基于并行动态无功优化蚁群算法的应用

为考虑负荷变动下动态无功优化控制变量全天动作次数的限制,针对其多目标、强时空耦合的特点,以全天电能损耗最小、变压器分接头和电容器投切次数最少为目标函数,通过改进调节变量动作的时间约束,提出一种更加实用的新模型.利用并行算法计算不同目标函数,并通过多种信息素交换方可得到多组的较优解,增加了算法的灵活性和实用性.本文蚁群算法在寻优过程中不仅计及整个网络电能损耗的减少,而且改进了蚁群间信息素交换规则,因此能够较快地找到对电能损耗影响较大的节点,提高搜索速度.通过IEEE14、IEEE30系统仿真计算验证了该模型及算法的有效性和可行性.结果表明该文模型及算法能够有效的调节及分配控制变量的动作次数,对调节时机的选择也更为准确.     

电力系统动态无功优化模型的实用化研究

针对传统动态无功优化存在的问题,提出一种动态无功优化问题的实用化模型。该模型从控制设备动作次数定义出发,通过预优化后,将全天设备动作次数约束分解为每时段的设备动作次数约束,从而将完整的动态无功优化模型转化成与常规单个时间断面的静态无功优化模型相同的表达形式;利用内嵌罚函数的非线性原对偶内点法作为其优化算法。采用IEEE118节点系统作为算例来验证该模型的正确性,计算结果表明所提模型能在满足最大允许动作次数约束的前提下获得优化解,且可以明显提高计算速度。     

配电网动态无功补偿的整体优化算法

提出了考虑开关动作次数约束和一天中系统能损最小为目标的混合整数配电网无功补偿动态优化模型.采用模拟植物生长算法同时从时间和空间两个角度对目标函数进行整体优化,避免了将其分解成动作时间和投入容量两层优化问题进行求解.通过对约束条件的巧妙处理,加快了算法的寻优速度.给出了满足动作次数限制约束的IEEE 69节点系统全天电容器投切的整体优化方案,分析了最大动作次数取值的变化对动态无功优化结果的影响,并且与不计动作次数限制的优化结果进行了比较.算例结果显示了所提方法的正确性和有效性.     

基于聚类蚁群算法的动态无功优化

针对动态无功优化中需要限制电容器开关和有载分接开关( OLTC)分接头等离散控制设备动作次数要求,首先,提出离散控制设备无需动作时间概念,该方法统一考虑全天系统负荷变动情况,在保证离散控制设备动作效率基础上使全天动作次数满足要求。另外,将聚类方法与蚁群算法相融合提出聚类蚁群算法,该方法能够根据系统的变化,随时调整路径上的信息素更新浓度。最后,根据引出的路径多样性,可以防止因信息素的过度积累使算法早熟、减少算法搜索次数的优点,提出多时段间路径多样性的概念,以达到降低控制设备的动作次数。对IEEE 14节点和IEEE 30节点系统进行计算,结果验证了方法的可行性、正确性和有效性。     

动态无功优化的简化方法及实现

离散控制设备动作次数约束造成动态无功优化问题的时空强耦合。提出了求解动态无功优化问题的新方法,通过合理分配控制设备动作时间,达到系统无功的整体优化。该算法根据静态无功优化确定的控制设备值及全天控制约束,对控制设备各时段解耦,从而确定控制设备的预动作表,即在每个时段控制设备是否允许动作。根据动作表确定当前研究时段可动作的设备并进行优化,根据优化结果及全天动作次数约束,重新调整该时段后续时段的动作表,从而达到解耦优化的目的。该方法数学模型简单,便于实现,在完全满足动态次数约束的前提下有效降低系统在一天内的有功损耗,能够满足实时运行的需求。     

基于改进状态转移算法的电力系统两阶段动态无功优化

针对混合整数非线性规划的电力系统动态无功优化问题,提出两阶段动态无功优化模型以降低计算规模.第1阶段为非线性规划,以系统网损和节点电压偏移综合最小为目标.第2阶段为混合整数规划,在满足设备全天调节次数等约束的基础上,以电力系统网损增量最小为目标.鉴于常规罚函数法处理约束条件会出现罚因子选取不当而影响最终结果的情况,提出混合滤子技术的改进状态转移算法.该算法采用双种群并行搜索方式,将个体适应度和约束违反度构成滤子对作为评价指标以替代罚函数.最后,以IEEE 14节点系统和某地级电网实际系统为例,将所提算法、传统状态转移算法和多种群蚁群算法分别求解模型,通过对比分析仿真结果验证了所提模型与算法的正确性.     

