电网无功电压综合控制的改进SA算法

简述了电网无功电压综合控制的必要性,根据电力系统实际运行情况及模拟退火(SA)算法自身的特点,就编码方式、状态产生函数、状态接收函数、初温、温度更新函数以及内、外循环终止准则等主要问题提出了改进SA算法.通过IEEE标准系统的仿真,说明改进SA算法具有搜索效率较高,原理及实现简单,速度快等优点.     

基于GATS的电网无功电压综合控制

简述了无功电压综合控制的必要性及其设计思想和主要功能。根据电力系统实际运行情况及本系统自身特点,就PV节点给定电压,适应度函数的构造,交叉率、变异率的取值及禁忌搜索(TS)算法与遗传算法(GA)的结合等主要问题,详细介绍了GATS混合优化策略的具体实现形式,以实现逆调压要求,保证电压合格,避免早熟收敛,同时加速搜索进程。在IEEE118节点系统的计算中,混合优化算法与简单遗传算法相比,有效降低了计算时间,提高了优化效果,从而证明了GATS混合优化策略的实用性。     

基于GATS的电网无功电压综合控制

简述了无功电压综合控制的必要性及其设计思想和主要功能.根据电力系统实际运行情况及本系统自身特点,就PV节点给定电压,适应度函数的构造,交叉率、变异率的取值及禁忌搜索(TS)算法与遗传算法(GA)的结合等主要问题,详细介绍了GATS混合优化策略的具体实现形式,以实现逆调压要求,保证电压合格,避免早熟收敛,同时加速搜索进程.在IEEE118节点系统的计算中,混合优化算法与简单遗传算法相比,有效降低了计算时间,提高了优化效果,从而证明了GATS混合优化策略的实用性.     

基于改进遗传模拟退火算法的电网无功优化

电网无功优化问题是一个多变量、多约束的混合非线性规划问题,其操作变量既有连续变量又有离散变量,优化过程复杂繁琐.遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应的全局优化搜索算法,可用于解决含有离散变量的复杂优化问题.针对传统遗传算法的收敛速度慢,易陷入局部最优解等缺陷,提出一种基于遗传模拟退火思想求解电力系统无功优化的新算法,并引入灵敏度分析,对基本遗传算法的编码、初始种群、适应度函数和交叉、变异策略等进行改进.使用本文算法对IEEE14节点进行优化计算,仿真结果证明了本文模型和算法的实用性、可靠性和优越性.     

无功优化的改进模拟退火算法

介绍了模拟退火算法的基本原理,在原算法的基础上,针对实际应用中最后当前解是近似最优解且有可能比中间解差的情况,提出了将搜索过程与最优解更新序列分离的改进措施,通过设定阈值分别判断抽样过程和退火过程是否结束以保证解的最优性。最后,通过IEEE—30节点和IEEE—118节点系统无功优化算例说明改进算法具有建模简单,对系统的规模量不敏感,计算内存小及具有较好鲁棒性等优点。     

基于改进模拟退火算法的电网无功优化

无功运行优化问题的关键在于获得最优解或较好的次优解.传统的线性规划法和非线性规划法不能很好地处理整型变量问题,而常规模拟退火算法(SA)的鲁棒性不高.结合高中压配电网的特点,对SA进行了改进:采用记忆指导搜索方法,并采用模式法修正局部最优解.数值对比试验表明,本方法是合理的和可行的,具有一定的实用意义.     

基于改进模拟退火算法的电网无功优化

无功运行优化问题的关键在于获得最优解或较好的次优解。传统的线性规划法和非线性规划法不能很好地处理整型变量问题,而常规模拟退火算法(SA)的鲁棒性不高。结合高中压配电网的特点,对SA进行了改进:采用记忆指导搜索方法,并采用模式法修正局部最优解。数值对比试验表明,本方法是合理的和可行的,具有一定的实用意义。     

电网实施电压无功综合控制

从满足用户电能质量需求点出发,结合地区电网电压无功综合控制的实施,从技术管理角度上分 析了面向全网电压无功综合控制的特点、经济性和实施效果;从而提出在实时监控系统的支持下,对所 控范围实施整个网络的电压无功综合控制是实现电网经济运行和低成本电力服务的有效措施。     

一种地区电网多目标无功优化的新方法--改进模拟退火算法

本文介绍了改进模拟退火算法在地区电网无功优化中的应用。实际计算表明,与常规优化方法比较,模拟退火算法收敛性好,适应性强,是实现无功优化的好方法。另外,本文给出一种新的多目标模型,测试结果验证了此法的可行性。     

考虑时段优化的地区电网无功电压优化控制

为了实现地区电网无功优化控制,提出了一种改进的基于禁忌搜索算法的方法。将时间分段中的起始点和该分段中的控制变量一同构成解向量,从而避免了先进行时间分段的优化后进行无功优化的二次优化,达到了从整体上进行优化的效果。当邻域解普遍陷入不符合电压约束条件的不可行解区域时,将目标函数切换为以当前电压偏离额定电压最小为目标,当邻域解普遍回到可行解区域后,将目标函数重新切换回以全天内电能损耗最小为目标,从而确保搜索可以持续进行而避免因无可行解而导致优化终止。建议了一种扩展邻域搜索策略改善算法的全局寻优特性。采用IEEE 6节点、IEEE 14节点和IEEE 30节点系统作为算例进行测试,表明提出的方法可行且所采取的改进措施必要、有效。     

