CN102723721A - 基于个体最优位置自适应变异扰动粒子群算法的电力系统无功优化方法 - Google Patents
基于个体最优位置自适应变异扰动粒子群算法的电力系统无功优化方法 Download PDFInfo
- Publication number
- CN102723721A CN102723721A CN2012101756604A CN201210175660A CN102723721A CN 102723721 A CN102723721 A CN 102723721A CN 2012101756604 A CN2012101756604 A CN 2012101756604A CN 201210175660 A CN201210175660 A CN 201210175660A CN 102723721 A CN102723721 A CN 102723721A
- Authority
- CN
- China
- Prior art keywords
- max
- particle
- reactive power
- num
- dimension
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/30—Reactive power compensation
Abstract
本发明公开了一种基于个体最优位置自适应变异扰动粒子群算法的电力系统无功优化方法。包括以下步骤:建立电力系统无功优化模型;输入电网参数,形成初始种群,计算种群所有粒子对应的网损值;记录初始种群的个体最优位置与个体最优网损值,全局最优位置与全局最优网损值;粒子的速度与位置更新;计算种群每个粒子对应的网损值,并更新种群的个体最优位置与个体最优网损值,全局最优位置与全局最优网损值;根据自适应判据判断是否进行变异。本发明的方法收敛速度快、计算精度高、稳定性好、能有效地求解电力系统无功优化问题,可用于电力系统提高电力系统输电效率、降低网络损耗配置实时性运行控制中。
Description
技术领域
本发明涉及电力系统设计,尤其是提高电力系统输电效率、降低网络损耗配置实时性运行方法技术领域。
背景技术
随着电网规模的日益扩大,电网结构也日趋复杂。用户要求供电更加可靠,电能质量更加良好。电压质量为电能质量评价中的一个重要指标。电压的偏移或波动过大均会造成电力系统的一系列不良影响,如不稳定运行、输电线路损耗增加、用电损耗增加等。因此,为保证电力系统的健康运行,电压的偏移不能超过规定的额定值。然而,电力系统的无功功率平衡决定了运行电压的水平,即无功源的无功功率输出须与负荷和无功损耗的无功功率需求平衡。因此,为了保证电压质量则需要保证电力系统的无功平衡。若电力系统的无功功率不足,则需进行无功补偿。为改善和提高电压质量,减少输电线路的损耗,不但需通过提高用户侧的负荷功率因数,同时需要通过优化配置无功补偿装置使得无功电源合理分布。为此,进行合理的无功优化规划,使无功负荷达到就地平衡,有利于实现电力系统的安全、稳定、经济运行。
无功优化是一个复杂的非线性优化问题,其目标函数一般都与约束条件的非线性、控制变量的连续性与离散型相混合,电力系统无功优化面临的关键问题是对非线性函数的处理、算法的收敛性以及如何优化问题中的离散变量。随着电力系统的飞速发展以及迫切需求,常规的优化方法不能满足无功优化的计算的复杂度以及实时性。人工智能优化算法以其计算效率高的优点为解决电力系统无功优化提供了新的途径与手段。其中,粒子群优化算法是近年来被广为关注和研究的一种。粒子群优化算法的优点是原理简单,所需参数少,效率高。故将粒子群优化算法用于无功优化的求解中能很好地保证实时性的要求以及优化效果。
发明内容
本发明的目的在于提供一种基于个体最优位置自适应变异扰动粒子群算法(Adaptive Mutation Disturbance Particle Swarm Optimization Algorithm Based on Personal Best Position,AMDPSO),用于电力系统的无功优化,该算法具有快速、高效、稳定的特点。
本发明的具体步骤为:
(a)所采用电力系统无功优化数学模型为:
式中:F为目标函数;λ1、λ2分别为违反电压约束和发电机无功出力约束的惩罚因子,一般取100;α、β分别为违反节点电压约束和发电机无功出力约束的节点集合;Vi、Vimax、Vimin分别为节点电压及其上限和下限;Qi、Qimax、Qimin分别为发电机节点无功出力及其上限和下限;Vilim、Qilim分别为节点i电压和无功的限值。
其定义如下:
等式约束为:
式中Pi、Qi、Vi分别为节点i处注入的有功、无功和电压;Gij、Bij和θij为节点i、j的电导、电纳和相角差;NB为节点总数。
不等式约束为:
式中:VGK,min、VGK,max为可调发电机电压的上、下限;Ci,min、Ci,max为补偿电容器投切组数的上、下限;Tj,min、Tj,max为可调变压器分接头档位的上、下限;NG为所有可调发电机节点总数;Nc为所有无功补偿节点总数;NT为所有变压器支路总数。