高中压配电网动态无功优化算法的研究

考虑将各点负荷形态变化的系统优化为动态优化，提出了适用于高中压配电网的动态无功优化算法。该算法直接从动态无功优化的模型出发，通过控制变量的选取和动作时间量的预确定，将动态优化模型转化成同普通无功优化模型完全相同的表达形式。从而可以用任何适用于无功优化的算法从整体上来求解动态无功优化。该算法的数学模型简单，而且便于和现有的无功优化算法集成。算例结果表明，文中提出的动态无功优化算法能在完全满足最大允许动作次数约束的前提下降低系统在一天内的损耗、提高电压合格率，且算法的速度能完全满足实时运行的需要。     

基于一种改进蚁群算法的动态无功优化

为满足并联电容器开关或有载调压变压器分接头等离散控制设备最大允许动作次数的限制,根据负荷变化情况提出采用全天各时段的离散控制设备延缓动作时间来避免不必要的调节。运用层次聚类法和引入种群多样性思想,提出一种求解动态无功优化的改进蚁群算法。该算法用各时段的离散控制设备动作次数修改初始信息素;在每个时段优化过程中,对系统各节点灵敏度进行聚类分析后确定信息素变化量,并用离散控制设备的动作次数对其修改。通过对IEEE 14节点系统进行的仿真计算验证了所提方法的可行性和有效性。     

地区供电系统的电压无功全局优化控制

针对电力系统无功优化中电容器组和有载调压变压器可能受负荷变化影响而出现频繁动作,影响设备使用寿命的问题,对计及设备动作次数的动态无功优化模型进行了研究,将动作次数约束转换成设备调节代价,并与电能损失费用共同构成目标函数。使各时段的优化不再相关。得到从时段上解耦的动态无功优化模型。同时采用非线性原对偶内点法对该模型进行求解。算例结果表明,该模型和算法能在避免设备频繁动作的前提下降低全天有功网损、提高电压质量。且求解模型的时间满足实时运行的要求。     

动态无功优化的多阶段求解方法

动态无功优化是保障电网安全经济运行的重要手段之一。然而,动态无功优化属于大规模、多时段、强耦合的非线性混合整数规划问题,直接求解困难。为处理无功优化问题中包含的离散变量及时段耦合约束,基于动态无功优化问题的物理本质,提出了动态无功优化模型的多阶段求解方法。第1阶段以系统网损最小化为目标,松弛离散变量和无功设备全天动作次数约束,基于内点法计算得到动态无功优化问题的初始解。第2阶段以网损增量最小化为目标,基于目标函数对控制变量的灵敏度,将子问题在当前解附近线性化,构建以无功控制设备全天动作次数为约束的混合整数规划模型,由此决策无功设备全天动作次数约束下的离散控制变量优化解。在此基础上,将第2阶段得到的优化结果代入到第1阶段的优化模型当中,得到多阶段动态无功优化问题的优化结果。WardHale 6节点算例系统和国内某省网实际系统计算结果验证了所提模型和求解方法的高效性和适用性。     

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。     

基于自适应聚焦粒子群优化算法的电力系统多目标无功优化

自适应聚焦粒子群算法(adaptive focusing particle swarm optimization,AFPSO)是根据粒子群算法的全局搜索与局部搜索平衡特性,并予以改进得到的一种具有较好全局搜索能力和寻优速度的自适应群体智能优化算法。作者将此算法用于电力系统无功优化。该方法以最优控制原理为基础,引入了静态电压稳定性指标,建立了综合考虑系统有功网损最小、静态电压稳定裕度最大的多目标无功优化模型。IEEE 30节点系统仿真结果表明,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性,证明了AFPSO算法的有效性和优越性。     

电力市场中最优潮流模型及算法研究

对传统最优潮流模型做了改进,提出了基于模糊理论和多目标优化理论的最优潮流模型,综合考虑了网损量最小和有功、无功购电费用最低3个目标;将免疫克隆算法和变尺度混沌搜索方法有机地结合起来,形成了免疫克隆混沌优化算法,并应用于改进最优潮流模型的求解。用IEEE 14节点算例进行了仿真分析,结果表明改进最优潮流模型有效,采用免疫克隆混沌算法对改进最优潮流模型求解是可行和高效的。     

