46电力系统无功优化分析

山东大学硕士学位论文电力系统无功优化分析姓名：宋明曙申请学位级别：硕士专业：电力系统及其自动化指导教师：栾兆文20080510电力系统无功优化分析作者：宋明曙学位授予单位：山东大学相似文献(10条)1.会议论文王莹.王成山电力系统无功优化的粒子群优化算法2006电力系统无功优化是保证系统安全、经济运行的有效手段,是提高电力系统电压质量的重要措施之一.无功优化是一个复杂的多约束非线性规划问题.传统的求解方法有非线性规划(NonlinearProgramming)、线性规划(LinearProgramming)、混合整数规划(Mixed-IntegerProgramming)等.其中线性和非线性规划方法均要求优化函数具有连续性和可微性,而电力系统无功优化中的部分控制变量(如可调变压器分接头的调节、并联补偿电容器组的投切等)是离散变量,应用常规线性或非线性规划方法会产生较大误差.混合整数规划能有效解决优化计算中控制变量的离散性问题,但该方法的计算时间属非多项式类型,随着变量维数的增加,计算时间会急剧增加.随着数学优化理论的发展,内点法在快速求解电力系统无功优化问题中得到了一定的重视,但是该法仍不便处理非线性目标函数,而且如果步长选择不当,会导致不可行解.本文探讨电力系统无功优化的粒子群优化算法的原理。2.学位论文李波基于粒子群与模拟退火协同进化方法的电力系统无功优化2008随着我国人口的增加、工业化进程和交通运输的快速发展，对能源特别是电力的需求大幅度上升，经济发展面临着能源瓶颈的制约。节能降耗，建设资源节约型社会具有重大的意义。电力系统中无功功率平衡是保证电力系统电压质量的基本前提，采取有效的手段降低网损，改善系统电压水平，提高电力系统运行的经济性和安全性是电力系统运行部门面临的实际问题，也是直接关系电力企业经济效益的课题。电力系统无功优化是保证电力系统安全、经济运行的有效手段，是提高电力系统电压质量的重要措施之一。迄今为止，无功优化问题在理论研究和工程应用上都取得了大量的成果，但也存在一些问题没有得到很好的解决。因此，对电力系统无功优化问题的研究，既具有理论意义，也有实际应用价值。电力系统无功优化是一种多变量、多约束的混合非线性规划问题，其控制变量既有连续变量又有离散变量，优化过程十分复杂。无功优化的方法大致可以分为常规优化算法和人工智能优化算法两类。本文首先介绍了电力系统无功优化问题的研究现状，对目前国内外应用的无功优化算法的特点进行了分析。针对目前电力系统无功优化中粒子群算法收敛速度快，易陷入局部最优；模拟退火算法全局收敛性好但计算时间较长的特点，提出了将粒子群与模拟退火算法的协同进化方法应用于电力系统无功优化。该方法利用粒子群算法快速的局部搜索和模拟退火算法的全局收敛性，将粒子群算法和模拟退火算法有机结合起来，使得无功优化算法以较大的概率跳出局部最优。通过两种算法的协同搜索，一方面可以有效地克服粒子群算法的“早熟”问题，另一方面也可以提高模拟退火算法的收敛速度，在较短的时间内取得较好的解。本文应用MATLAB软件和matpower潮流计算软件包编制了基于粒子群与模拟退火算法的协同进化方法的电力系统无功优化程序，并对IEEE-14、57节点系统进行了仿真优化计算，结果表明该算法收敛速度较快，具有较好的收敛稳定性和精度，应用于电力系统无功优化是有效可行的。3.期刊论文李鑫滨.朱庆军.马红霞.李强波.LIXin-bin.ZHUQing-jun.MAHong-xia.LIQiang-bo粒子群算法及其在电力系统无功优化中的应用综述-燕山大学学报2008,32(3)粒子群优化(ParticleSwarmOptimization,PSO)算法是一种基于群体智能的启发式全局优化技术.本文首先介绍了粒子群优化算法的基本原理,给出了算法实现的基本步骤、多种改进形式以及研究现状:其次分析了电力系统无功优化的特点,并对PSO算法在无功优化中的应用做了相应的论述.