基于改进差分进化法的含双馈型风电场的配电网无功优化

以双馈型风电机组为研究对象,建立以风电无功功率、并联电容器投运组数为优化变量,以电压稳定性最好、电压偏差最小和有功网损最小为目标的无功优化模型。在对差分进化方法进行改进的基础上,研究基于改进差分进化法的含双馈型风电场的配电网无功优化算法。在IEEE 33节点系统中进行算例测试,结果验证了无功优化算法的有效性,合理调度双馈风力发电机有利于配电网的运行优化与电能质量的改善。     

基于改进 DE 的含风电机组配电网多目标无功优化

电网无功优化是保障电网安全、经济、可靠运行的基本手段,普遍方法是应用智能优化算法以确定电网无功设备投切方案,为此引入差分进化算法解决含风电机组的配电网无功优化问题。考虑风电机组出力的随机性,采用基于场景概率方法,建立了全场景下计及有功网损、静态电压稳定指标、无功补偿设备投资成本的多目标无功优化模型。针对基本差分进化算法的不足,结合免疫原理和二次变异思想改进了差分算法,改进后算法在充分利用进化过程中优良信息的同时,又能保持种群多样性。算例分析结果验证了所建模型与改进方法的可行性和有效性。     

基于量子差分进化算法的电力系统无功优化

以系统有功网损最小为目标,建立了一种电力系统无功优化数学模型,并提出了一种基于量子差分进化算法的电力系统无功优化方法。该算法采用量子计算中的并行、坍缩等特性,增强了对解空间的遍历能力;同时在传统选择策略的基础上加入了量子计算的概率表达特性,有效地避免了算法的早熟现象。对IEEE-30节点测试系统进行仿真分析,并将优化结果与传统差分进化算法和粒子群优化算法进行对比分析,结果表明量子差分进化算法在解决系统无功优化问题上更科学、更有效。     

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。     

考虑电压稳定性的含分布式电源配电网多目标无功优化

建立考虑电压稳定性的含分布式电源配电网多目标无功优化模型,该模型兼顾有功网损、电压偏移指标和电压稳定指标3个目标函数。提出一种自适应多目标差分进化算法获取模型的Pareto最优解集,并采用灰色关联决策法提取出最优折中无功优化方案。以IEEE 33节点和IEEE69节点配电系统为算例进行仿真分析,结果验证了所提无功优化方法的有效性。     

基于分解的智能优化算法在电力系统无功优化中的仿真研究

电力系统无功优化是一个多目标优化问题,在传统无功优化模型的基础上,建立了以有功网损最小和无功补偿成本最少为目标函数的多目标无功优化仿真模型.采用MOEAD算法求解多目标无功优化模型.仿真结果表明,采用MOEAD算法求解多目标无功优化问题,能够有效降低有功网损,减少无功补偿成本,而且计算速度快、计算性能好.     

自适应多目标差分进化算法在计及电压稳定性的无功优化中的应用

计及电压稳定性的无功优化是一个兼顾降低有功损耗和提高静态电压稳定性的非线性约束多目标优化问题。提出了一种自适应多目标差分进化算法（self-adaptive multiobjective differential evolution,SAMODE）对多目标无功优化进行求解。在差分进化的寻优机制中嵌入非劣排序和拥挤距离排...     

三目标混合骨干粒子群算法的电力系统无功优化

电力系统无功优化通常以降低有功网损和减小电压偏移为目标,建立了综合考虑有功网损和电压偏移最小及电压稳定裕度最大的三目标无功优化模型。首次引入混合骨干粒子群算法用于解决电力系统无功优化问题。该算法利用关于粒子个体极值和全局极值的高斯分布对粒子位置进行更新,再通过K-均值聚类的方式,引入单纯形法对有代表性的粒子进行单纯形搜索,使算法既能够具备较强的全局搜索能力,又能够提高收敛速度和精度。将该算法和其他算法应用于IEEE-14节点系统中进行无功优化,通过数据的计算和比较,结果验证了该模型和算法用于解决多目标电力系统无功优化问题的优越性和实用性。     

多目标电网无功优化的量子遗传算法

在传统无功优化模型中引入静态电压稳定指标,建立了以网损最小、静态电压稳定裕度最大为目标的多目标无功优化模型。还介绍了量子遗传算法,它是一种基于量子计算概念的智能算法,用量子比特为基本信息位编码染色体,用基于量子概率门的量子变异实现个体进化,其收敛速度和全局寻优能力优于传统进化算法。将该算法用于电力系统无功优化并仿真计算了IEEE14、30节点系统,结果验证了模型和算法的有效性。     

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。     

基于集群划分的含分布式光伏配电网有功-无功多目标优化

随着高比例分布式光伏并网,配电网潮流随光伏出力波动,系统有功-无功优化面临新的挑战。建立了配电网网损最小、光伏消纳量最大和电压偏移最小的多目标优化模型,通过调节光伏逆变器出力和无功补偿设备的投切,实现配电网网损最小、光伏消纳率最大和电压偏移最小的目标。建立了基于电气距离和区域电压调节能力的集群性能指标计算方法,并基于指标计算结果将配电网划分为多个子集群,利用NSGAIII算法对子集群进行有功-无功优化。最后以一条实际10 kV配电线路和IEEE123系统为算例仿真验证,计算结果表明经划分后对子集群进行有功-无功优化相比于全局优化可以提高光伏消纳率、减少系统网损和减少节点电压偏移。验证集群划分方法和有功-无功优化模型的有效性。     

