基于量子粒子群算法的主动配电网优化调度研究

以有功网损最小为目标,建立了主动配电网优化调度模型,提出了基于量子粒子群算法的求解策略。在IEEE 33节点主动配电网算例上对建立的模型和提出的求解方法进行验证,仿真结果表明:量子粒子群算法可以有效求解主动配电网优化调度问题,且效率高、稳定性好。     

基于粒子群和16控制区的无功电压优化控制技术及其应用

无功电压控制是电力系统可靠运行的关键问题,对提高电压质量具有重要作用。通过无功电压控制,可降低系统有功功率和电能损耗,改善电压质量,已成为电网节能减排的重要手段。本文对粒子群算法进行了研究和改进,克服了传统粒子群算法精度不高,易陷入局部最优的缺点,建立了以网损最小为目标函数的电网无功电压优化控制数学模型。从分区划分、无功功率或功率因数的限值和控制策略等三个方面,对传统无功电压控制9区域图改进为16区,提出基于规则的分区控制电压校正控制方法。对西安东郊地区电网进行了电压无功控制的仿真计算,结果表明本文方法可行、有效。     

量子粒子群算法的柔性交流输电装置协调控制

传统方法柔性交流输电(FACTS)装置控制主要采用送端交流电网开机容量分档控制策略协调,但是只能分析有功功率波动,不能全面分析装置中阻尼比等其他指标,控制效果差,为此提出了基于量子粒子群算法的FACTS装置协调控制方法。首先构建含动态输出反馈控制的电力系统模型,导入基于阻尼比的系统稳定条件,以此控制电力系统平稳运行,然后采用基于量子粒子群算法的无功优化策略,增强FACTS装置传输能力与稳定运行的水平,通过FACTS装置协调控制指标分析控制器间的相互作用,完成FACTS装置的协调控制,最后实验结果表明,方法可有效协调控制同类型以及不同类型的FACTS装置控制器,且控制后的交互因子最大值均不大于0.5,控制效果良好。     

计及电动汽车充电站的配电网综合优化研究

针对电动汽车充电站接入配电网优化运行这一问题,为达到降低配电网网损和提升网络节点电压质量的目标,在常规的配电网优化措施基础上,就计及电动汽车充电站接入的配电网综合优化问题进行了研究.分析了网络重构、无功优化、电动汽车充电站注入功率三者之间的关系,提出了应用粒子群算法（PSO）对三者进行统一优化的方法,并在IEEE33配电系统上进行了仿真试验.研究结果表明,在综合优化条件下系统的网损最低、电压质量最佳,从而验证了该方法的有效性.     

基于改进PSO算法的液压调高系统神经网络预测控制

针对采煤机液压调高控制问题,提出一种基于模拟退火粒子群算法的RBF预测控制方法。综合模拟退火算法和粒子群算法的优点,用模拟退火思想来解决粒子群算法易陷于局部最优的问题。用模拟退火粒子群算法优化RBF神经网络,增强学习能力和算法稳定性。利用改进的RBF神经网络对采煤机液压调高系统进行预测控制,仿真结果表明,改进后的方法比传统控制方法辨识精度提高,响应速度更快,证明了该方法的改进效果较好。     

基于优化模糊控制的清洗机研究

清洁度和流量控制是茎块状农产品清洗机运行的两个重要参数。为了实现优化对茎块状农产品清洁度和清洗过程中水流量的控制,提出了一种基于改进粒子群优化模糊控制的智能清洗机研究。通过粒子群算法在更新迭代中计算最优加权因子,将加权因子引入到模糊控制器中。研究表明,该控制方法将粒子群算法与模糊控制算法有效结合,提高了控制系统的稳定性,同时实现了以较少的水流量提高茎块状农产品的清洁度。     

基于GPRS的配电网动态无功优化控制策略研究

配电网无功优化控制是解决配电网电能损耗大、电压水平低这一问题的有效手段,采用动态无功优化求解时一般按照各节点全天短期预测负荷曲线合理分段优化,即将动态无功优化控制转化为多时段静态无功优化问题.针对现有配电网实际负荷的不规则变化会给该优化方法带来无功过补偿和欠补偿的问题,提出了一种基于实测负荷数据和预测负荷数据的动态无功优化混合控制策略;为了提高配电网无功优化的计算速度,使优化算法更好地适用于实际在线环境,引入了序优化理论框架,采用了改进的禁忌搜索算法作为无功优化算法;通过对34节点配电系统进行了算例分析.研究结果表明,该控制策略和优化算法在实用性、可行性和计算速度等方面均有良好表现.     

