基于三点估计法的含风电场电力系统无功优化

针对电力系统无功优化时风电出力及负荷的不确定性和相关性,建立一种综合考虑多种不确定因素的无功优化模型。采用三点估计法处理该模型中的不确定因素,将不确定潮流计算转化为较少采样点处的确定潮流计算。为克服花朵授粉算法易陷入局部最优、寻优精度低等不足,将拉丁超立方采样技术、自适应调整转换概率及邻域策略应用于花朵授粉算法,提出一种改进花朵授粉算法求解所建优化模型。在含风电场的IEEE30节点系统上进行仿真测试,结果表明所提无功优化模型和求解方法在不确定环境下能够有效降低系统网损并减小系统状态变量发生越限的风险,从而保证系统的安全经济运行。

基于改进蚁狮算法的电力系统最优潮流计算

电力系统的最优潮流计算问题是一个多维、非线性的优化问题。它通过调节发电机有功出力、机端电压等控制变量来达到优化系统的某一性能指标的目的,并保证所有的约束条件都得到满足。基于蚁狮优化算法搜索能力强大而利用能力不足的特点,提出一种改进蚁狮优化算法(MALO)来求解电力系统的最优潮流问题。改进算法通过在建模中引入漩涡收敛方式,在增强原算法利用能力的同时,也更加符合蚁狮捕食蚂蚁的生物学机制。以发电机成本和全网网损为目标函数,将改进算法用于阿尔及利亚电网及标准IEEE30节点的最优潮流计算中,并与原算法和其它一些智能算法进行比较,验证了改进算法的优越性。该改进算法对于实际电力系统的规划和运行具有一定的参考意义。

基于图谱理论的电力系统关键节点识别方法

引入图谱理论从数学角度建立了电力系统网络拓扑图的有效电阻矩阵,并基于有效电阻矩阵提出了节点耦合关键度指标。通过对节点耦合关键度累积概率分布进行分析,验证了电力系统的无标度特性,进而将节点耦合关键度用于电力系统关键节点的识别。该指标不仅满足基尔霍夫定律,也能表明节点相角与节点功率的定量关系,其物理意义更加符合实际电力系统。另外,通过容量生存率、负荷生存率、线路生存率和综合生存率4个指标来描述节点发生全失故障对电力系统造成的影响。最后,对IEEE-39节点算例的仿真验证表明,基于有效电阻矩阵得到的节点耦合关键度指标对处于系统拓扑结构中关键位置的节点有一定识别作用,能为电力系统的安全稳定运行提供指导。

基于潮流转移分布熵和负荷冲击灵敏度熵的电力系统关键线路识别

从直流潮流入手,结合矩阵理论,提出一种基于网络拓扑结构确定潮流转移区域及计算潮流转移量的方法,基于此定义潮流转移分布熵和负荷冲击灵敏度熵,提出关键线路综合评价指标。该指标既能衡量线路断开后系统内潮流转移按照线路容量裕度分布的均衡程度,又能衡量线路对各负荷节点负荷变化的灵敏程度。通过对所识别的IEEE 39节点系统的关键线路进行静态攻击,证明了所提方法的有效性和可行性。

基于改进泰尔熵和熵度的电力系统关键节点识别

为了弥补信息熵考虑因素单一的缺陷,引入泰尔熵并对其适当改进用于电力系统关键节点识别中。改进后的泰尔熵将系统线路按照负载率进行分区,并分别计算节点功率变化时同区及区间潮流分布的均匀程度,然后采用负载率对同区结果进行加权,得到节点的改进泰尔熵指标。为了使识别结果更贴近工程实际,采用熵度评估了节点网络拓扑位置的重要性,然后提出了关键节点综合评估指标。综合评估指标兼顾节点网络拓扑结构重要性和其功率变化对潮流的影响情况,通过对IEEE-39节点系统进行关键节点识别验证,验证了方法的可行性和有效性。

基于拟蒙特卡洛的半不变量法概率潮流计算

随着风电并网容量的增加,概率潮流计算方法在计及风电出力不确定性的同时,还需考虑邻近风电场由于风速相关性导致的风电出力相关性问题。针对风电出力波动范围较大且存在相关性的特点,提出一种可考虑输入变量相关性的基于拟蒙特卡洛的半不变量法概率潮流计算方法。该方法利用基于Nataf变换的拟蒙特卡洛法产生具有相关性的风电出力样本,在各样本点处进行半不变量法概率潮流计算,基于各风电出力样本下的状态变量正态分布特性,依全概率公式整合所得正态分布得到最终的概率潮流结果。基于IEEE 30节点系统的算例分析表明,所提方法在较小采样规模下具有很高的计算精度,能够较精确地得到系统状态变量的概率分布。

航海家优化算法在电力系统最优潮流计算中的应用

受15、16世纪地理大发现中航海家探险行为的启发,提出了一种新型元启发式智能算法——航海家优化算法(navigator optimization algorithm,NOA)来求解电力系统的最优潮流。新算法中定义了搜寻周期的概念,通过较好地平衡迭代过程中"搜索"和"利用"的程度,可以实现更好的寻优性能。将所提出算法用于IEEE 30和IEEE 118节点系统的最优潮流计算,并与现存的其他智能算法进行比较,验证了所提出算法的优越性。该算法对于实际电力系统的规划和运行具有一定的参考意义。