基于粒子群寻优策略的随机最优潮流解法研究

发布时间：2017-06-28 23:14

  本文关键词：基于粒子群寻优策略的随机最优潮流解法研究，由笔耕文化传播整理发布。

【摘要】：电力系统最优潮流是优化电力系统运行的一种有效手段,应用在电力系统有功优化、无功优化、最优化调度、可靠性分析等各个方面。在目前电力市场的环境因素下,最优潮流结果不仅能为电力市场的运营单位提供最佳调度策略,而且还能使这调度策略更平等、更经济,因此应用在电力市场下的负荷管理、阻塞管理以及实时电价、无功定价和可用传输能力等各个方面。然而传统的最优潮流模型的目标函数与约束条件等各参数都已确定是已知的。严格来说,大多数参数是不确定的或者是随机变化的,传统的最优潮流计算过程将因这些随机变化的因素而不能求解出正确的最优解;另外,电力工业的改革也使电力系统中的不确定因素呈加剧趋势,这些不确定因素均对电力系统最优潮流分析提出新的挑战。因此,随机最优潮流问题受到关注。随机最优潮流自提出以来,就应用在电力系统的各个方面。总的来说,包括以下几个方面：有功优化、无功优化、系统备用优化、电力市场的阻塞管理、负荷管理,可用传输能力、竞价策略等。本文在介绍目前国内外随机最优潮流的研究现状后,发现机会约束潮流是随机最优潮流模型的主要形式,目前对机会约束问题的解法仍然处于探索阶段,因此本文对这一类随机最优潮流的解法进行研究,提出了基于随机模拟的粒子群算法和确定性算法结合的方法,并展望了随机最优潮流模型的扩展方向。随机模拟技术为验证概率形式的约束条件提供了有效的途径,因此在机会约束规划模型中,使用随机模拟技术可以取得很好的效果。由于粒子群算法在寻优过程中其搜索路径和寻优机制较其他传统算法和智能算法更有优势,其在计算机编程中也要比其他智能算法更容易实现。因此,本文采用基于随机模拟的粒子群算法在机会约束中进行寻优。采用基于随机模拟的粒子群算法和确定性算法结合的方法,实现了考虑负荷不确定的随机最优潮流问题求解、考虑负荷和电力供应端不确定的随机最优潮流问题求解以及考虑负荷相关性的随机最优潮流问题求解；并在简单5节点系统和IEEE30节点系统进行算例验证,得出了本方法在计算随机最优潮流时具有通用性的结论。
【关键词】：不确定性 机会约束规划 随机最优潮流 粒子群算法 相关性
【学位授予单位】：昆明理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM744;TM732
【目录】：

• 摘要5-7
• ABSTRACT7-12
• 第一章 绪论12-22
• 1.1 引言12
• 1.2 选题背景12
• 1.3 随机最优潮流发展及研究现状12-19
• 1.3.1 随机最优潮流求解方法15-19
• 1.4 随机最优潮流应用19
• 1.5 本论文主要工作19-22
• 第二章 粒子群算法及其在电力系统中的应用22-34
• 2.1 优化算法选取22-23
• 2.2 粒子群算法23-25
• 2.2.1 带惯性权重的粒子群算法24-25
• 2.3 粒子群算法在电力系统中的应用25-31
• 2.4 基于随机模拟的粒子群算法31-32
• 2.4.1 随机模拟技术31
• 2.4.2 基于随机模拟的粒子群算法31-32
• 2.4.3 基于随机模拟的粒子群算法求解过程32
• 2.5 本章小结32-34
• 第三章 基于粒子群算法并考虑负荷不确定的随机最优潮流34-46
• 3.1 随机最优潮流模型分类34-35
• 3.1.1 目标函数含期望值的随机最优潮流34
• 3.1.2 目标函数不使用数学特征表示的随机最优潮流34-35
• 3.1.3 随机最优潮流的扩展模型35
• 3.2 负荷不确定下的随机最优潮流模型35-39
• 3.2.1 随机最优潮流的机会约束规划模型35-36
• 3.2.2 模型简化36-37
• 3.2.3 收敛条件37
• 3.2.4 PSO适应函数37-38
• 3.2.5 求解方法38-39
• 3.3 算例分析39-44
• 3.3.1 5节点系统39-42
• 3.3.2 IEE30节点系统42-44
• 3.4 本章总结44-46
• 第四章 基于粒子群算法并考虑负荷和电力供应端不确定的随机最优潮流46-54
• 4.1 计入负荷和电力供应不确定的随机最优潮流46-50
• 4.1.1 随机最优潮流的机会约束规划模型46-48
• 4.1.2 模型简化48
• 4.1.3 收敛条件48-49
• 4.1.4 PSO适应函数49
• 4.1.5 求解方法49-50
• 4.2 算例分析50-53
• 4.2.1 5节点系统50-52
• 4.2.2 IEE30节点系统52-53
• 4.3 本章总结53-54
• 第五章 基于粒子群算法并考虑负荷相关性的随机最优潮流54-66
• 5.1 考虑负荷相关性的随机最优潮流54-57
• 5.1.1 随机最优潮流的机会约束规划模型54-55
• 5.1.2 模型简化55-56
• 5.1.3 收敛条件56
• 5.1.4 PSO适应函数56
• 5.1.5 求解方法56-57
• 5.2 对相关系数的处理57-59
• 5.2.1 具有相关性的输入变量转换58-59
• 5.3 算例分析59-63
• 5.3.1 5节点系统59-61
• 5.3.2 IEE30节点系统61-63
• 5.4 本章总结63-66
• 第六章 结论与展望66-68
• 致谢68-70
• 参考文献70-76
• 附录 (研究生期间发表的论文及参与的科研项目)76
• 一、研究生期间发表论文76
• 二、研究生期间参加科研项目76

【相似文献】

中国期刊全文数据库 前10条

1 ;“基于运行模式的最优潮流结构选择”通过鉴定[J];哈尔滨理工大学学报;2000年03期

2 李志民,李卫星,王永建;基于熵理论的最优潮流代理约束算法[J];电力系统自动化;2001年11期

3 袁贵川,王建全;考虑了动态约束和稳定约束的最优潮流[J];电力系统及其自动化学报;2003年03期

4 黄玉;;基于改进原对偶对数障碍法的最优潮流算法[J];山东大学学报(工学版);2006年04期

5 胡泽春;王锡凡;;考虑负荷概率分布的随机最优潮流方法[J];电力系统自动化;2007年16期

6 刘晓东;;常见最优潮流算法分析[J];科技信息;2009年02期

7 付敏;毛晨峰;杨永旺;;电力系统最优潮流算法综述[J];中国新技术新产品;2009年23期

8 张粒子,杨以涵;求最优潮流的网流参量法(英文)[J];哈尔滨工业大学学报;1990年02期

9 薛忠;赵晋泉;罗卫华;赵军;;含离散和连续混合决策变量最优潮流求解方法综述[J];自动化技术与应用;2014年04期

10 任奇;用最优潮流法解决运城电网无功补偿问题的研究[J];山西电力;2002年06期

中国重要会议论文全文数据库 前5条

1 郭振兴;彭显刚;;随机最优潮流综述[A];武汉(南方九省)电工理论学会第22届学术年会、河南省电工技术学会年会论文集[C];2010年

2 王灿;卢锦玲;郑振华;;最优潮流的GAAA算法[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（中册）[C];2008年

3 范晓丹;郭金莲;赵洪山;;基于NRAL技术的外点最优潮流新算法[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（上册）[C];2008年

4 潘雄;周明;孔晓民;吴s，

本文编号：495703