电力系统动态无功优化模型及混合算法的研究

电力系统动态无功优化模型及混合算法的研究

刘方[1]2003年在《电力系统动态无功优化模型及混合算法的研究》文中提出电力系统动态无功优化问题的维数庞大,具有连续性约束、离散性约束和动态调节次数约束等多种约束,目前还没有通用有效的算法。本文针对动态无功优化问题的大规模特点以及非线性和不连续性特点,基于遗传算法和预测——校正原对偶内点法,对其优化算法进行了初步的探索,同时还对相关的静态无功优化问题和潮流问题进行了深入的研究。本文提出了变压器支路的电压变换模型,从而克服了传统∏型模型的等值对地导纳数值大影响潮流收敛的问题,同时还提出了一种辐射型网络的分层前推回代算法,算法同时考虑了变压器支路和线路支路,不需要节点支路的特殊编号,可分层并行计算各层次的支路功率损耗和电压损耗,具有收敛性好、计算速度快的突出优点。针对辐射型网络的叁相潮流问题,本文提出了一种叁相潮流的支路电流前推回代的相分量潮流算法,与传统方法不同的是,算法中详细考虑了变压器接线方式、移相作用和非标准变比对叁相潮流的影响,建立了变压器两侧相应的相电压、相电流方程,从而使算法具有更为普遍的适用性。结合内点法和遗传算法,本文提出了一种新颖的混合算法用于求解动、静态无功优化问题,算法充分利用了内点法易于求解连续优化问题和遗传算法易于求解离散优化问题的优势,将原优化问题分解为初步的连续优化问题、离散变量优化问题、连续变量优化问题这叁个子问题分别求解。算法充分考虑了收敛判据对内点法收敛速度的影响,在初步的连续优化问题和连续变量的优化问题中分别采用可行判据和最优判据作为收敛判据,提高了混合算法的整体性能。在内点法中还通过求解较为简单的校正方程来代替求解复杂的迭代方程,在计算结果完全等价的前提下使内点法的迭代计算更加简单、快速。本文提出的各种算法都经过IEEE标准系统和实际系统的仿真计算验证,计算结果表明算法是正确和有效的。

田甜[2]2008年在《动态无功优化实用模型及启发式混合智能算法研究》文中研究指明本文受国家自然科学基金项目“交直流系统模糊动态无功优化的模型和智能算法(50577073)”、重庆市电力公司重点项目“区域电网动态无功优化控制系统的开发研究”等相关课题资助。论文对动态无功优化的模型及相应的优化算法进行了较为详细的研究。电力系统动态无功优化通过对发电机、并联电容器和有载调压变压器(OLTC- on-load tap changer)等调压设备的控制,在满足设备及系统运行约束的基础上,使全网的日电能损耗最小。现有研究中大多考虑了离散控制变量的日总动作次数约束,而忽视了OLTC分接头的相邻时段动作次数约束;另外,在对电容器动作次数的处理上也存在一些问题,如控制变量数目增加、投切不合理等。针对这些问题,本文建立了动态无功优化新模型,并结合基于内点法和免疫遗传算法的混合算法,进一步提出了本文的启发式混合智能算法。具体内容如下:①从现有模型出发,建立了动态无功优化的新模型。其中,目标函数采用常规的能量损耗最小,约束条件除常规的各时段潮流及电压安全约束、电容器和OLTC分接头开关的日总动作次数约束外,论文新增加了OLTC分接头开关的相邻时段动作次数约束。同时,结合实际变电站电容器的“先投先切、后投后切”基本操作原则,将同一母线的多组电容器简化等效为单一的集中电容器,并根据其具体组数来确定等效电容器开关的动作次数限制。②针对所建新模型,进一步提出了本文的启发式混合智能算法。同时充分考虑了动态无功优化模型中各时段电网结构参数不变的特点,采用了稀疏技术来提高混合算法的求解效率。在处理动态约束时,本文设计了“就地校正”和“削峰填谷”的启发式调整策略,该策略有效地处理了模型中分接头相邻时段调节档位差的约束以及离散控制变量的总动作次数约束,且相比常规惩罚策略更有利于求得动态优化的可行解。③最后通过多个IEEE标准系统以及一个实际系统对本文模型和算法进行仿真分析计算。计算结果表明,本文的新模型更具实际意义,而且所提出的启发式混合智能算法对于求解新模型也是十分有效的。

