模拟退火和人工鱼群算法的冶金配电网状态估计

为了提高冶金配电网状态的估计准确度,提出一种基于模拟退火和人工鱼群算法相结合的状态估计方法。首先建立冶金配电网状态估计的目标函数,采用人工鱼群算法对目标函数进行优化求解,并引入变异算子,保持人工鱼群状态的多样性,然后对人工鱼群求得的最优解进行模拟退火操作,最后采用仿真实验进行性能测试。仿真结果表明,相对于基本人工鱼群算法以及其他对比算法,本文方法不仅加快了算法求解的收敛速度,同时提高了冶金配电网状态估计的准确度,为冶金行业节省电力能源做出了新的探索,有广阔的应用前景。     

用于配电网分布式抗差状态估计的自动分区

网络分区是进行配电网分布式状态估计的基础。分析配电网的网络结构特点,从各分区计算量均衡的角度出发,借助图论中网络的快速搜索能力,通过编程对配电网进行自动分区,从而实现状态估计的并行计算。为改善状态估计算法的抗差性,采用指数表达的权重系数,在迭代过程中降低不良数据在目标函数中权重值,从而减少不良数据对目标函数和估计结果的影响。这种基于分区的配电网分布式抗差状态估计算法可以实现对配电网的自动合理分区,有效地提高状态估计的计算速度,改善了算法对量测量的抗差性。通过IEEE-118节点算例的计算分析,说明了算法的可行性。     

基于改进人工蜂群算法的配电网谐波量测点优化配置

为了进一步提高配电网谐波状态估计的可观性和准确性,同时合理地优化 PMU 量测配置方案,提出应用改进人工蜂群算法求解达到同一优化目标的多种量测配置优化方案,为规划设计结合现场实际情况提供最优选择.算例分析结果验证了该算法的实用有效性;未改进人工蜂群算法所配置方案与改进方案的对比结果表明,该改进算法能进一步提高系统可观测度。     

基于改进人工蜂群算法的配电网谐波量测点优化配置

为了进一步提高配电网谐波状态估计的可观性和准确性,同时合理地优化PMU量测配置方案,提出应用改进人工蜂群算法求解达到同一优化目标的多种量测配置优化方案,为规划设计结合现场实际情况提供最优选择。算例分析结果验证了该算法的实用有效性;未改进人工蜂群算法所配置方案与改进方案的对比结果表明,该改进算法能进一步提高系统可观测度。     

基于AMI全量测点分区的配电网动态状态估计方法

针对传统配电网三相不平衡动态状态估计存在计算速度较慢且估计精度较低的问题,提出了一种基于高级量测体系(AMI)全量测点分区的配电网的动态状态估计方法。以AMI全量测点作为配电网分区节点,提出综合3个指标的分区目标函数对配电网进行分区,可对子区域进行完全解耦,缩小系统规模;并通过所提数据融合框架进行多尺度量测数据的融合,以远程终端单元量测周期为基准,融合量测周期较长的AMI量测数据,对非AMI量测时刻的系统状态进行跟随。提出一种基于子区域数据融合方法的高精度集合卡尔曼滤波算法,采用协方差膨胀法改进滤波发散的问题。算例仿真结果表明所提方法有效地提高了配电网动态状态估计的计算速度和估计精度。     

基于准实时数据的智能配电网状态估计

针对配电网首端量测准确度较高,而其余位置量测冗余度较低甚至没有量测量的特点,提出一种新的配电网DMS系统架构和适用于智能配电网的状态估计方法,利用准实时数据构造目标函数,依据历史记录设置不等式约束。与传统配电网方法不同,该方法可用于准实时量测在线率较低的配电网。因其是最优潮流意义下的状态估计,可以利用内点法求解。采用某市9节点配电网线路作为算例进行仿真,并对结果进行了详细讨论,同时以广泛使用的33节点配电网算例进一步验证。结果表明,所提方法计算速度快、收敛性好,可以实现智能配电网在线状态估计。该方法对于准实时量测在线率低的配电线路也有理想的估计效果,能较好地获得真实值,对线路电流的估计结果满足智能配电网高级应用的需求。     

基于PMU的配电网状态估计

分布式能源的接入、网络结构的复杂性以及量测数据冗余不足,使配电网状态估计的精度较低。针对量测数据精度不高的问题,引入同步向量测量装置(Phasor Measurement Unit,PMU)以提高状态估计的精度;针对配电网状态估计中应用最多的加权最小二乘法(Weighted Least Squares,WLS)对量测数据精度要求高、抗差能力差的缺点,结合Huber算法和多目标函数抗差估计算法改进了加权最小二乘法,提出三目标函数型预抗差状态估计。通过对迭代次数的判断并结合WLS、Huber算法和指函数型目标函数的优点确定选用哪种目标函数。算例分析在IEEE33节点系统中展开,结果表明,加入PMU有效提高了量测数据的准确性。三目标函数预抗差算法比WLS估计精度高、抗差性强,验证了所提算法的有效性。     

