基于粒子群算法的配电网无功优化的研究
发布时间：2021-08-13 19:54
当今社会已步入飞速发展时代,能源作为国家战略性资源受到了重点关注。传统能源的使用不但会对破坏当前的生态环境,而其本身也面临枯竭风险。电力系统无功功率潮流优化就是合理调配电网中的无功功率,使其在电能质量、经济效益、节能高效之间找寻平衡。无功功率合理的分布不但能提升系统的电压水平,而且可以使网损得到相应的减少,使电网的运行质量及稳定性也会变得更好。因此配电网优化无功功率配置问题的研究显得意义非凡。无功优化是一个约束条件多,变量多并且维度高的优化问题,以往经典的优化算法都因为自身结构的问题存在着一些不足,但是随着近年来人工智能算法的出现,情况得到了改善。粒子群算法是一种性能较为良好的随机搜索算法,其收敛性好、求解精度较高,已成功地应用于求解各种复杂的优化问题。为实现迅速收敛于全局最优解的目的,本文在对粒子群算法改进的基础上,将该算法应用到配电网无功优化中。首先,阐述了粒子群算法的基本原理与思路,提出了一种引入线性递减权重系数与动态加速因子的改进粒子群优化算法,并验证改进算法的合理可行性;其次,建立研究所需的物理模型、数学方程、解算思路和方法;再次,提出合理的数理模型来达到最小网损、经济建设费...
【文章来源】：东北石油大学黑龙江省
【文章页数】：56 页
【学位级别】：硕士
【部分图文】：
网损对比结果图
图 4-3 粒子群算法的网损结果与迭代收敛特性曲线对比图对比二者的优化效果，可以得到如下结论：(1) 优化前的无功功率，由于系统网损较高，各节点电压较低，经济效益差。而优化后，两种算法在结果方面都能取得很好的成效。两相对比，采用改进PSO算法优化后，需要的无功补偿装置比较少，从而获得了一定的经济效益，网损降低效果更显著，并大大提升电能质量。(2) 优化后的结果表明，本文对PSO算法的改进算法具有正确性，并且从结果上可以看出，改进后的PSO算法相较于基本粒子群算法而言收敛速度更快。总而言之，改进PSO算法具有明显的优于基本粒子群算法的寻优速度、寻优性能等，也就直接证明了改进的PSO算法在配电网无功优化配置方案中的可行性与高效性。4.3 本章小结本章首先介绍了IEEE30 标准节点系统仿真网络的初始系统参数。其次是在相同实验条件下利用Matlab软件中编写的相关程序，分别采用基本PSO算法和改
图 4-1 为IEEE30 节点标准测试系统等效电路图，该系统包括支路 41 条、负荷节点 22 个、发电机节点 6 个和无功补偿点 2 个。等效电路中，节点 1、2、5、8、11、13 为发电机节点，其中节点 1 设为平衡节点，并联电容器节点为 10、24，支路 6-9，6-10，4-12，28-27 为有载调压变压器支路。P-V节点和平衡节点的电压上限 1.1，下限 0.9，P-Q节点的电压上限 1.05，下限 0.95。
【参考文献】：
期刊论文
[1]基于融合禁忌搜索粒子群算法的配电网无功优化[J]. 王吉友. 中国新技术新产品. 2016(07)
[2]电力系统无功优化模型及算法研究[J]. 李宁. 科技展望. 2015(01)
[3]多种群粒子群算法与混合蛙跳算法融合的研究[J]. 李俊,孙辉,史小露. 小型微型计算机系统. 2013(09)
[4]含分布式电源的改进PSO算法配电网无功优化[J]. 韩学军,邓艳秋,张全厚. 计算机仿真. 2013(05)
[5]含分布式发电的配电网多目标无功优化策略研究[J]. 程杉,陈民铀,黄薏宸. 电力系统保护与控制. 2013(10)
[6]一种基于高斯罚函数的大规模无功优化离散变量处理方法[J]. 李志刚,吴文传,张伯明,郭庆来. 中国电机工程学报. 2013(04)
[7]基于一种改进蚁群算法的动态无功优化[J]. 王韶,张煜成,周鑫,李颖. 电力系统保护与控制. 2012(17)
[8]基于改进粒子群算法的中压配电网无功优化[J]. 张庭场,耿光飞. 电网技术. 2012(02)
[9]并行自适应粒子群算法在电力系统无功优化中的应用[J]. 刘世成,张建华,刘宗岐. 电网技术. 2012(01)
[10]改进粒子群算法在电网无功优化中的应用[J]. 姜惠兰,陈平,王敬朋,王浩. 中国电力. 2011(12)
博士论文
[1]电力市场环境下无功定价及无功优化模型研究[D]. 崔勇.华北电力大学 2014
[2]考虑不确定性因素的电力系统电压稳定与无功优化问题研究[D]. 李鸿鑫.华中科技大学 2013
[3]农村配电网无功优化智能技术研究[D]. 谭东明.沈阳农业大学 2011
[4]智能优化算法及其在电力系统无功优化中的应用研究[D]. 张雪霞.西南交通大学 2011
[5]无功优化进化计算的局部搜索策略及多目标处理方法[D]. 李智欢.华中科技大学 2010
[6]基于粒子群体优化算法的电力系统无功优化研究[D]. 张文.山东大学 2006
硕士论文
[1]布谷鸟优化算法改进及与粒子群算法融合研究[D]. 候慧超.渤海大学 2014
[2]主动配电网中含有电力电子变压器的无功优化控制研究[D]. 张伟.北京交通大学 2014
[3]电力系统供配电节能之无功优化研究[D]. 陈奕瑾.中国地质大学（北京） 2014
[4]基于多智能体量子粒子群算法的电网无功优化问题研究[D]. 李阳.广东工业大学 2014
