基于统一潮流控制器(UPFC)的电力系统潮流控制

统一潮流控制器(UPFC)作为一种典型的FACTS装置,综合了FACTS元件的多种灵活控制手段.基于UPFC的基本原理、数学模型,介绍具有UPFC的电力系统的潮流计算方法.算例表明,UPFC可以控制线路的潮流分布,有效地提高电力系统的稳定性.     

基于统一潮流控制器（UPFC）的电力系统稳态潮流控制的模型和算法

本文在分析统一潮流控制器（ＵＰＦＣ）的基础上，导出了ＵＰＦＣ的潮流控制模型，提出了易于同常规ＰＱ分解潮流计算相结合的算法。算例表明，该方法能有效地用于分析ＵＰＦＣ对潮流控制作用，且具有较好的收敛性     

遗传算法在UPFC的PID控制器参数优化中应用

阐述了统一潮流控制器(UPFC)的原理及其控制器设计,采用串联侧输出电压、并联侧输出电流的横向分量和纵向分量为控制量,建立了比例积分(PI)控制时的系统方程.以含UPFC的单机无穷大系统进行仿真,结果表明UPFC可提高系统暂态稳定性.利用遗传算法对PID控制器参数进行优化,采用偏差绝对值对时间的积分性能指标作为最小目标函数,同时加入控制输入的平方项并引入惩罚功能,以防止控制能量过大和超调.仿真结果显示,参数优化后系统暂态过程变短,相关量的波动降低,进一步提高了系统的暂态稳定性能.     

基于统一潮流控制器（UPFC）的电力系统稳态潮流控制的模型…

本文在分析统一潮流控制器的基础上，导出了ＵＰＦＣ的潮流控制模型，提出了易于同常规ＰＱ分解潮流计算相结合的算法，算例表明，该方法能有效地用于分析ＵＰＦＣ对潮流控制作用，且具有较好的收敛性。     

含UPFC的电力系统最优潮流计算

由于UPFC能够控制母线电压和线路潮流,包含UPFC的电力系统最优潮流模型中须引入附加的等式约束和不等式的约束,增加了优化计算的复杂性,本文应用直接非线性原一对偶路径跟踪内点算法进行求解,并给出了3个试验系统的优化计算结果,验证该方法的有效性。     

基于电力系统非参数化模型设计统一潮流控制器

采样调节器的设计最突出的特点之一是根据被控对象的非线性，不确定系统的非参数化模型－系统的单位开环阶跃响应等进行控制器的设计，以保证闭环控制系统的稳定性，最优化和鲁棒性，这一方法在电力系统控制中的应用极有潜力。因为在电力系统中，通过现场试验获得控制器安装地点的单位开环阶跃响应通常要比建立系统的参数化模型简单得多，该文演示了如何将采样调节器设计的方法应用于统一潮流控制器（UPFC）的设计及由一个多变量采样调节器同时实现统一潮流控制器的潮流控制和电压调节功能，文中还给出了设计和仿真的结果。     

免疫遗传算法在多机电力系统PSS参数优化中的运用

电力系统稳定器参数的优化对于抑制多机电力系统低频振荡具有非常重要的意义。运用免疫遗传算法对多机系统PSS参数进行优化,将免疫操作融入基本的遗传算法中,运用免疫二次应答原理有效抑制了参数抗体在交叉、变异过程中的退化现象,提高了寻优过程的收敛性和稳定性。算例表明,采用免疫遗传算法对PSS参数优化其收敛性、计算时间和稳定性方面都优于传统遗传算法,将经过参数优化后的PSS加装到系统中,不反可以克服低频振荡现象,而且使系统的稳定性大幅度增强。     