杨君军[3]2011年在《基于PSO-DP算法的配电系统动态无功优化研究》文中研究说明配电网无功优化是保证系统安全经济运行的重要手段之一,通过控制有载调压变压器和无功补偿装置,在满足调压要求的前提下,尽量减少无功功率在配电系统中的流动,降低电网有功损耗。由于电力负荷随时间的不断变化,使无功电压控制设备频繁动作,不同时间断面上的无功优化方案存在耦合关系,这些现实问题给无功优化的研究带来很多困难。目前,动态无功电压优化问题已成为国内外学者研究的热点问题。动态无功电压优化是在静态无功优化的基础上,考虑负荷随时间的变化以及控制设备动作次数限制的非线性整数规划问题。无功优化数学模型的目标函数不具有可微性和连续性,约束条件中既含有等式约束,又含有不等式约束,且变量中离散变量和连续变量共存。常规优化算法和智能类算法求解动态无功优化问题都存在一定的缺陷,所以通过多种算法之间的优势互补,形成针对无功优化问题的混合算法,将是无功优化算法研究的发展方向。负荷曲线分段情况的不同直接影响控制设备动作次数和动作时间,如果负荷曲线分段数目越多,则优化效果越好,但增加了控制设备的动作次数。因此,合理的负荷曲线分段有利于获得控制设备的最优控制策略,本文提出了根据无功负荷变化率的大小进行动态分段的方法。通过对动态无功优化及其算法的研究,选取有载调压变压器和可投切电容器为控制变量,建立了两阶段优化数学模型,第一阶段是在不考虑控制设备动作次数约束的条件下,以系统有功损耗最小和平均电压偏差最小为目标,使用粒子群优化(简称PSO)算法求解各时段的静态无功优化问题,把各时段的最优解和满足约束条件的多个次优解作为第二阶段优化的状态变量;第二阶段为了优化控制设备的动作次数,延长其使用寿命,以所有控制设备总的动作次数最小为目标,使用动态规划(简称DP)算法优化求解。使用两种算法分阶段求解动态无功优化问题,优势互补,具有很大的实用价值。综合所提出的负荷曲线动态分段方法、动态无功优化数学模型和选用的两种算法,本文提出了完整的求解动态无功优化问题的思路,通过由小到大不断修改无功负荷变化率门槛值ε,反复利用PSO算法和DP算法的求解所建立的动态无功优化数学模型,直到满足控制设备动作次数约束为止。采用Python语言编程,在PSS/E软件上对山东省青州配电网实际算例进行了仿真计算,实例仿真结果表明,PSO-DP算法求解无功优化问题的精度比较高,计算速度快,收敛性好,优化控制方案既能满足配电系统安全经济运行的要求,又优化了每个控制设备的动作次数和最佳动作时间,延长了其使用寿命。进一步验证了本文的方法适合求解配电网动态无功优化问题,具有实际应用价值。

