基于粒子群算法的含风电配电网无功优化研究∗

针对新能源给配电网无功波动带来的影响,建立了含有风力发电机的配电网无功优化模型.通过粒子群算法对无功优化模型进行求解,有效降低了配电网的网损,同时节点电压也得到了提升.     

智能配电网无功优化应用研究

无功优化是降低网损、提高电压质量的重要措施,分析了分散调压和无功优化的差异,构建了一种智能配电网无功优化系统,将潮流计算与灵敏度分析相结合,形成无功优化最优控制策略,实现全网电压无功优化,同时,对无功补偿设备进行实时监控。     

基于遗传算法配电网无功补偿计算的研究

建立了以年运行费用最小为目标函数的配电网数学模型,选用前推回代法作为配电网潮流计算的方法,以遗传算法作为解决配电网无功优化的方法。通过对辐射状12节点配电网算例计算,求出最佳补偿节点和最优容量。验证了遗传算法解决无功补偿的有效性和正确性。     

基于改进遗传算法的配电网无功优化

提出了考虑配电网网损效益、节点电压水平和无功补偿费用的综合目标函数,对于目标函数中的电压越界点,采用惩罚函数予以解决。无功优化主要采用调整变压器分接头和并联电容器两种方法,用改进遗传算法实现了配电网无功优化计算,该算法有较好的计算效率和全局寻优能力,通过实例验证了本文方法的实用性和有效性。     

混沌人工鱼群算法在含风电配电网无功优化中的应用

目前风力发电机组大多使用异步发电机并网,而异步发电机运行过程中须吸收大量的无功功率。从而造成系统的无功不足。导致节点电压偏低,降低电网的电压稳定性和电能质量。混沌人工鱼群算法（ChaoticArtificialFishSwarmAlgorithm,CAFSA）是在人工鱼群算法执行全局搜索的基础上,结合混沌优化算法进行局部搜索,具有不易陷入局部最优解且收敛速度较快的群体智能优化算法。     

基于小生境遗传算法的油田配电网无功优化

油田配电网负荷分散,配电距离长,大量变压器和异步电动机负载率和功率因数低,使得大量无功在配电网中流动,引起网损偏大.因此对油田配电网进行无功补偿,对降低网损和提高电网的电压水平具有重要意义.     

多负荷水平下含风电接入的配电网无功优化

由于风电输出功率的随机性,风电机组的大量接入给配电网无功优化带来更多不确定性因素。为了提高配电网无功优化对风力发电并网的适应能力,建立了多负荷水平下基于场景分析的考虑风电接入的多目标无功优化模型。该模型综合考虑了节省电能损失费用和节点电压偏差2个指标,将2个指标进行模糊化,采用最大化模糊满意度指标法将多目标优化问题转换为单目标优化问题,然后采用自适应遗传算法进行求解。并以IEEE 33节点测试系统为例,计算和分析了在不同场景时最大负荷、一般负荷和最小负荷3种负荷水平下,电容器投切、系统有功损耗、节点电压以及节省电能费用情况。计算结果表明,所提出的无功模糊优化方法,在不同负荷水平、不同场景下改善电压质量和降损节能效果显著,适合多负荷水平下含风电机组的配电网无功优化需要。     

含光伏随机出力的配电网两阶段无功优化

对于光伏电站及负荷出力的不确定性,无功越级传输带来的有功损耗及调压困难等问题,本文以有功网损最少、无功越级传输最小和无功补偿设备投资费用最少为目标建立两阶段无功优化多目标函数模型,利用基于逐次优化的改进遗传算法求解。求解过程中以电压稳定极限曲面法向量作为选取补偿备选节点以缩小范围和时间,采用基于拉丁超立方抽样的概率潮流计算节点电压裕度和潮流。改进的Baran&Wu33节点算例结果仿真与分析验证了本文算法及模型的有效性,对配电网无功补偿优化有一定指导意义。     

基于改进遗传算法的配电网无功优化

针对配电网的特征,建立了综合考虑全年网损、电压品质和补偿设备投资的无功优化数学模型。对传统遗传算法的遗传算子和终止判据等方面进行了改进,提出了一种配电网无功优化的改进遗传算法,使其计算效率和全局寻优能力均有提高。采用本文提出的改进遗传算法,通过实例计算,结果表明其优化效果优于传统遗传算法。     

基于遗传算法的配电网无功优化探讨

首先介绍了无功优化的定义及在配电网中的作用,然后介绍了经过改进的遗传算法在配电网无功补偿优化方面的应用,并且与传统遗传算法相比,改进的遗传算法解决了传统遗传算法过早收敛的问题,同时存在局部最优、计算复杂的缺点。     

