基于学习自动机的智能变电站多目标无功优化

针对风电场的无功优化和电压稳定问题,结合其并网的智能变电站内的静止无功补偿器(SVC),提出了一种综合考虑SVC和双馈风电机组(DFIG)的无功电压协调控制策略。采用学习自动机求解多目标无功优化的最优权衡解,在满足风电场公共接入点的电压要求的同时,使得风电场无功源的无功裕度更大。最后,以华东某风电场进行算例分析,验证了所提无功电压协调控制策略的可行性和有效性。     

基于多负荷模糊最优模型的配电网无功优化

近年不少地区配电网的负荷变动较大,仅考虑单一负荷状态下的无功规划方案有可能导致一些负荷模式的补偿效果极差。本文提出了兼顾多种负荷模式的配电网多负荷模糊最优模型,并使用改进遍历算法优化。实际计算表明,与常规优化方法相比,此方法可兼顾多种负荷模式下网络损耗与电能质量,能提高整体优化效果。     

基于免疫PSO的新能源配电网无功多目标模糊优化

考虑分布式能源的间歇性和随机性对配电网电压的影响,用模糊数表征分布式电源出力不确定性和负荷功率的波动性,构建配电网多目标模糊无功优化模型,提出分布式电源和无功补偿装置输出无功功率的协同优化方法。以有功网损最小和电压偏差最小为目标函数,并将目标函数和约束条件模糊化,根据其隶属度函数形成模糊适应度函数,再将两目标通过最大满意度法转化为单目标,最后利用免疫粒子群算法进行求解,从而确定在负荷功率模糊波动下具有不同模糊出力水平的分布式电源和具有不同运行方式的无功补偿装置输出无功功率的最优值。以IEEE33配电网系统为算例,验证了所提出的模型和算法的可行性和有效性。     

多目标电力系统无功优化及其方法

在无功优化问题中,所追求的目标往往不只一个,各目标之间还可能相互矛盾,多目标规划方法正是解决此类问题的方法之一。为便于掌握多目标规划方法及其应用,分析比较了目标函数加权求和法、最小目标偏差法、最大满意度法、距离函数法等几种常用多目标规划模型及其特点,讨论了多目标规划解的性质,在此基础上提出混合优化方法实现多目标无功优化应用,并通过计算实例证明了算法的有效性和实用性。     

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。     

基于ε -支配域的模糊多目标无功优化方法

基于模糊评价函数建立多目标无功优化模型,采用自适应ε -多目标进化优化算法获取Pareto-近似最优解集,应用后评价模糊控制器实现最优控制策略的选取。该方法相比当前后评价多目标优化方法,寻优时间缩短,优化结果针对性强,能实现自动控制。在IEEE 14,IEEE 30,IEEE 118系统上的计算表明,相比其他几种典型后评价多目标优化方法,该方法在保证寻优质量的同时,提高了寻优效率。     

基于谱聚类的主动配电网多时间尺度无功优化策略

高比例分布式光伏接入配电网后,传统优化方案无法有效平抑电压波动,分布式光伏逆变器的无功调控能力难以充分利用。为此,提出一种基于谱聚类的主动配电网多时间尺度无功优化策略,该方法分为日前优化和日内实时优化两个阶段。首先,对离散设备的时间耦合性进行解耦,以配电网网损、平均电压偏差、电压波动严重程度为目标函数,建立基于社交网络搜索算法的日前无功优化模型,确定离散设备静态最优档位序列;其次,通过谱聚类的方法进行耦合,确定离散设备动态最优档位序列,结合改进的分布式光伏逆变器就地控制策略,建立日内实时优化模型,从而抑制日前预测数据偏差导致的电压波动;最后,基于改进后的IEEE 33节点系统进行仿真实验。仿真结果表明,所提策略可以有效降低运算难度、提高求解效率,验证了该策略的有效性和优越性。     

基于模糊聚类的NOx排放多模型预测优化

火电机组广泛参与调峰导致运行工况频繁变动,使得锅炉出口NOx排放的控制难度增大。 基于对燃烧状态的影响将锅炉运行参数分为可调参数和不可调参数,并利用不可调参数分布将运行数据样本进行模糊均值聚类划分,以此实现锅炉出口NOx排放特性的多模型预测。同时,利用粒子群算法对各工况所属子模型的可调参数进行寻优来实现NOx排放的优化。对某1 000 MW燃煤机组数据仿真表明,提出的NOx排放多模型预测方法比单一模型具有更好的精度,且模型训练时间更短,经过粒子群算法参数优化后NOx排放质量浓度降低了9.98%。     

基于改进粒子群算法的多目标无功优化

提出了一种基于粒子群算法的多目标优化方法,该算法采用Pareto支配关系来更新粒子的个体最优和全局最优值,用存储池保存搜索过程中发现的非支配解;采用聚类算法裁剪非支配解,以保持解的分散性;采用动态惯性权重来平衡粒子的局部和全局搜索能力,并将该算法应用于IEEE14节点系统的多目标无功优化     