由于电力系统无功优化是一具多变量、多约束、非线性的组合优化问题,使得PSO算法在电力系统无功优化方面具有广泛的应用前景.4.学位论文刘红文基于改进量子遗传算法的电力系统无功优化2009电力系统无功优化既是保证电力系统安全、经济运行的有效手段，又是降低网络损耗和提高电压质量的重要措施。随着电力系统的发展，特别是联网的加强，无功优化变得越来越重要。从本质上讲，无功优化问题是一个多变量、多约束、混合非线性组合优化调度问题，存在大量的局部极值，优化过程极其复杂。而在无功优化控制系统中，无功优化算法对寻优速度和质量起着重要作用，因此，本文对无功优化算法进行研究，以获得更好的优化性能，达到降低电网有功网损和提高电压质量的目的。论文的主要工作及研究成果如下：1.介绍电力系统无功优化领域的研究现状及其发展，建立以有功网损最小为目标函数的无功优化数学模型。2.介绍基本遗传算法及其无功优化应用，详细阐述量子遗传算法及其无功优化流程，并用量子遗传算法和遗传算法对IEEE-30节点系统进行无功优化，实验结果表明，量子遗传算法获得了比遗传算法更低的有功网损。3.为了解决量子遗传算法在求解无功优化问题时易陷入局部极值的问题，提出基于改进的灾变量子遗传算法(ICQGA)的无功优化方法，以IEEE-6和IEEE-30节点系统的无功优化为例进行仿真实验，结果表明，在量子遗传算法中引进群体灾变策略，有助于量子遗传算法跳出局部极值，获得比量子遗传算法更低的有功网损。4.针对量子遗传算法局部寻优能力差的问题，提出局部搜索量子遗传算法(LSQGA)，即采用两层量子遗传算法寻优，外层量子遗传算法进行全局寻优，当全局寻优搜索到的最好解经过多次迭代没有变化时，在此解附近产生小的寻优区间，采用内层量子遗传算法进行局部寻优。复杂函数优化和IEEE-30节点系统的无功优化仿真实验表明，LSQGA在寻优能力、收敛速度等方面比QGA和ICQGA好。5.在LSQGA研究基础上，提出基于实观测量子遗传算法的Memetic算法(MArQ)。MArQ是一种混合算法，即在实观测量子遗传算法中加入局部搜索操作，实观测量子遗传算法搜索整个寻优区间，而把禁忌搜索算法作为局部搜索操作嵌入实观测量子遗传算法中，使算法合理的平衡全局寻优与局部寻优。在禁忌搜索局部寻优时，每一次迭代只改变当前搜索到的最好解中的一个决策分量，在小邻域内产生候选解，且邻域半径随着禁忌搜索代数的增加而减小，同时为了增强初始种群的多样性，采用混沌初始化。用高维连续函数优化和IEEE-30节点系统的无功优化仿真实验验证算法的可行性，实验结果表明，MArQ获得的有功网损比ICQGA和LSQGA小，为求解无功优化问题提供新的思路。本文工作得到国家自然科学基金(60702026)和教育部交通工程研究中心开放基金(2008)的共同资助。5.会议论文郑帅.陈少华.叶杰宏遗传算法在电力系统无功优化中的应用2005遗传算法是一种基于生物自然选择与遗传机理的随机搜索与优化方法。本文简要介绍了电力系统无功优化的现状，阐述了遗传算法在电力系统无功优化中的应用。实例计算表明，与常规无功优化方法相比，该算法成功地解决了无功优化中变量的离散问题，避免了常规数学优化方法的局部最优现象。6.学位论文刘述奎基于自适应聚焦粒子群算法的电力系统无功优化2009随着电力系统的快速发展，电网规模不断扩大，如何保证电力系统的经济、安全、稳定运行成为业界关注的焦点。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，通过调整各种控制变量，使系统潮流分配达到最优化。而变量和约束条件数目的剧增、变量之间复杂的函数关系和众多的非线性约束条件使无功优化跻身于困难的大规模数学规划问题行列。群集智能优化算法以其独特的优点为解决电力系统无功优化这类大规模复杂问题提供了新的途径与手段。传统的无功优化模型以实现电力系统的经济运行为目的，通过调整发电机机端电压、有载可调变压器分接头位置、并联无功补偿装置容量实现系统的最佳潮流配置，但对系统的电压稳定性却考虑不足。