基于改进鲸鱼优化算法的同步相量测量单元多目标优化配置

针对因配电网节点数目多但投资成本少造成的同步相量测量单元(phasor measurement unit,PMU)供需不平衡问题,建立了考虑PMU配置个数、状态估计误差的PMU多目标优化配置模型,优化问题的目标是最小化所需的PMU个数和最小化状态估计误差。并提出一种改进鲸鱼优化算法来求解模型。首先引入非支配排序和拥挤度计算来选择并排序Pareto非支配解,保证算法求解全局最优值的能力,其次引入Levy飞行策略对鲸鱼优化算法的螺旋更新位置进行变异扰动,使算法不易陷入局部最优。最后,采用优化配置模型对IEEE 33标准节点系统进行仿真计算。结果表明,与遗传算法和粒子群算法相比,采用改进鲸鱼优化算法求解PMU多目标优化配置模型具有更高的可行性和有效性。

基于改进磷虾群算法的配电网PMU优化配置研究

随着大量分布式电源和随机负荷等引入,导致配电系统在越来越复杂及不确定的工况中运行,其状态估计结果与量测装置需要更多地考虑不确定性因素。虽然同步相量量测装置可以通过提供实时量测数据来提高状态估计结果,但考虑到配电网节点较多以及投资成本不足造成供需不平衡,所以在短时间内配电网不可能大规模配置。该文基于经济性的原则来配置PMU测量装置,对最大提高状态估计结果的精度进行研究。同时采用改进的磷虾群算法对IEEE-33节点模型进行测试,从而得到PMU最优配置Pareto非劣解集。该文对IEEE-33节点三相配电网系统进行仿真计算,与遗传算法和粒子群算法比较;仿真结果验证了该算法的可行性、有效性以及优越性。