基于混合粒子群优化算法的PSS参数优化

将一种新的进化算法-粒子群优化算法(PSO)应用到电力系统稳定器(PSS)参数优化当中,文中使用引入交叉操作的混合粒子群优化算法(HPSO),可以获得更好的全局搜索能力和收敛速度.先以低频振荡范围内(0.1～2 Hz)PSS产生的附加阻尼转矩△Te与△ω尽可能同相位为目标优化PSS超前-滞后环节参数;再以小扰动时发电机功率和角速度振荡最小为目标整定PSS放大倍数.优化结果表明,HPSO算法可以有效地解决PSS参数优化问题.     

基于混合粒子群优化算法的PSS参数优化

将一种新的进化算法—粒子群优化算法(PSO)应用到电力系统稳定器(PSS)参数优化当中,文中使用引入交叉操作的混合粒子群优化算法(HPSO),可以获得更好的全局搜索能力和收敛速度。先以低频振荡范围内(0.1~2Hz)PSS产生的附加阻尼转矩ΔTe与Δω尽可能同相位为目标优化PSS超前-滞后环节参数;再以小扰动时发电机功率和角速度振荡最小为目标整定PSS放大倍数。优化结果表明,HPSO算法可以有效地解决PSS参数优化问题。     

基于粒子群优化算法的PSS参数优化

粒子群算法(PSO-ω)是一种应用于连续空间的、具有较好的全局搜索能力和寻优速度的群体智能优化算法.基于单机无穷大系统模型,通过采用PSO-ω算法对电力系统稳定器(PSS)进行参数优化,以抑制低频振荡.该方法是以最优控制原理为基础,综合考虑PSS与励磁系统的性能,将PSS参数优化协调转化为带有不等式约束的优化问题,控制目标为系统输出按照最小误差跟踪给定值的能力(ITAE准则).用Matlab软件进行仿真,结果表明,利用该方法设计的PSS,它的稳定性有了较大的提高.     

基于随机聚焦粒子群算法的多机系统PSS参数优化

随机聚焦粒子群算法（SFPSO）是一种应用于连续空间的、具有较好的全局搜索能力和寻优速度的群体智能优化算法。通过采用SFPSO算法,对多机系统的PSS参数进行优化。该方法是以最优控制原理为基础,综合考虑PSS与励磁系统的性能,将PSS 参数优化协调转化为带有不等式约束的优化问题,控制目标为系统输出按照最小误差跟踪给定值的能力。通过仿真测试以及不同算法优化结果的对比,表明基于SFPSO算法优化的PSS在不同的干扰下都具有良好的性能,能够抑制低频振荡,并保持系统稳定,同时证明了SFPSO算法的有效性和优越性。     

基于随机聚焦粒子群算法的多机系统PSS参数优化

随机聚焦粒子群算法(SFPSO)是一种应用于连续空间的、具有较好的全局搜索能力和寻优速度的群体智能优化算法.通过采用SFPSO算法,对多机系统的PSS参数进行优化.该方法是以最优控制原理为基础,综合考虑PSS与励磁系统的性能,将PSS 参数优化协调转化为带有不等式约束的优化问题,控制目标为系统输出按照最小误差跟踪给定值的能力.通过仿真测试以及不同算法优化结果的对比,表明基于SFPSO算法优化的PSS在不同的干扰下都具有良好的性能,能够抑制低频振荡,并保持系统稳定,同时证明了SFPSO算法的有效性和优越性.     

自适应混沌粒子群算法在PSS设计中的应用

该文采用一种改进的粒子群算法PSO———自适应混沌粒子群算法ACPSO,对多机电力系统稳定器参数进行优化设计,以抑制系统低频振荡。该算法通过混沌初始化粒子群,在迭代计算过程中根据粒子的适应值自适应地调整算法惯性系数,从而可以获得更好的全局搜索能力和收敛速度。选取系统机电振荡模式最小阻尼比最大化为目标函数,将PSS参数优化转换为带不等式约束的非线性优化问题。以3机9节点系统为例,特征值和非线性仿真结果表明,运用该方法设计的PSS能够有效地抑制外界扰动引起的低频振荡。     

基于社会学习的粒子群优化算法的电力系统稳定器参数协调优化设计

对于电力系统稳定器(PSS)参数优化整定的问题,为了更好地寻找最优参数,本文将社会学习机制引入到粒子群优化算法中,将社会学习粒子群优化算法(SLPSO)应用于PSS参数的优化整定中,相比于传统优化算法,本文算法优化P SS参数具有更好的动态自适应性,同时不易陷入局部最优,能够较快地寻找到全局最优值.通过四机两区的仿真算...     