(b)输入电力系统无功优化控制变量的数据,并初始化种群。设迭代次数t=1;无功优化控制变量有D个,初始种群有n个粒子,第i个粒子的位置xi=(xi1,xi2…xiD),第i个粒子的初始化位置按如下计算得到:
发电机电压幅值:xij=Vmin+(Vmax-Vmin)×rand(0,1),其中xij表示第i个粒子的第j维的位置,Vmax与Vmin分别为对应的发电机电压幅值的上下限,rand(0,1)为[0,1]之间的随机数。
变压器:xih=Tmin+round(rand(0,1)×Tnum)×(Tmax-Tmin)/Tnum,其中xih表示第i个粒子的第h维的位置,Tmax与Tmin分别为对应的变压器调节的上下限,Tnum为变压器可调的档位数,rand(0,1)为[0,1]之间的随机数,round()为四舍五入取整函数。
无功补偿量:xik=Qmin+round(rand(0,1)×Qnum)×(Qmax-Qmin)/Qnum,其中xik表示第i个粒子的第k维的位置,Qmax与Qmin分别为对应的无功补偿量的上下限,Tnum为无功补偿量的投入档数,rand(0,1)为[0,1]之间的随机数,round()为四舍五入取整函数。
第i个粒子的初始化位置按如下计算得到:
vid=vid_min+(vid_max-vid_min)×rand(0,1),其中vid表示第i个粒子的第d维的速度,vid_max与vid_min分别为该维速度的上下限,rand(0,1)为[0,1]之间的随机数。
(c)进行潮流计算(采用牛顿-拉夫逊法),并记录种群第i个粒子的个体最优网损值fpbest(xi)、种群全局最优网损值fgbest、第i个粒子个体最优位置pbesti以及种群全局最优位置gbest;
(d)在第t代中,第i个粒子第d维的速度vid(t)与位置xid(t)按如下公式更新速度与位置:
vid(t+1)=ω(t)×vid(t)+c1×r1×(pid(t)-xid(t))+c2×r2×(pgd(t)-xid(t))+r
xid(t+1)=xid(t)+vid(t+1),1≤i≤n,1≤d≤D
ω(t)=(ωini-ωfin)(Tmax-t)/Tmax+ωfin
其中,c1,c2为正常数;r1,r2为[0,1]之间的随机数;pid(t)为第i个粒子第d维在t代中找到的个体最优位置;pgd(t)为整个种群在t代中找到的第d维全局最优位置;r为扰动项,它符合标准正态分布,且根据实际问题的不同,扰动项r所符合的正态分布的均值与方差值有所不同;Tmax为最大迭代次数;ωini为初始惯性权值;ωfin为最大迭代次数时的惯性权值。
粒子位置与速度越界处理:当xid>xd.max时,xid=xd.max;当xid<xd.min时,则xid=xd.min。同理,当vid>vd.max时,vid=vd.max;当vid<vd.min时,则vid=vd.min。其中,xd.max、xd.min分别表示搜索空间第d维的搜索范围上下限;vd.max、vd.min分别表示搜索空间第d维的速度上下限。
按如下对变压器与无功补偿量的位置进行离散处理:
变压器:xih=round(xih×Tnum/(Tmax-Tmin))×(Tmax-Tmin)/Tnum,其中xih表示第i个粒子的第h维的位置,Tmax与Tmin分别为对应的变压器调节的上下限,Tnum为变压器可调的档位数,round()为四舍五入取整函数。
无功补偿量:xik=round(xik×(Qmax-Qmin)/Qnum)×(Qmax-Qmin)/Qnum,其中xik表示第i个粒子的第k维的位置,Qmax与Qmin分别为对应的无功补偿量的上下限,Tnum为无功补偿量的投入档数,round()为四舍五入取整函数。
(e)评价种群,根据计算每个粒子的网损值fk(xi),并比较fpbest(xi)与fgbest,更新fpbest(xi)、fgbest、pbesti与gbest;
(f)根据自适应判据判断是否进行变异操作。若满足则进行变异操作,并再次计算每个粒子的网损值fk(xi),并比较fpbest(xi)与fgbest,更新fpbest(xi)、fgbest、pbesti与gbest;自适应判据如下:
变异操作按如下公式进行:
xid(t)=pid(t)×rand(0,1)
其中,Pid(t)为第i个粒子的第d维在t次迭代内找到的个体历史最优位置,rand(0,1)为[0,1]之间的随机数。
(g)检查适应值是否达到精度要求或达到最大迭代次数。如果精度达到要求或达到最 大迭代次数,则循环结束,输出结果至优化配置无功补偿装置;否则t=t+1,返回步骤(d)。
与现有技术相比,本发明的有益效果是:
本发明针对粒子群优化算法在搜索后期多样性容易缺失而容易陷入局部最优的不足,提出加入扰动,增强种群的多样性。为判断种群多样性是否缺失,提出了一种有效的自适应判据。当种群多样性缺失时,则以粒子的个体最优位置为依据进行变异操作以让种群恢复多样性。基于上述一系列的操作,本发明有效地提高了粒子群算法的优化性能,是一种计算精度高、稳定性好、能有效地求解电力系统无功优化问题的工具。
附图说明
图1IEEE30节点系统中三种不同算法的网损收敛曲线图
