一种用于分解协调无功优化的全分邻近中心算法

针对无功优化分解协调模型求解中增广拉格朗日函数不可分的问题,在邻近中心算法基础上提出一种适用于特殊等式约束优化问题、可实现所有步骤分解计算的全分邻近中心算法。该算法通过邻近函数构造平滑同时可分的拉格朗日函数,并通过最优梯度更新拉格朗日乘子,只需要在相邻分区之间交换边界节点信息即可实现全网无功优化的分解协调计算。与通过对偶梯度更新拉格朗日乘子的分解算法相比,它不但可以直接确定计算所用参数,而且可以大大提高收敛速度。算例结果表明,所提算法可以实现全网无功优化的分解协调计算,并且其计算效率远高于基于辅助问题原理的分解协调算法。     

系统分解协调算法的抽水蓄能电站优化调度

建立了包含抽水蓄能电站的电网统一调度优化模型,即以调度周期内火电燃料成本为最小目标函数,满足系统及各机组约束条件。利用系统分解协调思想,开发了一个结合拉格朗日松弛方法和粒子群优化算法的混合算法,将原优化问题分解为两层优化问题。上层拉格朗日算子优化利用次梯度算法求解,下层各子问题利用粒子群优化算法求解,经过迭代寻优得到最优对偶解后,利用一个启发式算法求得满足系统约束及各机组运行约束的原问题的可行解。最后通过算例验证了模型的合理性及算法的有效性。     

无功优化分解协调计算的节点分区方法

无功优化分解协调算法中,根据电压-无功灵敏度对电力系统进行分区,使得各区域节点间电压无功耦合最弱,这样有利于提高该算法的计算效率和实用价值.求出正常运行状态下的节点间电压-无功灵敏度,应用阀值搜索分区算法对系统节点进行分区,用节点分裂法将系统分解为几个较小规模的子网络.IEEE118节点系统和两个实际系统(538节点和1133节点)的无功优化计算表明,该分区算法能改善算法的收敛性,从而提高其计算效率.     

无功优化分解协调计算的节点分区方法

无功优化分解协调算法中,根据电压-无功灵敏度对电力系统进行分区,使得各区域节点间电压无功耦合最弱,这样有利于提高该算法的计算效率和实用价值。求出正常运行状态下的节点间电压-无功灵敏度,应用阀值搜索分区算法对系统节点进行分区,用节点分裂法将系统分解为几个较小规模的子网络。IEEE118节点系统和两个实际系统（538节点和1133节点）的无功优化计算表明,该分区算法能改善算法的收敛性,从而提高其计算效率。     

基于诺顿等值的多区域系统无功优化分解协调算法

采用节点分裂法将电力系统按照实际地理位置进行区域分解。通过对外部系统进行诺顿等值,实现各个区域无功优化的独立计算,即内层迭代计算。引入了一套简单有效的协调机制修正边界节点的等值注入功率和电压,即外层迭代计算,最终实现大系统无功优化分解与协调计算,提高了计节点系统和某2 212节点实际系统为例,通过与集中优化算法的比较验证了所提算法的有效性。     

基于分块坐标下降思想的并行无功优化分解协调算法

针对无功优化分解协调模型求解中增广拉格朗日函数的不可分问题,提出了基于分块坐标下降(block coordinatedescent,BCD)思想的并行分解协调计算方法。该方法可实现全网无功优化的分解协调计算,仅需要在相邻分区之间交换边界节点的功率和电压用于协调,解决了大规模电网集中式无功优化存在的计算速度慢和数据传输瓶颈问题;而且各控制中心可自主选择优化算法,实现了自律分散与协调控制的结合。算例结果表明,该算法可以大大减少全网无功优化的计算时间,并且与基于辅助问题原理的分解协调算法相比,其收敛速度更快、计算效率更高。     

省级电网无功优化的分解协调研究

由于电网整体优化的需要,自动电压控制（AVC）日益受到重视。AVC的实现应是同一电压等级下的分区控制及不同电压等级间层间控制的协调、统一。针对AVC分区、分层控制的特点,提出在省级电网实现基于分解协调原理的无功优化,以期在算法的收敛性、计算速度以及对离散变量的处理几方面有明显的改进。     

基于Ward等值的多区域无功优化分解协调算法

针对多区域电力系统的无功优化问题,提出了基于Ward等值的分解协调算法.将所有子区域分为主区域和从区域,并确定边界节点在不同区域中的节点类型和区域间相角传递方法.在基态条件下,根据潮流计算结果确定边界节点等值注入功率初值.采用矩阵求逆辅助定理,提高优化过程中外部网络变压器变比变化引起的等值导纳矩阵计算效率问题,且大幅度提高了外部网络等值精度.引入适合无功优化算法的外部协调策略,以较少的协调通信量获得较好的协调效果.以IEEE 39节点和538节点实际系统为例,通过与集中优化方法进行比较,验证了该方法的有效性.     

基于分布式协同粒子群优化算法的电力系统无功优化

该文提出一种新颖的用于求解无功优化问题的分布式协同粒子群优化算法.考虑到大规模电力系统集中优化难度较大,采用分层控制中的分解-协调思想将大系统分解成若干个独立的子系统,有效地降低求解问题的复杂度,并采用混合策略在各子系统问进行协同进化.此外,子系统的无功优化采用了一种改进的粒子群优化算法,考虑了更多粒子的信息,能有效地提高算法的收敛精度和计算效率.对4个不同大小规模的系统进行的仿真计算结果表明该文提出的方法能够获得高质量的解,并且计算时间短,效率高,适合求解大规模电力系统的无功优化问题.     

