改进粒子群算法的风电场多目标无功优化

采用基于场景的思想确定了风电机组功率输出,通过在潮流计算中增加对风电场节点电压的迭代解决了含风电场的潮流计算问题。建立了有功网损最小、电压偏差最小、静态电压稳定裕度最大的多目标无功优化模型,提出了多目标归一化处理方法,通过改变各分量权重系数解决了多目标无功优化问题。分析了基于遗传交叉因子的粒子群优化算法,通过父代的遗传交叉产生代表解的新粒子,有效避免了粒子解陷入局部最优。算例表明,该模型和算法可有效解决含风电场的多目标无功优化问题。     

基于灵敏度分析的无功补偿装置动作顺序研究

文章建立了以有功网损最小为目标函数的无功优化数学模型，利用非线性规划最优潮流算法进行了优化计算。并且研究了无功补偿装置采用不同的动作顺序对有功网损最小化的控制效果，提出了以有功网损控制效力为灵敏度指标的无功优化控制策略。Ward＆Hale 6节点系统和IEEE-14节点系统验证了算法和控制策略的有效性。     

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．     

基于遗传算法的电力系统无功优化

电力系统无功优化主要是指在负荷给定的情况下,有载可调变压器分接头位置、无功补偿的最佳容量和发电机机端电压大小的优化确定。以有功网损最小为目标函数建立了主网无功优化的数学模型,对于目标函数中的无功电压越界和发电机无功出力越界,采用罚函数予以解决。采用遗传算法,针对遗传算法应用于求解无功优化等复杂非线性优化问题中容易发生"早熟"和收敛速度慢等问题,作了一些改进。通过改进,遗传算法能够跳出局部最优解,增强了全局寻优能力,使寻优速度和精度在一定程度上得到了提高。根据上述算法使用C++语言编制了求解程序,并对IEEE-14节点系统进行了优化计算,通过与初始有功网损比较,在各设备的正常运行范围条件下,系统有功网损降低了4%。     

煤矿配电网两阶段无功补偿优化配置方法

针对煤矿配电网无功优化存在的问题,综合考虑煤矿配电网负荷特点以及传统无功补偿装置的优缺点,提出利用静止无功发生器SVG以及电容器组配合实现配电网无功优化的两阶段无功优化方法.两阶段分别以有功网损最小和电压谐波畸变率最小为目标,根据灵敏度法确定补偿位置,运用改进的粒子群算法进行无功补偿容量的优化配置.研究结果表明:配电网的有功损耗明显下降,电压水平明显改善,为配电网无功优化提供了一种灵活高效,易于实现的有效方法.     

基于数据驱动的主动配电网分布鲁棒有功无功协调优化

为充分发挥分布式电源与可控设备有功无功出力在配电网优化中的作用,减少分布式电源随机出力与负荷波动对系统的影响,首先,从有功无功协调优化角度出发,以有载调压变压器、光伏机组、储能系统、微型燃气轮机及无功补偿设备为控制手段,建立以网损最小为优化目标的主动配电网有功无功协调优化模型;然后,在协调优化模型的基础上,采用场景分析法处理光伏出力及负荷预测的不确定性,并以l-2范数约束构建场景概率分布的不确定集,建立了基于数据驱动的主动配电网分布鲁棒有功无功协调优化模型,采用列与约束生成算法进行求解.经IEEE33节点系统验证,结果证明了协调优化策略能有效地降低网损与分布鲁棒优化策略能有效应对系统中的不确定性.     

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.     

基于改进ABC算法的含双馈风电场配电网无功优化

以双馈型风电机组为研究对象,待优化的变量设定为风电场的无功功率以及并联电容器的投运组数,综合电压稳定性、电压偏差以及系统的有功网损3个指标,建立无功优化的模型;以改进的人工蜂群(modified artificial bee colony,MABC)算法为基础,研究无功优化在含双馈型风电场的配电网中的应用;选择IEEE 33节点系统,对算例进行测试,结果验证了MABC算法的可行性和有效性。     

基于自适应免疫算法和预测-校正内点法的无功优化

针对电力系统无功优化问题,将自适应免疫算法（adaptive immtme algorithm,AIA）和预测-校正内点法相结合,提出了一种新的混合优化算法．先利用AIA进行大范围全局寻优,找到候选最优点,把它作为内点法的初始可行点,再通过预测-校正内点法在初始可行点的邻域内进行局部的确定性搜索,提高解的精度和速度;在此基础上,根据对偶间隙的变化过程,提出了对中心参数及相应障碍参数的改进选择方法,有效地避免了数值振荡,使计算精度及收敛速度均得到明显改善．将上述方法用于IEEE14节点系统,计算时间为2．0s,优化后网损下降2．27％;而用于IEEE118节点系统,计算时间为322s,优化后网损下降14．29％．这表明本文所提出的算法在计算速度和精度上较其他方法均有明显改进．     