徐进东[4]2005年在《电力系统动态无功优化实用化方法研究》文中研究说明传统的无功优化问题都是针对系统在某一个特定负荷下的情况所进行的无功优化,在电力系统实际运行中,由于负荷总是不断变化的,所以针对单个时间断面进行的静态无功优化实际上还不能完全满足实际运行需要的,考虑系统各点负荷形态变化的无功优化又称为动态无功优化。动态无功优化一般是指在已知未来一天24小时负荷预测的基础上,决定电容器、电抗器和可调变压器变比分接头的运行策略,使得系统在一天中的能量损耗最小,并且满足电容器、电抗器和变压器分接头调节次数的限制,以及节点电压约束等。 本文在建立了详细的动态无功优化模型的基础上,对动态无功优化问题的求解难点进行了研究,考虑到目前理论上求解动态无功优化的动态规划法等方法还不能应用于实际电网的情况,为了既能够顾及到设备动作次数约束又能够充分考虑负荷变化的影响,本文利用负荷分时段控制策略来解决无功设备投切次数限制约束,利用改进遗传方法进行离散控制变量优化,利用预报一校正内点算法进行连续控制变量优化,形成了动态无功优化实用化解决方案。本文对应用于无功优化的遗传算法在群体多样性的保持、选择算子、变异算子等方面进行了有效的改进,并将预报—校正内点算法应用于动态无功优化问题中连续控制变量的优化,效果良好。 最后利用IEEE-30节点系统建立动态无功优化问题进行仿真计算,计算结果表明,本文所用方法简单有效,形成控制方案方便实用,优化效果明显。

蔡昌春[5]2007年在《电力系统动态无功优化方法研究及其实现》文中研究表明电力系统电压与无功功率控制是一个关系到保证电压质量、满足无功功率需要和系统电压稳定的问题。传统无功优化问题是针对系统在某一个特定负荷情况下所进行的无功优化,在电力系统实际运行中,由于负荷不断变化,所以针对某个数据断面进行的静态无功优化实际上还不能完全满足实际运行需要。动态无功优化综合考虑了系统各节点负荷动态变化、控制设备的动作次数约束等问题,通过合理分配控制设备的动作时刻,达到从整体上优化的目的。 本文将隔离小生境遗传算法应用于无功优化中,针对传统遗传算法的不足进行了相应的改进,如:编码形式、种群多样性的保持、交叉算子、变异算子以及停止判断准则等,达到了理想的优化效果。系统分析了支持向量机技术,利用相似日数据作为训练样本、综合考虑气象等因素,获得支持向量机的短期负荷预测模型。 本文在建立动态无功优化模型的基础上,对动态无功优化问题进行了深入的研究,提出了求解动态无功优化问题的新方法。利用负荷分段方法将一天内连续变化的负荷划分成24段,并通过积分中值定理获得该时段的计算负荷值。本文通过改进遗传算法计算各负荷段的静态无功优化以获得各负荷段内控制设备值,根据相邻负荷段之间同一控制设备变化值的大小,初步分配设备动作时刻。由于在电网运行过程中,不同控制设备之间具有一定的相关性,利用控制设备的这种相关性结合控制设备变化值的大小以及控制设备最大动作次数重新分配控制设备的动作时刻,从整体上考虑无功优化问题。仿真表明,本文提出的方法简单,能够有效地获得控制设备一天的控制方案,在处理动态无功优化问题时效果明显。

