基于粒子群优化算法的电力系统稳定器设计

基于单机无穷大系统模型,用粒子群优化算法(PSO)对发电机电力系统稳定器(PSS)进行参数优化,来抑制低频振荡.介绍了基本的粒子群优化算法的原理,并用改进的带约束的粒子群优化算法优化PSS的参数,将PSS的整个设计过程转化为一组参数进行寻优的过程,提高了多参数寻优的效率.用Matlab仿真软件进行仿真,仿真结果表明,利用该方法设计的PSS,它的小信号稳定性有了较大的提高.     

混合粒子群算法在PSS参数优化中的应用

通过采用一种新的混合粒子群算法对多机系统的电力系统稳定器(PSS)进行参数优化,以达到更好的低频振荡抑制效果.引入交叉操作的混合粒子群优化算法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改进粒子群算法(PSO).用Matlab软件进行仿真,结果表明,该方法设计的PSS稳定性有较大提高.     

基于自适应加速粒子群算法的PSS参数预整定

基于粒子群算法,提出了适用于PSS参数优化预整定的自适应加速粒子群算法(SAPSO)。对惯性权重和加速因子等参数进行动态自适应调整,并在粒子搜索过程中最容易陷入局部最优的阶段,有条件地引入随机变异环节来控制粒子寻优行为。建立PSS参数预整定仿真模型,利用SAPSO算法,对某网新投PSS设备进行了参数预整定研究。时域仿真和现场试验表明,预整定PSS参数阻尼效果更好,也验证了新投机组PSS参数预整定方法的有效可行。     

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.     

相量测量装置（PMU）动态测量精度在线检验

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SAPSO算法的新投PSS参数协调预整定

为指导PSS参数整定现场实验,提高电网动态安全稳定水平,对某网B厂新投机组PSS参数进行预整定。基于粒子群算法,动态调整惯性权重和加速因子自适应变化,并引入随机变异环节,以提高粒子寻优性能,从而提出适用于PSS参数预整定的自适应加速粒子群算法(SAPSO)。建立单机无穷大和两机协调预整定仿真模型,利用SAPSO算法,对某网新投PSS参数进行单机和两机协调预整定。时域仿真和现场试验表明预整定参数阻尼效果更好,对新投机组PSS参数采用预整定方法有效可行。     

基于HUCPSO算法的电力系统稳定器参数优化方法

电力系统稳定器(PSS)对于抑制电力系统低频振荡简单有效,因而得到了普遍应用。一般采用工程整定方法设计PSS参数,这种方法难以达到优化控制效果。利用辨识参数获得参数初值,采用基于分层多子群的均匀分布混沌粒子群算法(HUCPSO)优化PSS参数,利用2机5节点系统非线性仿真模型对所得参数进行仿真。结果表明,相比于传统方法及其他智能优化算法,采用该方法优化设计的PSS具有更好的性能,所得到的控制参数使系统动态调节性能得到提高。     

电力系统稳定器参数优化的研究

电力系统稳定器(PSS)的性能受其参数影响很大,如何对其参数进行协调优化是一个值得深入研究的问题.基于单机无穷大系统和4机2区域系统模型,通过采用 SFPSO算法对电力系统稳定器进行参数的协调优化,以抑制低频振荡.随机聚焦粒子群算法SFPSO(Stochastic focusing particle swarm optimization)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改进粒子群算法(PSO).通过仿真测试以及不同算法优化结果的对比,结果表明,利用该方法设计的PSS,在不同的干扰下都具有良好的性能,对系统的稳定性提升有较大帮助.     

电力系统稳定器参数优化的研究

电力系统稳定器(PSS)的性能受其参数影响很大,如何对其参数进行协调优化是一个值得深入研究的问题。基于单机无穷大系统和4机2区域系统模型,通过采用 SFPSO算法对电力系统稳定器进行参数的协调优化,以抑制低频振荡。随机聚焦粒子群算法SFPSO（Stochastic focusing particle swarm optimization）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改进粒子群算法（PSO）。通过仿真测试以及不同算法优化结果的对比,结果表明,利用该方法设计的PSS,在不同的干扰下都具有良好的性能,对系统的稳定性提升有较大帮助。     

基于自适应权重粒子群算法的PSS4B-W参数优化研究

介绍了一种智能优化算法-自适应权重粒子群算法(SWPSO)应用到电力系统稳定器PSS4B-W的参数整定过程中而建立的PSS4B-W参数优化模型。通过对权重系数的动态调整,从而获得更好的全局搜索能力。根据单机无穷大系统模型,在计算励磁系统无补偿相频特性基础上,应用该优化模型进行PSS4B-W相位补偿计算。仿真结果表明经自适应权重粒子群算法优化的PSS4B-W能够较好地抑制低频振荡,提高系统的稳定性。