基于多种群分层粒子群优化算法的电力系统低压减载优化方法研究

低压减载是维护电力系统电压稳定的一道重要防线。最优减载问题是离散变量(地点和轮次)和连续变量(各轮的控制量)的混合优化问题。提出了一种利用多种群分层粒子群优化算法(HSPPSO)求解最优减载问题的新思路,采用受动态电压约束的系统最优潮流所建立的优化模型,以所切负荷总量最小为目标函数。最后以IEEE-39节点作为算例,结果与标准粒子群算法(PSO)和遗传算法(GA)对比,得出在同样的稳定裕度和迭代次数要求下,HSPP-SO算法总能够得到最小的减载量,表现出了在求解UVLS问题时的良好适应性。

基于动态负荷特性指标化的集中式低压减载方案

针对考虑负荷模型的最优减载问题,在戴维南等值电路的基础上指出传统依据静态负荷指标考虑低压减载问题可能导致分析不准确的原因。推导了基于本地量测信息的动态电压稳定裕度指标,该指标考虑节点负荷特性,能够通过本地量测量信息实时得出,不用进行复杂的节点戴维南等值,在电压变化的关键区域能够近似线性地反映出该点的负荷裕度,从而降低优化问题的维数。依据该指标建立了集中式最优减载的数学模型,将多种群分层粒子群算法与该模型结合推导出求解流程。IEEE39节点系统上的仿真结果表明所提方法在解决考虑动态负荷模型的低压减载问题上表现出了良好的适应性。