赵波[6]2005年在《群集智能计算和多智能体技术及其在电力系统优化运行中的应用研究》文中研究说明近年来,我国电力工业高速发展,发电装机容量和年发电量跃居世界领先地位。针对电力工业这样的超大型企业,提高运行效率,力争达到运行优化,将会带来巨大的经济效率。因此,电力系统优化运行问题的研究显得越来越重要和迫切;如何在已有研究成果的基础上继续完善、改进和探索收敛速度快、适应性强的电力系统优化调度模型及其算法,具有巨大的经济和工程意义。 群集智能计算和多智能体技术都是近年来人工智能领域探讨的热门方向,它们已经在许多领域得到了成功的应用,显示了较强的发展潜力。因此,本文对群集智能计算与多智能体技术进行了研究,并且对两种技术的结合在电力系统优化运行中的应用进行了深入的探讨。全文的内容主要包括以下几个章节: 第一章节详细介绍了群集智能计算和多智能体技术的研究现状及其在电力系统中的应用前景,阐述了本课题的研究意义。最后,阐明了本课题的主要任务。 第二章节针对两种群集智能优化算法的不足,提出了改进免疫算法和改进粒子群优化算法。两种算法通过收敛性分析可知,若能恰当地选择算法的控制参数,其计算速度、计算精度和算法收敛性均能得到显着的提高。通过一系列典型标准函数的测试,结果表明两种改进的算法均可以显着地提高计算效率和计算精度,算法收敛性较好。 第叁章节应用改进免疫算法求解电力系统最优潮流问题和改进粒子群优化算法求解电力系统机组组合问题。在求解最优潮流问题时,提出了动态调节罚函数的方法,有效解决了求解过程中约束条件违限的问题;在对机组组合问题的求解过程中,首先将机组组合问题的0、1变量进行松弛,应用罚函数方法将此问题转化为一个非线性连续变量的规划问题,使其适合改进粒子群优化算法进行求解。针对不同电力系统优化运行问题的求解,两种算法均显示了较强的寻优能力,具有实用价值。 第四章节将粒子群优化算法结合在一个多智能体系统中,提出了一个全新的粒了群优化算法的多智能体系统,并应用它来求解电力系统无功优化问题。该系统中的每一个Agent相当于粒子群优化算法中的一个粒子,它们“居住”在一个格子环境中,每个Agent通过与其邻居进行竞争与合作操作、自学习操作,并且结合粒了群优化算法的进化机理,能够对求解的优化问题快速、准确地收敛到全局最优解。同时在求解无功优化问题时,提出了一种简单易行的“切割”方法,在不影响系统寻优的

郭丽珍[7]2017年在《含光伏发电的电网动态无功优化方法与实证研究》文中研究说明光伏发电(Photovoltaics,PV)是一种清洁且环保的可再生能源发电,现今国内外电力系统常将其以分布式电源的形式并列接入到电网中。众多学者也对此进行了深入的研究,特别是在光伏发电的数学模型和对电网输出功率方面。随着经济和科学技术的不断进步,光伏发电并入电力系统的模型已经相对稳定,各行业建立了大量的光伏发电站以提升电力系统的调控和无功补偿水平。但是光伏发电与传统的火力发电相比,又具有一定的随机性。这种随机性与太阳能源受环境和气候的强相关有关,为光伏发电并入电网带来不稳定性。为了解决这种并网难题,论文重点建立了具有光伏发电随机性约束和无功补偿特性的电力系统动态无功优化模型。该模型的建立有效地调整了电力系统中无功潮流的分布,提高了网络节点电压,减少了系统的有功损耗。电力系统的无功调整方法有控制发电机端部的输出电压、调节有载调压变压器的档位及调控电容器装置的补偿能力等作用。论文首先介绍了PV系统的类别和组成,研究了光伏发电并网的不稳定性及无功输出能力。选取了经典的遗传算法,并去除了该算法收敛速度和寻求最优解方面的不足之处。将动态无功优化按照时间顺序转化为静态无功优化,用改进的遗传算法搜索各时段静态无功优化的最优解,即各时段无功补偿装置的动作次数及该时段的系统有功损耗。为了建立电力系统动态无功优化模型,在论文得到的静态模型最优解中加入了电网负荷变动曲线下电容器装置的投切损耗及光伏并网的输出功率。为了限制无功补偿装置的投切数目和减少装置因频繁动作而带来的设备损耗,采用动态规划算法制作了电容器装置的动作时间表,获得1d内最低的系统有功消耗。论文以内蒙古地区含光伏发电的电网无功优化为实证研究,应用MATLAB软件用于验证所建立的动态无功优化模型,结果显示此模型可以有效地降低网络损耗,提高节点电压,保证电压合格,为含有光伏发电并网的电力系统无功优化提供了理论依据,对内蒙古电网光伏发电的无功优化具有一定的实践价值。

