基于遗传算法的电力系统无功优化

在总结常用的电力系统无功电压优化方法的基础上,建立了以网损、电压质量和无功潮流分布为目标函数的数学模型．然后对基本遗传算法进行了一些改进,并将改进的遗传算法应用到IEEE30节点系统进行验证．测试结果表明,改进的遗传算法有助于解决无功电压优化问题．     

基于细菌群体趋药性算法无功优化模型研究

无功优化是电力系统改善电压质量、减少系统网损、提高供电电压稳定性等的主要技术措施。本文以系统网损最小为算法目标函数,用发电机机端电压幅值、变压器有载分接头开关位移、以及无功补偿容量等控制变量构成初始矩阵,结合改进BCC算法,研究基于改进BCC的无功优化算法。IEEE30系统无功优化分析测试结果表明,改进BCC算法所具有的简单性、鲁棒性、快速收敛性等功能特性,在电力系统无功优化中,具有非常良好的理论研究和实用应用价值。     

基于改进遗传算法的电网无功补偿优化控制研究

电网无功功率补偿优化控制是一个多元非线性动态约束问题,传统的电网无功补偿非线性规划方案都需要精确的数学物理模型,且各参变量间的协调性较差,很难满足电网多目标优化控制的工程需要.利用改进蚁群算法分布式协同组合优化的思想,建立以电压越限畸变为惩罚函数,以电压和无功补偿综合满意度为目标函数的电网无功补偿优化控制模型.实例仿真试验表明,基于改进遗传算法的电网无功优化控制模型,通过自适应的目标函数最大路径寻优,获得电网无功功率补偿装置较优越的无功补偿组合,提高了电网无功补偿的综合效率,有利于系统电压的稳定性,为电网无功优化提供了一个新的智能运算模型.     

电力市场下含风电场电力系统动态无功成本优化研究

在电力市场逐步完善的背景下,为无功调压设备制定计价原则,可以平衡发电企业和供电公司的利益并降低无功补偿成本。首先考虑双馈风机与同步电机的P-Q特性建立发电机无功计价模型,提出了一种在风速波动下的双馈风机无功分段计价策略,建立了以发电机无功成本、离散变量动作折旧价格、有功网损折合成本和节点电压总偏差为目标函数的动态无功优化模型。采用改进杂交粒子群算法对所建立动态无功优化模型进行求解,提高了全局寻优能力和收敛速度。最后以IEEE30节点为例,用MATLAB软件进行了仿真分析,验证了所提出的模型、策略和算法的有效性。     

AISPSO算法在电网无功优化的应用

针对粒子群算法搜索后期的局部收敛问题,提出加入邻域空间和择优替换粒子改进方法的自适应信息选择粒子群优化(AISPSO)算法.将AISPSO算法应用于电网无功优化,选取发电机节点电压、变压器、无功补偿容量为控制变量,代入粒子编码机制寻优,在连续5次迭代无法跳出时,加入邻域空间,替换粒子后再次搜索.通过AISPSO算法优化调度,搜索电网网损最优值,达到电网无功优化目标.根据研究数据对比,AISPSO算法寻优所得网损比基本粒子群算法降低了4.43个百分点.     

基于改进小生境帝国竞争算法的多目标电力系统无功优化

电力系统无功优化可以提高电能质量、降低网损,预防事故发生和扩大,而现有的无功优化算法容易陷入早熟和局部收敛的不足。采用改进小生境帝国竞争算法对多目标无功优化问题进行求解,使用动态聚类分析法划分国家联盟,采用竞争度共享技术对联盟国家内各个国家的竞争度进行调整,以提高全局寻优能力,有效避免算法早熟现象。选取IEEE-30和IEEE-57节点系统进行测试仿真,并将优化结果与遗传算法和传统帝国竞争算法进行对比分析,结果表明改进小生境帝国竞争算法在解决无功优化问题中具有更强的全局搜索能力,能得到更好的收敛效果。     