具体实施方式:
以IEEE 30节点系统为例,节点网络参数来源于[张伯明,陈寿孙,严正.高等电网络分析[M].北京:清华大学出版社,2007:325-328]。该系统共有30个节点,41条支路,21个负荷节点,6台发电机,4台可调变压器,以及两个电容无功补偿节点。设定可调变压器初始变比为1,发电机初始电压为1,无功补偿点初始为0,得到初始网络损耗为PLOSS=0.0844。
(1)建立无功优化模型,从经济性能出发,以网损最小为无功优化数学模型。考虑到节点电压和发电机无功出力的越界,故对节点电压越界和发电机无功出力越界以罚函数的方式进行处理。数学模型描述公式如下
式中:F为目标函数;λ1、λ2分别为违反电压约束和发电机无功出力约束的惩罚因子,一般取100;α、β分别为违反节点电压约束和发电机无功出力约束的节点集合;Vi、Vimax、Vimin分别为节点电压及其上限和下限;Qi、Qimax、Qimin分别为发电机节点无功出力及其上限和下限;Vilim、Qilim分别为节点i电压和无功的限值。
其定义如下:
等式约束为:
式中Pi、Qi、Vi分别为节点i处注入的有功、无功和电压;Gij、Bij和θij为节点i、j的电导、电纳和相角差;NB为节点总数。
不等式约束为:
式中:VGK,min、VGK,max为可调发电机电压的上、下限;Ci,min、Ci,max为补偿电容器投切组数的上、下限;Tj,min、Tj,max为可调变压器分接头档位的上、下限;NG为所有可调发电机节点总数;Nc为所有无功补偿节点总数;NT为所有变压器支路总数。
(2)输入电网参数,包括支路参数和节点参数、各控制变量和状态变量的上下限。输入AMDPSO的参数,群体个数设置为50;最大迭代次数取100;每一维的最大速度为该维的搜索范围的20%;加速因子c1和c2均取2;扰动r□N(0,R),其中R为每一维的最大速度的20%;ωini取0.9,ωfin取0.4。迭代次数t=1。
第i个粒子的初始化位置按如下计算得到:
发电机电压幅值:xij=Vmin+(Vmax-Vmin)×rand(0,1),其中xij表示第i个粒子的第j维的位置,Vmax与Vmin分别为对应的发电机电压幅值的上下限,rand(0,1)为[0,1]之间的随机数。
变压器:xih=Tmin+round(rand(0,1)×Tnum)×(Tmax-Tmin)/Tnum,其中xih表示第i个粒子的第h维的位置,Tmax与Tmin分别为对应的变压器调节的上下限,Tnum为变压器可调的档位数,rand(0,1)为[0,1]之间的随机数,round()为四舍五入取整函数。
无功补偿量:xik=Qmin+round(rand(0,1)×Qnum)×(Qmax-Qmin)/Qnum,其中xik表示第i个粒子的第k维的位置,Qmax与Qmin分别为对应的无功补偿量的上下限,Tnum为无功补偿量的投入档数,rand(0,1)为[0,1]之间的随机数,round()为四舍五入取整函数。
第i个粒子的初始化位置按如下计算得到:
vid=vid_min+(vid_max-vid_min)×rand(0,1),其中vid表示第i个粒子的第d维的速度,vid_max与vid_min分别为该维速度的上下限,rand(0,1)为[0,1]之间的随机数。
(3)进行潮流计算(采用牛顿—拉夫逊法),并记录种群第i个粒子的个体最优网损值fpbest(xi)、种群全局最优网损值fgbest、第i个粒子个体最优位置pbesti以及种群全局最优位置gbest;
(4)速度与位置更新:在第t代中,第i个粒子第d维的速度vid(t)与位置xid(t)按如下公式更新速度与位置:
vid(t+1)=ω(t)×vid(t)+c1×r1×(pid(t)-xid(t))+c2×r2×(pgd(t)-xid(t))+r
xid(t+1)=xid(t)+vid(t+1),1≤i≤n,1≤d≤D
ω(t)=(ωini-ωfin)(Tmax-t)/Tmax+ωfin
粒子位置与速度越界处理:当xid>xd.max时,xid=xd.max;当xid<xd.min时,则xid=xd.min。同理,当vid>vd.max时,vid=vd.max;当vid<vd.min时,则vid=vd.min。其中,xd.max、xd.min分别表示搜索空间第d维的搜索范围上下限;vd.max、vd.min分别表示搜索空间第d维的速度上下限。
对变压器与无功补偿量的位置进行离散处理:
变压器:xih=round(xih×Tnum/(Tmax-Tmin))×(Tmax-Tmin)/Tnum,其中xih表示第i个粒子的第h维的位置,Tmax与Tmin分别为对应的变压器调节的上下限,Tnum为变压器可调的档位数,round()为四舍五入取整函数。
无功补偿量:xik=round(xik×(Qmax-Qmin)/Qnum)×(Qmax-Qmin)/Qnum,其中xik表示第i个粒子的第k维的位置,Qmax与Qmin分别为对应的无功补偿量的上下限,Tnum为无功补偿量的投入档数,round()为四舍五入取整函数。
