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.     

含电压稳定裕度约束的模型预测电压控制器设计

本文提出一种基于模型预测控制的新型电压控制器设计方案,当系统发生扰动导致电压下降时,该控制器通过调节发电机参考电压设定值和无功补偿点的电容器投切量,使故障后系统电压恢复并满足给定的电压稳定裕度。该滚动优化模型中,目标函数综合考虑了电压偏移和控制成本,其等式约束为系统微分代数方程式,并将电压稳定裕度约束引入到不等式约束条件中。为了提高求解效率,采用直接动态优化方法将该动态优化模型转化为非线性规划问题,并采用AMPL优化建模软件提供的内点算法求解。以新英格兰39节点系统为基础构造的算例表明了所提方法的有效性。     

计及静态电压稳定的变尺度混沌无功优化

选择系统有功网损作为目标函数，同时考虑满足电压水平和电压稳定性两个约束条件来探讨无功优化问题,介绍了变尺度混沌优化算法，该算法不断缩小优化变量的搜索空间并不断提高搜索精度，从而有较高的搜索效率，将该算法应用于计及静态电压稳定的电力系统无功优化问题，并对IEEE14节点系统进行了仿真计算，计算结果验证了算法的有效性．     

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。     

暂态电压稳定薄弱区的厂站稳态无功协调方法

考虑协调发电机和变电站电容器稳态无功出力占比对系统暂态电压稳定性的影响,以及无功优化和电压稳定的区域调控特点,研究了基于厂站稳态无功协调提高系统暂态电压稳定裕度的预防控制方案决策方法。该方法在利用AP聚类算法和综合暂态电压稳定裕度确定稳定裕度薄弱区域的基础上,基于发电机无功调节对薄弱母线电压作用的加权平均灵敏度进行灵敏调节发电机选择。接着以薄弱区并联无功补偿和灵敏发电机无功出力作为控制变量,建立兼顾暂态电压稳定裕度和母线电压额定值偏移的厂站无功协调多目标优化模型,并结合暂态稳定计算,利用MOEA/D算法和TOPSIS方法求解系统对严重预想故障的多目标稳态无功协调方案。江西电网实际算例的仿真研究验证了该决策方法的有效性。     

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。     

基于负荷预测的变电站无功电压控制

详细分析了九区图控制原理中可能存在的各种问题，提出基于该原理的电压无功综合控制(VQC)装置难以满足实际变电站的电压无功控制要求。针对以上问题，提出了一种有效的动态无功综合优化方法来实现变电站的电压无功控制。该方法基于神经网络的负荷预测、灵敏度分析的分段等效处理，考虑了实际系统的各种约束和要求，以动态无功优化模型和无功优化修正模型来确定预测范围内外的变电站电压无功综合优化控制决策。通过算例，验证了该模型和算法的有效性，同时也说明了变电站实现动态无功综合优化控制的可行性。     

考虑电压稳定约束下的无功补偿

针对电力系统电压稳定问题,利用L_1指标研究了预防电压失稳的常用无功补偿手段。就系统电压稳定性的准确获取(电压稳定指标的选择与改进)、多场景下补偿点的选取、补偿方式(并联补偿或串联补偿)的选择和补偿量的优化选取等问题进行了深入的研究．基于上述研究,提出了一种新颖的解决方案．经New England标准验证系统检验,所提方案能够给出考虑多种运行方式的最佳补偿量,并对补偿方式的选择给出定性指导,为电力系统的规划提供有益的参考．     

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.     

应用遗传算法实现配电网的无功规划优化

以配网系统全年电能损耗和无功补偿设备投资之和最小为目标，建立了考虑系统不同运行方式下无功规划的数学模型。采用结合灵敏度分析的改进遗传算法求解数学模型，提出容性和感性无功的补偿规划原则。实例验结果表明，应用该模型和算法可以有效地对配电系统进行无功优化，优化后系统的网损明显降低，节点电压明显提高。     

提高大规模电力系统静态电压稳定性的无功补偿方法

基于电力系统潮流方程雅可比矩阵的特征结构分析法,提出了一种以提高系统静态电压稳定性为目标的大规模电力系统无功功率优化补偿方法．该方法研究了与系统静态电压稳定性密切相关的潮流方程雅可比矩阵的最小模特征值及与其对应的左特征向量．以最小模特征值作为系统静态电压稳定裕度指标,以最小模特征值对应的左特征向量作为节点电压对无功功率变化的灵敏度指标,给出了系统在指定工况下,全电网中最有可能发生电压不稳定或电压崩溃的节点,从而为系统无功功率补偿装置的配置提供决策依据。通过对我国某区域电力系统的计算表明,该方法简洁快速,适合求解大规模电力系统电压稳定性的无功功率补偿问题．     