韩新华[8]2010年在《输配电网的动态无功优化和跟踪调节技术》文中研究说明电力是当今社会重要的能源,对经济发展和社会进步起着重要的作用。电网的安全稳定和经济运行关系到社会生活的各个方面。电力系统无功优化是实现电网安全、稳定和经济运行的重要手段,长期以来也是电力系统领域研究的热点方向。电力系统无功优化通过对某些无功控制设备的优化调节,在满足一定约束的前提下,达到提高系统电压质量,降低网络有功损耗的目的,保证系统的安全性和经济性。传统的无功优化一般是针对某一典型负荷断面的静态无功优化,没有综合考虑一段时间内的负荷变化情况。而在实际情况中,电网的负荷是不断变化的,静态的无功优化并不能满足电网运行的需要,只能作为一种参考,具有一定的局限性。动态无功优化则考虑了各个时刻的负荷变化情况,通过优化调整控制设备的运行方案,使得系统在一段时间内的电压质量最高,有功损耗最小,并且满足系统的运行约束条件和控制设备的调节次数限制。本文基于遗传算法和自适应粒子群算法,针对动态无功优化的特点和系统负荷的变化情况,研究了一类电力系统的智能动态无功优化问题。根据系统运行的经济性目标和控制设备的约束等具体情况,首先采用系统聚类算法对全天的负荷曲线进行聚类分时段,然后在建立动态无功优化模型的基础上,采用遗传算法对各个大时段中的离散控制变量进行优化调整,采用改进的自适应粒子群算法对各小时段中连续控制变量进行精确调节,进一步提高系统的优化精度,最后形成全天的动态无功优化控制策略。通过对IEEE-30标准节点系统的仿真分析,结果表明本文的智能动态无功优化方法能够在满足系统约束的情况下,有效地提高网络电压质量,降低有功损耗,实现系统的安全、稳定和经济运行。

李晨阳[9]2011年在《交直流输电系统无功优化研究》文中提出随着电网规模的扩大和电力市场的逐渐开放,电力系统的安全经济运行受到越来越多的关注,利用合理、系统的无功调节手段对电网进行无功优化,不仅能有效保证电压质量,而且能提高电力系统运行的稳定性和安全性,降低电能损耗,充分发挥电能的经济效益。随着高压直流输电的发展,直流输电由于其经济性以及运行特性等方面的突出优点,近年来在大容量电能传输中得到广泛应用。利用直流输电与交流输电相互配合进行交直流混合输电己成为各区域电网之间进行互联的主要输电方式之一。在交直流输电系统中,如何通过对直流控制量和交流控制量合理地进行优化调度,使其经济性或安全性达到最优是交直流输电系统的研究中值得关注的重要问题。本文的无功优化是建立在交直流混合输电系统的模型之上,综合考虑直流输电的常用运行方式,通过对直流电压、直流电流、传输功率以及换流器控制角等直流控制量和交流侧发电机端电压、可调变压器分接头及无功补偿容量等交流控制量进行合理配置,达到整个交直流输电系统的有功网损最小的目的,并且使系统的各节点电压、发电机节点的无功出力等都在合理的范围内。在此基础之上,通过对无功优化的经典算法、人工智能算法以及混合寻优算法进行研究提出了内点法与粒子群算法结合的混合寻优策略。由于内点法尤其是预测—校正原对偶内点法具有较快的寻优速度并且对系统的规模不敏感,尤其是在计算大规模规划问题时优点尤为突出,但是处理离散变量较为困难;而粒子群算法作为一种新型的群智能优化算法相对同类人工智能算法来说也具有较快的寻优速度,而且操作简单,易于处理离散变量,但是在处理大规模问题时,粒子容易缺乏多样性而陷入局部最优。本文的寻优策略是将交直流无功优化问题分解为连续优化和离散优化两个子问题,结合两种算法的特点,用两种算法交替进行求解。算例表明,本文的混合寻优算法具有较好的收敛性和较快的寻优速度;能够很容易地处理离散变量;并且算法中只是用粒子群算法来进行离散优化子问题的求解,与单纯用粒子群算法处理整个优化问题比较,相当于减小了问题的规模,粒子更容易寻找到全局最优解。本文还通过算例对采用不同的直流运行方式的交直流输电系统进行无功优化计算,算例表明采用不同的直流运行方式,其无功优化结果是不同的,例如采用整流侧定电流控制—逆变侧定熄弧角控制,则系统的经济性较好,优化结果即有功网损最小,而对于相同的系统采用整流侧定触发角控制—逆变侧定电流控制,则系统的安全性较好,即节点的电压水平较高。因此实际的系统运行中,需要根据对于系统的不同运行需求合理的选择直流输电的运行控制方式。总之,随着电网规模的发展及直流输电的应用,交直流无功优化的研究对于系统的安全性以及经济性都具有积极地意义,但是无功优化本身就是一个复杂的多变量、多约束的混合非线性规划问题,随着直流输电技术的不断发展以及新的优化算法的应用,对于交直流无功优化的许多问题还需进一步进行研究。