(5)评价种群,根据计算每个粒子的网损值fk(xi),并比较fpbest(xi)与fgbest,更新fpbest(xi)、fgbest、pbesti与gbest;
变异操作按如下公式进行:
xid(t)=pid(t)×rand(0,1)
其中,Pid(t)为第i个粒子的第d维在t次迭代内找到的个体历史最优位置,rand(0,1)为[0,1]之间的随机数。
(7)检查适应值是否达到精度要求或达到最大迭代次数。如果精度达到要求或达到最大迭代次数,则循环结束,输出结果至优化配置无功补偿装置;否则t=t+1,返回步骤(4)。
在本次具体实施方式中,种群个数设置为50,最大迭代次数取100。IWPSO、CFPSO以及AMDPSO每一维的最大速度为该维的搜索范围的20%。加速因子c1和c2均取2。另外,CFPSO的收缩因子χ取0.729。AMDPSO的扰动项r~N(0,R),其中R为每一维的最大速度的20%。ωini取0.9,ωfin取0.4。目标函数式中的罚因子λ1、λ2均取100。三种算法的离散变量处理策略采用取最靠近档位的策略。每个程序独立运行10次,优化IEEE30节点系统的平均时间(Mean Time)、最佳优化网损(Best PLoss)、平均网损(Mean PLoss)、网损方差(Std PLoss)以及平均网损下降率(Mean PSave)在表1列出,IEEE30节点优化后的控制变量则在表2列出(结果为10次独立运行中最优结果对应的控制变量)。IEEE30节点系统三种算法的网损动态曲线图如图1所示。
表1三种算法的优化结果对比
表2IEEE 30节点优化后的控制变量
从表1可以看出,在IEEE30节点系统中,相比其他两种算法,在独立运行10次后,AMDPSO的优化效果更好。但对于最佳优化网损的结果,AMDPSO则不如IWPSO以及CFPSO。从方差上而言,AMDPSO相比其他两种算法具有更好的收敛稳定性。但AMDPSO的优化时间仍较其他两种算法稍长。
从图1可看到,AMDPSO的收敛速度明显更快。大约在迭代75次时AMDPSO的精度已经达到了IWPSO和CFPSO经100次迭代所得精度,展示了AMDPSO寻优的有效性和高效性。
Claims (1)
1.基于个体最优位置自适应变异扰动粒子群算法的电力系统无功优化方法,在实时性运行中提高电力系统输电效率、降低网络损耗配置,其步骤包含:
(a)所采用电力系统无功优化数学模型为:
式中:F为目标函数;λ1、λ2分别为违反电压约束和发电机无功出力约束的惩罚因子,一般取100;α、β分别为违反节点电压约束和发电机无功出力约束的节点集合;Vi、Vimax、Vimin分别为节点电压及其上限和下限;Qi、Qimax、Qimin分别为发电机节点无功出力及其上限和下限;Vilim、Qilim分别为节点i电压和无功的限值;
其定义如下:
等式约束为:
式中Pi、Qi、Vi分别为节点i处注入的有功、无功和电压;Gij、Bij和θij为节点i、j的电导、电纳和相角差;NB为节点总数;
不等式约束为:
式中:VGK,min、VGK,max为可调发电机电压的上、下限;Ci,min、Ci,max为补偿电容器投切组数的上、下限;Tj,min、Tj,max为可调变压器分接头档位的上、下限;NG为所有可调发电机节点总数;Nc为所有无功补偿节点总数;NT为所有变压器支路总数;
(b)输入电力系统无功优化控制变量的数据,并初始化种群;设迭代次数t=1;无功优化控制变量有D个,初始种群有n个粒子,第i个粒子的位置xi=(xi1,xi2…xiD),第i个粒子的初始化位置按如下计算得到:
发电机电压幅值:xij=Vmin+(Vmax-Vmin)×rand(0,1),其中xij表示第i个粒子的第j维的位置,Vmax与Vmin分别为对应的发电机电压幅值的上下限,rand(0,1)为[0,1]之间的随机数;
变压器:xih=Tmin+round(rand(0,1)×Tnum)×(Tmax-Tmin)/Tnum,其中xih表示第i个粒子的第h维的位置,Tmax与Tmin分别为对应的变压器调节的上下限,Tnum为变压器可调的档位数,rand(0,1)为[0,1]之间的随机数,round()为四舍五入取整函数;
无功补偿量:xik=Qmin+round(rand(0,1)×Qnum)×(Qmax-Qmin)/Qnum,其中xik表示第i个粒子的第k维的位置,Qmax与Qmin分别为对应的无功补偿量的上下限,Tnum为无功补偿量的投入档数,rand(0,1)为[0,1]之间的随机数,round()为四舍五入取整函数;
第i个粒子的初始化位置按如下计算得到:
vid=vid_min+(vid_max-vid_min)×rand(0,1),其中vid表示第i个粒子的第d维的速度,vid_max与vid_min分别为该维速度的上下限,rand(0,1)为[0,1]之间的随机数;
(c)进行潮流计算(采用牛顿—拉夫逊法),并记录种群第i个粒子的个体最优网损值fpbest(xi)、种群全局最优网损值fgbest、第i个粒子个体最优位置pbesti以及种群全局最优位置gbest;
(d)在第t代中,第i个粒子第d维的速度vid(t)与位置xid(t)按如下公式更新速度与位置:
vid(t+1)=ω(t)×vid(t)+c1×r1×(pid(t)-xid(t))+c2×r2×(pgd(t)-xid(t))+r
xid(t+1)=xid(t)+vid(t+1),1≤i≤n,1≤d≤D
ω(t)=(ωini-ωfin)(Tmax-t)/Tmax+ωfin
其中,c1,c2为正常数;r1,r2为[0,1]之间的随机数;pid(t)为第i个粒子第d维在t代中找到的个体最优位置;pgd(t)为整个种群在t代中找到的第d维全局最优位置;r为扰动项,它符合标准正态分布,且根据实际问题的不同,扰动项r所符合的正态分布的均值与方差值有所不同;Tmax为最大迭代次数;ωini为初始惯性权值;ωfin为最大迭代次数时的惯性权值;
粒子位置与速度越界处理:当xid>xd.max时,xid=xd.max;当xid<xd.min时,则xid=xd.min;同理,当vid>vd.max时,vid=vd.max;当vid<vd.min时,则vid=vd.min;其中,xd.max、xd.min分别表示搜索空间第d维的搜索范围上下限;vd.max、vd.min分别表示搜索空间第d维的速度上下限;
按如下对变压器与无功补偿量的位置进行离散处理:
变压器:xih=round(xih×Tnum/(Tmax-Tmin))×(Tmax-Tmin)/Tnum,其中xih表示第i个粒子的第h维的位置,Tmax与Tmin分别为对应的变压器调节的上下限,Tnum为变压器可调的档位数,round()为四舍五入取整函数;
无功补偿量:xik=round(xik×(Qmax-Qmin)/Qnum)×(Qmax-Qmin)/Qnum,其中xik表示第i个粒子的第k维的位置,Qmax与Qmin分别为对应的无功补偿量的上下限,Tnum为无功补偿量的投入档数,round()为四舍五入取整函数;
(e)评价种群,根据计算每个粒子的网损值fk(xi),并比较fpbest(xi)与fgbest,更新fpbest(xi)、fgbest、pbesti与gbest;
(f)根据自适应判据判断是否进行变异操作;若满足则进行变异操作,并再次计算每个粒子的网损值fk(xi),并比较fpbest(xi)与fgbest,更新fpbest(xi)、fgbest、pbesti与gbest;自适应判据如下:
变异操作按如下公式进行:
xid(t)=pid(t)×rand(0,1)
其中,Pid(t)为第i个粒子的第d维在t次迭代内找到的个体历史最优位置,rand(0,1)为[0,1]之间的随机数;
(g)检查适应值是否达到精度要求或达到最大迭代次数,如果精度达到要求或达到最大迭代次数,则循环结束,输出结果至优化配置无功补偿装置;否则t=t+1,返回步骤(d)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101756604A CN102723721A (zh) | 2012-05-31 | 2012-05-31 | 基于个体最优位置自适应变异扰动粒子群算法的电力系统无功优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101756604A CN102723721A (zh) | 2012-05-31 | 2012-05-31 | 基于个体最优位置自适应变异扰动粒子群算法的电力系统无功优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102723721A true CN102723721A (zh) | 2012-10-10 |
Family
ID=46949420
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012101756604A Pending CN102723721A (zh) | 2012-05-31 | 2012-05-31 | 基于个体最优位置自适应变异扰动粒子群算法的电力系统无功优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102723721A (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103078330A (zh) * | 2013-02-25 | 2013-05-01 | 华东电网有限公司 | 辅助电压调控决策的关系型电压监控指标方法 |
CN103337864A (zh) * | 2013-07-19 | 2013-10-02 | 国家电网公司 | 多直流集中馈入受端电网的动态无功补偿安装点优化方法 |
CN103683279A (zh) * | 2013-11-04 | 2014-03-26 | 国家电网公司 | 一种应用于在线合环潮流优化分析的馈线电容器配置方法 |
CN103853042A (zh) * | 2012-11-30 | 2014-06-11 | 沈阳工业大学 | 一种多端统一潮流控制器的分解优化方法 |
