基于混沌量子免疫算法的电力系统无功优化

针对电力系统无功优化问题的离散性和多约束非线性特点,提出一种混沌量子免疫算法的电力系统无功优化方法。该算法利用量子比特和由Logistic映射产生的混沌变量来初始化寻优量子抗体,从而保证了算法的遍历寻优和搜索高效性。通过量子旋转门来实施抗体的克隆扩增和变异,利用线性变换将量子抗体由单位空间映射到寻优问题的解空间。IEEE30节点仿真验证混沌量子免疫算法用于电力系统无功优化的可行性和有效性。

考虑单位长度参数变量的线路参数估计方法

高压线路的电阻、电抗和对地电纳在数值上差别很大,常规参数估计方法将其作为独立变量分别估计,导致电阻、电抗和对地电纳的估计值误差不一致,其中小阻抗的误差常常很大。针对上述问题,提出了一种基于单位长度参数和长度的线路参数估计新模型。其中,状态变量为线路两端的多时段电压幅值与相角,参数变量为线路的单位长度参数和长度。由于引入了长度作为电阻、电抗和对地电纳的公共变量,突出了线路参数整体对潮流状态的影响,因而新模型可以保证线路参数估计值误差的一致性,避免了常规模型中小阻抗大误差的问题。另外,还提出了参数估计的混沌量子免疫算法,其具有全局寻优能力强,算法稳定的优点。算例结果验证了模型与算法的有效性。