王劲草[10]2008年在《基于搜寻者优化算法的电力系统无功优化》文中研究说明随着国民经济的快速发展,各个行业对电能质量要求的不断提高。电力系统无功优化可以优化电网的无功潮流分布,降低电网的有功损耗和电压损耗,从而改变电压质量,使得用电设备能安全可靠地运行。在保证现代电力系统安全性和经济性方面,无功优化调度的重要性已经得到了广泛的关注。电力系统系统无功优化是一个复杂的非线性优化问题。从本质上讲,无功优化问题是具有大量的局部极小值的多约束全局优化问题,且含有大量的离散变量。搜寻者优化算法(SOA)具有并行处理、鲁棒性好等特点,可以很自然、很容易地处理混合整数非线性规划问题,能以较大概率找到问题的全局最优解,且计算效率比传统随机方法高。其最大的优势在于简单易实现、收敛速度快,而且有深刻的智能背景,既适合科学研究,又适合工程应用。本文介绍了电力系统无功优化领域的研究现状及其发展,在综述了应用于电力系统无功优化问题求解的各种优化算法和分析了各种优化算法和优缺点和适用范围的基础上,采用以网损最小为目标,同时满足潮流约束和安全约束的无功优化的数学模型。在研究了搜寻者优化算法的收敛性和特点的基础上,将搜寻者优化算法用于对IEEE30节点系统和IEEE57节点系统进行了无功优化的仿真计算,并与叁种改进的粒子群的优化结果进行比较。仿真结果验证了搜寻者优化算法在电力系统无功优化中的有效性。为电力系统的无功优化问题提供了一种新的优化方法。

参考文献:

[1]. 电力系统动态无功优化模型及混合算法的研究[D]. 刘方. 重庆大学. 2003

[2]. 动态无功优化实用模型及启发式混合智能算法研究[D]. 田甜. 重庆大学. 2008

[3]. 基于PSO-DP算法的配电系统动态无功优化研究[D]. 杨君军. 山东大学. 2011

[4]. 电力系统动态无功优化实用化方法研究[D]. 徐进东. 河海大学. 2005

[5]. 电力系统动态无功优化方法研究及其实现[D]. 蔡昌春. 河海大学. 2007

[6]. 群集智能计算和多智能体技术及其在电力系统优化运行中的应用研究[D]. 赵波. 浙江大学. 2005

[7]. 含光伏发电的电网动态无功优化方法与实证研究[D]. 郭丽珍. 西安建筑科技大学. 2017

[8]. 输配电网的动态无功优化和跟踪调节技术[D]. 韩新华. 沈阳理工大学. 2010

[9]. 交直流输电系统无功优化研究[D]. 李晨阳. 山东大学. 2011

[10]. 基于搜寻者优化算法的电力系统无功优化[D]. 王劲草. 西南交通大学. 2008

标签:;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  

电力系统动态无功优化模型及混合算法的研究
下载Doc文档

猜你喜欢