CN104915533A (zh) * | 2014-10-23 | 2015-09-16 | 南方电网科学研究院有限责任公司 | 基于功效系数线性加权法的多目标无功优化方法 |
CN105048479A (zh) * | 2015-08-13 | 2015-11-11 | 许昌许继软件技术有限公司 | 一种光伏电站无功分组调节方法 |
CN105068419A (zh) * | 2015-08-04 | 2015-11-18 | 西南交通大学 | 居民小区电动汽车充放电控制方法 |
CN105117517A (zh) * | 2015-07-28 | 2015-12-02 | 中国电力科学研究院 | 一种基于改进粒子群算法的配网重构方法 |
CN105470976A (zh) * | 2015-12-25 | 2016-04-06 | 中国电力科学研究院 | 一种稳态条件下svc和tcsc的协调配置方法 |
CN105896565A (zh) * | 2016-06-06 | 2016-08-24 | 南京工程学院 | 基于比重变异粒子群算法的配电网无功优化方法 |
CN106026200A (zh) * | 2016-05-09 | 2016-10-12 | 任甜甜 | 风电场的电力系统无功优化方法 |
CN106340888A (zh) * | 2016-09-18 | 2017-01-18 | 国网福建省电力有限公司 | 基于佳点集量子粒子群算法的交直流系统无功优化方法 |
CN106340887A (zh) * | 2016-09-18 | 2017-01-18 | 国网福建省电力有限公司 | 计及控制状态转换的交直流输电系统无功优化方法 |
CN106410817A (zh) * | 2016-09-29 | 2017-02-15 | 湘潭大学 | 一种牵引供电系统负序无功和电压波动综合优化补偿方法 |
CN106655208A (zh) * | 2016-08-29 | 2017-05-10 | 马玉婷 | 动态节能配电方法 |
CN106786784A (zh) * | 2017-03-22 | 2017-05-31 | 广东工业大学 | 一种风电机群功率控制方法及系统 |
CN107067090A (zh) * | 2016-08-29 | 2017-08-18 | 北京泰和恒丰科贸有限公司 | 电网运行远程调度方法 |
CN107437813A (zh) * | 2017-07-17 | 2017-12-05 | 安徽大学 | 基于布谷鸟‑粒子群的配电网无功功率优化方法 |
CN109120017A (zh) * | 2017-06-22 | 2019-01-01 | 南京理工大学 | 一种基于改进粒子群算法的电力系统无功优化方法 |
CN110518597A (zh) * | 2019-05-16 | 2019-11-29 | 北京千驷驭电气有限公司 | 中压网络的无功补偿方法、设备及计算机可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002165367A (ja) * | 2000-11-24 | 2002-06-07 | Kansai Electric Power Co Inc:The | 電圧・無効電力制御システムおよび電圧・無効電力制御方法 |
CN102222919A (zh) * | 2011-05-19 | 2011-10-19 | 西南交通大学 | 基于改进差分进化算法的电力系统无功优化方法 |
CN102280889A (zh) * | 2011-06-03 | 2011-12-14 | 上海电力学院 | 基于克隆-粒子群混杂算法的电力系统无功优化方法 |
-
2012
- 2012-05-31 CN CN2012101756604A patent/CN102723721A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002165367A (ja) * | 2000-11-24 | 2002-06-07 | Kansai Electric Power Co Inc:The | 電圧・無効電力制御システムおよび電圧・無効電力制御方法 |
CN102222919A (zh) * | 2011-05-19 | 2011-10-19 | 西南交通大学 | 基于改进差分进化算法的电力系统无功优化方法 |
CN102280889A (zh) * | 2011-06-03 | 2011-12-14 | 上海电力学院 | 基于克隆-粒子群混杂算法的电力系统无功优化方法 |
Non-Patent Citations (5)
Title |
---|
周宣: "基于随机自适应粒子群算法的电力系统无功优化", 《计算机与现代化》 * |
曾嘉俊等: "一种基于子区域粒子群的无功优化算法研究", 《电力系统保护与控制》 * |
李会荣等: "粒子群优化的速度方程改进与自适应变异策略", 《计算机工程与应用》 * |