主动配电网“源-荷-储”协调优化控制方法研究

针对现有主动配电网运行优化控制未考虑储能及电动汽车响应调度费用问题,设计了主动配电网源荷储协调控制架构,提出了一种考虑配电网综合运行效益的"源-荷-储"协调优化方法。该方法以周期内配电网综合运行效益最大为目标,建立分布式电源、含电动汽车、储能、无功补偿的主动配电网协调优化模型,运用IEEE33节点系统验证了方法的有效性。结果表明,该方法可以有效地利用储能及电动汽车等控制资源,在配电网运行经济性、运行电压控制质量方面具有优越性。     

基于QCQP的含储能主动配电网联合优化方法

储能装置是提升风电、光伏等清洁能源消纳能力的重要措施。特别在主动配电网中,储能装置和分布式电源的协调优化不仅有助于解决清洁能源消纳问题,而且能够解决配电网普遍存在的电压控制问题。针对含储能主动配电网多时段有功-无功联合优化模型的求解问题,基于二次约束二次目标规划模型的特征分析,将原问题解耦成二次约束二次目标规划模型和系统潮流计算两个子问题,通过上述两个子问题的反复迭代,实现对原问题的求解。最后基于REDS-135节点系统构造算例验证了所提出方法的有效性。     

主动配电网储能优化规划

大量分布式电源的接入使得主动配电网成为现有配电网的发展趋势及方向,可再生能源发电的间歇性将会提高配电网的风险,解决这些问题最有效的方法就是配置适当的储能装置,合理地优化配置储能装置不仅能提升主动配电网对分布式能源的消纳能力还能提高主动配电网运行的稳定性。主动配电网储能长期优化规划以短期优化为基础,短期优化考虑了储能系统的削峰填谷及调节馈线节点电压水平的能力从而决定储能的额定功率,长期优化规划模型以主动配电网经济运行成本最小为目标函数考虑储能投资成本以及主动配电网的运行成本及可靠性成本,通过禁忌搜索-粒子群混合算法求解得到电池储能装置的最优位置、容量及额定功率,算例验证了所提模型及其求解方法的可行性。     

改进粒子群算法在主动磁悬浮轴承系统中的应用

通过分析得知,主动磁悬浮轴承系统本身是一个不稳定系统,可以采用PID控制器对其进行控制。但是传统PID控制在主动磁悬浮轴承系统中还存在着不足之处,为此可以将粒子群优化算法与常规PID控制相结合,对PID控制器中的参数进行优化,使系统能够达到更好的控制效果。采用了一种改进粒子群算法,对算法中的惯性权重w进行自适应调节,从而使得算法能够更快、更准确地寻找到最优值。通过Matlab/Simulink构建系统模型并进行仿真对比,改进粒子群算法可以使得系统达到更好的控制效果。     

双目标函数下的电厂侧无功优化分配策略研究

水电站应用传统的无功分配方法,只能将总的无功需求量在机组间简单分配。为满足水电站自动电压控制(Automatic Voltage Control,AVC)的多目标调节需求,对进化规划算法进行改进,利用考虑决策者偏好信息的方法优化进化规划算法中随机产生初始寻优种群的过程,以实现水电站中有功网络损耗最小化和无功收益最大化;结合算例与仿真验证,将改进的进化规划算法得到的分配结果与水电站工程实例中应用的等功率因数法作对比,结果显示改进的进化规划算法比等功率因数法在减少有功网络损耗方面,单次调节降低了1.6%;在增加无功收益方面,单次调节增加了978元,优化效果明显,说明改进的进化规划算法可用于求解有功网络损耗最小化和无功收益最大化问题。     

基于免疫粒子群算法的PID参数优化研究

针对传统PID控制系统中存在的调节时间长、控制精度低、响应速度慢等问题,提出使用免疫粒子群算法对PID参数进行优化。首先,对粒子群优化算法（PSO）中的惯性权重、学习因子、粒子学习模式进行改进,使得微粒更新适应各个阶段;其次,引入人工免疫思想形成免疫粒子群算法,保证了迭代过程中粒子的多样性,提高了算法精度;最后,在仿真环境下经过对ZN公式法、参数改进后的粒子群算法、免疫粒子群算法在PID控制参数优化效果进行对比可知,免疫粒子群算法的优化控制效果更佳。     

