改进黑洞粒子群算法在电力系统环保经济调度中的应用

针对电力系统中的环保经济调度问题,采用了一种改进随机黑洞粒子群算法进行优化计算。该算法通过引入随机黑洞策略、惯性权重和学习因子动态更新及小概率随机变异改进了粒子群算法,提高了全局搜索能力,稳定了计算结果,加快了收敛速度。通过对IEEE30系统仿真计算,结果验证了该算法的有效性和优越性,系统的经济性和电能质量都得到了提升。     

计及可用输电能力的风电并网系统中STATCOM的双层优化配置

针对静止同步补偿器最佳安装位置与容量问题,建立了风电并网系统中计及可用输电能力、静态电压稳定性与投资成本的静止同步补偿器双层优化配置模型。基于后向削减法对风电出力进行场景划分,上层为多目标优化配置层,下层为最优潮流计算层;通过对多目标灰狼算法添加混沌初始化,引入粒子群算法中的速度计算方式等提出基于网格法的多目标灰狼粒子群算法以求解多目标优化问题。在IEEE 30节点上对建立模型进行计算,验证了所提模型的可行性和算法改进的有效性。     

含有风电机组的可用输电能力研究

对并入风电机组的可用输电能力(available transfer capability,ATC)模型进行了深入研究。采用粒子群优化算法结合差分进化算法,克服了粒子群易陷入局部最优解的缺点,并提高了寻优的效率、全局的寻优能力和结果的稳定性。以IEEE30节点算例系统进行并入风电机组ATC模型的仿真计算,并与其他算法进行比较,验证了其模型、算法的合理性和有效性。     

应用粒子群优化算法求解可用输电能力

在电力市场环境下,诸多问题(例如实时电价、网络阻塞等)都需要最优潮流作为理想的工具.本文以最优潮流为基础,应用一种简单有效、且收敛性很好的演化计算算法--粒子群优化算法(PSO)进行可用输电能力(ATC)问题的求解.根据约束条件的越限量大小,动态地调整罚函数,在保证全局搜索能力的基础上改进了收敛速度.应用此算法对IEEE-30节点系统进行了可用输电能力计算,并与传统的最优潮流算法进行了比较,结果表明该算法的有效性,具有实用意义.     

基于故障邻接状态的配电网多故障抢修与优化策略

基于故障与配网的拓扑关系和抢修与恢复的动态交替特性，建立了基于故障邻接状态的配电网多故障抢修与优化模型，快速制定抢修策略。在故障抢修阶段，基于供电类型建立负荷节点带电状态矩阵，提取故障邻接负荷的带电状态建立故障邻接负荷带电状态矩阵，对其进行拓展得到故障邻接状态，并对故障进行分类。通过抢修与故障邻接状态的交替更新确定每阶段最优抢修任务。在重构计算中，建立自适应环压有序环矩阵作为算法的解空间，引入余弦递减函数和莱维飞行对量子粒子群算法进行改进，建立莱维系数量子粒子群算法进行求解。用PG&E69节点系统进行仿真，验证所提方法的可行性和所提算法的有效性。     

含风电场的概率可用输电能力研究综述

可用输电能力是反映电力系统安全稳定裕度的重要指标之一,随着间歇性能源的发展和电力系统随机性的提升,概率可用输电能力的计算成为近年来研究的主要方向。文章以当今发展迅速的风力发电为基础,结合目前含风电场的概率可用输电能力研究方法进行综述。对可用输电能力的研究问题进行了阐述,介绍了可用输电能力理论的发展、计算模型,并简述了概率可用输电能力在电力系统中的应用情况,评价了计算可用输电能力的各项指标定义;对含风电场的电力系统中所存在的一系列不确定性因素进行了分类讨论;对计算概率可用输电能力的方法按照不同的原理进行划分,并介绍了各种方法的步骤以及优缺点,针对各种方法优劣性和实用性进行了总结和展望。结合电力系统的最新发展要求对含风电场的概率可用输电能力的研究方向做出了展望。     