基于CS-PSO算法的配电网无功优化

文章将布谷鸟算法中的Lévy飞行和淘汰机制引入粒子群算法中,形成混合优化算法,并将其应用于配电网无功优化研究。以无功网损最小为目标函数,通过搜索空间限幅处理不等式约束,利用Lévy飞行策略提高搜索效率。将所提算法应用于IEEE-14和IEEE-30节点模型,验证了算法可行性。对安徽省金寨县某地区的实际配网系统进行无功优化,降低无功网损的同时提高了电能质量。与标准粒子群算法相比,新提出的算法具有更好的寻优能力。     

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PPSO算法的电力系统无功优化

电力系统无功优化可以降低系统的有功损耗,保证系统运行的安全性和经济性.采用向量粒子群优化（PPSO）算法求解电力系统无功优化问题,在算法中通过初始化得到向量的相位角,并将相位角引入速度更新过程,这样可以更有效地提高搜索精度.在IEEE-14节点系统中,采用PPSO算法、标准粒子群优化算法、随机惯性权重粒子群优化算法和改进吸引排斥粒子群优化算法进行无功优化仿真实验对比,结果表明,PPSO算法可以更好地降低有功损耗.     

基于原—对偶内点法的二次电压—无功功率优化

基于原－对偶内点法对电力系统的电压－无功优化问题进行了分析,首先对原－对偶内点法进行了扩展,使之能处理电压－无功优化控制中大量不等式约束;此外,提出了一种新的壁垒参数和步长的控制策略,并采用了一种有效的预测－校正方法来提高算法的收敛速度。实际电网中优化计算表明,原－对偶内点法可有效地解决大规模电网的电压－无功优化问题。     

基于混合优化算法的最大功率点追踪方法

针对部分阴影条件下粒子群优化（PSO）算法追踪最大功率点时间较长与功率波动大的问题,提出一种基于万有引力与粒子群混合优化(GPSHO)算法的最大功率点追踪（MPPT）方法。该方法将万有引力搜索算法引入粒子群算法,在迭代过程中通过调节PSO算法的惯性权重、认知因子和社会因子提高算法的收敛速度,实现追踪全局最大功率点。仿真与实验结果表明:该方法能够在不同光照情况下精准地追踪全局最大功率点,其搜索速度大约比基于自适应惯性权重粒子群(APSO)算法的MPPT方法快１倍,功率振荡亦更小。     

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.     

基于改进灰狼优化的开关磁阻风力发电最大功率点跟踪控制策略

以中小型开关磁阻风力发电机为研究对象，针对发电过程中，在不同风速条件下最大功率点跟踪控制快速性和准确性的需求，提出一种基于自适应加权灰狼优化PID算法的最大功率点跟踪控制策略。当外界风速发生变化时，根据实时风速计算出风力机最佳转速，其与实际转速的差值作为加权自适应灰狼优化PID控制算法的输入，作为转速闭环的PID控制参数，从而输出电压脉宽调制的最优占空比，实现变风速下的最大功率点跟踪控制。仿真结果表明，与传统PID控制相比，自适应加权灰狼优化PID算法能够在风速变化情况下，更加快速准确地实现最大功率点跟踪控制。     

含静态电压稳定裕度约束的无功优化计算

提出了一种电压稳定裕度约束无功优化新方法,通过调节系统的控制变量,能真正有效地提高系统的静态电压稳定裕度,同时取得较小的网损。该方法将电压稳定裕度约束无功优化问题分解为非线性无功优化和电压稳定裕度及其对控制变量灵敏度分析两个子问题,通过两者的交替求解实现寻优。前者采用非线性原对偶内点法求解,后者则是以连续潮流计算为基础。该方法计算速度快,对多种系统具有一定的普适性。在IEEE 14、30、118节点系统的试验结果验证了它的有效性,并发现一个系统在特定的负荷增长方式下,由于无功潮流的改变其分岔类型可能会在极限诱导分岔和鞍结分岔之间转换。     

电力系统动态无功/电压优化控制的一种新算法

在动态无功／电压优化控制问题中，将不可导的控制变量动作次数约束条件和含有离散变量的功率平衡等式约束条件进行了可导化的等价转换．利用控制变量中的离散变量构造了二次罚函数并引入到原对偶内点法中，以实现离散变量在优化过程中的逐次归整，在此基础上，建立了完整的基于非线性内点法的动态无功／电压优化控制的数学模型．算例结果表明，该方法在动态无功／电压优化控制中的效率显著优于动态规划法和遗传算法，并且算法迭代次数不随网络规模增大而明显增大，同时该算法既适用于配电系统，也适用于输电系统．     

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。