融合智能代理模型和改进微分进化算法的电力系统暂态稳定预防控制

发布时间：2021-06-19 12:47

　　电力系统暂态稳定预防控制可看作含微分方程的非线性规划优化模型,开发一种寻优能力强、计算速度快的优化求解方法非常关键。考虑暂态稳定预防控制问题的特点,提出一种融合智能代理模型和改进微分进化算法优化求解算法。在微分进化算法的基础上,引入扩展变异操作及参数自适应调整策略,提高微分进化算法的寻优能力,并利用改进微分进化算法求解预防控制优化模型。同时,为提高求解速度,利用潮流特征和集成极限学习机建立暂态稳定裕度预测的智能代理模型,在迭代优化过程中快速估计稳定裕度水平,避免反复进行时域仿真计算。仿真结果表明,所提方法不仅增强了传统智能优化算法的寻优能力,并能大幅度减少预防控制策略的求解时间。 

【文章来源】：四川电力技术. 2019,42(04)

【文章页数】：6 页

【部分图文】：

TSPC优化模型求解流程4算例分析

嬉蜃尤≈档淖畲笾岛妥钚≈捣直鹞?0．8和0．3;DE算法中，缩放因子和交叉因子分别固定为0．6和0．5;PSO算法中，采用线性递减的惯性权重，惯性权重的最大值和最小值分别为1．2和0．4，加速因子均取为2。3种方法的种群个数均为30，最大迭代次数均为50次［9］。EELM智能代理模型的参数见文献［11］。为考虑算法的随机性，同一模型均进行10次重复试验。4．1预防控制策略有效性分析根据所提算法的优化结果，验证预防控制策略的有效性，如图3所示。图33种模型下的预防前后控制对比图3(a)和图3(b)为传统最优潮流下和暂态稳定约束最优潮流下故障1分别发生时的功角曲线，图3(c)和图3(d)为传统最优潮流下和暂态稳定约束最优潮流下故障2分别发生时的功角曲线，图3(e)和图3(f)为暂态稳定约束最优潮流下同时考虑故障1和故障2的功角曲线。由图3可见，不论是单重故障还是多重故障，所提方法均能有效抑制电网在预想故障下的暂态失稳现象。4．2算法性能对比对比3种优化算法(IDE－EELM、PSO－EELM、和DE－EELM)的结果见表1，主要对比了3种算法的平均费用。表13种算法的平均费用单位:$/h算法模型1模型2模型3PSO－EELM623226262962741DE－EELM622796232762609IDE－EELM621766221662406由表1可知，3种模型下，IDE－EELM算法求解得到的平均费用均优于PSO－EELM算法和DE－EELM算法。4．3时间开销分析传统基于智能优化算法求解TSPC模型时采用时域仿真法(timedomainsimulation，TDS)对暂态稳定性进行判定，为降?

【参考文献】：
期刊论文
[1]基于二阶正交配置法的暂态稳定约束最优潮流[J]. 杨健,韦化,覃秀君.  中国电机工程学报. 2017(01)
[2]电力系统安全稳定预防控制在线计算方法的评述[J]. 方勇杰,鲍颜红,徐伟,杨君军,阮晶晶,耿天翔.  电力系统自动化. 2015(11)
[3]电力系统暂态稳定预防控制算法综述[J]. 吕晓祥,王建全.  电力系统保护与控制. 2013(20)
[4]基于轨迹灵敏度的电力系统动态安全预防控制算法研究[J]. 孙景强,房大中,周保荣.  电网技术. 2004(21)
[5]暂态稳定预防控制和优化新进展[J]. 甘德强,辛焕海,王建全,杜正春,李颖晖.  电力系统自动化. 2004(10)

硕士论文
[1]差分进化算法及应用研究[D]. 吴亮红.湖南大学 2007



本文编号：3237840