王林川等: "自适应粒子群优化算法及其在无功优化中的应用", 《中国高等学校电力系统及其自动化专业第二十五届学术年会论文集》 * |
赵付青灯: "一种带有递减扰动项的粒子群优化算法", 《兰州理工大学学报》 * |
Cited By (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103853042B (zh) * | 2012-11-30 | 2017-12-05 | 沈阳工业大学 | 一种多端统一潮流控制器的分解优化方法 |
CN103853042A (zh) * | 2012-11-30 | 2014-06-11 | 沈阳工业大学 | 一种多端统一潮流控制器的分解优化方法 |
CN103078330B (zh) * | 2013-02-25 | 2015-09-16 | 华东电网有限公司 | 辅助电压调控决策的关系型电压监控指标方法 |
CN103078330A (zh) * | 2013-02-25 | 2013-05-01 | 华东电网有限公司 | 辅助电压调控决策的关系型电压监控指标方法 |
CN103337864A (zh) * | 2013-07-19 | 2013-10-02 | 国家电网公司 | 多直流集中馈入受端电网的动态无功补偿安装点优化方法 |
CN103337864B (zh) * | 2013-07-19 | 2015-11-11 | 国家电网公司 | 多直流集中馈入受端电网的动态无功补偿安装点优化方法 |
CN103683279A (zh) * | 2013-11-04 | 2014-03-26 | 国家电网公司 | 一种应用于在线合环潮流优化分析的馈线电容器配置方法 |
CN103683279B (zh) * | 2013-11-04 | 2015-11-18 | 国家电网公司 | 一种应用于在线合环潮流优化分析的馈线电容器配置方法 |
CN104915533A (zh) * | 2014-10-23 | 2015-09-16 | 南方电网科学研究院有限责任公司 | 基于功效系数线性加权法的多目标无功优化方法 |
CN104915533B (zh) * | 2014-10-23 | 2018-06-22 | 南方电网科学研究院有限责任公司 | 基于功效系数线性加权法的多目标无功优化方法 |
CN105117517B (zh) * | 2015-07-28 | 2018-11-09 | 中国电力科学研究院 | 一种基于改进粒子群算法的配网重构方法 |
CN105117517A (zh) * | 2015-07-28 | 2015-12-02 | 中国电力科学研究院 | 一种基于改进粒子群算法的配网重构方法 |
CN105068419A (zh) * | 2015-08-04 | 2015-11-18 | 西南交通大学 | 居民小区电动汽车充放电控制方法 |
CN105068419B (zh) * | 2015-08-04 | 2017-10-13 | 西南交通大学 | 居民小区电动汽车充放电控制方法 |
CN105048479A (zh) * | 2015-08-13 | 2015-11-11 | 许昌许继软件技术有限公司 | 一种光伏电站无功分组调节方法 |
CN105470976B (zh) * | 2015-12-25 | 2021-11-02 | 中国电力科学研究院 | 一种稳态条件下svc和tcsc的协调配置方法 |
CN105470976A (zh) * | 2015-12-25 | 2016-04-06 | 中国电力科学研究院 | 一种稳态条件下svc和tcsc的协调配置方法 |
CN106026200A (zh) * | 2016-05-09 | 2016-10-12 | 任甜甜 | 风电场的电力系统无功优化方法 |
CN105896565A (zh) * | 2016-06-06 | 2016-08-24 | 南京工程学院 | 基于比重变异粒子群算法的配电网无功优化方法 |
CN106655208A (zh) * | 2016-08-29 | 2017-05-10 | 马玉婷 | 动态节能配电方法 |
CN107067090A (zh) * | 2016-08-29 | 2017-08-18 | 北京泰和恒丰科贸有限公司 | 电网运行远程调度方法 |
CN106655208B (zh) * | 2016-08-29 | 2019-12-06 | 明日能源(苏州)有限公司 | 动态节能配电方法 |
CN106340887A (zh) * | 2016-09-18 | 2017-01-18 | 国网福建省电力有限公司 | 计及控制状态转换的交直流输电系统无功优化方法 |
CN106340888A (zh) * | 2016-09-18 | 2017-01-18 | 国网福建省电力有限公司 | 基于佳点集量子粒子群算法的交直流系统无功优化方法 |
CN106410817A (zh) * | 2016-09-29 | 2017-02-15 | 湘潭大学 | 一种牵引供电系统负序无功和电压波动综合优化补偿方法 |
