电力系统静态线路参数启发式估计

电力系统线路参数估计传统数值方法受到诸多限制。该文提出基于经验知识的参数估计目标函数修正项,导出状态估计与参数估计目标函数极值的关系,由此提出将目标函数从增广解空间垂直投影到参数空间的估计策略,并指出参数估计偏差的成因。针对投影的局部单峰特性,提出分段适应粒子群优化(staged particle swarm optimization,SPSO)算法。该算法根据群体适应度方差分阶段调整飞行参数,并在初始阶段增加新型免疫记忆算子。补充证明以估计值均值作无偏估计的可行性。仿真算例表明:应用该文修正项和SPSO方法,能快速准确的估计线路参数,并提高参数估计精度和降低对量测系统参数可估计性的要求,估计均值更接近参数真值。

基于记忆的改进克隆算法及其PMU配置多目标优化应用

以PMU安装数、量测系统可观测性和基于混合量测的状态估计精度三者为优化目标的PMU优化配置(OPP)是二层规划问题。该文证明了用单次状态估计精度评价量测系统性能的可行性,提出精度加权估算公式。将二层规划目标简化为分段函数,提出基于记忆的改进克隆算法。除模仿生物免疫系统的克隆选择和受体编辑机制外,该算法引入记忆加速算子以强化邻域搜索,并分段调整循环补充规模、高频变异与重组操作概率,从而显著加快和稳定进化进程,避免搜索陷入局部最优解。基于IEEE14/57节点系统的算例表明,该算法能快速稳定地求出全局最优解及近似解,比原克隆算法等更适用。

电力系统经济负荷分配的人工免疫混沌优化算法

提出了一种用于求解复杂电力系统经济负荷分配问题的新的人工免疫混沌优化算法,该算法融合了人工免疫算法极强的全局搜索能力以及混沌优化方法适合局部搜索的特点。在优化过程中,人工免疫算法通过克隆选择、克隆扩增和高频变异形成记忆细胞,并将其作为最优解的近似解,然后按混沌运动规律在近似解的邻域内进行局部搜索,进而获得精确的最优解。多个算例仿真结果表明,所提出的算法能够有效地解决经济负荷分配问题。