基于多目标粒子群算法的高维多目标无功优化

提出一种高维多目标电力系统无功优化模型。相比于传统的电力系统无功优化模型,该模型能够在无功优化中同时兼顾系统的有功损耗、电压水平、静态电压稳定性以及供电能力。针对已有的求解多目标无功优化模型的算法应用于求解所提模型时存在的局限性,进一步引入一种基于帕雷托熵的高维多目标粒子群优化算法并加以改进,使得该算法能够有效求解高维多目标优化问题。最后,利用IEEE-39节点系统验证了所提模型和求解算法的正确性和有效性。仿真结果表明,在传统的多目标无功优化模型中引入系统供电能力,能够在不恶化其他目标函数优化效果的情况下,使系统的供电能力得到提高。     

基于N-1方式的无功优化规划

为解决传统无功规划以正常运行方式来寻求无功补偿方案的优化,往往不能满足系统在N-1事故方式下的电压安全性问题,为此提出了基于N-1方式的无功优化规划的数学模型,以系统发生N-1事故后的网络运行方式为对象,以系统年支出费用最小为目标函数,并满足各种物理约束和运行约束,从而能够保证系统在出现N-1事故时仍有足够的无功备用来维持电压安全水平。通过三步算法的流程,实现N方式和N-1方式的优化解耦,降低了求解规模。最后在IEEE6节点系统中进行计算验证了该模型的合理性,优化方案能够明显提高系统运行的安全性和经济性。     

基于蒙特卡罗仿真和电压安全约束的无功优化算法

传统担忧功优化采用确定性方法，并且主要考虑经济性，而在规划阶段需要对运行方式的不确定性进行更深入的研究，文中提出了基于蒙特卡罗仿真和电压安全约束的无功优化模型，以尽量提高节点的电压水平作为优化的目标，算法采用非序贯蒙特卡罗仿真实现，考虑了系统各种可能的运行状态及其出现的概率。该模型的优化结果对提高节点电压水平和整个系统的电压安全性效果显著，使系统在电压安全的基础上达到经济文化。以IEEE可靠性标准测试系统为例进行了分析计算，算例表明，该模型和算法可行，结果合理且对电力系统的规划运行有重要的参考意义。     

考虑安全性的含风电场配电网动态无功优化

研究了双馈异步发电机(DFlG)的灵活无功调节能力,将其无功输出作为连续控制变量参与配电网动态无功优化。鉴于DFIG有功输出功率的波动性,提出了一种基于DFIG有功输出功率变化趋势的自适应分时段法。鉴于目前配电网无功优化重视经济性而轻视安全性的情况,提出了同时考虑经济性与安全性的无功优化目标函数。对配电网进行分区,计算其各区域的安全性指标,将该安全性指标权重加入到安全性目标函数中,并采用改进差分进化算法和内点法分别对离散控制变量和连续控制变量交替求解。最后,利用IEEE 33节点系统对本文所提出的动态无功优化模型进行仿真分析,结果表明系统网损得以明显降低,其配电网安全性也得到提高,证明了该方法的可行性和有效性。     

含风电抽油机的油田配电网区域无功优化技术研究

风电在抽油机上的投入使用节约了大量能源,却给电网的运行方式造成较大的影响。基于PQ潮流算法和混沌遗传算法对配电网进行无功优化,考虑系统的经济性和安全性,并以系统的实时潮流约束、节点电压、功率因数和补偿容量为约束条件,建立配电网区域无功优化数学模型。在模型中,系统的安全性和经济性互为约束,使无功优化模型更实用,更好地保证电网经济稳定运行。     

基于区间数的改进NSGA-Ⅱ算法在微电网优化调度中的应用

针对分布式电源出力和负荷波动随机性等不确定因素对微电网运行稳定性和经济性的影响,提出在微电网的优化调度中结合有功和无功优化,以满足安全性和可靠性要求。引入区间数来表述含不确定因素的优化调度目标函数及约束条件,并建立以微电网发电费用、电压偏差量和网损为优化目标的动态多目标优化调度模型。同时提出一种基于区间数的多属性决策NSGA-Ⅱ算法来求解上述模型中的线性多目标函数,从而得到整个调度周期内的多目标优化调度Pareto最优解。最后利用17节点微电网仿真系统进行了仿真计算,计算结果表明本文方法可以协调优化调度问题中的经济性、安全性和可靠性,同时相比单一的有功或无功优化调度可以得到更优的微电网运行费用。     

