利用强度Pareto进化算法的多目标无功优化

为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,首次将强度Pareto进化算法(SPEA2)应用于多目标无功优化,为真正意义上的多目标无功优化提供了依据。SPEA2是一种新型的多目标进化算法,参数设置少,收敛速度快,寻优能力强,求得的Pareto最优解分布均匀。IEEE30节点测试系统的算例结果表明所提出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。     

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。     

利用混沌鱼群算法的配网无功优化

为了更有效快速地处理电力系统配网无功优化问题,建立了配电网无功优化的数学模型,以网损和电压偏差最小以及电压稳定最大化为目标函数,以无功平衡、电压合格等为约束条件。采用新型混合优化算法,综合考虑混沌优化算法和人工鱼群算法两种算法的特点,使算法能够更好地适应问题的求解。并且对IEEE14节点系统和IEEE33节点进行系统仿真计算,结果表明,该算法在计算速度和收敛能力方面都具有优势,且优化效果可满足实际需要。     

用于多目标无功优化的自适应遗传算法

引入了自适应权重和因子及自适应罚函数的概念,提出了一种自适应遗传算法,将其应用于多目标无功优化问题的求解中。该算法能保证寻优方向的多向性,并能避免模糊隶属度算法耗时过长的缺陷。在寻优过程中,自适应罚函数法能有效利用不可行解的有用信息,对不可行解进行适度惩罚。IEEE14节点系统的算例结果表明所提出的算法是解决多目标无功优化问题的有效方法。     

基于混沌粒子群算法的多目标无功优化研究

针对传统无功优化的不足,建立了以电网有功损耗最小、节点电压偏移最小、静态电压稳定性最好和无功成本最小的多目标无功优化模型.为了将这4个目标同时进行优化,提出了基于Pareto解的混沌粒子群算法多目标无功优化方法,求出该多目标优化问题的Pareto最优解集,供决策者根据实际情况进行科学决策选择.为证明提出方法的有效性,对IEEE30节点系统进行了多目标无功优化分析,结果表明本文提出的方法能够得到良好的无功优化结果.     

基于改进遗传算法的风电场多目标无功优化

针对风电场并网运行的多目标无功优化和电压稳定问题,建立了基于异步发电机内部等值电路的含风电场的电力系统无功优化模型,提出了风电场无功优化的目标函数和约束条件。结合非支配排序思想、精英保留策略、改进的小生境技术,得到了一种将向量模适应度函数作为淘汰准则的改进Pareto遗传多目标优化算法。以某风电场接入IEEE 14节点标准测试系统为例,将改进算法用于含风电场的电力系统无功优化。仿真结果表明,应用改进的遗传多目标优化算法可以同时得到多组Pareto最优解,为决策者提供了更多的选择余地,使风电场并网点母线电压在允许范围内。     

多目标无功优化的向量评价自适应粒子群算法

为了克服粒子群算法在高维复杂问题寻优时有相当可能陷入局部极优的现象,提出了一种自适应粒子群算法。该算法利用种群多样性信息对惯性权重进行非线性的调整,并在算法的后期引入速度变异算子和位置交叉算子,使算法摆脱后期易于陷入局部最优点的束缚。对基于向量评价的粒子群算法进行了扩展,提出了基于向量评价的自适应粒子群算法(vector evaluated particle adaptive swarm optimization,VEAPSO)来解决多目标无功优化问题,求解出问题的Pareto最优解集。为帮助决策者从Pareto最优解集中选取合适的最优解,该文提出一种基于决策者偏好及投影寻踪模型的多属性决策法,使决策结果更加真实可靠。将该算法应用于多目标无功优化问题中,IEEE 30和IEEE 118节点系统算例仿真表明该方法用于解决多目标无功优化问题是有效可行的。     

基于多目标混沌粒子群算法的矿区电网无功优化

为了提高矿区电网电能质量,降低电网线路有功网损,在无功优化基本数学模型的基础上,综合系统电压的静态稳定性,建立了多目标无功优化数学模型。针对粒子群优化算法在进化中易出现早熟收敛等问题,引入混沌粒子群优化算法。以IEEE30节点系统为算例,验证了多目标混沌粒子群算法的可行性。将该算法应用于矿区电网无功优化中,仿真结果进一步验证了该算法的有效性。     

基于粒子群无功优化的网损降低技术研究

在传统无功优化模型上,建立了以网损最小和电压稳定裕度最大为目标函数的多目标优化模型,通过对目标函数加权建立妥协模型,使多目标函数问题转化为单目标函数问题,并采用粒子群算法求解无功优化问题,通过对IEEE30节点系统的算例分析,表明了采用多目标无功优化模型和粒子群算法能够在保证各节点电压不越限的情况下,有效地降低系统网损...     

