摘要:

针对电力系统无功优化具有非线性、多变量、多约束、多目标的特点,提出带免疫的蚁群优化算法.通过对连续的控制变量进行编码,实现了蚁群算法在函数优化问题上的应用.引入蚂蚁分工机制,可以大大减少每只蚂蚁的搜索空间,降低蚁群算法求解问题的难度.引入免疫算法的思想,可以避免在搜索过程中出现早熟,提高了蚁群算法的搜索效率.以IEEE-14节点系统为算例,比较分析基本算法与带免疫系统算法的计算结果,从而验证改进蚁群算法的有效性.

摘要:

提出了一种基于邻域拓扑粒子群优化算法(NTPSO)的大规模电力系统无功优化新算法.该算法在概念上比标准PSO算法更精确,认为每个粒子是受它邻域范围内最优粒子的影响.研究了当前流行的五种邻域拓扑结构得到五种邻域拓扑粒子群优化算法,其中包括已在一系列标准函数上测试过的比其它拓扑效果更好的Square拓扑.文中应用这五种NTPSO分别对IEEE30节点系统和IEEE57节点系统进行了无功优化的仿真计算,结果表明基于Square拓扑的NTPSO算法的优化效果最好,为求解大规模电力系统无功优化问题提供了新的思路.

摘要:

为了提高电力系统的运行效率和经济性能，用群搜索优化算法(Group Search Optimizer)对电力系统各控制变量进行合理配置，以此减少电力系统无功损耗。群搜索优化算法是一种新兴的群智能优化算法，该算法把群成员分为发现者、追随者和游荡者三种，其中游荡者的位置随机选定，这有效地避免了其他算法容易陷入局部最小值问题。选定电力系统中无功投入量、电压变比、发电机端电压等作为控制变量，通过群搜索优化算法对控制变量进行迭代计算和潮流计算，最终计算出最小的网络损耗及其对应的控制变量值。最后用Matlab7.6对IEEE-14、30节点系统进行仿真，并与其他群智能优化算法进行对比，结果显示，群搜索算法的收敛较快且稳定，最终证明了群搜索算法对无功优化的优越性。

摘要:

通过建立有功网损最小、电压偏差最小和静态稳定电压裕度最大的三目标无功优化模型。提出柯西粒子群算法，并针对IEEE14节点系统进行三目标电力系统无功优化。当种群多样性较差时，通过对交叉的粒子进行柯西变异从而扩大搜索空间，提高种群多样性，防止出现过早的收敛，进而避免了算法陷入局部最优解的问题，同时也提高了收敛速度。通过数据测试和比较柯西粒子群算法在收敛速度、精度、全局搜索能力上均优于常规差分进化算法和常规粒子群算法。其结果验证了该模型和算法的有效性，为电力系统安全经济运行提供了参考。