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.     

基于改进粒子群算法的配电网综合运行优化

在无功优化、分布式电源(DG)有功优化和网络重构协同的条件下,以有功网损最小为目标函数、多种电气限制和网络拓扑结构为约束条件建立了配电网综合运行优化模型;针对基本粒子群算法容易陷入局部最优、收敛速度慢等缺点,提出一种改进的粒子群(IPSO)算法,并将其用于求解配电网综合运行优化模型.结果表明,所建配电网综合运行优化模型能够同时优化补偿电容器投切容量、有载调压变压器变比、DG出力和网络开关状态,从而获得配电网的最佳运行状态.同时,通过IEEE 33节点配电网算例的仿真结果验证了配电网综合运行优化模型的有效性和IPSO算法的高效性.     

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。     

基于遗传算法和粒子群优化算法的电力系统无功优化

从数学的角度分析,电力系统无功优化是一个多变量、多约束、非连续性的混合非线性规划问题,因此,优化过程十分复杂.以减少有功网损为目标函数建立电力系统无功优化计算的数学模型,基于遗传算法和粒子群优化算法,提出一种新颖的混合策略来求解无功优化问题.IEEE 6和IEEE 14节点系统的仿真计算结果表明:与单一的遗传算法或粒子群优化算法相比,该混合策略在优化效果方面具有明显的优势.     

基于参数控制变量最优潮流算法在电力系统配网无功优化中的应用

在电力系统配网无功优化计算中,由于总的无功最优补偿容量无法确定,所以传统的等网损微增率方法无法得到一个较优的补偿方案;另外,在配网的实际运行中,当电压偏差较大时,有载调压变压器往往作为调节电压的手段而对无功功率的分布产生影响,这也使得等网损微增率方法难以实现.为了解决该问题,提出了一种将基于参数控制变量的最优潮流算法作为主要手段的新型无功优化方法.该方法以最小化平衡节点的注入功率为目标函数,将并联补偿的电容器组的电纳值和可调变压器的变比作为控制变量,在计算过程中计入了由于进行无功补偿所造成的网络参数变化,从而提高了计算精确度.最后给出了该方法应用于IEEE-30节点系统的计算实例.     

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%。     

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。     

关于农网无功补偿优化研究

电力供电网节能降损是一个重要的研究课题。本文在剖析电网无功补偿问题主要原因基础上,利用等网损微增率准则进行优化计算,形成无功补偿最优化地点和容量方案,并结合农网线路较长、负荷波动大的特点,通过无功补偿容量的优化设计方法,论证了升压降损的优点及适用性。     

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.     

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.     

基于改进多粒子群算法的电力系统无功优化

将改进的多粒子群算法应用于电力系统无功优化问题的求解，克服了传统粒子群算法收敛精度不高、易陷入局部最优的缺点．该优化方法对原粒子群算法进行了如下改进：通过增强粒子群间的协同作用、引入惯性因子以及扰动的策略，来平衡集中强化搜索和分散多样化搜索过程．对IEEE6节点和IEEE30节点系统分别进行无功优化计算，并与传统粒子群算法进行了比较，结果表明，该算法求得的有功损耗较原状态降低了近1／5，且电压合格率为100％，具有较强的全局搜索能力和较高的收敛精度，是求解无功优化的有效方法．     

一种改进PSO算法的电力系统无功优化方法

粒子群优化（PSO）算法是一种新兴的群体智能优化技术,其思想来源于人工生命和演化计算理论,PSO通过粒子追随自己找到的最优解和整个群的最优解来完成优化．该算法简单易实现,可调参数少,已得到广泛研究和应用．本文将粒子群优化算法应用到电力系统无功优化问题的研究中,给出了具体的实施流程．为提高PSO的搜索能力,对PSO进行了改进,在算法中加入了第3种极值指导粒子搜索方向．对IEEE-6节点系统的仿真计算结果表明了算法的有效性．     

修正的混沌粒子群算法求解经济负荷分配

为克服粒子群优化算法容易陷入局部最优、后期收敛慢等缺点,提出了一种修正的混沌粒子群优化算法.该算法通过修正粒子群迭代的行动策略,并引入遍历性较强的Tent混沌局部搜索机制,可以增强粒子的全局搜索能力,提高优化算法的全局寻优性能.将修正的混沌粒子群算法分别应用于6机组和15机组电力系统中求解经济负荷分配,在考虑系统网损和机组运行约束条件的情况下进行仿真实验.仿真结果表明:该算法用于求解高维、非凸、不连续等非线性复杂约束条件的电力系统经济负荷分配问题上,有着较快的收敛速度和较强的全局寻优能力.最后,通过与其它智能算法比较,验证了算法的有效性和优越性.     

基于随机矩阵理论和改进粒子群优化-深度置信网络的无功优化

配电网无功优化是使电网能安全稳定运行的重要问题,本文将深度学习应用于配电网无功优化上,提出基于改进的粒子群优化 (Particle swarm optimization, PSO)深度置信网络（Deep Belief Networks,DBN）模型的配电网无功优化方法。首先,利用随机矩阵理论将配电网运行过程中产生的环境以及电气数据构造五种随机矩阵,每种矩阵构建8种特征指标,共提取40种特征指标;其次,以随机矩阵理论所提取的各特征指标为输入,以变压器分接头档位和节点的无功补偿容量作为输出,利用改进的PSO优化DBN网络的初始权重,建立PSO-DBN模型,学习各特征指标输入与变压器分接头档位以及节点无功补偿这两种控制策略之间的关系,得出相应的无功优化策略。最后,以改进的IEEE33节点系统作为算例仿真对象,验证了所提方法可降低网损和减少电压波动。     

PSO算法在电力系统中的应用现状和前景探析

粒子群优化（PSO）算法是一种新兴的群体智能优化技术,在简要介绍PSO算法工作原理的基础上,描述了粒子群优化方法在电网规划、检修计划、短期发电计划、机组组合、负荷频率控制、最优潮流、无功优化、谐波分析与电容器配置、参数辨识、状态估计、优化设计等方面的应用,并对今后可能的应用指出了研究方向．     

云模型和混沌粒子群算法的多目标无功优化

为了克服基本粒子群算法易陷入局部最优值和后期收敛速度慢的不足,提出一种基于云模型的自适应粒子群算法。该算法首先采用混沌优化策略对粒子群进行初始化,增加粒子取值的多样性;其次根据粒子的适应度值将种群中的粒子分成靠近最优值、较靠近最优值和远离最优值3个子群,并分别采取不同的惯性权重生成策略进行处理,其中较靠近最优粒子子群的惯性权重由正态云发生器动态自适应调整,摆脱算法陷入局部最优值束缚;最后在迭代后期通过正态云算子实现粒子的变异操作,使算法后期快速收敛到最优解。对标准IEEE30节点系统和IEEE118节点系统进行测试仿真,结果表明了文中算法解决多目标无功优化的有效性。     

配电网无功优化的新算法

根据油田配电网的特点,提出了一种计算配电网无功功率补偿的数学模型。分析了配电网的潮流,综合考虑了节约电能和设备投资两个经济指标,以配电网年运行费用最小为优化目标,运用该模型确定了合理而经济的补偿容量和最佳补偿位置。用这种算法可以实现配电网就地基本无功平衡,最大限度地减少配电线路上的电能损耗。实例说明,运用该优化补偿方案进行降损具有较好的经济效益。