航空发动机非线性数学模型的遗传算法

针对发动机非线性数学模型数值解法的收敛性问题应用了浮点数编码遗传算法，提出了将遗传算法与Broyden法相结合的方法。数值仿真结果表明，单独使用遗传算法时运算效率不高，而将遗传算法与Broyden法结合使用可有效的克服各自的不足，使得模型在保持原有运算效率的情形下扩大了收敛范围。     

混沌理论在遗传算法中的应用研究

为了提高遗传算法的搜索能力和效率,将混沌理论引入到遗传算法中。利用Logistic方程构造混沌算子,形成混沌遗传算法。通过实验对混沌算子和杂交算子、变异算子的性能进行了比较,实验数据表明混沌算子具有良好的遍历性。将混沌遗传算法应用在旅行商问题中进行性能检验,结果表明:和标准遗传算法相比,该算法的性能和稳定性都有较大提高。     

变循环发动机数学模型求解及有效性研究

采用部件法建立了变循环发动机的多维非线性隐式方程组模型,该模型具有隐式性,因而求解过程复杂,收敛困难.以变循环发动机为对象,设计了遗传算法,将数学模型转化为最优化问题,并对模型进行求解.提出了算法的有效性评价指标:初值敏感性、计算效率、收敛性、稳定性.与牛顿-拉夫逊法相比,遗传算法初值敏感性较低,收敛性较好.该结果可为变循环发动机模型求解算法的选择与设计提供参考.     

深基坑土钉墙内部稳定性计算新方法——最危险滑裂面复合遗传进化 …

高层建筑深基坑土钉墙内部稳定性分析的关键是如何确定最危险滑裂面的位置并计算与相对应的安全系数,这可归结为一类非线性优化问题。为克服传统优化分析方法容易陷于局部最优解的缺点,作者利用从模拟自然进化过程的遗传进化算法和求解约束优化问题的复杂形法而发展起来的复合遗传算法来搜索最危险滑动面,提出了一种深基坑土钉墙内部稳定性分析的复合遗传进化调优算法,它是一种全局优化分析方法,且比一般的遗传算法寻优效率要高     

基于风险价值的证券投资组合

在风险价值(VAR)模型一种计算方法--德尔塔正态法的基础上,采用了投资组合比例随机搜索的方法,即对于一个投资组合,利用随机数搜索和变换步长搜索两种方法调整其权重,以得到最小的VAR值,从而为投资者降低风险,并在VAR计算方法上做出新探索.     

基于ARMA模型和VAR模型的中国债券市场

选取上海证券交易所企业债和国债月度数据,利用遗传算法对静态利率期限结构NSM参数模型进行求解,进而拟合较为精确的企业债和国债的利率期限结构,据此计算出企业债的信用价差。数据一部分作为样本内拟合区间,另外一部分作为样本外预测区间以检查模型的预测精度。通过建立自ARMA样本外预测模型和VAR样本外预测模型分别对我国债券市场信用价差进行预测,最后比较两种模型的预测精度。结果表明VAR模型对于信用价差短期预测较为准确,而ARMA模型对于较长期预测较为准确。     

基于改进PSO算法的电力系统无功优化

介绍了PSO算法,结合电力系统无功优化问题的实际情况,针对其存在的易陷入局部最优点的缺点,提出了改进的PSO算法。该算法改变了初始化方法和粒子更新方法,在算法后期引入变异因子,并将问题分解成子问题进行处理。在IEEE-14节点系统的仿真计算中,改进PSO算法与其他人工智能算法相比,在较短时间内取得了更好的优化效果。     

货位载重约束下自动化仓库货位实时分配技术研究

传统分配方法忽略了货位载重约束,且采用的寻优方法容易陷入局部最优,导致货位分配结果稳定性和出入库效率低、阻塞时间长。为此,提出一种货位载重约束下自动化仓库货位实时分配方法。对货位分配问题进行分析,依据出库时间目标构建货架稳定性模型,对货架稳定性模型进行货位载重、存取和存储约束;引入Pareto最优解,通过遗传方法对目标函数进行求解,求解过程包括染色体编码、染色体解码、适应度函数和种群选择、交叉和遗传。实验结果表明,所提方法稳定性和出入库效率高、缓冲区阻塞时间短。