基于改进粒子群算法的配电网故障自愈算法

首先根据配电故障自愈系统的基本功能及配电网的供电要求,建立了以计算最大自适应度值为计算目标的配电网故障自愈目标函数及其相关参数的约束条件;随后介绍了基于浓度的改进粒子群寻优算法的工作原理及其实现步骤;最后结合配电网故障自愈目标函数和改进粒子群算法,提出了基于改进粒子群算法的配电网故障自愈控制算法,并给出了算法的实现流程图和仿真结果。仿真结果表明,所提配电网故障自愈控制算法具有较好的收敛性。     

增强输电能力的TCSC选址与定容研究

提出了一种新的TCSC选址方法,采用简易粒子群算法求出系统中较为敏感的支路群,用改进的粒子群算法在较敏感支路群中确定TCSC的最佳安装位置,并求出TCSC的最佳安装个数和安装容量,来达到系统输电能力最大的目的。针对PSO易陷入局部最优的缺陷,把种群熵的概念引入粒子群算法对其进行了改进,IEEE30节点系统的仿真计算结果验证了所提方法的有效性。     

基于智能优化算法的FACTS设备多目标优化配置

综合考虑可用输电能力和柔性交流输电设备投资费用,建立了用于FACTS设备选址和定容的多目标优化模型。提出了一种基于变焦佳点集和种群熵的改进多目标引力搜索优化算法(improved multi-objective gravitational search algorithm,IMOGSA)。利用该算法对FACTS设备的位置及容量组合进行优化,得到包含对应组合的可用输电能力和投资费用信息的Pareto解集,并采用模糊满意度方法对所得Pareto解集进行分析,选出兼容性最好的解。在IEEE-14节点系统中对所提出的方法进行了验证,并和多目标引力搜索算法、多目标粒子群算法进行对比,结果表明改进多目标引力搜索优化算法优于后2种算法,是FACTS设备选址定容的首选。     

基于改进粒子群算法的可用输电能力研究

针对可用输电能力问题展开了深入研究,构造了适合ATC问题特点的改进粒子群优化模型,提高了ATC计算结果的准确性和有效性;针对粒子群的搜索特点,提出“粗搜索”和“细搜索”的观点,并据此建立了分段自适应调整权重策略,提高了算法的适应性和收敛速度;针对ATC早熟问题,运用耗散原理,构建适合ATC问题的、改进的耗散操作,有效地兼顾了全局和局部搜索能力。IEEE30节点系统验证了该文所建模型的有效性。     

基于粒子群进化算法的极限输电容量计算方法

针对 N -1静态安全模型的电力系统可用输电容量（ATC）计算问题,提出一种基于粒子群进化算法的新方法。其基本思想是,对得到的某个ATC可能值,验证在该功率传输水平下系统是否满足静态安全约束。对群中每个粒子对应变量分为区域交换功率值和停运支路编号2部分,二者以不同方式分别进化。计算过程中,不可行粒子用于得到ATC的值并对其采取校正措施来加快得到ATC的速度,可行粒子用于判别严重支路。计算终止时得到区域间ATC、关键支路和对ATC影响较大的严重支路集。在IEEE 118节点测试系统上,通过与其他计算ATC的方法相比较,表明该算法可以准确捕获严重支路集并得到ATC的值。     

基于改进粒子群优化算法的阻塞管理

在电力市场环境下,阻塞管理是确保电力系统安全经济运行的重要途径。针对电力系统阻塞管理问题的求解,把混沌寻优思想引入到粒子群优化算法中,提出一种改进粒子群算法,解决了基本粒子群算法易陷入局部极小点的缺陷,从而提高了收敛精度。算例结果表明了提出的算法相对于其他算法的有效性与可行性。     