然而，在电力市场环境下，考虑到环境和经济因素的制约，电力系统的运行状态会越来越接近极限状态，此时电压稳定裕度很低，极易造成电压崩溃的事故。为此本论文对计及静态电压稳定性的多目标无功优化进行了相关的研究，采用了对应的数学模型。本文回顾了电力系统无功优化领域的研究现状及其发展，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并分析了其各自的优缺点和适用范围。本文提出的自适应聚焦粒子群算法(AFPSO)是根据粒子群优化算法(PSO)改进得到的一种具有较好全局搜索能力和寻优速度的自适应群集智能优化算法。将AFPSO应用于电力系统无功优化，该方法是以最优控制原理为基础，通过引入静态电压稳定性指标，采用了综合考虑系统有功网损最小、电压水平最好以及静态电压稳定裕度最大的多目标无功优化模型，并采用模糊集理论将此多目标优化问题转化为单目标优化问题。同时，采用罚函数的形式处理负荷节点电压和无功发电功率两个状态变量不等式约束。本文在IEEE30、IEEE57节点系统上进行了测试，通过仿真测试及不同算法优化结果的对比，表明.AFPSO在算法计算精度、收敛稳定性、寻优时间等方面都具有普遍优势，其在实现系统经济运行的同时也增强了电网的电压稳定，同时证明了AFPSO算法的有效性和优越性。7.会议论文邱婕.王宽电力系统无功优化的研究现状和展望2006本文简要介绍了电力系统无功优化的研究现状；全面总结了用于电力系统无功优化的数学模型及其算法，并对它们进行了比较，同时指出了各种优化方法的优点；分析了当前这一领域存在的问题；最后对无功优化的进一步发展提出了一些看法。8.学位论文陈学军电力系统电压无功优化算法研究1997该文开发了一个具有良好用户界面的电压无功优化计算软件,该软件采用BorlandC++和FORTRAN77联合编程.此软件不但能采用内点法或单纯形法进行无功优化计算,而且能计算系统潮流.使用该文开发的无功优化计算软件对一系列不同规模系统进行了计算,与单形法结果的比例证明了该文采用的潮流雅可比矩阵直接变换法求灵敏度系数建模法的准确性和原-对偶内点算法的良好收敛性、可靠性以及所开发优化软件的有效性.该文还对采用逐次线性规划法进行无功优化计算过程中出现的步长选择问题进行了讨论.9.期刊论文田世力.束龙电力系统无功优化方案比较-科协论坛（下半月）2009,(6)电力系统无功优化是保证系统安全、经济运行的一项有效手段,是降低网损、提高电压质量的重要措施.传统的静态无功优化不能满足实际运行需要,考虑系统负荷变化以及控制设备动作次数限制的无功优化更有实际应用价值.本文尽可能的细述电力系统无功优化的各种方案,并一一进行了分析讨论,提出应寻求多种算法最佳配合的混和优化策略,以弥补相互的不足.10.学位论文俞悦电力系统无功优化的改进遗传算法及其程序实现2005遗传算法的基本原则是适者生存。它采用多路径而非单路径搜索，在解的编码上进行遗传操作而非直接对解本身，从而只需要目标函数就能进行问题求解，使得它在混合整数非线性优化问题的求解上显得简单而强大。此外，遗传算法对求解的启动点没有特别要求，并且能够自行检测与处理不可行问题。电力系统无功优化因对系统的安全性和经济性存在重要的作用而受到广泛的关注，该问题的目标是通过改变无功功率的分布来实现全网的有功功率损耗最小化，并且满足各种运行约束。然而由于无功优化问题是一个非常复杂的非线性问题，具有多目标、多不确定性、多约束、多极值和离散性等特点，尚有很多问题有待解决。因能够多路径搜索全局最优解，并可以自然地解决离散性问题，遗传算法被应用到无功优化问题的求解。但是遗传算法存在一个缺点，即当问题非常复杂时会出现早熟收敛的问题而影响了寻优能力。本文在综述无功优化问题的各种算法的基础上，提出了一种实时动态无功优化的数学模型，针对无功优化问题的特点提出一种改进遗传算法，开发了一套实时无功优化应用软件。论文主要研究工作和取得成果如下：1.研究遗传算法的基本原理及其优缺点，了解其广泛的