基于智能单粒子算法的含光伏电站配电网的无功优化

将光伏电站的无功功率作为无功优化的控制变量,研究了含光伏电站配电网无功优化问题.智能单粒子算法采用了一个粒子在解空间中搜索,粒子的位置矢量被分成一定数量的子矢量,并基于子矢量对粒子进行更新.在子矢量更新过程中,通过分析之前的速度更新情况,引入一种新的学习策略,使粒子在搜索空间中能够动态地调整速度和位置,从而向全局最优靠...     

基于自然选择粒子群算法含DG接入的配电网无功优化

以分布式电源接入配电网运行时产生的有功网损最小并能改善电压质量为目标,提出将自然选择机理与粒子群算法相结合的配电网无功优化方法。将DG向系统注入的无功功率作为配电网无功优化的控制变量,建立了包括目标函数、潮流方程等式约束和不等式约束的配电网无功优化数学模型。基于自然选择的粒子群算法其核心思想为每次迭代过程中将整个粒子群按适应值排序,用群体中最好的一半的粒子的速度和位置替换最差的一半的速度和位置,同时保留原来每个个体所记忆的历史最优值。通过对改进后的IEEE33节点配电系统进行仿真分析,结果表明所提出的算法具有很强的全局收敛性和稳定性,并能以最快的收敛速度搜索到系统最小网损值。     

基于改进粒子群算法的中压配电网无功优化

建立了以年费用最小为目标函数的无功优化数学模型,提出一种融合裂变和变异操作的分合群粒子群算法求解该模型,并结合对系统分区、合理设置补偿上限等方法减小搜索范围,实现了同时求解补偿点和补偿量。算法在标准粒子群优化(particle swarm optimization,PSO)算法的基础上通过分群和裂变,保持粒子的多样性,避免收敛早熟;通过合群和变异,加强算法的搜索精度,提高算法的收敛稳定性。用IEEE 33节点系统进行仿真计算,与标准PSO算法对比表明,改进PSO算法在计算精度、收敛稳定性等方面具有明显优势;与无功二次精确矩法对比表明,改进PSO算法具有自动调整补偿点个数的能力,补偿方案经济性更好,能有效解决中压配电网的无功优化问题。     

基于自然选择粒子群算法的含DG接入的配电网无功优化

以分布式电源接入配电网运行时产生的有功网损最小并能改善电压质量为目标,提出将自然选择机理与粒子群算法相结合的配电网无功优化方法。将DG向系统注入的无功功率作为配电网无功优化的控制变量,建立了包括目标函数、潮流方程等式约束和不等式约束的配电网无功优化数学模型。基于自然选择的粒子群算法其核心思想为每次迭代过程中将整个粒子群按适应值排序,用群体中最好的一半的粒子的速度和位置替换最差的一半的速度和位置,同时保留原来每个个体所记忆的历史最优值。通过对改进后的IEEE33节点配电系统进行仿真分析,结果表明所提出的算法具有很强的全局收敛性和稳定性,并能以最快的收敛速度搜索到系统最小网损值。     

基于粒子群算法的配电网无功补偿方法研究

针对目前配电网的无功资源规划配置,网络优化以及输电线损坏管理不完善,输出电压损耗高,合格率低,一些处于输电网络末端的地区甚至无法正常用电等问题。提出了一种基于粒子群算法的配电网无功补偿优化方法,以10 kV配电网每年的电能损耗费用以及用于无功补偿的设备的费用之和为优化目标函数,并用粒子群算法对优化问题进行求解。实验证明,该算法是有效可行的,且能够取得较好的经济效益。     

基于改进粒子群算法的配电网无功优化的研究

以有功网损最小为目标函数,以负荷节点电能质量和发电机的无功出力为罚函数,建立配电无功优化的模型。首先采用无功灵敏度分析方法确定补偿地点,然后对基本粒子群算法进行改进,最后用matpower中的算例对比分析了两种算法的优化结果,证明了无功优化模型和改进的粒子群算法的有效性与准确性。     

计及光伏电站随机出力的配电网无功优化

将光伏电站的无功功率作为无功优化的控制变量,研究了含光伏电站配电网无功优化问题。由于光伏电站出力的随机性,使得含光伏电站配电网各节点的电压也具有随机性,所以传统无功优化模型中对确定电压的约束已不精确。在此采用随机潮流算法,求得各节点电压的概率分布,对电压进行机会约束,以有功损耗期望值最小为目标函数,建立了含光伏电站配电网的无功优化数学模型。运用上述基于随机约束的无功优化数学模型,采用标准的粒子群算法对算例进行优化,优化结果验证了该模型与算法的准确性与有效性。     

