电力系统多目标无功优化研究

在传统无功优化模型的基础上,引入了静态电压稳定性指标,建立了综合考虑系统有功网损最小、静态电压稳定裕度最大和电压水平最好的多目标无功优化模型.基于Pareto最优概念的改进多目标粒子群算法应用到多目标无功优化的求解中,对IEEE30节点统进行了仿真计算.优化结果表明,该模型在实现系统经济运行的同时也增强了电网的电压稳定同时求得的一组最优解能够为优化方法的决策提供更多的有效参考,具有实际意义.     

考虑风力发电的系统无功优化模型和算法

针对风力发电需要吸收电网大量无功而影响电网无功分布和电压稳定的问题,研究了含风电场的系统无功优化,给出了风电场在恒功率因数运行情况下其并网点处无功补偿容量的计算方法．在满足风电场无功补偿的前提下,建立了以全网的有功网损最小为目标函数的无功优化模型,并用遗传算法求得最优解．将风电场接人IEEE-30节点系统进行仿真计算,验证了该方法和程序的有效性和实用性．     

基于ACPSO算法的含分布式电源配电网无功优化

文章研究了含分布式电源的配电网络无功优化问题,基于无功裕度值探讨了无功补偿装置的接入位置,建立了含分布式电源配电网络多目标无功优化模型;运用自适应混沌粒子群算法(ACPSO)进行求解,在初始化计算过程中引入混沌系统,增加粒子种群的多样性,在迭代过程中引入惯性权重线性递减法和变学习因子法,以得到更精确的全局最优解;通过含分布式电源的IEEE 33节点系统的计算,验证了所提模型和算法的正确性。研究表明对含分布式电源的配电网络进行无功优化能够达到降低成本、网损和提高电能质量的目的。     

基于改进内点法的含双馈型风电场的电力系统无功优化研究

针对含双馈型风电场的电力系统无功补偿问题,建立了以有功网损最小、节点电压偏差最小为目标的无功优化模型;并考虑了风电场旋转备用的约束,提出了跟踪中心轨迹内点法实现无功优化。跟踪中心轨迹内点法在传统内点法基础上引入自适应压缩因子,利用自适应压缩因子的动态收敛性,提高算法的局部搜索能力,从而提高算法的效率。在IEEE14系统中进行了仿真测试。实验结果证明了提出的无功优化算法的有效性,算法能较好的减少有功网损;同时使其他目标函数值都得到了不同程度的改善。     

基于电气距离分区的配电网动态无功优化

为解决含分布式电源的配电网动态无功优化问题,考虑不同时刻日负荷以及分布式光伏、风电的出力水平不断变化,以节点电压是否越限为判断依据设计了2种优化方案。在多目标无功优化模型的基础上,若节点电压越限,通过节点之间的电气距离、联通情况以及区域直径对配电网进行快速分区处理,根据分区结果,调节电压越限区域内分布式电源的无功出力,利用改进差分进化算法进行局部无功优化,输出Pareto最优解;若节点电压不越限,对配电网整体进行无功优化求解,调节分布式电源的无功出力,获得Pareto最优解。通过算例分析验证了本文所提算法和优化方案的可行性。     

基于Kriging模型优化算法的含分布式电源配电网多目标无功优化研究

分布式电源(DG)在配电网中的渗透率越来越高,使无功优化问题变得复杂。为最大限度保证系统经济安全运行和电能质量,本文构建考虑源荷不确定性及电容器组等动作次数约束的含DG配电网多目标无功优化模型,提出概率场景生成和场景削减的方法描述源荷不确定性,并提出基于Kriging模型的全局优化算法求解无功优化问题,通过MATLAB和OPENDSS搭建求解平台求解含DG配电网无功优化。通过对改造后的IEEE33节点配电系统仿真测试,和粒子群算法比较,验证模型考虑源荷不确定性和本文求解算法的适应性、可行性和有效性,本文建立的无功优化模型反映实际运行情况,基于Kriging模型的全局优化算法求解该问题可行有效。     