基于佳点集-量子粒子群算法的交直流系统无功优化方法研究

随着高压直流输电工程和区域电网互联建设的不断推进,交直流互联电网的规模越来越大,其对电网的无功平衡也提出了新的要求。提出一种基于佳点集量子粒子群的交直流系统无功优化方法。该方法建立交直流系统及其潮流计算模型;以系统网损为目标函数,建立交直流输电无功优化模型,并考虑系统节点电压以及发电机无功出现越界的情况;通过引入佳点集并对量子粒子群算法进行改进,给出了使用佳点集量子粒子群优化算法的求解步骤。通过采用IEEE30节点算例进行验证,并与量子粒子群算法比较,结果表明:该文方法具有快速的收敛能力、良好的稳定性,优化性能也有较明显的提高。     

基于改进遗传算法的电力系统无功优化

应用遗传算法求解电力系统无功优化问题,建立以无功补偿设备的投入容量、发电机端电压、可调变压器变比为控制变量,以综合效益最大为目标函数的电力系统无功优化数学模型.所建模型中,控制中心取离散值的变量,采用十进制整数编码提高了计算效率,应用混合选择算子和自适应调整交叉/变异率改善了收敛性能.在IEEE 14节点系统上进行500次的无功优化,验证了方法的正确性和有效性.     

一种新的模糊自适应模拟退火遗传算法在配电网重构中的应用

本文对配电网的重构问题进行了研究,提出了结合实际的配电网重构目标函数,并将遗传算法引入其中,用来解决这个复杂的,多目标,多约束的组合优化问题。针对遗传算法收敛速度慢、容易"早熟"等缺点,结合模糊推理、模拟退火算法和自适应机制,采用一种改进的遗传算法——模糊自适应模拟退火遗传算法(FASAGA),实例分析表明,该算法比标准的遗传算法(SGA)具有更快的收敛速度和寻优效果。     

改进生物地理学优化算法在配电网无功优化中的应用

针对生物地理学算法(BBO)信息利用能力强但搜索能力不强的问题,提出了一种结合遗传算法改进变异操作的算法.改进算法充分利用了遗传算法的搜索能力,使算法的寻优能力得到了很大的改善.将该算法应用于IEEE34节点的系统,采用分区的方法进行无功补偿优化.算例表明:与基本BBO算法、遗传算法的无功优化相比,改进算法在计算速度和优化效果方面都具有明显的优势.     

考虑不可行度的改进遗传算法在电压无功调整中的研究

电压质量是电力系统安全经济运行的重要因素,需要利用合理的电压无功措施进行调整.在电压无功调整的数学模型中引入了不可行度概念,用于处理模型中的约束条件,并结合改进遗传机制的遗传算法对系统进行电压无功调整.不可行度的引入扩大了遗传算法的搜索域,提高了算法的寻优能力.通过对实际系统的分析计算表明,该算法可以较好地平衡来自目标函数最优化和约束条件限制的压力,有效地改善电压质量.     

考虑不可行度的改进遗传算法在电压无功调整中的研究

电压质量是电力系统安全经济运行的重要因素,需要利用合理的电压无功措施进行调整.在电压无功调整的数学模型中引入了不可行度概念,用于处理模型中的约束条件,并结合改进遗传机制的遗传算法对系统进行电压无功调整.不可行度的引入扩大了遗传算法的搜索域,提高了算法的寻优能力.通过对实际系统的分析计算表明,该算法可以较好地平衡来自目标函数最优化和约束条件限制的压力,有效地改善电压质量.     

基于改进果蝇优化算法的无功优化

将改进果蝇优化算法运用于无功优化领域,为电力系统的无功优化计算提供了一种新的算法.通过对迭代步长进行自适应调整可以有效避免果蝇算法可能陷入局部最优的问题,同时还能提高收敛精度.在无功优化模型中,对控制变量进行归一化处理,使得量纲一致;将约束条件以罚函数的形式并入目标函数中,实现对状态变量的限制.以IEEE30节点系统和IEEE57节点系统为例,分别基于果蝇优化算法(FOA)、改进果蝇优化算法(IFOA)和遗传算法(GA)进行了无功优化计算,结果表明改进果蝇优化算法(IFOA)具有更好的优化效果和计算速度,更加接近全局最优值,采用该算法解决无功优化问题效果很好.     

