共查询到17条相似文献,搜索用时 93 毫秒
1.
2.
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。 相似文献
3.
基于改进粒子群算法的中压配电网无功优化 总被引:1,自引:0,他引:1
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。 相似文献
4.
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。 相似文献
5.
6.
7.
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。 相似文献
8.
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。 相似文献
9.
10.
11.
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。 相似文献
12.
基于粒子群算法的配电网无功补偿优化规划 总被引:4,自引:0,他引:4
张斌 《电力系统及其自动化学报》2010,22(2)
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. 相似文献
13.
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。 相似文献
14.
15.
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。 相似文献
16.