基于模糊线性规划的无功电压优化

传统无功电压优化算法一般是单目标优化问题,并没有考虑有功网损的降低和限制控制量调节数最少,而且在处理电压约束时,未考虑“软约束”特性。针对电压无功问题的这些特点,引入模糊线性规划算法以解决这一问题。文中推导了将多目标模糊约束问题转化为单目标开明约束问题的数学模型。算例的计算结果表明,模糊线性规划算法可以很好地协调降低网损、限制调节量和确保节点电压裕度三者的关系,在有限控制量调节的前提下,可实现校正违界电压、降低系统网损和确保所有节点电压留有一定的裕度。     

基于多目标决策协调进化算法的电力系统无功优化

在传统无功优化模型基础上,建立了以系统有功网损、静态电压稳定裕度、电压偏差、无功补偿容量和发电机发电成本的多目标无功优化模型。采用多目标决策协调进化算法对电力系统无功进行优化,将多目标决策协调算法与群体进化理论有机结合起来,在有限的群体内对每个个体按协调算法进行排序,以提高优化方法的有效性。通过Matlab7．0编程对IEEE30和IEEE14节点算例系统进行计算。计算结果表明,该方法具有系统网损、电压偏差及无功补偿容量小、发电机发电成本低和系统稳定裕度高的特点。     

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。     

基于免疫进化细菌觅食算法的多目标无功优化

为了更好地解决电力系统多目标无功优化问题,分析了当前多目标无功优化算法存在的缺陷,提出了一种基于免疫进化的改进多目标细菌觅食优化算法。该算法求得的Pareto最优解分布均匀,收敛性和鲁棒性好。IEEE14,IEEE30节点测试系统的算例结果表明所提的算法在多目标无功优化中具有良好的效果,为各目标之间的权衡分析提供了有效工具,是一种求解多目标无功优化问题的有效方法。     

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     

无功优化多目标模型转换方法的等值线分析

引入地理学中等值线的概念,提出一种能够对多目标模型转换方法的转换原理及特性进行分析、比较及分类的等值线分析方法。在归纳了各类无功优化多目标模型转化方法特点的基础上,通过在目标空间绘制各种方法所对应的等值线,从几何的角度,探讨了各模型转换方法所确定的寻优方向,并参考近似帕累托最优解集,研究了各种模型转化方法中最优解的几何意义。最后根据等值线的形状及分布,对模型转换方法进行了系统的归类。     

自适应多目标差分进化算法在计及电压稳定性的无功优化中的应用

计及电压稳定性的无功优化是一个兼顾降低有功损耗和提高静态电压稳定性的非线性约束多目标优化问题。提出了一种自适应多目标差分进化算法（self-adaptive multiobjective differential evolution,SAMODE）对多目标无功优化进行求解。在差分进化的寻优机制中嵌入非劣排序和拥挤距离排...     

基于DW分离模糊负荷模型的无功功率优化

提出了一种大区域电网无功功率/电压最优化控制的数学模型,其目的是研究在当前时段内各负荷值的情况下使功率损耗最小.该模型运用模糊集理论,结合DW分离法,成功地解决了多目标优化中描述不确定性以及处理不同量纲相互矛盾的问题,另一方面降低了问题计算的复杂度.算例表明,该模型具有较强的适应性和通用性,在全局收敛性、算法复杂度及运算效率等方面显示了一定的优势,为系统在各负荷值条件下的性状提供了总的解答.     

计及风电功率波动影响的风电场集群无功电压协调控制策略

针对大规模风电场集群区域有功出力随机波动、无功设备种类繁杂等典型特征引起的无功电压问题,提出一种计及风电功率波动影响的风电场集群无功电压协调控制策略。该策略根据风电功率预测信息、当前运行信息和历史断面信息建立多目标优化控制模型,并采用基于过滤集合的内点算法求解。通过利用汇集站和风电场的自动电压控制子站实现闭环控制,该控制策略能够对集群区域内离散设备和动态设备的动作响应实行差异化管理。对中国"三北"地区某实际风电场集群地区进行仿真计算,结果表明,所提控制策略能够改善中枢节点的电压控制效果,协调离散设备和动态设备的运行配合,维持集群区域的静态电压稳定性。     

基于自适应模糊粒子群算法的电力系统无功优化研究

针对传统粒子群算法搜索精度低和易早熟的缺点,提出了一种自适应模糊粒子群算法(AFPSO)对电力系统进行无功优化.该算法对惯性权重进行非线性的调整,有效地提高了算法的收敛速度和精度,并对位置的更新采用模糊控制,较好地解决了粒子群易早熟的问题.将该算法应用于无功优化问题中,在IEEE-30节点系统上进行测试,证明了AFPSO算法的有效性和优越性.     

多目标电网无功优化的量子遗传算法

在传统无功优化模型中引入静态电压稳定指标,建立了以网损最小、静态电压稳定裕度最大为目标的多目标无功优化模型。还介绍了量子遗传算法,它是一种基于量子计算概念的智能算法,用量子比特为基本信息位编码染色体,用基于量子概率门的量子变异实现个体进化,其收敛速度和全局寻优能力优于传统进化算法。将该算法用于电力系统无功优化并仿真计算了IEEE14、30节点系统,结果验证了模型和算法的有效性。