改进遗传算法在无功优化算法中的应用

无功优化是电力系统运行中的一个典型难题，遗传算法具有线性时间复杂度和全局收敛的特点，正好适合于该问题的求解。文章首先对遗传算法进行了探讨，对其中的杂交算子作了较为深入的研究，提出了一种新型的启发式杂交算子，克服了传统算术杂交算子中经常发生的“种群早熟”问题。为了提高求解速度，结合无功优化问题和遗传算法的特点对其中潮流计算的运算精度进行了动态控制。通过对IEEE30节点测试算例的求解，证明了本文提出的改进遗传算法具有很强的全局寻优能力，求解速度比传统遗传算法快了近1倍。     

应用模拟树木生长算法求解无功优化问题

将模拟树木生长算法应用于电力系统无功优化,对目标函数及约束条件处理方便,且不需要给出很多优化参数,建立无功优化的数学模型,变步长和最优解保留策略的应用提高了算法的全局寻优能力和寻优速度,IEEE30节点系统的计算分析结果表明,模拟树木生长算法有较强的收敛稳定性,是处理无功优化问题的一种可行的、有效的方法。     

基于线性规划的电力系统无功优化

电力系统无功优化对保证电能质量及系统安全经济运行有着重要的意义．本文研究的电力系统无功优化算法是以整个网络的损耗最小为目标函数,以无功补偿设备出力、发电机端电压和可调变压器变比为控制变量,以发电机的无功出力和变压器端电压幅值为状态变量建立了线性规划模型方程．采用内点法来求解线性规划模型方程组,获得了各控制变量和状态变量的最优值．优化后的结果表明,降低了目标电力系统的网络损耗．     

基于二次协作优化方法的配电网重构

针对现今配电网线损大的问题,构建以网损最优为目标函数的配电网重构数学模型,提出二次协作优化方法.该方法利用模拟渔夫捕鱼算法的局部寻优能力来寻找遗传算法的初始种群,再通过遗传算法的全局寻优能力寻找最优解,从而提高算法的搜索效率.对IEEE 69节点测试系统的算例仿真结果表明:所构建的配电网重构数学模型能有效地降低配电网中的网损;所提出的二次协作优化方法具有搜索效率高、性能好的特点.     

基于多目标沙猫群算法的含风光储配电网无功优化

针对现有智能优化算法在求解配电网无功优化时存在的收敛速度慢、易陷入局部最优解等问题,提出一种基于多目标沙猫群算法(MOSCSO)的含风光储配电网无功优化方法.MOSCSO融合了多目标算法中外部储存集的更新和选择机制,具有较好的全局寻优能力,而沙猫群算法(SCSO)特有的搜索和攻击的种群更新方式保证了其具有较快收敛速度和较好寻优能力.建立储能设施(ESS)作为控制变量的IEEE 33节点系统数学模型,应用MOSCSO进行仿真验证.结果表明,本文所提方法在平衡风光发电系统的同时能够降低网损和提高电网稳定性,通过与传统算法比较,验证了MOSCSO在无功优化模型上的有效性和稳定性.     

无源滤波器参数的优化设计

根据工程经验和简单的技术经济指标来设计无源滤波器无法得到最优设计参数的问题,提出了一种无源滤波器的优化设计方法。该方法选择各个滤波支路的电容量作为独立的优化变量,以需要补偿的无功容量作为等式约束条件,以电网的总谐波电压含有率最小为目标来处理滤波器LC参数优化的规划问题。同时,为了提高寻优速度,应用改进遗传算法处理这类LC优化问题。对具体工程实例的计算表明,此方法不但可以找到全局最优解,而且明显提高了算法的寻优速度。     

基于改进禁忌搜索算法的配电网无功补偿优化规划

针对现阶段中国配电网无功补偿问题,提出了一种改进邻域搜索范围的禁忌搜索算法来确定并联电容器的安装位置和补偿容量,以此提高电压质量和降低系统有功损耗.采用电压合格目标函数搜索满足电压约束条件的初始解,使之在电压可行范围内寻优,然后以减少的有功网损最大为目标函数,从而得到全局最优解,并以未来24 h负荷预测曲线为背景确定了电容器的投切时刻.算例表明,提出的改进算法是可行和有效的.