多区域互联系统几种无功优化分解协调算法的比较

以708和538节点系统为算例,对以非线性原对偶内点法为基础,基于近似牛顿方向和对角加边模型的5种无功优化分解协调算法的计算效益和收敛性进行了比较分析。并进一步分析了影响分解协调算法计算效益和收敛性的因素。定性分析了固定系统总规模、扩大子区域数目和固定子区域数目、扩大最大子区域的规模2种方式对计算速度的影响。     

基于两层遗传算法的多时段无功优化方法

提出了一种基于两层遗传算法的多时段无功优化方法,将复杂的无功优化问题转化为多个时段静态无功优化的并行处理问题。第一层优化是针对调度周期内的每个时段,建立传统静态无功优化模型,对全调度周期内各个时段进行并行计算,并统计出多组较好的优化状态,构成全调度周期内控制设备动作次数的寻优状态空间;第二层优化是针对整个调度周期,建立以动作次数最少为目标的无功优化模型,从第一层形成的状态空间中寻出控制设备动作次数较少所对应的潮流分布,从而得到有功网损、电压质量及控制设备动作次数的综合优化效果。此外,该方法易于实现并行处理。算例表明,所提出的方法优化效果好,有在线应用的前景。     

基于IPM-intPSO的两阶段动态无功优化算法

提出一种基于内点法(IPM)和整数粒子群(intPSO)算法相结合的启发搜索-变量校正两阶段动态无功优化算法。首先,采用intPSO算法求解离散变量,并利用IPM处理连续变量,通过两者交替迭代得到静态无功优化的求解方法;然后,在保证网损最小的同时,自适应得到最优动态分段数,克服传统依据负荷曲线人为分段方法的缺点;最后,对目标函数在启发搜索的结果上进行变量校正的再优化。IEEE 9、14、30、57、118节点测试系统的仿真结果验证了所提算法的有效性。     

基于离散猴群算法的变电站动态无功优化控制

为实现动态无功优化,变电站需频繁调整无功投入容量,然而当设备动作频率过高时会增加系统的故障率并减少使用寿命.文章针对这一工程优化问题,提出了一种变电站动态无功优化控制方法.以变电站二次母线电压允许的偏差和主变功率因数为优化目标,重点考虑变压器低压侧电压约束、高压侧功率因数约束、无功补偿容量约束以及调节次数约束,建立了动...     

改进粒子群优化算法在电力系统多目标无功优化中应用

采用自适应聚焦粒子群优化(AFPSO)算法对电力系统进行无功优化.以最优控制原理为基础,引入静态电压稳定性指标,建立了综合考虑系统有功网损最小、电压水平最好以及静态电压稳定裕度最大的多目标无功优化模型,并采用模糊集理论将此多目标优化问题转化为单目标优化问题.通过最小化各目标的隶属度最大值(指标差的隶属度值大),从而只提升差的指标,使系统整体性能提高.同时,采用罚函数的形式处理负荷节点电压和无功发电功率2个状态变量不等式约束.在IEEE 57节点系统上进行测试,通过仿真测试及不同算法优化结果的对比,表明AFPSO算法在实现系统经济运行的同时也增强了电网的电压稳定,同时证明了AFPSO算法的有效性和优越性.     

基于鲸鱼优化算法的无功优化调度

针对目前电力系统中的无功优化问题尚缺乏一种能兼顾求解的高效性与全局搜索最优性的方法,本文将一种新的启发式算法--鲸鱼优化算法(WOA)运用到电网无功优化调度中,以系统有功功率损耗最低为目标函数,通过引入惩罚函数建立无功优化模型,对IEEE-14节点系统与IEEE-30节点系统进行仿真,并利用单因素方差分析法(One-way ANOVA)将所得结果与之前的粒子群优化算法(PSO)及引入加速度系数的时变粒子群优化(PSO-TVAC)进行比较,研究表明WOA算法在迭代次数、搜索能力及收敛问题上的潜力,并证明了在解决电力系统无功优化问题上的鲁棒性和有效性,同时也为解决非线性约束问题提供了新途径。     

基于改进AFSA算法的电力系统无功优化

将人工鱼群算法（AFSA）应用到电力系统无功优化问题的研究中,建立了相应的优化模型。为提高AFSA的搜索能力,对AFSA进行了改进,在算法中加入了生存机制、竞争机制。对IEEE6、14节点系统的仿真计算结果表明了算法的有效性。     

基于改进AFSA算法的电力系统无功优化

将人工鱼群算法(AFSA)应用到电力系统无功优化问题的研究中,建立了相应的优化模型.为提高AFSA的搜索能力,对AFSA进行了改进,在算法中加入了生存机制、竞争机制.对IEEE6、14节点系统的仿真计算结果表明了算法的有效性.     

基于改进PSO算法的电力系统无功优化

粒子群优化PSO(Particle Swarm Optimization)算法是一种简便易行、收敛快速的演化计算方法,但该算法也存在收敛精度不高,易陷入局部极值的缺点。针对这些缺点,对原算法加以改进,引入了自适应的惯性系数和变异算子,提出了一种新的改进粒子群优化MPSO(Modified Particle Swarm Optimization)算法,并将其应用于电力系统无功优化,建立了相应的优化模型。对IEEE-14节点系统及某地区70节点实际电力系统进行了仿真计算,并与PSO算法作了比较,结果表明MPSO优化算法能有效地应用于电力系统无功优化．其全局收敛性能及收敛精度均较PSO算法有了一定程度的提高。