基于改进型粒子群优化算法的配电网规划

配电网规划是一个多峰值优化的复杂问题。粒子群算法是一种实现容易、精度高、收敛快的并行算法,可以有效优化各种目标函数。本文基于配电网规划的特点,以配电网最小线路损耗为目标函数,提出改进型粒子群优化算法。仿真结果表明,优化算法提高配电网运行的经济性,改进型算法收敛快和搜索能力强。     

基于移动变电站的配电网经济性重构研究

移动变电站在紧急情况下能灵活有效解决电力负荷转移问题,移动变电站接入和运行后会直接影响配电网的经济性重构。现分析在移动变电站基础上配电网经济性重构的数学模型,提出基于自学习粒子群算法的经济性重构方法,并通过实例分析在配电网中应用移动变电站的网络经济性重构,结果表明,配置移动变电站能降低电压偏移指标和网络损耗,同时,通过基于移动变电站的经济性重构可以改善系统的电压水平和网络损耗,为发展智能配电网、主动配电网提供有力支撑。     

随机权重粒子群算法优化磁轴承系统

为了提高单自由度主动磁悬浮轴承系统的稳定性,采用随机权重粒子群算法与传统PID控制相结合的方法,将随机权重粒子群算法与线性递减权重粒子群算法进行函数测试对比,结果表明,随机权重粒子群算法能够更快、更准确地找出优化函数的最优值。通过MATLAB/Simulink构建系统模型并进行仿真对比,证明随机权重粒子群算法可以更好地提高系统的稳定性。     

基于改进粒子群算法掘进机液压系统自适应控制研究

为了能够提高掘进机掘进液压控制系统的稳定性,研究了改进粒子群算法在其中的应用。首先,讨论了普通粒子群算法的基本理论,根据其缺陷设计了改进的粒子群算法,可以避免陷入局部最优和早熟现象;然后,分析了掘进机掘进液压系统的基本原理;最后,建立了基于改进粒子群算法的掘进机掘进液压系统的自适应控制模型,并且进行了控制仿真,仿真结果表明,基于该算法的控制策略具有较高的鲁棒性,同时进行了现场应用,经过实际测试表明该系统具有较高的应用价值。     

基于改进粒子群算法的隐式广义预测控制

针对大多数工业系统的控制输入输出都存在约束的情况,提出一种基于改进粒子群算法的隐式广义预测控制算法(IGPC)。粒子群算法(PSO)是一种基于群体的智能优化算法,解决受约束的优化问题具有精度高、收敛速度快等优点;为了避免粒子群算法陷入早熟,提高精度,引入细菌觅食算法中的自适应迁徙机制。在隐式广义预测控制的滚动优化环节引入改进粒子群算法,弥补了传统GPC在处理受约束控制问题上的缺陷。仿真结果表明了该方法的有效性和良好的控制性能。     

基于粒子群优化的同步风力发电机励磁系统的变论域模糊控制

针对直接并网型同步风力发电机励磁系统非线性、时变性及风力发电机运行工况多变等特点,提出了一种基于粒子群优化的同步风力发电机励磁系统的变论域模糊控制方法。该方法中,通过分析确定变论域伸缩因子的结构,利用粒子群算法优化其参数,实现伸缩因子参数的智能寻优。将粒子群优化的变论域模糊控制器应用于励磁控制中,根据电压环的性能指标建立目标函数,通过对基本论域自适应调整,实现了同步风力发电机励磁系统在全工况下的自适应控制,提高了发电机端电压的调节精度和运行的稳定性。仿真结果表明,基于粒子群优化的变论域模糊控制在动态性能和稳态性能上优于模糊控制。     

基于改进粒子群优化算法的并联机构位置正解法

本文提出一种基于改进粒子群优化算法的并联机构位置正解法.在深入分析和研究标准粒子群优化算法的基础上,定义了粒子相似性概念,提出基于高斯白噪声干扰变异的粒子群优化算法.该算法在运行过程中通过与当前最优粒子相似性的量化判定,对进入当前最优粒子邻域的粒子施加高斯白噪声干扰变异,从而提高粒子群优化算法后期多样性和收敛速度.将该算法用于并联机构位置正解寻优,仿真实验结果表明有该方法能以较高的收敛精度快速地获得并联机构的位置正解,且算法稳定.