基于LLSE的配电网状态估计器及优化方法

随机性分布式可再生能源发电接入配电网以及有限的测量装置给传统配电网的状态估计带来了困难,为此本文设计了一种基于线性最小二乘法的配电网三相状态估计器。首先基于三相电压降落计算公式,建立配电网电压估计模型,根据线性最小二乘法得到估计器表达式。分析了风电等接入配电网时对估计器性能的影响,给出了监测节点位置优化模型的决策变量、目标函数和约束条件。通过在IEEE 33节点配电网络中的仿真计算验证了本文设计估计器及优化方法的正确性和有效性。本文为随机性分布式电源接入的配电网状态估计提供了理论和实用方法     

基于两阶段优化算法的配电网状态估计

状态估计是当前配电网中的研究重点,为了获得更加理想的配电网状态估计结果,提出一种基于两阶段优化算法的配电网状态估计方法。首先建立配电网状态估计目标优化函数,并采用遗传算法对其求解,得到配电网状态初始估计结果;然后采用粒子群算法对配电网状态初始估计结果进行优化;最后采用配电网状态估计仿真实验测试其有效性和优越性。结果表明,该算法加快了配电网状态估计的求解速度,获得了较高的配电网状态估计准确度,且配电网状态估计性能要优于其他配电网状态估计方法。     

一种配电网状态估计实用算法的探讨

文章介绍了一种新的配电网状态估计算法。该算法中的潮流算法是基于ZBUS法的潮流算法，并针对配电网的树状辐射形结构，采用了基于支路电流的量测变换方法以处理量测量，经特殊处理后也可以方便地处理电流幅值量测和节点电压量测。文中还给出了6节点、IEEE9节点和湖北恩施40节点配电网的计算结果。计算结果表明，文中所提算法能大大提高数据精度，并能快速可靠收敛。     

基于人工蜂群算法的配电网无功优化

针对配电网电压质量较低的问题,建立了完整的无功优化模型。首先提出了一种新的无功补偿候选点的方法,即先基于网损最小选择无功补偿点,在此基础上再用动态优化选择无功补偿点;然后建立以网损最小、并联电容器容量最小、电压水平最好、两类电压稳定裕度最大的无功优化目标函数,用模糊方法将含有量纲的多目标问题转化为没有量纲的单目标问题;接着用人工蜂群(ABC)算法确定无功补偿点和容量。最后对IEEE-33节点配电网系统进行了测试分析,并与其它两种优化算法相比较,结果表明使用该优化算法,配电网无功配置方案较优,线路损耗明显降低,电压质量和电压稳定裕度明显提高。     

考虑网络结构优化的含风电配电网多目标重构

为了提高配电网的供电可靠性,从网络自然连通性角度,引入网络抗毁性指标作为配电网重构的一个新目标函数。同时考虑风电出力的随机性与间歇性,根据风速区间及风速概率密度函数构建多个风电出力随机变量,以及对应概率。在此基础上,以开关状态为优化变量、风电出力为随机变量以及在置信水平下的网络损耗最小为另一个目标函数建立了基于机会约束规划的含风电的配电网多目标重构模型。应用改进蚁群算法,结合生成树策略保证蚂蚁路径满足网络辐射状网络拓扑约束,求解所建配网重构模型,并利用Pareto寻优得到最优解集。IEEE33节点和PGE69节点系统算例仿真结果验证了该模型和算法的有效性。     

基于遗传-模拟退火算法的配电网电容器优化配置

随着配电网规模的不断扩大,传统的依照经验配置电容器的方法日显其局限性,具体表现在电容器容量配置得不足或过剩,更严重的情况是部分电容器需要投入时由于局部电压的限制而不能投入.将遗传-模拟退火算法用于解决配电网电容器优化配置问题,建立了相应的数学模型,目标函数为配电网有功网损费用、电容器的购置及安装费用总和最小,该算法将电容器的安装位置及安装容量离散化,并在初始方案种群产生和群体进化策略两方面对该算法作了改进,对一个30节点配电网的电容器优化配置结果表明了遗传-模拟退火算法的合理性和可行性.     

