排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
随着配电网中分布式电源渗透率的逐渐提高,对电网电压和网损的影响变得明显。这种影响和分布式电源规划的位置和容量密切相关。提出的时序分布式电源规划的方法:首先利用节点电压和网损综合敏感性分析,筛选出分布式电源的安装位置节点;然后利用优化方法对分布式电源容量优化。其中容量优化方法:以减少网络损耗和提高电压水平两个技术指标建立目标函数,利用机会约束规划方法构建约束条件;并使用蒙特卡洛模拟的方法对分布式电源和负荷时序模型进行随机潮流计算;最后利用精英策略的遗传算法求得分布式电源的最优配置容量。算例仿真结果验证了该规划方法的有效性。 相似文献
2.
3.
电力系统无功优化属于典型的多目标非线性复杂优化问题,求解非常困难。近年来,众多智能优化算法应用于该问题,其中粒子群优化(Particle Swarm Optimization,PSO)算法最具代表性;但PSO算法性能仍有待提高,如可能陷入局部极值。提出一种多策略融合粒子群优化(Particle Swarm Optimization with Multi-Strategy Integration,MSI-PSO)算法,对速度更新公式引入选择操作,分阶段加速因子调整和惯性权重动态调整,以平衡粒子局部搜索与全局探索能力;同时,随机选取部分性能差的粒子,将其速度更新公式中的个体认知部分修改为社会认知部分,以提高算法搜索精度和收敛速度。建立以系统网络损耗最小和系统电压稳定裕度最大为目标的无功优化仿真模型,分别考虑加权法、隶属度函数法和Pareto法实施多目标处理。针对IEEE30节点测试系统进行仿真实验,结果表明,和其他几种改进PSO算法以及基于pareto最优解集PSO算法进行对比,所提MSI-PSO算法具有更好的性能,能够有效求解电力系统多目标无功优化问题。 相似文献
4.
基于改进PSO算法的电力系统无功优化 总被引:1,自引:0,他引:1
提出了一种多策略融合自适应粒子群优化(MSI-APSO)算法求解电力系统无功优化问题的新方法。该方法采用分阶段调整加速因子,结合适应值自适应调整惯性权重,然后基于群体信息改善部分性能差的粒子,迭代后性能改善的粒子,采取速度保持策略,从而提高了PSO全局寻优性能。针对IEEE30节点系统进行无功优化计算,并与带惯性权重的粒子群(PSO-w)算法、带压缩因子的粒子群(PSO-c)f算法、全面学习粒子群(CLPSO)算法进行了比较,表明MSI-APSO具有更好的全局寻优能力和收敛性能。 相似文献
5.
冻土区埋地式管道对多年冻土地基产生扰动,形成融化圈,同时,冻土的融沉及活动层的冻融对管道地基工程造成破坏,引起管道地基的不均匀变形,影响安全。文章提出冻土中输气管道的管土处理方法,为冻土区埋地式管道敷设提供依据。 相似文献
1