含UPFC的电力系统中的分歧研究

在建立统一潮流控制器UPFC(Unified Power Flow Controller)动态模型的基础上,利用分歧理论,揭示了含UPFC电力系统中的非线性奇异现象,并给出了分析这种系统位于非双曲平衡点邻域内稳定性的方法和步骤。计及分歧时的稳定与Lyapunov稳定有本质区别,后者是对一个给定系统改变初始条件研究系统的稳定性;而计及分歧时,系统的拓扑结构已发生变化,反映是系统状态的一种跳跃或突变,从而为含UPFC系统的安全稳定运行提供了一些新观点和新见解。     

基于遗传算法的UPFC模糊阻尼控制器参数优化及与梯度下降法的比较

设计了一种统一潮流控制器（UPFC）模糊辅助控制器,能够阻尼互联系统之间功率低频振荡．分别使用遗传算法和梯度下降法实现了模糊阻尼控制器（FDC）的参数优化。建立了UPFC的频域模型,给出了主控制和辅助控制的框图。推导了模糊阻尼控制器参数优化的公式。互联多机系统算例显示了2种优化方法都具有很好的收敛性。且结果吻合,同时由这2种方法优化的阻尼控制器能够很好地阻尼系统的功率振荡。且比传统的基于线性系统设计的辅助控制器在不同的系统运行方式和振荡模式下具有更好的鲁棒性。     

UPFC在不同控制方式下对电力系统暂态稳定的影响

通过统一潮流控制器（以下简称UPFC）的动态模型,系统地分析了UPFC装置在采取并联补偿、串联补偿、移相等3种不同控制方式下,对单机无穷大系统暂态过程的功角振荡和暂稳极限的影响,并以2机5节点系统为仿真对象,较全面地仿真了UPFC对系统故障后的暂态过程的影响。     

免疫遗传算法在无功优化中的应用

将免疫遗传算法用于电力系统无功优化,其特点在于用基因座信息熵和免疫选择机制,提高种群的多样性,增加搜索空间,促进全局最优。通过对IEEE33节点系统的计算,验证了该算法能有效提高无功优化的收敛速度和优化效果。     

基于免疫遗传算法的小水电配电网无功优化

针对目前应用于电力系统无功优化的智能算法所存在的问题,提出将免疫遗传算法应用于电力系统无功优化问题的措施。免疫遗传算法是将免疫理论和基本遗传算法各自的优点相结合,不仅具有遗传算法的搜索特性,还具有免疫算法的多机制求解多目标函数最优解的自适应特性,对"早熟"问题有所改善,收敛于全局最优。最后,以安康市某区域电力系统为例对算法进行了性能测试,提出了合理的调压措施,结果表明将免疫遗传算法应用于电力系统无功优化问题可以显著降低系统网损,改善电压质量。     

基于变尺度混沌理论与免疫遗传算法的电力系统无功优化

提出一种基于变尺度混沌理论与免疫遗传算法的混合智能无功优化算法。该算法利用混沌变量的遍历性、随机性和规律性特点,将混沌运动自身的遍历区域变换成优化变量的取值范围,通过对整个解空间进行考察实现了可行域内的全局优化搜索。同时通过变尺度方法不断缩小优化变量的搜索范围来实现局部细化搜索,从而增强混沌局部搜索能力,加快解的收敛速度,提高解的精度。文章最后以某地区实际电网为例,分别采用免疫遗传算法和混合智能算法对其进行无功优化计算,结果表明本文提出的混合智能算法在计算速度和全局收敛性方面有很大的提高。     

基于混合遗传算法的无功优化

通过混合算法来改进遗传算法是一种可行的方向。在前人研究的基础上进一步提出了一种能够保持遗传算法、模拟退火算法和禁忌搜索算法优点的混合遗传算法。该算法显著改善了遗传算法早熟收敛和局部搜索能力差的不足,具有良好的全局寻优能力和局部搜索能力,并在实际系统应用中验证了它的有效性。     