基于分布式光伏的配电网无功优化

本文提出一种含光伏电源的配电网多目标无功优化模型,为解决分布式电源接入配电网引起的电压偏差、有功网损增加等问题,本文建立了无功优化模型,基于传统的粒子群算法,提出一种改进的粒子群算法,最后,在IEEE33节点配电系统中进行算例仿真分析,仿真结果验证所提方法的有效性。     

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。     

基于免疫算法的多目标无功优化

在详细分析无功优化约束条件和目标函数以及研究无功优化免疫算法中抗体产生及其编码和解码的基础上,针对目前无功优化目标函数大多是基于权重系数基础多目标函数的组合,提出了基于免疫算法的多目标无功优化算法, 即用整体亲和力和部分亲和力概念来表示抗体对抗原的亲和程度,然后通过分别计算抗体的局部和整体亲和力来对抗体进行排序,依据此顺序选择抗体进行克隆、交叉变异等操作,并反复进行以求取系统无功优化的Pareto解集。对 IEEE14节点系统和IEEE118节点系统进行了多次无功优化计算,结果表明了该算法的有效性。     

基于多种群蚁群算法的多目标动态无功优化

为在负荷变动条件下提高动态无功优化控制变量的调节效率和满足全天动作次数的限制,将全天电能损耗最小、有载调压变压器分接头动作次数和电容器投切次数分别最少作为目标函数,建立新的多目标动态无功优化模型.针对该模型提出改进的多种群蚁群算法,利用多种信息素交换方式,满足动态无功优化多目标、强时空耦合的特点,避免了蚁群算法陷入局部最优解.通过对 IEEE14、IEEE 30系统计算验证模型和算法的可行性和有效性.结果表明:该模型和算法能够降低系统能量损耗,提高电压质量     

基于混沌免疫混合算法的多目标无功优化

针对目前评价多目标函数解的不足,提出了将多目标函数各个解映射成多维空间中不同的点,利用这些点与理想点之间的欧氏距离来衡量各个解的优劣;同时针对无功优化、混沌优化算法和免疫算法的特点,提出了在采用免疫算法进行无功优化的记忆抗体群中,运用混沌优化方法和免疫算法的交叉和变异等操作对无功优化的连续变量和离散变量进行交替优化求解,并将它们运用于以降低有功损耗,提高电压稳定裕度及减小电压偏移为目标的无功优化中;通过 IEEE-30和IEEE-118节点算例系统验证了混合算法及最优解评价方法的正确性和可行性。     

基于改进微分进化算法的电力系统无功优化

提出了一种改进的微分进化算法求解电力系统无功优化问题。在进化过程中，该算法根据进化情况采用动态参数调整机制提高算法的搜索效率，并且对种群重叠状况进行实时监视，对重叠个体利用混沌搜索策略来进一步提高算法的全局寻优能力。通过对IEEE 6、IEEE 30、IEEE 118标准测试系统及某地区实际系统的无功优化问题计算及结果分析表明，文中提出的改进微分进化算法高效、且全局寻优能力强。     

基于改进遗传内点算法的电网多目标无功优化

将遗传算法和内点法相结合求解电力系统无功优化问题。改进了传统的遗传算法,采用混合编码和动态调整选择、交叉、变异算子,并在适应度函数中引入了内点法的对数障碍函数,有效地解决了实际系统的离散变量和状态变量易在边界取得的问题。在无功优化模型中,计及了网损,电压平均偏离,静态电压稳定裕度和调控费用4个指标。IEEE 14和IEEE 57节点算例系统的仿真结果表明,该算法稳定且具有很好的全局寻优能力和较快的收敛速度,能有效提高系统运行的经济性和安全性。     

基于混合粒子群优化算法的电力系统无功优化

应用粒子群优化算法(PSO)求解电力系统无功优化问题,提出基于混沌搜索的混合粒子群优化算法,以克服PSO容易早熟而陷入局部最优解的缺点。该算法引入了基于群体适应度方差的早熟判断机制,当算法陷入早熟时,利用混沌运动的遍历性、随机性和规律性等特性,先对当前粒子群体中的最优粒子进行混沌寻优,然后把混沌寻优的结果随机替换群体中的一个粒子,从而提高了PSO的寻优特性。通过对IEEE 14、IEEE 30、IEEE 118等标准测试系统进行无功优化,并与遗传算法、标准PSO进行比较,表明该算法具有更高的搜索效率和更好的全局优化能力。