表明了该方法的计算特性和物理内涵,同时清楚地显示了目前调度模式中存在的问题和改进方向。     

基于人工鱼群算法的最优潮流计算

提出了基于人工鱼群优化算法(AFSA)的最优潮流(OPF)计算方法;算法结合动态调整罚函数的方式,将最优潮流问题转化为一个无约束求极值问题,有效提高了算法的全局收敛能力和计算精度.应用此算法对标准IEEE30节点的电力系统进行最优潮流计算,并与粒子群算法和遗传算法进行了比较,仿真结果表明,该算法能够更好地获得全局最优解,具有实用意义.     

一种求解最优潮流问题的改进粒子群优化算法

提出了一种新的基于可行保留策略和变异算子的改进粒子群优化算法来求解最优潮流问题。可行保留策略将最优潮流问题的目标函数和约束条件分开处理,使得只有可行的解才能指导粒子飞行,避免了粒子在不可行域中的无效搜索,提高了算法的搜索效率;变异算子以预定的概率选择变异个体,对粒子的位置进行高斯变异操作,使得粒子可以有效避免陷入局部最优,增强了算法的全局搜索能力。通过 IEEE 30节点系统对该算法进行了测试,结果表明,对于复杂的最优潮流问题,该算法优于进化规划算法和常规的粒子群优化算法。     

基于改进粒子群优化算法的最优潮流计算

提出应用粒子群优化算法（PSO）求解最优潮流问题（OPF），并结合动态调整罚函数法将最优潮流问题转化成一个无约束求极值问题，有效提高了PSO算法的全局收敛能力和计算精度。应用此算法对标准IEEE30节点系统进行潮流计算，并与线性规划算法和遗传算法进行了比较，结果表明，该算法能够更好地获得全局最优解，具有实用意义。     

A Trajectory-Unified Method for Constructing the Feasible Region of OPF Problems

Abstract

The feasible region plays an important role in optimal power flow (OPF) problems. However, constructing the feasible region of general optimal power flow problems is a challenging task. In this paper, a trajectory-unified (TJU) method is developed to compute the feasible region of general large-scale OPF problems. This is the first attempt, to our knowledge, to develop a numerical method to compute feasible regions of OPF problems. In addition, the projection of the computed feasible region into a desired low-dimensional sub-space is presented. By employing the proposed TJU method, we compute the feasible region of a 9-bus and the IEEE 118-bus OPF problem. It is shown that the feasible region of a power system grows in size from light-loading conditions to medium-loading conditions while it shrinks in size from medium-loading conditions to heavy-loading conditions. This discovery of a geometric property of the feasible solution asserts the observations that OPF problems are generally easy to solve during medium-loading conditions but are generally difficult to solve during heavy-loading conditions.     

An improved teaching–learning-based optimization algorithm using Lévy mutation strategy for non-smooth optimal power flow

One of the major tools for power system operators is optimal power flow (OPF) which is an important tool in both planning and operating stages, designed to optimize a certain objective over power network variables under certain constraints. This article investigates the possibility of using recently emerged evolutionary-based approach as a solution for the OPF problems which is based on a new teaching–learning-based optimization (TLBO) algorithm using Lévy mutation strategy for optimal settings of OPF problem control variables. The performance of this approach is studied and evaluated on the standard IEEE 30-bus and IEEE 57-bus test systems with different objective functions and is compared to methods reported in the literature. At the end, the results which are extracted from implemented simulations confirm Lévy mutation TLBO (LTLBO) as an effective solution for the OPF problem.     

基于轨迹灵敏度的暂态稳定约束最优潮流计算

为将暂态稳定约束最优潮流问题转化为最优潮流和暂态稳定两个子问题,根据暂态稳定计算结果求出发电机转角及转速相对于机械输入功率的轨迹灵敏度。基于轨迹灵敏度,计算出在最领先发电机和最落后发电机之间转移的有功功率,据此修改其在最优潮流模型中的有功功率上下限,从而实现两个子问题的交替求解。并且推导出准确的轨迹灵敏度及初值计算公式,利用上述公式,得更小的转移功率值,从而使功率转移后系统的优化程度更高。同时在惯性中心坐标下采用最大转角判据找出最领先机和最落后机,并以3机9节点和10机39节点系统为例,验证了该方法的可行性。     

ETAP分析软件在最优潮流分析中的应用

简述了最优潮流(OPF)算法的发展,介绍了电力系统分析软件ETAP在OPF计算上的特点,给出了一个IEEE 30节点的算例,测试了该软件在OPF计算中的表现。     

阻塞管理和电压安全

电力市场下的阻塞管理与系统电压安全密切相关。采用将最优潮流与连续潮流相结合的方法解决阻塞问题,并使系统运行在电压安全裕度之内。提出两种算法结合迭代求解流程．并用步长函数描述连续潮流法CPF(Continuation Power Flow)中的步长选择过程。IEEE-30节点和IEEE-57节点系统的结果表明,所提方法可避免或减轻网络阻塞,且不危及系统的电压安全裕度。     

基于矢量距免疫算法的电力系统最优潮流计算

将基于矢量距理论的免疫算法应用于最优潮流计算,并在计算中引进自适应交叉和变异算子,根据抗体个体的适应度大小来动态调整交叉率和变异率,很大程度上保护了每代中的较优个体。根据最优潮流中控制变量的特点,运用浮点数编码方法,无需解码,计算简单;通过用IEEE 30节点标准测试系统计算多次,燃料耗费显著改善,表明了所用方法的可行性和有效性。     

求解最优潮流问题的内点半定规划法

基于内点半定规划(semi-definite programming,SDP),提出一种求解最优潮流(optimal power flow,OPF)的新方法--SDP-OPF法。该方法将非凸OPF问题等价转换为半定规划问题,然后应用原始-对偶内点法求解。根据OPF半定规划模型的特点,采用基于半定规划的稀疏技术,使存储效率和计算性能得以大幅度提高。以4节点的简单电力系统为例,展示模型等价转换的过程及如何获取原OPF问题的解。IEEE-300节点等6个标准系统的仿真计算表明：所提算法具有超线性收敛性,其计算结果与内点非线性规划的结果一致,且能保证解的全局最优性,可在多项式时间内完成,是一种应用前景广阔的方法。