动态惯性权重粒子群优化算法

针对基本粒子群优化(Particle Swarm Optimization,PSO)算法的不足,提出动态惯性权重粒子群优化算法,其惯性系数随算法进化而动态减少。仿真结果验证了该改进算法的有效性:算法的收敛速度比基本PSO算法的收敛速度快;同时,算法得到的最优解比基本PSO算法好。     

Contingency constrained economic load dispatch using improved particle swarm optimization for security enhancement

This paper presents a contingency constrained economic load dispatch (CCELD) using proposed improved particle swarm optimization (IPSO), conventional particle swarm optimization (PSO), evolutionary programming (EP) techniques such as classical EP (CEP), fast-EP (FEP) and mean of classical and fast EP (MFEP) to alleviate line overloading. Power system security enhancement deals with the task of taking remedial action against possible network overloads in the system following the occurrences of contingencies. Line overload can be removed by means of generation redispatching. In the proposed improved PSO, a new velocity strategy equation with scaling factor is proposed and the constriction factor approach (CFA) utilizes the eigen value analysis and controls the system behaviour. The CCELD problem is a twin objective function viz. minimization of fuel cost and minimization of severity index. This proposed IPSO-based CCELD approach generates higher quality solution in terms of optimal cost, minimum CPU time and minimum severity index than the other methods. Simulation results on IEEE-118 bus and IEEE-30 bus test systems are presented and compared with the results of other approaches.     

基于IPSO-WNN的综合能源系统短期负荷预测

针对传统小波神经网络(WNN)综合能源系统负荷预测模型存在收敛速度、易陷入局部最优等缺点而导致预测精度不高的问题,文中提出了一种基于改进粒子群(IPSO)的WNN综合能源系统短期负荷预测方法。利用Pearson系数对各影响因素进行分析,选择合适的因素作为综合能源负荷预测的输入量;对传统粒子群算法进行改进,在PSO中引入混沌算法并根据粒子适应度采用不同的粒子惯性权重选择策略;基于IPSO建立了WNN综合能源系统短期负荷预测模型。通过案例验证,基于IPSO的WNN预测模型相比于传统WNN预测模型,预测精度明显提升。     

粒子群优化的灰色模型在中长期负荷预测中的应用

针对GM(1,1)模型的局限性及在负荷预测中存在的问题,提出了一种基于粒子群优化的灰色模型.粒子群算法是一种新的全局优化算法,有很强的全局寻优能力,用它来优化灰色模型的背景值及初始值修正值,能较好地提高电力系统中长期负荷预测的精度.在虚拟仪器LabVIEW平台上进行仿真,验证了所提方法的有效性.     

PSO改进RBPNN在变压器故障诊断中的应用

针对概率神经网络(PNN)及遗传算法(GA)在变压器内部故障诊断中存在的不足,提出了一种基于粒子群算法(PSO)改进径向基概率神经网络(RBPNN)的故障诊断方法。首先,引入RBPNN,选取反向传播作为学习算法以及油中溶解气体含量比值作为故障特征量。然后,由于该模型受网络结构和初值影响较大,故拟用GA、PSO和改进的PSO对网络优化并测试。通过对比分析,得出改进的PSO在确定拓扑结构、降低误差精度、加快收敛速度和提高预测准确度上更占优势的结论,同时证明了所提方法在故障诊断中的正确性和可行性。     

改进粒子群优化算法及其在电网无功分区中的应用

提出一种改进粒子群优化算法并将其应用于电网无功分区,以复杂网络社团结构理论为基础,建立以电气距离为权重的电力系统加权网络模型,以模块度为标准量化地评价无功分区的划分质量。改进粒子群优化算法采用了新的粒子编码方式与位置更新方式,提高了以模块度为目标函数的启发式算法的收敛速度并减少了存储空间。通过改进粒子群优化算法得到的无功网络具有较强的区域解耦特性,分区内部电气联系紧密,区域之间联系稀疏,无功分区结构合理。该算法在IEEE 39节点系统、IEEE 118节点系统及大型电网的应用结果表明了该算法的合理性及有效性。