改进的免疫遗传算法在无功优化应用中的研究

无功优化是电力网络优化的主要措施,其实质是一个多目标非线性混和优化问题。采用免疫遗传算法来研究该问题的求解方法就是在传统遗传算法的基础上,借鉴生物免疫机制中抗体的多样性保持策略和记忆抗原的特点,大大提高了算法的全局搜索和局部搜索能力。实验表明,免疫遗传算法具有很好的全局收敛性,能有效解决无功优化问题。     

区域电力系统最优备用容量模型与算法

建立实现备用容量最小的区域互联电力系统最优备用容量数学模型,推算多区域互联电力系统的联络线功率增量方程,以及区域互联电力系统频率偏差与区域备用容量的关系表达式。针对问题的具体特点,运用自适应免疫遗传算法对该模型进行求解,充分考虑频率偏差、负荷的随机波动以及区域互联系统运行的各种可靠安全约束,分别对独立的电力系统以及通过交直流联络线互联组成的区域电力系统进行仿真计算,可得到一天中24个时段的弹性备用容量。独立电力系统的算例表明：随着电力系统规模的扩大以及装机容量的逐步增大,最优备用容量占最大负荷的比例会逐步减小,可以减小0.395%~9.366%。对区域互联系统的算例表明：当区域系统互联时可以在一定程度上减小区域系统的备用容量,互联区域系统比各个独立系统的备用容量要减少1.036%~1.858%,节约了互联区域电力系统的成本,在一定程度上提高了区域互联系统运行的经济性。实例计算结果验证了所提模型的合理性、所提方法的可行性。     

基于混沌遗传算法的电力系统无功优化

针对遗传算法在求解大规模电力系统无功优化问题中存在的收敛速度慢、易早熟的缺点,提出了一种新的无功优化算法——混沌遗传算法CGA。该方法结合混沌优化所具有的遍历性、随机性和规律性的特点,在遗传进化过程中引入混沌移民算子,通过混沌移民操作维持群体中染色体的多样性,以克服传统遗传算法中由于近亲繁殖所导致的早熟问题,确保算法的全局收敛性,加快计算速度。通过对某地区42节点系统进行仿真计算,该方法相比于简单遗传算法,计算速度提高了45%,收敛到全局最优的概率提高了1.25倍。     

基于遗传算法的闭环系统辨识方法

研究了有色噪声扰动下闭环系统辨识问题,并给出了基于遗传算法辨识闭环系统参数和时延的适应函数和实行步骤。利用该方法能够获得闭环系统参数的无偏估计,同时获得闭环系统的时延,并具有计算稳定无理鲁棒性强和辨识精度高等优点,仿真结果说明了该方法的有效性和使用性。     

免疫遗传算法在配电网重构中的应用

配电网重构是配电网络优化的主要措施，其实质是一个多目标非线性混和优化问题．采用免疫遗传算法来研究重构问题的求解方法．免疫遗传算法在传统遗传算法的基础上，借鉴生物免疫机制中抗体的多样性保持策略和记忆抗原的特点，大大提高了算法的全局搜索和局部搜索能力．实验表明，免疫遗传算法具有很好的全局收敛性，能有效解决配电网重构问题．     

用于配电网规划的多种群免疫遗传算法

引入免疫算子和多种群概念,提出了一种用于配电网规划的多种群免疫遗传方法。采用多个种群针对目标函数的不同方面进行优化搜索,并借鉴生物免疫机制对每个种群的染色体进行免疫算子操作。种群之间通过优秀个体转移进行交互,可有效地防止种群退化,提高种群的多样性。以年费用最小为目标建立配电网规划的数学模型,提取“单个子路造价最小”和“电阻值最小”两种疫苗,并用其指导多种群搜索,有效地克服了遗传算法早熟收敛现象。同时给出初始可行方案的生成步骤和基于支路交换思想的不可行解处理方法。求解一个10 kV配电网规划问题,计算结果表明该算法能快速获得规划问题的最优解。同简单遗传算法相比,整个算法具有更强的收敛速度和全局搜索能力,用于配电网规划是可行有效的。