基于改进蚁群算法的发电机组检修计划优化

随着计算机技术的迅速发展,人工智能方法在动态组合优化问题中得到了广泛应用。针对发电机组检修计划优化问题,以系统运行费用最小为目标建立了机组检修计划模型,从检修状态组合的角度将其转化为动态模型,并提出了一种利用改进蚁群算法进行求解的方法。针对基本蚁群算法的不足,从转移概率和信息素动态更新2方面对其进行了改进。利用蚁群算法的状态表记忆机制,较好地处理了检修计划连续性和检修开始时间等约束条件。对于其他约束条件,通过罚函数方式形成增广目标函数。算例结果表明,该方法计算速度较快,灵活性强。     

基于多准则分区和WLS-PDIPM算法的有源配电网状态估计

针对复杂有源配电网三相不平衡状态估计计算速度较慢与计算精度较低的问题,提出了一种基于多准则分区和基本加权最小二乘法—原对偶内点法(WLS-PDIPM)混合算法的状态估计方法。基于对有源配电网中实时量测、虚拟量测和伪量测的配置分析,建立了适用于复杂有源配电网状态估计的多准则分区优化模型,该模型综合考虑了分区后各子区域规模均衡、量测冗余度均衡及伪量测平均误差均衡。通过高级量测体系(AMI)全量测点实现各子区域完全解耦,有效减小了系统规模和雅可比矩阵阶数。所提方法将WLS与PDIPM的优点相结合,在提高算法精度的同时减少了计算时间。仿真算例结果表明所提方法可实现对复杂有源配电网的合理分区,有效提高了状态估计的计算速度与求解精度。     

Improved-ELM method for detecting false data attack in smart grid

Power grid is a complex system which closely links the power generation and power consumer through transmission and distribution networks. With the development of smart grid, smart grid is more open to external communication systems, it also has exposed some problems in the network attacks. A new false data injection attack (called the unobservable attack) that can bypass the traditional BDD and inject random errors into state estimation. We propose an improved extreme learning machine (ELM) for attack detection. The artificial bee colony (ABC) incorporates the thought of differential evolution algorithm (DE) to optimize ELM for improving detection precision. In this paper, Autoencoder is used to reduce the dimensionality of the measurement data, which makes the low-dimensional data information basically and fully represent high-dimensional data. We verify the performance of the proposed method on IEEE bus systems, and prove that the proposed method can effectively detect such unobservable attack.     

Artificial bee colony algorithm for solving multi-objective optimal power flow problem

This paper presents a new and efficient method for solving optimal power flow (OPF) problem in electric power systems. In the proposed approach, artificial bee colony (ABC) algorithm is employed as the main optimizer for optimal adjustments of the power system control variables of the OPF problem. The control variables involve both continuous and discrete variables. Different objective functions such as convex and non-convex fuel costs, total active power loss, voltage profile improvement, voltage stability enhancement and total emission cost are chosen for this highly constrained nonlinear non-convex optimization problem. The validity and effectiveness of the proposed method is tested with the IEEE 9-bus system, IEEE 30-bus system and IEEE 57-bus system, and the test results are compared with the results found by other heuristic methods reported in the literature recently. The simulation results obtained show that the proposed ABC algorithm provides accurate solutions for any type of the objective functions.     

基于多种群蚁群算法的多目标动态无功优化

为在负荷变动条件下提高动态无功优化控制变量的调节效率和满足全天动作次数的限制,将全天电能损耗最小、有载调压变压器分接头动作次数和电容器投切次数分别最少作为目标函数,建立新的多目标动态无功优化模型.针对该模型提出改进的多种群蚁群算法,利用多种信息素交换方式,满足动态无功优化多目标、强时空耦合的特点,避免了蚁群算法陷入局部最优解.通过对 IEEE14、IEEE 30系统计算验证模型和算法的可行性和有效性.结果表明:该模型和算法能够降低系统能量损耗,提高电压质量     

基于IABC和聚类优化RBF神经网络的电力信息网络安全态势评估

为提高电力信息网络安全态势评估的精度,提出一种基于改进人工蜂群（IABC）算法和密度峰值聚类（DPC）算法优化径向基函数（RBF）神经网络的电力信息网络安全态势评估方法。首先,引入改进密度峰值聚类（IDPC）算法对人工蜂群（ABC）算法的种群空间多样性进行聚类分析,重新定义个体更新机制以提高算法的全局搜索能力。然后,构建分类RBF神经网络安全态势评估模型,利用IDPC算法对输入指标数据进行聚类分析,采用IABC算法对分类拓扑结构和参数学习过程进行优化,得到输入评估指标与输出安全态势值的最佳映射关系。最后,通过实例仿真证明所提方法的有效性。     

Improved artificial bee colony algorithm considering harvest season for computing economic dispatch on power system

This paper proposes the harvest season artificial bee colony (HSABC) algorithm, a novel improvement of the artificial bee colony (ABC) algorithm, for computing an economic dispatch solution of a power system based on fuel consumption and the produced emissions. A standard model of the power system, the IEEE‐62 bus system, is used to show the performance of HSABC using equality and inequality constraints to determine the optimal solution for the economic operation of the power system. Simulations involving the proposed algorithm show that HSABC has better ability to determine the minimum values for the operating cost problem with faster convergence and shorter running time when compared to the traditional ABC algorithm. © 2014 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.