自适应选择进化算法的多目标无功优化方法

基于帕累托最优概念的多目标进化算法在电力系统无功优化领域已有广泛应用,但目前通过某种单一算法求解的方式由于进化算子的唯一性,难以保证进化过程不同寻优阶段的普适性和鲁棒性,因此提出一种基于多种进化算法自适应选择的多目标无功优化方法。通过分析已有多目标进化算法的特征,考虑协调性与互补性,建立包含4类算法的备选池;在进化过程不同阶段根据寻优性能自适应地确定备选算法的使用比例,从而综合多种算法的性能优势,提高整体寻优效率。以IEEE 30节点标准系统的多目标无功优化为算例,从帕累托前沿、外部解及C指标等方面与已有单一算法的优化结果进行比较,表明所提新方法在整个进化过程中都显示出了更优的收敛特性。

电力系统无功优化的LRS-PSO算法

提出一种应用局部随机搜索粒子群优化(LRS-PSO)算法求解电力系统无功优化的新方法。使用概率调用策略调用局部随机搜索(LRS)算子。给出了适合无功优化问题的LRS算子的具体实现以及应用LRS-PSO算法求解电力系统无功优化的步骤。对IEEE 30节点测试系统进行了无功优化计算,并与标准遗传算法(SGA)、粒子群优化(PSO)算法的测试结果进行了比较。仿真结果表明,与SGA、PSO算法相比,应用LRS-PSO算法求解无功优化问题具有质量更高的解,收敛特性更好。

基于辅助问题原理的改进分布式无功优化方法

对于电力系统多区域分布式无功优化问题,辅助问题原理(APP)是一种有效的解决方法。从分布式无功优化模型和APP方法的本质出发,分析现有分布式无功优化文献中子区域的局部平衡节点和收敛精度对全局收敛的影响,提出子区域中舍弃局部平衡节点和动态调整子优化问题收敛精度的策略,以提高APP方法在分布式无功优化中的应用效率和算法的整体收敛速度。通过多个IEEE算例仿真,验证了所提策略的正确性和有效性。

电力市场环境下的无功潮流优化

为了满足电力市场环境下的无功潮流优化运行,详细分析了电力市场环境下无功成本的发生;由于系统发生故障或系统负荷增长而造成系统的无功短缺是电压失稳的主要原因,提出了一个简单实用的故障筛选和排序方法,并以严重事故下电压稳定作为约束条件建立了电力市场环境下无功潮流优化的数学模型,再用免疫算法求解此模型。IEEE-30系统算例结果表明该模型的正确性和算法的可行性。详细比较不同电压稳定标准下及不同体制环境下无功潮流优化的结果得出,在电力市场环境下必须将减少无功成本纳入无功潮流优化目标函数中。

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.

一种新的ATC计算方法及其在无功潮流优化中应用

提出了考虑电压稳定同时提高ATC计算速度的方法,即在P-Q坐标中,依据线路潮流分布因子计算潮流的变化方向,充分考虑线路的热稳定极限和电压稳定P-Q域的位置,从而确定线路稳定运行极限点并计算系统的ATC,计算量小;由于在无功潮流优化中,改变系统无功潮流和节点电压和相角会影响系统ATC,为此将提高系统ATC作为无功潮流优化目标,并运用免疫算法对其优化求解。IEEE-30节点系统的测试结果表明,本文所推导计算ATC方法正确,在无功潮流优化中考虑提高系统ATC可行。