基于模拟退火遗传算法的交直流系统无功优化与电压控制研究

交流与直流输电配合进行的混合输电系统不断建设,逐渐成为远距离输电以及区域互联的主要方式之一,其对无功平衡和电压稳定也提出了新的要求。提出了一种基于模拟退火遗传算法的交直流系统的无功优化以及电压控制方法。建立了交直流混合输电系统潮流计算模型。给出了混合输电系统的无功优化模型:以网损和无功经济成本最小为目标函数,约束考虑了直流换流器变比、控制角、节点电压限制以及潮流约束。然后给出了采用模拟退火遗传算法求解该模型的步骤。最后采用增加直流输电线路的IEEE30节点进行验证,结果表明该方法具有收敛性好、结果更优等优点。     

统一考虑经济和安全指标的风电场配电网无功优化

研究了含双馈异步电机型风电场的配电网无功优化。由于DFIG具有灵活无功调节的能力,故使其无功输出作为一个连续变量参与配电网的无功优化。鉴于目前电力系统无功优化大多重视经济性而较少考虑其安全性的情况,为此,本文提出了同时考虑经济性与安全性的目标函数。将配电网进行分区,计算其各区域的安全性指标,将该安全性指标权重加入到安全性目标函数中,并采用反向差分进化算法进行求解。最后,利用IEEE 33节点系统对本文所提出的无功优化模型进行仿真分析,结果表明系统网损得以明显降低,同时提高了其安全性。通过算例分析,证明了文中方法的可行性和有效性。     

计及安全性指标的含风电场配电网无功优化

研究了含双馈异步电机型风电场的配电网无功优化。由于DFIG具有灵活无功调节的能力,故使其无功输出作为一个连续变量参与配电网的无功优化。鉴于目前电力系统无功优化大多重视经济性而较少考虑其安全性的情况,为此,本文提出了同时考虑经济性与安全性的目标函数。将配电网进行分区,计算其各区域的安全性指标,将该安全性指标权重加入到安全性目标函数中,并采用反向差分进化算法进行求解。最后,利用IEEE 33节点系统对本文所提出的无功优化模型进行仿真分析,结果表明系统网损得以明显降低,同时提高了其安全性。通过算例分析,证明了本文方法的可行性和有效性。     

基于混沌粒子群算法的多目标无功优化研究

针对传统无功优化的不足,建立了以电网有功损耗最小、节点电压偏移最小、静态电压稳定性最好和无功成本最小的多目标无功优化模型.为了将这4个目标同时进行优化,提出了基于Pareto解的混沌粒子群算法多目标无功优化方法,求出该多目标优化问题的Pareto最优解集,供决策者根据实际情况进行科学决策选择.为证明提出方法的有效性,对IEEE30节点系统进行了多目标无功优化分析,结果表明本文提出的方法能够得到良好的无功优化结果.     

含新型统一潮流控制器的电力系统安全校正模型

统一潮流控制器(UPFC)串联侧和并联侧接于不同母线的新型拓扑使得UPFC的传统稳态模型难以适用,灵敏度类安全校正方法忽略了无功功率的影响,可能会引入新的不安全因素。基于此,提出一种适应性更强的UPFC稳态模型,并提出一种含UPFC的潮流计算优化模型。在考虑无功功率的影响后,引入0-1变量将安全校正问题转化为以调整设备数目最少和调整量最少为目标的多目标优化问题。然后,通过权重区分发电机节点和负荷节点,减少切负荷动作的发生。最后,利用极大值法将多目标优化问题转化为单目标优化问题,降低模型求解难度。116节点实际等值系统的算例测试表明,所述安全校正模型可利用最少的调整设备和调整量,消除系统过载故障。UPFC参与调控可提高系统安全校正效率。     

多目标无功优化的向量评价自适应免疫粒子群算法

为了克服粒子群算法在高维复杂问题寻优时容易陷入局部搜索的现象,提出了一种自适应免疫粒子群算法。该算法利用引入免疫系统的免疫信息处理机制和自动调整动量系数的自适应因子,从整体上达到系统的最佳控制方案。并将基于目标向量的个体评价方法与自适应免疫粒子群算法相结合,提出了基于向量评价的自适应免疫粒子群算法(vector evaluated adaptive immune particle swarm optimization,VEAIPSO)来解决多目标无功优化问题。通过引入静态电压稳定指标,建立了以系统有功损耗最小、节点电压偏移量最小及静态电压稳定裕度最大为目标的多目标无功优化模型。IEEE30和IEEE118节点系统算例仿真结果表明,该算法能有效地解决多目标无功优化问题,并具有良好的收敛稳定性和较高的寻优精度。     