基于模糊线性规划的无功电压优化

传统无功电压优化算法一般是单目标优化问题，并没有考虑有功网损的降低和限制控制量调节数最少，而且在处理电压约束时，未考虑“软约束”特性。针对电压无功问题的这些特点，引入模糊线性规划算法以解决这一问题。文中推导了将多目标模糊约束问题转化为单目标开明约束问题的数学模型。算例的计算结果表明，模糊线性规划算法可以很好地协调降低网损、限制调节量和确保节点电压裕度三者的关系，在有限控制量调节的前提下，可实现校正违界电压、降低系统网损和确保所有节点电压留有一定的裕度。     

基于动态云进化粒子群算法的风电系统无功优化方法

针对风电系统中,风力的不确定性导致粒子的适应度不稳定性较大、劣性粒子偏多,难以快速收敛到最优值,进而造成系统电压偏差较大,网损剧增的问题,提出了基于动态云进化粒子群算法对风电系统进行无功优化。首先以网损最小作为优化目标建立了风电系统无功优化模型。然后提出动态云进化粒子群算法。该算法根据粒子的适应度值,选取优秀个体进行进化,从而降低劣性粒子比例,增强搜索速度。再通过云发生器,使得优秀个体进化出的优秀种群趋于正态分布,从而达到改善粒子分布的目的。在此基础上,根据正态云的分布特点,动态改变飞行速度,进一步改善粒子分布、提高搜索精度。最后以风电系统的有功网损为优化目标,进行补偿容量的确定,仿真结果证明了该方法的有效性。     

基于精英保留策略遗传算法的配电网无功优化

在分析配电网无功优化必要性和特点的基础上,以有功网损与节点电压偏差之和最小为目标函数对配电网进行无功优化。采用精英保留策略对传统遗传算法进行改进,按电容器组数进行整数编码对无功优化模型求解。IEEE33节点系统仿真结果表明,所提该方法能稳定收敛,降低网损,能为实际优化提供参考。     

基于改进Tabu搜索算法的区域电网无功优化

为了满足无功优化的实时控制要求,提出了考虑静态电压稳定的区域电网无功优化方案。该方案采用改进的Tabu搜索算法,以有功网损最小为目标进行无功优化,记录优化过程中搜索得到的前10位最优网损解;然后对这10个最优网损解进行静态电压稳定裕度计算,再运用模糊集理论,将网损最小和静态电压稳定裕度最大两个目标的优化问题转化为单目标优化问题。通过算例仿真,证明了改进Tabu算法适合于解决区域输电网无功优化问题,同时也验证了本文提出的考虑静态电压稳定性的区域输电网二级无功电压控制方案是可行的,有效的。     

基于混沌并行差分进化算法的含风电配电网无功优化

将风电机组接入配电网,其出力的间歇性、随机性使得传统无功优化模型不再适用。为此,采用场景分析法对双馈异步发电机（doubly fed induction generator,DFIG）的出力情况进行探讨,建立了含DFIG的配电网无功优化场景模型。考虑DFIG的灵活无功调节能力,建立以降低系统网损、抑制电压波动为综合目标的模糊无功优化模型。通过蒙特卡罗仿真对配电网系统进行无功补偿选址,采用带反馈的混沌并行差分进化算法（chaotic parallel differential evolution algorithm with feedback,CPDEF）求解含DFIG的配电网无功优化问题。通过IEEE 33节点系统对所提出的无功优化模型进行仿真计算,结果表明系统网损得以明显降低,电压水平明显改善,并证明了所提方法的可行性和有效性。     

含分布式电源的配电网无功优化

为提高系统电压稳定性,在传统无功优化目标函数模型的基础上引入电压稳定L指标,将电压稳定L指标与最优潮流结合,建立了考虑网络损耗和系统电压稳定的配电网无功优化模型.在小生境遗传算法的基础上,对遗传算法小生境进行单纯形搜索,消除算法中存在的早熟收敛和开采能力不足的缺点,增强了算法的寻优能力.采用IEEE33节点算例分析表明,该算法优化效果良好,能有效降低有功网损,提高系统电压稳定性。     

基于改进内点法的区域电网无功优化

介绍了内点法的分支原对偶路径跟踪法,并针对某区域电网的无功电压现状,建立以网损最小为目标函数,并兼顾电压质量最好进行无功优化,有效降低了系统的有功网损,同时电压质量也得到提高。该优化方法对于大规模电网的无功优化具有一定的指导意义。     

电力系统无功优化模糊建模研究

传统无功优化算法的目标函数一般为满足电压限制下的有功网损最小,未考虑电压的“软约束”特性,这通常会使得优化后的系统部分母线电压非常接近其合格范围的边界,成为系统安全运行的隐患。针对无功优化问题的这些特点,引入模糊规划算法以解决这一问题。建立了带有模糊安全约束的无功优化模型,并采用非线性原-对偶内点法内嵌二次罚函数法求解。算例的结果表明,带有模糊安全约束的无功优化模型能够在降低系统网损的同时确保节点电压留有一定的安全裕度。     

考虑多个分布式电源接入配电网的多目标无功优化调度

坚强智能电网的建设促进了分布式电源(Distributed Generation,DG)并网技术的发展,DG并网对配网进行无功优化不仅能够提高电压质量、降低有功网损,还增加了配网运行的灵活性、经济性与安全性。以系统有功功率损耗最低与电压偏压量最小为双目标函数,建立无功优化模型。针对目前无功优化问题尚缺乏一种能兼顾求解的高效性与全局搜索最优性的方法,文中将一种新的启发式算法-鲸鱼优化算法(WOA)运用到电网无功优化调度中,对多个DG接入的IEEE 33节点系统进行无功优化仿真分析。研究表明DG并网增加了配网的稳定性,并且证明了WOA算法在解决此问题上的鲁棒性和有效性。