基于改进粒子群算法的含DG配电网无功优化

含分布式电源(DG)配电网的无功优化是一个复杂的非线性优化问题,文中采用改进的粒子群算法(PSO)对配电网进行无功优化计算,建立以系统网损和电压平均偏离最小为目标函数,节点电压和电容器投切容量为约束条件的优化模型。在PSO中引入位置方差防止PSO陷入局部最优解,根据种群中粒子的适应度值对粒子进行变异处理,在保证算法收敛速度的基础上,改善算法性能。以含分布式电源的IEEE14节点配电系统为例进行无功优化分析,结果表明DG能增强电网运行的稳定性,所提算法具有较好的优化性能。     

基于量子粒子群算法的含风电场配电网无功优化

研究了含双馈异步电机(DFIG)型风电场的配电网无功优化。DFIG出力的随机性使得传统无功优化模型难以胜任。因此,应用场景分析法对含DFIG的配电网进行场景划分。采用蒙克卡罗仿真对其进行无功补偿选址,结合DFIG的无功补偿能力,建立了模糊无功优化模型,以降低网损、减少电压偏移量。最后,以IEEE33为测试系统,基于量子粒子群算法(QPSO)进行求解,结果验证了所提方法的可行性和有效性。     

混沌粒子群优化算法在配电网无功优化中的应用

针对电力系统无功优化的特点,提出了一种基于传统粒子群优化(PSO)算法的改进型智能算法——混沌粒子群优化(CPSO)算法。CPSO算法采用混沌初始化进行改善个体质量和利用混沌扰动避免搜索过程陷入局部极值,利用该算法分别对IEEE14和IEEE30节点系统进行仿真测试。仿真结果表明,CPSO算法相对于PSO算法,优化效果理想,收敛速度快。     

基于改进粒子群算法的配电网故障自愈算法

首先根据配电故障自愈系统的基本功能及配电网的供电要求,建立了以计算最大自适应度值为计算目标的配电网故障自愈目标函数及其相关参数的约束条件;随后介绍了基于浓度的改进粒子群寻优算法的工作原理及其实现步骤;最后结合配电网故障自愈目标函数和改进粒子群算法,提出了基于改进粒子群算法的配电网故障自愈控制算法,并给出了算法的实现流程图和仿真结果。仿真结果表明,所提配电网故障自愈控制算法具有较好的收敛性。     

基于粒子群算法的配电网无功补偿优化规划

无功补偿优化配置在电力系统规划设计中有着重要的作用.文中建立了针对10 kV配电网的无功补偿优化配置的数学模型,以配网年电能损失费用与折合为等年值的无功补偿设备的投资费用之和最小为目标函数,以无功平衡、电压合格等为约束条件.求解方法上,采用了改进的粒子群算法,使算法能更好地适应问题的求解.算例结果表明,该方法技术上可行且具有较好的经济性.     

配电网无功优化配置研究

配电网网损大,电压合格率偏低,无功优化配置可实现多个约束条件和目标函数的统一,是提高电能质量、降低网络损耗的有效措施。     

配电网的无功优化和无功补偿

结合我国配电网网损大、电压合格率低的特点,提出了配电网无功优化规划的数学模型,分析了其在4种配电网无功补偿方式的应用。利用该数学模型可得到并联电容器的补偿容量和有载变压器分接头的位置,解决了补偿容量依据供电部门要求达到的功率因数确定,而不是依据用户用电时的实际效益、最佳电能质量、最小支付电费的经济功率因数来确定的问题。     

基于改进权值优化模型的光伏功率区间预测

区间预测方法可以反映光伏发电功率可能的变化范围，提供比点预测方法更丰富的预测信息。文章提出了一种基于径向基函数（radial basis function，RBF）神经网络的区间预测模型以直接输出光伏功率预测区间。为优化模型输出区间的性能和避免惩罚系数选择问题，构建了一种考虑区间预测偏差信息的改进预测区间优化模型，并采用粒子群算法（particle swarm optimization，PSO）求解，获得最优RBF神经网络输出权值以提高预测区间的可信度和准确性。通过对比传统区间优化模型和所提改进区间优化模型的预测结果，发现改进区间优化模型能够获得宽度更窄和预测偏差更小的光伏功率预测区间，可为调度决策提供更准确的辅助信息。     

基于Hopfield神经网络的油田配电网无功优化

提出了一种以补偿装置投资、运行费用和网损之和最小为目标的配电网无功优化数学模型。根据油田配电网呈辐射状的特点,提出了该配电网的关联矩阵,并基于Hopfield神经网络进行求解,得到了无功补偿的总容量和各负荷点的补偿方案。对某油田配电网进行无功优化,结果证明了该模型的正确性和优越性。     

基于自适应变异特性粒子群算法的无功优化

针对电力系统无功优化问题,提出了1种自适应变异特性粒子群算法来克服粒子群优化方法容易早熟而陷入局部最优解的缺点。该方法以种群适应度方差为量化指标,动态衡量和监视粒子群体的聚集情况,并对聚集的粒子赋予变异操作,用以提高整个群体的全局寻优能力。通过对IEEE-6和IEEE-30测试系统的无功优化问题计算及结果分析表明该方法快速、高效、准确。