含分布式电源的配电网多目标无功优化

针对传统模型和现有算法对配电网无功优化带来的电压波动和网络损耗等问题,提出一种基于改进元胞差分算法的含风、光的配电网无功优化方法。建立了风电、光伏的随机概率出力模型,获取了其出力预测数据,以电压波动、有功损耗和电压越限3个目标为优化函数,通过权重系数将三目标模型转换为双目标模型,建立了含风电、光伏的双目标配电网无功优化模型。通过电压稳定指标（voltage stability index,VSI）对配电网各个时段的电压的稳定性进行评价,用改进元胞差分算法对模型进行求解,并利用测试函数对算法进行验证。结果表明,较传统模型和传统算法而言,所提模型和所用算法均能有效降低配电网的电压波动和减小配电网的有功损耗,从而保证电网的安稳运行。     

基于聚类分区的风电场无功电压优化控制策略

随着风电渗透率的不断增大,并网风电场的机端电压稳定面临巨大挑战。研究了风电场内部各节点的无功电压特性,提出一种基于机组有功出力聚类分区的无功电压优化控制策略：通过 自动电压控制系统获取风电场当前的电压指标与实际运行数据,计算出风电场的无功需求;以历史有功出力数据对场内机组进行模糊C聚类分区;利用改进的粒子群算法寻找最优无功分配方案,对每一区域进行无功电压控制。在MATLAB上进行仿真,与传统根据各机组无功容量进行分配的方案进行对比,仿真结果表明,所提控制策略能够有效改善风电场并网点电压控制性能,减小风电场内机组机端电压的波动。     

含双馈异步风电机组的配电网无功优化

针对双馈异步风电机组的出力具有随机性这一特点,采用场景分析法对其出力进行分析,使其更有代表性;在此基础上,建立了以电压偏差最小和有功功率损耗最小的多目标无功优化模型;针对粒子群算法存在易早熟的问题,提出了一种自适应混沌粒子群算法(ACPSO),并将其作为无功优化的算法;利用该算法对含双馈异步风电机组的IEEE33系统进行无功优化计算,并将优化后的结果与其它文献提出的算法相比较,验证了所提算法的有效性。     

基于径向基神经网络的风电场无功补偿优化算法

 针对风电场无功补偿容量计算工作量大、计算过程复杂的问题,提出了应用径向基神经网络优化风电场无功补偿容量计算的方法。首先建立了含风电场的电力系统潮流计算模型,以某风电场实际有功功率作为模型的输入,计算该风电场所需的无功补偿容量;以有功功率作为输入数据,以计算所得的无功补偿容量作为目标输出,建立径向基神经网络,并对该神经网络进行训练。用训练后的径向基神经网络代替潮流计算模型,对该风电场所需无功功率进行计算,结果表明,该方法计算复杂度比潮流计算模型低,计算量少。研究表明可用训练后的径向基神经网络模型代替潮流计算模型,实时计算风电场无功补偿容量。     

基于置信度机会约束规划的风电场无功优化技术

风电不确定性给其功率预测带来一定困难,功率预测误差过大容易引发电压越限问题。为了保证电压安全并兼顾运行经济性,本文以网损最小为目标函数并考虑控制电压越限风险,对系统进行无功优化,通过一定置信度下的电压约束将随机优化模型转变成机会约束规划模型,再用内点法求解。提出了三种考虑电压安全裕度的优化方法,分析了它们各自特点和适用工况,制定了根据不同风电预测精度来灵活选用的综合方法。本文利用解析化梯度矩阵和海森矩阵的改进算法来求解无功优化模型,与以往采用差分近似梯度的算法相比大幅提升了计算效率,减少了一半以上的迭代次数和计算时间。最后在含风电场的IEEE-39节点系统和我国内陆某实际风场中验证了所提方法的有效性和优越性。     

多目标萤火虫算法的电力系统无功优化方法

为解决传统单目标无功优化电压偏高的问题,采用建立多目标无功优化数学模型的方法,提出一种带精英保留策略和Pareto占优及拥挤距离排序的多目标萤火虫算法对建立的无功优化数学模型进行优化.研究结果表明:多目标萤火虫算法在优化过程中具有较强的寻优能力和全局收敛性,在减小电力系统有功网损的同时有效解决了电压偏高的问题,是一种求解多目标无功优化问题的有效方法.     

