基于遗传算法的含分布式发电的配电网无功优化控制研究

提出了基于遗传算法的含分布式发电的配电网无功优化算法.构建了包含分布式发电系统的配电网无功优化数学模型,充分考虑了网损最小和节点电压的约束,采用遗传算法对分布式发电的无功功率给定进行了优化,仿真结果表明该优化算法能够有效地减少功率损耗和提高电压质量.     

基于遗传算法的分布式发电系统无功优化控制策略研究

研究了含有多个分布式发电系统的配电网无功优化问题。根据旋转坐标系下并网逆变器的数学模型,通过对并网逆变器的输出电压在d、q轴分量的解耦,实现对有功、无功的独立调节。建立的基于遗传算法的分布式发电系统无功优化控制模型,充分考虑了网损最小和节点电压的约束,对并网逆变器的无功功率给定进行了优化。仿真实验表明,所提出的方法可行,具有较强的收敛性和快速性,对于减少网络的功率损耗和提高电压质量有一定的作用。     

基于遗传算法的分布式发电系统无功优化控制策略研究

研究了含有多个分布式发电系统的配电网无功优化问题.根据旋转坐标系下并网逆变器的数学模型,通过对并网逆变器的输出电压在d、q轴分量的解耦,实现对有功、无功的独立调节.建立的基于遗传算法的分布式发电系统无功优化控制模型,充分考虑了网损最小和节点电压的约束,对并网逆变器的无功功率给定进行了优化.仿真实验表明,所提出的方法可行,具有较强的收敛性和快速性,对于减少网络的功率损耗和提高电压质量有一定的作用.     

含分布式发电的配电网无功优化

研究了含风力发电的无功优化模型,介绍了包含分布式发电的配电网无功优化。当大量风力发电注入电力系统时,风力发电机随机输出功率引起配电网潮流大小、方向频繁变化,干扰了系统原有电压调节装置正常运行。为克服电压波动,保证系统电能质量,文中引入静止无功补偿器（SVC）作为配电网补偿设备,并考虑配电网中可控制无功输出的柴油发电机的无功贡献,以有功能耗费用、SVC安装费用、柴油发电机无功生产费用为目标函数,建立了含分布式发电的配电网无功优化模型。针对由蒙特卡罗仿真得到的不同风力发电状态,在实际算例中应用遗传算法确定各状态下SVC最优安装位置、输出以及可控制无功输出的分布式电源的最优输出结果。     

含分布式发电系统的配电网无功优化研究

引入有功网损、电容器以及分布式发电的费用,并充分考虑了电压质量和无功补偿容量作为罚函数的综合目标函数,采用PSO算法时运用改变更新方式,并在后期引进变异因子,建立了含分布式发电系统的配电网无功优化模型。通过算例表明,验证了模型和算法是可行的,具有较强的收敛性,对分布式发电并入配电网的运行具有一定的参考价值。     

含分布式发电的配电网电压优化的研究

针对含分布式发电的配电网电压优化提出了改进的模拟退火优化算法,对算法中初始种群生成、适应度计算、变异操作等进行了改进,并在处理多目标函数的优化问题中采用了自适应权重和法。算例结果表明,该算法能够收敛于全局最优解,并提高了收敛速度和稳定性。采用改进的模拟退火算法对变压器分接头和SVC出力进行优化来进行综合调压,可改善配电网的电压质量和降低网络损耗。     

基于改进BCC算法的含分布式发电的配电网无功优化

介绍了含分布式发电的配电网无功优化问题,改进了细菌群体趋药性算法(BCC),引入微分进化算子和线性幂函数混合映射混沌模型,动态调整细菌移动速度和感知范围,提高了算法的寻优速度和全局搜索能力。算例结果表明采用改进的BCC算法优化后的配电网网损最低,迭代次数最少。     

含分布式发电的配电网有功-无功综合优化

为克服配电网中风力发电机和光伏电池出力随机波动、负荷变化带来的电压变动,研究了多种分布式电源接入配网后的电压控制问题。以分布式电源出力随机波动和负荷变化时每个时段的电压偏差和网损最小,以及尽量减少大电网向配电网输送有功为目标函数建立电压控制模型,采用粒子群优化算法对微型燃气轮机和燃料电池等出力稳定的分布式电源进行有功和无功综合优化,在保证电压质量的情况下减少对环境的污染。通过对IEEE33节点系统和一个实际算例系统分别进行仿真计算,结果表明该控制方案能在有效提高配电网电压水平的基础上提高环境效益。     

