基于地区电网经济运行的无功综合效益优化

采用地区电网无功综合效益优化模型，从经济运行角度，兼顾地区电网有功网损最小和因数达到要求值，使电网的年运行费用达到最小。优化算法将仿射变换内点法与简化分枝定界法（内点－分枝定界法）综合应用于优化过程中，计算结果表明它是一种有效的无功优化算法。     

地区电网无功电压自动控制系统的设计与应用

结合长治电网无功电压控制系统的实际，阐述了地区电网无功电压优化控制系统的结构、算法和功能设计，给出了无功化的数学模型和处理方法，并对系统运行的实际效益进行了比较分析。     

区域电网无功优化控制系统的研究和应用

目前所使用的电压无功自动控制系统虽能满足电网对电压无功控制的要求,但却缺乏对其所提控制策略的调节效果进行量化评价的手段。介绍了如何通过统计和分析区域电网自动电压控制（AVC）系统历年来的运行数据,采用改进后的灵敏度算法和无功优化算法,对萧山电网当前无功设备配置情况进行经济效益分析。基于原有的无功控制系统研究开发的无功优化控制系统可评估无功电源分布的合理性,同时根据现有电网结构和负荷水平得到无功补偿设备配置的效益分析报告,为电网无功优化配置提供量化参考,并对AVC策略优化提供量化依据。     

地区电网无功配置优化方法的探讨

提出了一种基于简单解耦方法的优化算法来解决地区电网无功电源的最优配置问题。通过对网损指标的分析 ,建立了地区电网无功优化的数学模型 ,并对该模型进行了适当的简化 ,实现了有、无功的解耦。算例的测试结果表明 ,该算法具有良好的收敛性和有效性     

地区电网无功综合效益优化

本文提出一种地区电力系统无功综合效益优化方法，它兼顾了使电网有功损耗最小的目标和使与主网交换功率的功率因数值尽量达到要求值的目标，从而使地区电网的年运行费用达到最小。     

基于改进差异进化算法的地区电网无功/电压实时优化控制研究

结合无功/电压实时优化控制模型提出了一种基于改进差异进化算法的地区电网无功/电压实时优化控制实现方法。该方法将差异进化算法与无功/电压控制特点相结合以改善初始种群质量、缩小寻优空间、进行"约束指导"与分群寻优提高算法的计算速度和效率。以某一实际地区电网为例进行无功/电压实时优化仿真计算,结果表明,所提算法和策略是可行、有效和实用的。     

基于改进蚁群算法的电网无功补偿优化控制研究

电力系统无功功率补偿控制是个综合非线性问题,利用改进蚁群算法建立以电网电压畸变为约束条件、以电压和无功综合满意度达标为目标函数的无功优化综合数学模型。结合IEEE 14系统,对基于改进蚁群算法无功优化配置方案进行了仿真分析。结果表明,利用改进蚁群算法建立的无功补偿模型能够精确地进行电网无功功率的补偿,是无功优化控制的一种理想模型,具有一定的科学研究价值。     

基于多目标混沌粒子群算法的矿区电网无功优化

为了提高矿区电网电能质量,降低电网线路有功网损,在无功优化基本数学模型的基础上,综合系统电压的静态稳定性,建立了多目标无功优化数学模型。针对粒子群优化算法在进化中易出现早熟收敛等问题,引入混沌粒子群优化算法。以IEEE30节点系统为算例,验证了多目标混沌粒子群算法的可行性。将该算法应用于矿区电网无功优化中,仿真结果进一步验证了该算法的有效性。     

基于改进 DE 的含风电机组配电网多目标无功优化

电网无功优化是保障电网安全、经济、可靠运行的基本手段,普遍方法是应用智能优化算法以确定电网无功设备投切方案,为此引入差分进化算法解决含风电机组的配电网无功优化问题。考虑风电机组出力的随机性,采用基于场景概率方法,建立了全场景下计及有功网损、静态电压稳定指标、无功补偿设备投资成本的多目标无功优化模型。针对基本差分进化算法的不足,结合免疫原理和二次变异思想改进了差分算法,改进后算法在充分利用进化过程中优良信息的同时,又能保持种群多样性。算例分析结果验证了所建模型与改进方法的可行性和有效性。     

分布式电源并网动态无功优化调度的研究

根据分布式电源并网的控制特性,将分布式电源设计为电压控制型和无功补偿型,考虑其与地区电网的电压无功控制手段相结合,参与地区电网动态无功优化调度。建立以降低地区电网网损、抑制电压波动为综合目标的地区电网模糊动态无功优化调度模型。在该模型中,通过构造模糊评价函数,将目标函数转化为对优化结果的满意度,并利用自适应权重法将综合目标进行归一化处理。最后采用改进遗传算法有效求解含分布式电源的地区电网动态无功优化调度策略。算例表明,提出的模型和方法是合理的,具有一定参考价值。     

基于混沌免疫混合算法的多目标无功优化

针对目前评价多目标函数解的不足,提出了将多目标函数各个解映射成多维空间中不同的点,利用这些点与理想点之间的欧氏距离来衡量各个解的优劣;同时针对无功优化、混沌优化算法和免疫算法的特点,提出了在采用免疫算法进行无功优化的记忆抗体群中,运用混沌优化方法和免疫算法的交叉和变异等操作对无功优化的连续变量和离散变量进行交替优化求解,并将它们运用于以降低有功损耗,提高电压稳定裕度及减小电压偏移为目标的无功优化中;通过 IEEE-30和IEEE-118节点算例系统验证了混合算法及最优解评价方法的正确性和可行性。     