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。     

基于免疫算法的多目标无功优化

在详细分析无功优化约束条件和目标函数以及研究无功优化免疫算法中抗体产生及其编码和解码的基础上,针对目前无功优化目标函数大多是基于权重系数基础多目标函数的组合,提出了基于免疫算法的多目标无功优化算法, 即用整体亲和力和部分亲和力概念来表示抗体对抗原的亲和程度,然后通过分别计算抗体的局部和整体亲和力来对抗体进行排序,依据此顺序选择抗体进行克隆、交叉变异等操作,并反复进行以求取系统无功优化的Pareto解集。对 IEEE14节点系统和IEEE118节点系统进行了多次无功优化计算,结果表明了该算法的有效性。     

含分布式发电的配电网多目标无功优化策略研究

为以最省的无功设备投资、最大限度地保证系统经济运行,增加解决问题的灵活性,研究了含分布式发电(DG)的配电网多目标无功优化策略,即构建含DG的配电网多目标无功优化模型。运用自适应多目标粒子群(AMOPSO)算法求解此问题,一改传统将多目标问题转化为单目标求解的做法。为验证所提策略,以含DG的IEEE 33节点系统为例,将AMOPSO应用于以最小化系统有功网损和最小化无功补偿设备容量（投资）为目标函数的多目标无功优化问题。仿真表明,采用该策略为决策者提供了可供选择的多样性解;优化结果验证了所建多目标模型的优越性和所提算法应用的可行性和有效性。     

多目标无功优化的向量评价自适应粒子群算法

为了克服粒子群算法在高维复杂问题寻优时有相当可能陷入局部极优的现象,提出了一种自适应粒子群算法。该算法利用种群多样性信息对惯性权重进行非线性的调整,并在算法的后期引入速度变异算子和位置交叉算子,使算法摆脱后期易于陷入局部最优点的束缚。对基于向量评价的粒子群算法进行了扩展,提出了基于向量评价的自适应粒子群算法(vector evaluated particle adaptive swarm optimization,VEAPSO)来解决多目标无功优化问题,求解出问题的Pareto最优解集。为帮助决策者从Pareto最优解集中选取合适的最优解,该文提出一种基于决策者偏好及投影寻踪模型的多属性决策法,使决策结果更加真实可靠。将该算法应用于多目标无功优化问题中,IEEE 30和IEEE 118节点系统算例仿真表明该方法用于解决多目标无功优化问题是有效可行的。     

计及运行风险的无功优化强化学习智能算法

为提高电力系统的运行安全性,本文将电力系统风险评估理论引入到传统无功优化中,建立了考虑运行风险的多目标无功优化数学模型,并为此提出了一种全新的迁移部落强化学习算法,该算法将人工智能算法的随机搜索机制和强化学习算法的迭代模式有机融合,利用知识矩阵储存部落寻优信息,通过知识迁移显著提高了在线学习阶段算法的速率。IEEE 118节点标准系统的仿真表明：迁移部落强化学习算法在保证较好的全局寻优性能的同时,速度可达传统人工智能算法的2-10倍,有效解决了考虑风险的多目标无功优化的动态快速求解。     

用于配电网多目标无功优化的改进粒子群优化算法

针对配电网多目标无功优化的应用需求以及优化算法存在的收敛性和多样性问题,基于Pareto熵的多目标粒子群优化算法,提出一种应用于多目标无功优化的改进粒子群优化算法。该算法在全局外部档案更新过程中引入冗余集策略,避免迭代过程中陷入局部最优解。将算法应用于配电网无功优化中时,采用离散变量取整方法,加快算法的收敛速度。建立网损、电压偏差及无功补偿装置投资最小的配电网多目标无功优化模型,并以IEEE 33节点配电网络为算例进行仿真,结果表明改进后的算法兼顾了优化的收敛性和多样性,能够在不同的优化要求下得到有效的无功优化方案。     

基于改进粒子群优化算法的电力市场下的无功优化

在厂网分开、竞价上网的市场模式下综合考虑电力系统安全约束,建立了以有功网损和无功费用最小为目标函数并包含各种运行约束条件的电力系统无功优化数学模型。应用改进粒子群优化算法求解该无功优化模型,并结合动态调整罚函数法将无功优化问题转化成无约束求极值问题,从而有效地提高了改进粒子群优化算法的全局收敛能力和计算精度,使电网公司取得了最大经济效益。以IEEE30节点系统为例进行了仿真计算,结果表明了本文采用的无功优化模型和算法的正确性、适用性和较好的经济性。     

利用强度Pareto进化算法的多目标无功优化

为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,首次将强度Pareto进化算法(SPEA2)应用于多目标无功优化,为真正意义上的多目标无功优化提供了依据。SPEA2是一种新型的多目标进化算法,参数设置少,收敛速度快,寻优能力强,求得的Pareto最优解分布均匀。IEEE30节点测试系统的算例结果表明所提出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。