基于改进粒子群优化算法的电力系统无功电压综合控制

在基本粒子群优化算法的基础上,提出了一种改进的粒子群优化算法用于电力系统无功电压综合控制。该算法改进了随机初始化种群的方法,采用均匀初始化,引进了粒子的自身探索机制,用多个位于可行域中的粒子个体引导粒子的更新,以保证全局搜索的有效性,同时采用混沌变异算子对陷入局部最优的粒子进行变异,提高了算法的寻优性能。通过对IEEE-30节点标准系统模型的无功电压综合控制计算和分析,证明了此改进的粒子群优化算法具有更高的全局寻优效率。     

基于模拟退火遗传算法的交直流系统无功优化与电压控制研究

交流与直流输电配合进行的混合输电系统不断建设,逐渐成为远距离输电以及区域互联的主要方式之一,其对无功平衡和电压稳定也提出了新的要求。提出了一种基于模拟退火遗传算法的交直流系统的无功优化以及电压控制方法。建立了交直流混合输电系统潮流计算模型。给出了混合输电系统的无功优化模型:以网损和无功经济成本最小为目标函数,约束考虑了直流换流器变比、控制角、节点电压限制以及潮流约束。然后给出了采用模拟退火遗传算法求解该模型的步骤。最后采用增加直流输电线路的IEEE30节点进行验证,结果表明该方法具有收敛性好、结果更优等优点。     

基于改进差分进化算法的微电网经济优化

为了解决差分进化算法局部搜索能力差、收敛速度较慢的问题,结合不同方式的变异特点,引入模拟退火策略,保证算法有较强的全局搜索能力和较快的收敛速度,使其适用于微电网经济优化问题.建立了基于各微源燃料成本、运行和维护成本、污染物排放成本和污染气体或温室气体排放约束的微电网环保经济优化模型.通过算例验证了算法和模型应用于微电网经济优化的正确性和有效性,以及该算法具有很好的收敛性和较高的计算速度,为DE算法进一步改进打下基础.     

改进蝗虫优化算法 在模糊神经网络PID控制中的研究

传统模糊神经PID控制算法易出现网络参数调整不合适导致控制效果差的问题。本文提出一种改进蝗虫算法优化下的模糊神经网络PID控制算法。首先针对传统蝗虫算法粒子多样性不足的问题引入Levy随机飞行策略,其次引入非线性缩减因子和模拟退火算法来改善算法寻优能力以及跳出局部最优解的能力,然后将改进的蝗虫算法与模糊神经PID结合来优化神经网络超参数以及实现控制参数自整定,最后由仿真结果验证所提出的改进蝗虫算法优化模糊神经网络PID算法的优越性和可靠性。     

混合型无线传感器网络覆盖空洞修复算法

针对无线传感器执行器网络运行过程中节点必要的移动或者失效导致的感知空洞,提出了一种基于混合粒子群优化算法的空洞修复方案,该方案首先提出一种基于网格的网络覆盖率,并以此为优化目标将空洞修复问题转化为无约束优化问题,然后使用融合了模拟退火思想的粒子群优化算法对优化问题进行求解,最后仿真证明模拟退火算法的概率突跳特性弥补了粒子群优化算法容易陷入早熟收敛的缺陷,该混合算法可以对空洞修复问题进行有效地求解。     

On the inter-area optimal voltage and reactive power control

Scheduling voltage and reactive power is one of the major problems and concerns of the Transmission System Operators (TSOs) especially after deregulation of power market. Due to locally provision of the reactive power resources, each TSO has developed its own specific method. Hence, the voltage and reactive power coordination in the interconnected system has got less attention. In this respect, current practices of different TSOs in Europe and North America, as examples of interconnected power systems, are investigated in this paper. Afterwards, it focuses on the inter-area optimization of the voltage and reactive power. Instead of performing the studies around one particular optimization, different aspects of the mathematical formulation of the optimization problem in the interconnected power system, including objective function, constraints and appropriate modeling of neighboring areas, are revisited more in depth. Various possible implementations of coordinated approaches, including centralized and decentralized structures, as well as non-coordinated approach in collaborative and non-collaborative environments are studied. In this respect, new contributions are proposed in this paper by using the distributed slack bus model and the limitation of the voltage and reactive power in the interconnections links. The comparative analysis between the available and proposed methods are discussed in terms of sub-optimality and time to convergence. The discussions are based on New England 39 bus system and the presented results in the literatures.     

Chaos embedded krill herd algorithm for optimal VAR dispatch problem of power system

Chaotic krill herd algorithm (KHA) (CKHA) is proposed in this paper to solve the optimal VAR dispatch problem of power system considering either minimization of real power loss or that of absolute value of total voltage deviation or improvements of voltage profile as an objective while satisfying all the equality and the inequality constraints of the power system network. Detailed studies of different chaotic maps are illustrated. Among these, Logistic map is considered in the proposed technique to improve the performance of the basic KHA. The performance of the proposed CKHA is implemented, successfully, on standard IEEE 14- and IEEE 118-bus test power systems in which the control of bus voltages, tap position of transformers and reactive power sources are involved. The results offered by the proposed CKHA are compared to other evolutionary optimization based techniques surfaced in the recent state-of-the-art literature. Simulation results indicate that the proposed CKHA approach yields better optimization efficacy over some other recent popular techniques in terms of results offered, effectiveness, quality of solution and convergence speed.