基于混合粒子群优化算法的电力系统无功优化

应用粒子群优化算法(PSO)求解电力系统无功优化问题,提出基于混沌搜索的混合粒子群优化算法,以克服PSO容易早熟而陷入局部最优解的缺点。该算法引入了基于群体适应度方差的早熟判断机制,当算法陷入早熟时,利用混沌运动的遍历性、随机性和规律性等特性,先对当前粒子群体中的最优粒子进行混沌寻优,然后把混沌寻优的结果随机替换群体中的一个粒子,从而提高了PSO的寻优特性。通过对IEEE 14、IEEE 30、IEEE 118等标准测试系统进行无功优化,并与遗传算法、标准PSO进行比较,表明该算法具有更高的搜索效率和更好的全局优化能力。     

粒子群优化算法及在电力系统中的应用

粒子群优化方法是一种基于群体智能的新型演化计算技术。文章在介绍PSO算法及其特点的基础上，总结了PSO算法在电力系统规划等领域的研究现状，但目前的很多工作还处于研究阶段，相信随着研究的进一步深入，PSO算法将在更多的领域中得到更广泛的应用。     

粒子群优化算法及其在电力系统中的应用

PSO（粒子群优化）算法是一种新兴的优化技术.该算法可调参数少,简单易实现且功能强大.文章详细介绍了PSO的基本原理、各种改进算法以及它们在电力系统中的应用,并对今后可能的应用指出了研究方向.     

基于进化策略并考虑宽频段补偿的PSS参数优化

将进化策略结合PSS宽频段补偿特性的方法应用到多机电力系统稳定器(PSS)参数优化。考虑到一种运行方式配置的PSS可能在其他运行方式下失效或恶化,以PSS在低频振荡范围内(0.1～2Hz)产生的附加阻尼转矩△Te与△ω尽可能同相位为目标优化超前-滞后环节参数;再以多机PSS在整个系统内产生的最小阻尼比尽量大为目标进行全局优化。New England 10机系统仿真结果表明,这是一种有效的PSS参数优化方法,所得到的参数优化结果对系统运行方式变化有很好的鲁棒性。     

基于非线性规划方法的PSS参数优化设计

在多机系统中,电力系统稳定器的参数配置是一个复杂的非线性优化问题,可以应用先进的现代内点算法求解该优化问题.本文以Anderson3机9节点系统为例,应用现代内点算法来进行PSS参数优化.通过发电机在不同运行方式下(正常、负荷高峰、负荷低谷)的动态性能仿真结果表明:用现代内点算法进行参数优化后的PSS动态性能优于常规方法设计的PSS,具有一定的鲁棒性.     

江苏电网电力系统稳定器参数优化

将基于进化策略电力系统稳定器(PSS)频域法应用到江苏PSS参数优化.以PSS在低频振荡范围内(0.2～2.0Hz)产生的附加阻尼转矩△Te与△ω尽可能同相位为目标优化超前一滞后环节参数:再以PSS极限增益的1/3～1/5确定PSS的增益值.优化仿真结果表明,这是一种有效的PSS参数优化方法,所得到的参数优化结果对系统运行方式变化有很好的鲁棒性.     

300 MW发电机-电动机组PSS参数优化研究

电网中出现的负阻尼或弱阻尼低频振荡常用电力系统稳定器（PSS）进行抑制,但对广东电网6种典型运行方式进行的频域和时域计算结果却显示系统动态稳定性很差。为此,结合广州抽水蓄能A、B厂的8台300MW机组的PSS装置情况进行了PSS参数的频域配置和时域验证计算,对PSS参数进行了优化调整;进行了实际的抗扰动性能试验和扰动试验并给出了试验曲线图。试验证明,在投入经过适当整定的PSS环节后,无论在发电机工况还是在抽水工况,对抑制与机组强相关的弱阻尼振荡,提高机组的抗扰动能力,改善电网的动态稳定性,都具有显著的效果和重要的现实意义。     

抑制频率振荡的电力系统稳定器参数优化

超低频频率振荡是有功频率控制过程的小扰动稳定问题。由于负荷电压调节效应使得无功电压控制和有功频率控制产生耦合,传统用于抑制低频振荡的电力系统稳定器(PSS)可用于抑制频率振荡。提出了在多机系统中选择抑制频率振荡的PSS的方法,该方法综合了PSS对低频振荡和频率振荡的影响大小。构建了抑制频率振荡的PSS参数优化模型,该模型仍然以低频振荡模式阻尼比作为优化目标,但加入频率振荡对应频段发电机励磁系统相位要求作为约束,保证机组励磁系统为频率振荡提供足够的正阻尼。采用粒子群优化算法对模型进行求解得到PSS最优参数。仿真结果验证了所提方法的有效性。     

基于改进PSO算法的PID参数优化研究

针对PID控制器的参数整定问题,提出一种改进微粒群优化算法（improved particle swarm optimization,IPSO）。算法是在基本PSO算法的惯性权重部分加入一个调节因子项,通过调节因子的调节,改善了算法的收敛性。仿真结果表明,IPSO算法可以更好地优化PID控制器的参数,使控制系统具有更好的控制性能。