配电网多目标无功优化方法研究与应用

无功优化是电力系统安全经济运行的核心问题之一,电力系统无功优化规划是一个较复杂、多目标、非线性的混合规划.它的目标是在满足约束条件的前提下,使系统的某个指标或多个指标达到最优.文章在分析配电网无功优化所面临困难的基础上提出了一种优化方法,并结合一配电网实例利用PowerStation软件的优化潮流程序加以实现.计算结果表明,这种多目标无功优化方法及应用软件有利于提高配电网的无功优化水平.     

混合智能算法的多目标无功优化方法

传统电力无功优化主要集中在引入或改进某种单一智能优化算法,进化算子的不变性难以保证算法在各寻优阶段的稳定性和普适性.本文提出基于多种智能算法动态混合策略的多目标无功优化方法.该方法采用计及系统网损与电压偏移的多目标优化模型,考虑多种智能算法在不同寻优阶段的优劣特征,基于帕累托最优动态确定备选算法的使用比例,使多种智能算法优势互补以提高整体寻优效率.以IEEE 30节点、系统多目标无功优化为算例,结果表明新方法在帕累托前沿和收敛特性等方面都表现更优.     

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.     

粒子群优化算法在无功优化问题中的应用

无功优化是电力系统安全经济运行的核心问题之一,电力系统无功优化规划是一个较复杂、多目标、非线性的混合规划.它的目标是在满足约束条件的前提下,使系统的某个指标或多个指标达到最优.在分析配电网无功优化所面临困难的基础上提出了一种粒子群优化算法,并结合IEEE30节点试验系统利用粒子群算法以实现.计算结果表明,这种优化方法有利于提高配电网的无功优化水平.     

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.     

无功优化方法的研究

无功优化是电力系统安全经济运行的核心问题之一,它的目标是在满足约束条件的前提下,使系统的某个指标或多个指标达到最优。本文较为详细地分析了人工智能方法在无功优化中的应用,即遗传算法、模拟算法、专家系统、人工神经网络法等应用于无功优化的基本思想。     

浅谈无功电压优化控制策略

本文在分析电力系统无功优化现状的基础上,依据电压优化控制的基本原则,建立了以动态无功优化为目标约束的控制模型,提出了基于混合遗传算法的电网电压无功优化的控制策略.     

计及电压稳定的电力系统无功规划优化

提出了一种考虑电压稳定的多目标无功规划优化的模型，并用模糊方法和遗传算法对其进行了求解。在无功优化的多目标中，包括了电压稳定性的静态指标一系统的静态稳定裕度λmin，约束条件中考虑了发电机的无功备用约束。无功优化前，首先用特征结构分析法确定当前运行方式下的系统薄弱节点作为候选补偿点，然后用无功优化模型决定候选补偿点应加装的无功补偿容量。     

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。     

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.     

基于时段解耦的含特殊负荷的配电网动态无功优化

针对特殊负荷的扩大化趋势导致配电网中潮流分布不确定、电压波动范围增大、无功电压调控困难的问题,提出一种含特殊负荷的配电网动态无功优化方法.基于随机潮流计算对含特殊负荷的配电网潮流不确定性进行描述;针对离散控制设备动作次数约束造成动态无功优化问题的时空强耦合性,提出一种时段解耦策略来实现原问题的解耦并将其转化为逐时段连续优化决策;基于电压概率分布信息及设备调节能力分别设计了电压质量和设备动作罚函数,优化目标充分计及网损、电压概率分布以及设备调节能力的共同作用,根据优化进程中的控制变量及状态变量信息实现配电网无功电压的趋优控制.最终,以IEEE33节点配电网进行实例分析,验证了文中所提方法的有效性.     

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。     

动态多目标优化进化算法研究综述

动态多目标优化进化算法主要研究如何利用进化计算方法求解动态多目标优化问题,其已成为进化计算领城一个新的研究课题.本文首先介绍了动态优化问题的分类,然后描述了动态多目标优化问题的基本概念、数学表述,最后在当前对动态多目标优化进化算法的基本原理、设计目标、研究现状及性能度量讨论的基础上,提出了对动态多目标优化问题需进一步研究的关键问题.     

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。     

云南电网无功优化配置方案

在合理电网规划和电源规划的同时,进行无功规划是维持电网电压稳定和保证电能质量的不可缺少工作。根据"十二.五"云南电网规划,使用BPA软件对云南电网"十二.五"进行分层分区无功平衡分析。利用灵敏度分析找出无功补偿敏感点,从动态仿真角度研究了无功补偿类型。从优化角度论证了无功配置能够满足电网无功优化运行。提出的无功优化配置,对云南电网"十二.五"无功规划具有良好的指导意义。     

基于全寿命周期成本的配电网多阶段无功规划

以无功补偿方案全寿命周期净收益现值为目标函数,建立了多阶段配电网无功规划数学模型.不仅考虑了多阶段配电网无功规划方案的初始投资、运行维护成本、报废成本,反映了无功补偿方案全寿命周期的降损节能收益能力,还考虑了配电网在不同阶段的无功负荷需求,使无功补偿设备可以分阶段进行安装建设,优化了工程投资.提出了一种混沌多粒子群算法并对上述模型进行求解,该算法克服了基本粒子群算法早熟问题.最后,通过配电网无功规划实例验证了上述模型和方法的正确性及有效性.     

模糊规划在电力系统无功优化中的应用

对于电力系统无功优化问题,本文采用了线性规划结合模糊数学中寻优原理的综合处理方法,给出了无功优化问题的线性模型及有关各目标函数的最优性隶属函数,从而得出了多目标问题令人满意的结果。     

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。     

电压无功优化功能在电网调度中的应用研究

对电能质量的控制是电网运行管理的重要任务。地区的电网是直接面向用户的,所以减少无功在线路上的流动、降低网络损耗以及提高供电效率就成为所有供电部门的主要目标。本文主要介绍了电压无功优化功能在我市电网调度中的应用情况,以供参考。     

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。