基于改进遗传算法的配电网无功优化

针对传统遗传算法在电网无功优化领域应用中存在的不足,结合配电网的特征,建立了综合考虑全年网损、电压品质和补偿设备投资的无功优化数学模型。同时应用自适应遗传算法对传统遗传算法的遗传算子和终止判据等进行了改进,提出了一种配电网无功优化的改进遗传算法,使其计算效率和全局寻优能力均有提高。实例计算表明,其优化效果优于传统遗传算法。     

基于万有引力搜索算法的配电网无功优化研究

基于配电网的特点,建立了以网损最小为目标的配电网无功优化模型。通过万有引力搜索算法,给出配电网无功优化的步骤,确定并联电容器的无功补偿容量。算例分析表明该无功优化模型可靠有效,可以有效减少系统网损,提高节点电压水平。     

油田配电网无功优化补偿的研究

分析了油田配电网的特点、无功补偿的现状。提出了4种无功补偿方式以及无功补偿原则。以配电网年运行费用最小为目标函数构建了无功优化数学模型,得到各节点的最佳补偿容量。该研究有助于减少电网损失。     

基于混沌神经网络的配电网无功优化

利用混沌人工神经网络对配电网中无功进行优化,模拟配电网中的“痛点”,即无功配置不合理的线路,反应给神经元,令神经元输出“痛感”,因此根据“痛点”找到无功配置不合理的线路,重新分配无功,直到实现配电网无功优化配置.经对IEEE30节点的配电网实例的计算,验证了该方法的有效性,更适应智能电网的要求.     

油田配电网无功优化补偿的探讨

针对油田配电网运行时供电线路线损大、功率因数低和末端压降大的特点,以及无功补偿效果不理想的现状,提出了油田配电网无功补偿方式和无功补偿原则,并以配电网年运行费用最小为目标函数构建了无功优化补偿的数学模型,运用该模型计算能够合理地随负荷变化调整补偿容量,使补偿效果达到最佳。     

配电网电压无功优化决策分析系统

为了科学合理地确定电容器的补偿位置和补偿容量,开发了“配电网电压无功优化决策分析系统”。介绍了无功优化数学模型及算法、软件开发原则。通过算例和实例的计算分析,验证了该系统采用的无功补偿优化算法是合理的。     

含风电机组的配电网无功优化补偿

根据风电机组各运行状态发生的概率,计算出风机有功输出的期望,来近似代替随机变化的输出功率。用最大、一般和最小负荷运行方式代替规划时期的运行状况。建立了最大负荷方式下电容器投资成本最小、节省电能损失费用和静态电压稳定性最大的多目标优化模型,运用NSGA-Ⅱ算法进行求解;一般及最小负荷方式下以节省电能损失费用最大为目标进行优化。三种运行方式通过补偿后节省的资金最多来协调,得出电容器的最优配置,实现整体最优。算例验证了模型和算法的可行性。     

含分布式电源的配电网无功优化

为提高系统电压稳定性,在传统无功优化目标函数模型的基础上引入电压稳定L指标,将电压稳定L指标与最优潮流结合,建立了考虑网络损耗和系统电压稳定的配电网无功优化模型.在小生境遗传算法的基础上,对遗传算法小生境进行单纯形搜索,消除算法中存在的早熟收敛和开采能力不足的缺点,增强了算法的寻优能力.采用IEEE33节点算例分析表明,该算法优化效果良好,能有效降低有功网损,提高系统电压稳定性。     

含风力发电的配电网自适应分时段无功优化

针对含风力发电的配电网中风电机组出力的间歇性和系统负荷的波动性,提出了自适应分段优化策略,通过分时段优化实现无功动态调节。该策略根据风机出力和负荷的波动程度确定各时段最佳持续时间。在此基础上,计及运行环境的变化和决策者需求,提出了一种新的含决策偏好因子的分段优化方法。以降低网络损耗和电压偏差为目标,建立了含风力发电的配电网多目标无功优化模型,并采用多目标粒子群优化算法(multi-objective particle swarm optimization,MOPSO)求解。以改进的IEEE30节点系统为例进行仿真计算,仿真结果验证了所提方法和模型的有效性。     

含风电机组的配电网无功优化补偿

根据风电机组各运行状态发生的概率,计算出风机有功输出的期望,来近似代替随机变化的输出功率.用最大、一般和最小负荷运行方式代替规划时期的运行状况.建立了最大负荷方式下电容器投资成本最小、节省电能损失费用和静态电压稳定性最大的多目标优化模型,运用NSGA-Ⅱ算法进行求解;一般及最小负荷方式下以节省电能损失费用最大为目标进行优化.三种运行方式通过补偿后节省的资金最多来协调,得出电容器的最优配置,实现整体最优.算例验证了模型和算法的可行性.