含分布式发电的配电网有功—无功综合优化

为克服配电网中风力发电机和光伏电池出力随机波动、负荷变化带来的电压变动,研究了多种分布式电源接入配网后的电压控制问题。以分布式电源出力随机波动和负荷变化时每个时段的电压偏差和网损最小,以及尽量减少大电网向配电网输送有功为目标函数建立电压控制模型,采用粒子群优化算法对微型燃气轮机和燃料电池等出力稳定的分布式电源进行有功和无功综合优化,在保证电压质量的情况下减少对环境的污染。通过对IEEE33节点系统和一个实际算例系统分别进行仿真计算,结果表明该控制方案能在有效提高配电网电压水平的基础上提高环境效益。     

高压配电网无功优化集中控制系统研究

设计了无功优化控制系统的软件体系结构,建立了动态无功优化数学模型。提出的地区电网无功优化控制基于现有地调自动化系统,在母线负荷预测的基础上,利用遗传算法求解整个电网的无功优化问题,得到的优化结果为各个变电站VQC的合理限值。该方法将全局优化与VQC分散控制的优点结合起来,克服了各变电站无功、电压就地最优控制的弊端,节电效益显著。在某地区电网的应用中验证了该系统和方法的有效性,经过优化计算,在满足电压约束和控制设备投切次数限制的条件下,降低了电能损耗,有功损耗比优化前下降约3个百分点。     

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。     

遗传算法在电力系统无功优化中的应用综述

遗传算法是一种通过在整个解空间多渠道同时搜索以找到全局最优解的寻优方法，已经在许多复杂优化问题上被证明是一种相当有效的方法。为此，就遗传算法在电力系统无功优化中的应用进行了介绍，并提出了遗传算法在大规模电力系统无功优化计算中的改进措施。     

基于两层遗传算法的多时段无功优化方法

提出了一种基于两层遗传算法的多时段无功优化方法,将复杂的无功优化问题转化为多个时段静态无功优化的并行处理问题。第一层优化是针对调度周期内的每个时段,建立传统静态无功优化模型,对全调度周期内各个时段进行并行计算,并统计出多组较好的优化状态,构成全调度周期内控制设备动作次数的寻优状态空间;第二层优化是针对整个调度周期,建立以动作次数最少为目标的无功优化模型,从第一层形成的状态空间中寻出控制设备动作次数较少所对应的潮流分布,从而得到有功网损、电压质量及控制设备动作次数的综合优化效果。此外,该方法易于实现并行处理。算例表明,所提出的方法优化效果好,有在线应用的前景。     

基于改进排挤小生境遗传算法配网无功优化研究

针对传统遗传算法在配电网无功优化中的缺陷和配电网的特点,把改进排挤小生境技术和自适应遗传算法有机结合起来应用于无功优化,且采用实数编码和μ λ竞争机制等策略,建立了以计算得到的投资回收年限作为评价电容器安装方案经济效益优劣标准的数学模型。利用SQL Server 2000数据库存储配电线路的原始数据,方便计算时数据的灵活调用。采用面向对象的Visual C#高级语言开发编制了配电网无功优化计算程序并应用于实际配电网中,程序运行稳定、便于维护。实际网络计算结果表明,改进排挤小生境自适应遗传算法更加适用于配电网无功优化。     

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。     

电网无功优化的改进遗传算法

针对遗传算法在电力系统无功优化实时控制中中速度较慢的问题，提出了一种改进的分段进化遗传算法，改变常规算法固定群体规模和最大迭代次数的做法，将其进化过程分为几个阶段，逐次对其群体规模进行扩充，并规定适应于每个阶段群体规模的迭代次数。这样既可以改善寻优方向，防止过早收敛，又可以保证进化后期每次迭代的有交笥，加快计算速度。在IEEE30节点系统的实验中，与其他常规算法进行对比分析，结果表明分段进化遗传算法具有较强的全局寻优能力，愉的收敛速度，更加适应于实时无功控制。     

配电线路集中无功补偿优化的改进遗传算法

根据配电线路集中无功补偿优化的特点,提出了一种通过动态调整补偿容量上限值避免产生过补偿现象的计算方法,减少了不可行解的产生。并对遗传算法进行了改进,采用整数编码,结合了模拟退火算法,调整了适应函数,给出了初温确定方法,采用了随机多父辈适应函数值加权交叉,改进了变异操作,从而提高了算法的计算效率和优化性能。优化算例说明了该方法的有效性。     

无功优化遗传算法中的潮流算法改进研究

分析了潮流计算的数学模型 ,介绍了快速解耦法求解潮流 ,提出了一些改进措施 ,借以避免每次潮流计算都要反复形成第一因子表的缺点 ,采取收敛精度可变的手段 ,可使无功优化计算时间下降 65 %左右