免疫算法及其在电力系统无功优化中的应用

提出一种用于电力系统无功优化的免疫算法(Immune Algorithm,IA).该算法是根据生物免疫原理提出的,与遗传算法相比,它具有抗原识别、记忆、抗体的抑制和促进等显著特点.IA将目标函数和约束条件比作抗原,将问题的解比作抗体.通过亲和度的计算来评价抗体并促进或抑制抗体的产生,减小了进化过程陷入局部最优解的可能性;通过抗原记忆,提高了局部搜索能力,加快了计算速度.将IA用于69节点实际电力系统的无功优化计算,并与传统遗传算法的计算结果进行了比较.结果表明IA能够以更快的速度得到最优解,其性能明显优于遗传算法.     

改进粒子群优化算法及其在电网无功分区中的应用

提出一种改进粒子群优化算法并将其应用于电网无功分区,以复杂网络社团结构理论为基础,建立以电气距离为权重的电力系统加权网络模型,以模块度为标准量化地评价无功分区的划分质量。改进粒子群优化算法采用了新的粒子编码方式与位置更新方式,提高了以模块度为目标函数的启发式算法的收敛速度并减少了存储空间。通过改进粒子群优化算法得到的无功网络具有较强的区域解耦特性,分区内部电气联系紧密,区域之间联系稀疏,无功分区结构合理。该算法在IEEE 39节点系统、IEEE 118节点系统及大型电网的应用结果表明了该算法的合理性及有效性。     

基于量子粒子群算法的电力系统无功优化

量子粒子群算法是以粒子群中粒子的收敛特性为基础,依据量子物理理论提出的,改变了传统粒子群算法的搜索策略,可使粒子在整个可行解空间中搜索寻求全局最优解.首次将量子粒子群算法用于电力系统无功优化中,以网损最小为目标函数,在IEEE30节点系统上进行测试,通过仿真测试以及不同算法优化结果的对比,表明基于量子粒子群(QPSO)...     

基于奇异值分解和内点法的交直流系统无功优化

基于奇异值分解和预测?校正原对偶内点法,提出了一种交直流系统无功优化策略.首先基于交直流网络间的耦合关系,并利用奇异值分解的右奇异向量指标判别交直流系统电压稳定弱节点,候选为无功补偿节点;然后建立了以有功网损、无功补偿设备的投入、电压水平为目标的无功优化数学模型,在推导出交直流系统耦合的Jacobi、Hessian矩阵后,采用预测?校正原对偶内点法进行求解,从而获取优化补偿节点及补偿节点的优化补偿容量.经算例仿真验证了该策略的有效性和快速收敛性.     

基于蜜蜂进化型粒子群算法的电力系统无功优化

为了提高电能质量,降低网损,采用蜜蜂进化机制与粒子群算法相结合的蜜蜂进化型粒子群算法（Bee Evolution Modifying Particle Swarm Optimization, BEMPSO）,对电力系统的无功优化问题进行求解。改进后的算法能够克服传统粒子群算法的收敛精度低,易陷入局部最优解的缺点。应用改进算法对IEEE6、30节点标准电网进行无功优化计算,并与其它优化算法相比较,结果证明BEMPSO算法具有较好的全局寻优能力,验证了该算法的正确性和有效性。     

电力市场中最优潮流模型及算法研究

对传统最优潮流模型做了改进,提出了基于模糊理论和多目标优化理论的最优潮流模型,综合考虑了网损量最小和有功、无功购电费用最低3个目标;将免疫克隆算法和变尺度混沌搜索方法有机地结合起来,形成了免疫克隆混沌优化算法,并应用于改进最优潮流模型的求解。用IEEE 14节点算例进行了仿真分析,结果表明改进最优潮流模型有效,采用免疫克隆混沌算法对改进最优潮流模型求解是可行和高效的。     

Reactive Power Optimization Using Hybrid CABC-DE Algorithm

Reactive power optimization is closely related to voltage quality and network loss, and it has great significance for the safety, reliability, and economical operation of the power system. Differential evolution (DE) algorithm has been currently applied to reactive power optimization. In order to mitigate the shortcomings of poor local search ability and premature convergence in DE, this paper presents a novel hybrid algorithm–chaotic artificial bee colony differential evolution (CABC-DE) algorithm, which improves the DE algorithm based on artificial bee colony algorithm and ideas of chaotic search. It introduces the observation bees' acceleration operation and the detective bees' chaotic search operation into CABC-DE. The validity of the proposed method is examined using IEEE-14 and IEEE-30 bus system. The experimental results show that CABC-DE algorithm is more effective than regular DE algorithm for reactive power optimization. The algorithm can save the search time greatly and get a better solution for optimization, thus making it suitable for solving reactive power optimization problems.     

基于改进小生境遗传算法的配电网全网无功优化

提出一种配电网全网无功优化方法,该方法将整个配电网划分为高、中、低压3个等级,各级电网再根据自身特点分解为优化单元,遵循从下至上优化的原则,上级主网优化时计及下级子网无功优化的影响,计算结果更准确可靠。各优化单元的无功优化通过改进的小生境遗传算法来实现,该算法将个体距离判别标准设置为动态函数,能够更灵活、更准确地跟踪个体距离,收敛速度快且能在全局范围内找到最优解。针对某配电网的计算实例验证了配电网全网无功优化方法的优越性。