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。     

含高比例风光新能源电网的多目标无功优化算法

为适应新能源大量接入电网的趋势,基于不同时刻的风速、光照强度、温度等气象条件信息,评估出风光新能源的无功调节容量,搭建了含高比例风光新能源参与调控的电网多目标无功优化模型。为快速获得电网中变压器分接头档位调节、无功补偿设备投切、传统发电机组电压调节以及风光的无功输出等控制措施的帕累托最优解集,采用寻优性能高效的多目标樽海鞘群算法（multi-objective salp swarm algorithm, MSSA）进行无功优化求解。为更客观找出电网线损、电压偏差、静态电压稳定裕度等不同目标之间的折中解,采用改进的理想点法进行多目标最优解集决策。最后,利用扩展的IEEE标准9节点和39节点算例进行仿真分析,并引入传统多目标智能优化算法来进行比较验证。仿真结果表明：与其他2种传统多目标智能优化算法相比,所提算法获得的帕累托前沿分布更广、更均匀;利用改进理想点法进行决策之后,可有效降低电网的线损和电压偏差,同时提高了电网的静态电压稳定裕度。     

基于改进粒子群算法的节能调度下多目标负荷最优分配

在传统经济负荷分配模型的基础上,结合节能调度的宗旨,建立了系统有功网损最小和机组发电耗煤量最小的多目标负荷分配模型。该模型改进了基于Pareto最优概念的多目标粒子群算法,将其应用于多目标负荷最优分配,能对系统进行整体节能优化。IEEE 57节点系统仿真结果表明,该方法在满足系统的安全约束的同时,能降低系统网损和减少机组煤耗,有效节约能源。通过每次优化求得一组Pareto最优解集能够为决策者提供更多的有效参考,具有实际意义。     

基于人工蜂群算法的配电网无功优化

针对配电网电压质量较低的问题,建立了完整的无功优化模型。首先提出了一种新的无功补偿候选点的方法,即先基于网损最小选择无功补偿点,在此基础上再用动态优化选择无功补偿点;然后建立以网损最小、并联电容器容量最小、电压水平最好、两类电压稳定裕度最大的无功优化目标函数,用模糊方法将含有量纲的多目标问题转化为没有量纲的单目标问题;接着用人工蜂群(ABC)算法确定无功补偿点和容量。最后对IEEE-33节点配电网系统进行了测试分析,并与其它两种优化算法相比较,结果表明使用该优化算法,配电网无功配置方案较优,线路损耗明显降低,电压质量和电压稳定裕度明显提高。     

基于多目标决策协调进化算法的电力系统无功优化

在传统无功优化模型基础上,建立了以系统有功网损、静态电压稳定裕度、电压偏差、无功补偿容量和发电机发电成本的多目标无功优化模型。采用多目标决策协调进化算法对电力系统无功进行优化,将多目标决策协调算法与群体进化理论有机结合起来,在有限的群体内对每个个体按协调算法进行排序,以提高优化方法的有效性。通过Matlab7．0编程对IEEE30和IEEE14节点算例系统进行计算。计算结果表明,该方法具有系统网损、电压偏差及无功补偿容量小、发电机发电成本低和系统稳定裕度高的特点。     

基于蚁群算法的无功优化方法的研究

介绍了蚁群算法用于求解无功优化的步骤,在满足发电机无功功率、负荷节点电压等网络性能要求的前提下,以系统网损最小为目标函数,将发电机机端电压、变压器分接头和无功补偿设备出力为控制变量,建立求解无功优化问题的模型。最后通过仿真试验,验证了所提出方法的可行性。     

基于模糊聚类和学习自动机的多目标无功优化

电力系统无功补偿需确定无功补偿的选点及具体的补偿容量.基于模糊聚类的方法寻找系统薄弱节点,得到候选节点信息,动态聚模糊类过程中采用了 U/U0指标、Γ指标和电压偏移指标.综合考虑发电成本和无功投入成本最小、电压偏移最小和有功网损最小化,建立了候选无功补偿节点的多目标优化模型,并采用学习自动机法获得优化问题的最优权衡解.采用模糊聚类法和学习自动机法对 IEEE 57节点测试系统进行算例分析,分析结果表明了所提方法的有效性