一种基于二阶锥规划的配网无功优化算法

在深入分析分布式电源并入配电网对电压的影响基础上,考虑逆变器的快速控制和无功特性,建立了配电网电压无功优化模型,提出一种基于二阶锥规划的配电网无功优化算法,对原始非凸、非线性、NP-难的潮流优化模型进行松弛变换,得到易于求解计算、收敛效果好的二阶锥规划模型,通过IEEE 33节点配电系统算例的计算和分析,表明逆变器参与电压无功优化能够有效地进行电压调节和降低网络损耗,证明了所提优化方法的有效性。     

待补偿点定位的粒子群优化算法在配电网无功优化中的应用

根据最大降低网损的原则,首先计算出配电网无功补偿点的位置、个数和待补偿容量,并由此筛选出最优无功补偿的待补偿节点集和补偿容量的取值范围,减少粒子群优化算法最优解的搜索空间.建立了以网损最小为目标的粒子群算法无功优化数学模型,进一步提高了无功优化的效率和质量.以福安电网无功优化补偿为例,并与常规粒子群优化算法比较,验证了该方法的有效性.     

电力系统电压无功多目标的优化控制

电力系统电压无功多目标的优化控制是主要的复杂优化和控制问题之一. 本文在明确电压无功多目标控制方式及意义的基础上, 剖析了电力系统中的电压问题, 进一步详细研究了电压无功多目标优化算法的实现, 并通过在IEEE-6节点网络的无功优化计算结果的分析, 表明本文所研究优化控制方法的有效性.     

含多种分布式电源的配电网概率无功优化

针对配电网无功优化时多种分布式电源出力以及负荷的随机性,建立了考虑多重不确定因素的概率无功优化模型.通过三点估计法将概率潮流计算转化为采样点处的确定潮流计算,以处理所建模型中的不确定因素对无功优化结果的影响.为克服粒子群算法易陷入局部最优的缺陷,将自适应控制策略应用于粒子群算法,采用一种改进粒子群算法(IPSO)用于模型的求解.在改进的IEEE33节点系统上进行仿真测试,其结果验证了所提概率无功优化模型和求解方法的可行性及有效性.     

基于动态自适应多目标粒子群算法的企业电网无功优化

针对大型工业企业电网无功补偿不合理、功率因数偏低、网损严重等问题,以有功网损、电压偏差、功率因数及静态电压稳定裕度为目标函数,在满足潮流方程、设备能力限制以及系统安全运行要求等约束条件下,建立了企业电网多目标无功优化模型,并提出了一种动态自适应多目标粒子群(DAMOPSO)算法进行求解.该算法通过动态变化参数增强全局搜索能力,采用动态拥挤距离保持Pareto解的多样性,同时引入自适应变异机制避免算法早熟收敛.IEEE-30节点系统和北方某大型钢铁企业电网的算例结果验证了该算法和模型的可行性和有效性.     

基于粒子群优化的最小属性约简算法

将最小属性约简问题转化为一个基于粒子群优化算法求解的多目标优化问题.引入基于表现型共享的适应度评价函数以提高多目标搜索算法的性能,对基本粒子群优化算法的位置更新公式进行修正使其能够有效应用于最小属性约简问题,并提出了一种用于求解该问题的二进制多目标粒子群优化算法.实验表明,本算法是有效的,并能一次运算获得多个最小属性约简.     

基于负荷曲线分段的配电网无功优化策略

针对电网负荷的波动性,采取分时段无功补偿策略对改善电压质量和保证运行经济性具有重要实用价值。首先,基于典型日负荷曲线建立了负荷曲线的优化分段模型。在此基础上基于平均节点电压偏移灵敏度指标和网损灵敏度指标建立了无功补偿点的筛选确定方法,并以平均电压偏移和网损最小为优化目标建立无功补偿优化模型。其次,通过基于分解的多目标优化算法对所建立优化模型分别进行求解,可得出负荷曲线的分段点及每个负荷分段下对应的最优补偿方案。最后,以IEEE 33节点配网系统和实际电网仿真分析,验证了所建立优化策略的可行性和有效性。     

基于粒子群算法的不确定动态多目标优化方法研究

当前不确定动态多目标优化方法通常将多目标问题转换成单目标问题,将其它目标看作约束条件,仅可得到单个解,无法有效体现不确定多目标之间的关系,导致得到的解质量低。为此,提出一种新的基于粒子群算法的不确定动态多目标优化方法,给出不确定动态多目标优化问题的数学描述,介绍了粒子群算法,针对粒子群算法容易陷入局部最优的弊端,引入动态变异算子对其进行改进,通过改进的位置更新公式实现粒子群算法位置的自适应更新,给出解决不确定多目标优化问题的详细过程,在此基础上,通过分段线性函数参数化实现不确定动态多目标优化。实验结果表明,所提方法搜索能力强,采用所提方法得到的解与真实解最相近,质量最高。