CN106410817B (zh) * | 2016-09-29 | 2018-08-17 | 湘潭大学 | 一种牵引供电系统负序无功和电压波动综合优化补偿方法 |
CN106786784A (zh) * | 2017-03-22 | 2017-05-31 | 广东工业大学 | 一种风电机群功率控制方法及系统 |
CN109120017A (zh) * | 2017-06-22 | 2019-01-01 | 南京理工大学 | 一种基于改进粒子群算法的电力系统无功优化方法 |
CN107437813A (zh) * | 2017-07-17 | 2017-12-05 | 安徽大学 | 基于布谷鸟‑粒子群的配电网无功功率优化方法 |
CN107437813B (zh) * | 2017-07-17 | 2021-02-09 | 安徽大学 | 基于布谷鸟-粒子群的配电网无功功率优化方法 |
CN110518597A (zh) * | 2019-05-16 | 2019-11-29 | 北京千驷驭电气有限公司 | 中压网络的无功补偿方法、设备及计算机可读存储介质 |
CN110518597B (zh) * | 2019-05-16 | 2022-01-11 | 北京千驷驭电气有限公司 | 中压网络的无功补偿方法、设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102723721A (zh) | 基于个体最优位置自适应变异扰动粒子群算法的电力系统无功优化方法 | |
CN104600695B (zh) | 基于在线状态估计和实时调度计划的趋势潮流计算方法 | |
CN102055191B (zh) | 一种考虑外网等值的静态电压稳定广域切负荷控制方法 | |
CN103337001B (zh) | 考虑最佳期望输出与荷电状态的风电场储能容量优化方法 | |
CN102244384B (zh) | 一种基于经济当量分析的主变压器优化运行方法 | |
CN104967135A (zh) | 含风电的多域时滞互联电力系统滑模负荷频率控制方法 | |
Zhu et al. | A game-theoretic framework for control of distributed renewable-based energy resources in smart grids | |
CN107887933A (zh) | 一种多时间尺度滚动优化微电网能量优化管理方法 | |
CN102904249B (zh) | 一种基于安全约束的实时发电计划方法 | |
CN105048468B (zh) | 基于分布式计算的输配电网一体化电压稳定评估方法 | |
CN103280821A (zh) | 智能配电系统多时段动态无功优化方法 | |
CN103208797B (zh) | 一种基于智能优化技术的含新能源配电网状态估计方法 | |
CN102856918A (zh) | 一种基于小生境粒子群算法的配电网的无功优化方法 | |
CN103683329B (zh) | 基于全网网损最小的并网机组励磁调差系数的优化方法 | |
CN104638638B (zh) | 一种用于大电网的在线安全稳定趋势分析方法 | |
CN104993525A (zh) | 一种计及zip负荷的主动配电网协调优化控制方法 | |
CN108536917A (zh) | 一种输配电网全局电压稳定控制的分布式计算方法 | |
CN104767207A (zh) | 基于发电机无功储备灵敏度的电压稳定预防控制方法 | |
CN104484832B (zh) | 评估220kv拉手网最大供电能力的方法 | |
Zhu et al. | Energy storage scheduling design on friendly grid wind power | |
Jabr | Power flow based volt/var optimization under uncertainty | |
CN103488876A (zh) | 一种基于支路损耗因子分析的电网节能降损方法 | |
CN105576653A (zh) | 一种220kV片区电网供电能力优化方法 | |
Esmaeili et al. | A new multiobjective optimal allocation of multitype FACTS devices for total transfer capability enhancement and improving line congestion using the harmony search algorithm | |
Saadatmand et al. | Optimal fractional-order PID controller of inverter-based power plants for power systems LFO damping |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20121010 |