[5]含分布式电源的配电网多目标电压无功优化研究[D]. 史浩宇.广东工业大学 2014
[6]地区电网无功优化控制与应用[D]. 郝臻.山东大学 2014
[7]基于网络分析的电力系统无功优化[D]. 王竞.浙江大学 2014
[8]基于PSO算法的含DG配电网无功优化研究[D]. 朱文轩.西南交通大学 2013
[9]基于混合量子粒子群算法的电力系统无功优化[D]. 李培帅.山东大学 2013
[10]基于混合智能算法的电力系统无功优化研究[D]. 葛莲.兰州交通大学 2012
本文编号：3341044
【文章来源】：东北石油大学黑龙江省
【文章页数】：56 页
【学位级别】：硕士
【部分图文】：
网损对比结果图
图 4-3 粒子群算法的网损结果与迭代收敛特性曲线对比图对比二者的优化效果，可以得到如下结论：(1) 优化前的无功功率，由于系统网损较高，各节点电压较低，经济效益差。而优化后，两种算法在结果方面都能取得很好的成效。两相对比，采用改进PSO算法优化后，需要的无功补偿装置比较少，从而获得了一定的经济效益，网损降低效果更显著，并大大提升电能质量。(2) 优化后的结果表明，本文对PSO算法的改进算法具有正确性，并且从结果上可以看出，改进后的PSO算法相较于基本粒子群算法而言收敛速度更快。总而言之，改进PSO算法具有明显的优于基本粒子群算法的寻优速度、寻优性能等，也就直接证明了改进的PSO算法在配电网无功优化配置方案中的可行性与高效性。4.3 本章小结本章首先介绍了IEEE30 标准节点系统仿真网络的初始系统参数。其次是在相同实验条件下利用Matlab软件中编写的相关程序，分别采用基本PSO算法和改
图 4-1 为IEEE30 节点标准测试系统等效电路图，该系统包括支路 41 条、负荷节点 22 个、发电机节点 6 个和无功补偿点 2 个。等效电路中，节点 1、2、5、8、11、13 为发电机节点，其中节点 1 设为平衡节点，并联电容器节点为 10、24，支路 6-9，6-10，4-12，28-27 为有载调压变压器支路。P-V节点和平衡节点的电压上限 1.1，下限 0.9，P-Q节点的电压上限 1.05，下限 0.95。
【参考文献】：
期刊论文
[1]基于融合禁忌搜索粒子群算法的配电网无功优化[J]. 王吉友. 中国新技术新产品. 2016(07)
[2]电力系统无功优化模型及算法研究[J]. 李宁. 科技展望. 2015(01)
[3]多种群粒子群算法与混合蛙跳算法融合的研究[J]. 李俊,孙辉,史小露. 小型微型计算机系统. 2013(09)
[4]含分布式电源的改进PSO算法配电网无功优化[J]. 韩学军,邓艳秋,张全厚. 计算机仿真. 2013(05)
[5]含分布式发电的配电网多目标无功优化策略研究[J]. 程杉,陈民铀,黄薏宸. 电力系统保护与控制. 2013(10)
[6]一种基于高斯罚函数的大规模无功优化离散变量处理方法[J]. 李志刚,吴文传,张伯明,郭庆来. 中国电机工程学报. 2013(04)
[7]基于一种改进蚁群算法的动态无功优化[J]. 王韶,张煜成,周鑫,李颖. 电力系统保护与控制. 2012(17)
[8]基于改进粒子群算法的中压配电网无功优化[J]. 张庭场,耿光飞. 电网技术. 2012(02)
[9]并行自适应粒子群算法在电力系统无功优化中的应用[J]. 刘世成,张建华,刘宗岐. 电网技术. 2012(01)
[10]改进粒子群算法在电网无功优化中的应用[J]. 姜惠兰,陈平,王敬朋,王浩. 中国电力. 2011(12)
博士论文
[1]电力市场环境下无功定价及无功优化模型研究[D]. 崔勇.华北电力大学 2014
[2]考虑不确定性因素的电力系统电压稳定与无功优化问题研究[D]. 李鸿鑫.华中科技大学 2013
[3]农村配电网无功优化智能技术研究[D]. 谭东明.沈阳农业大学 2011
[4]智能优化算法及其在电力系统无功优化中的应用研究[D]. 张雪霞.西南交通大学 2011
[5]无功优化进化计算的局部搜索策略及多目标处理方法[D]. 李智欢.华中科技大学 2010
[6]基于粒子群体优化算法的电力系统无功优化研究[D]. 张文.山东大学 2006
硕士论文
[1]布谷鸟优化算法改进及与粒子群算法融合研究[D]. 候慧超.渤海大学 2014
[2]主动配电网中含有电力电子变压器的无功优化控制研究[D]. 张伟.北京交通大学 2014
[3]电力系统供配电节能之无功优化研究[D]. 陈奕瑾.中国地质大学（北京） 2014
[4]基于多智能体量子粒子群算法的电网无功优化问题研究[D]. 李阳.广东工业大学 2014
[5]含分布式电源的配电网多目标电压无功优化研究[D]. 史浩宇.广东工业大学 2014
[6]地区电网无功优化控制与应用[D]. 郝臻.山东大学 2014
[7]基于网络分析的电力系统无功优化[D]. 王竞.浙江大学 2014
[8]基于PSO算法的含DG配电网无功优化研究[D]. 朱文轩.西南交通大学 2013
[9]基于混合量子粒子群算法的电力系统无功优化[D]. 李培帅.山东大学 2013
[10]基于混合智能算法的电力系统无功优化研究[D]. 葛莲.兰州交通大学 2012
本文编号：3341044
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3341044.html
