当前位置:主页 > 科技论文 > 自动化论文 >

改进粒子群优化算法及其在电网无功分区中的应用

发布时间:2018-01-24 12:09

  本文关键词: 电网无功分区 电气距离 粒子群优化算法 社团结构 出处:《电力系统自动化》2017年03期  论文类型:期刊论文


【摘要】:提出一种改进粒子群优化算法并将其应用于电网无功分区,以复杂网络社团结构理论为基础,建立以电气距离为权重的电力系统加权网络模型,以模块度为标准量化地评价无功分区的划分质量。改进粒子群优化算法采用了新的粒子编码方式与位置更新方式,提高了以模块度为目标函数的启发式算法的收敛速度并减少了存储空间。通过改进粒子群优化算法得到的无功网络具有较强的区域解耦特性,分区内部电气联系紧密,区域之间联系稀疏,无功分区结构合理。该算法在IEEE 39节点系统、IEEE 118节点系统及大型电网的应用结果表明了该算法的合理性及有效性。
[Abstract]:An improved particle swarm optimization (PSO) algorithm is proposed and applied to reactive power zoning of power grid. Based on the theory of complex network community structure, a weighted network model with electrical distance as weight is established. The partition quality of reactive power partition is evaluated quantificationally based on modularity. The improved particle swarm optimization (PSO) algorithm adopts new particle coding method and position updating method. The convergence speed of heuristic algorithm with modularity as the objective function is improved and the storage space is reduced. The reactive power network obtained by the improved particle swarm optimization algorithm has strong region decoupling property. This algorithm is used in the IEEE 39 bus system, and the electrical connection is close, the connection between the regions is sparse, and the reactive power partition structure is reasonable. The application results of IEEE 118-bus system and large power grid show that the algorithm is reasonable and effective.
【作者单位】: 山东大学电气工程学院;国网南京供电公司;
【分类号】:TM712;TP18
【正文快照】: 上网日期:2016-11-23。0引言无功电压控制是保证电力系统安全稳定运行的重要手段。当前,针对电力系统电压控制问题,由法国电力公司提出的分层电压控制[1]方案得到广泛应用。其中,二级电压控制[2-3]利用无功就地平衡的特性,将电网划分为彼此解耦的电力系统。传统电网分区大多根

【相似文献】

相关期刊论文 前10条

1 戴冬雪,王祁,阮永顺,王晓超;基于混沌思想的粒子群优化算法及其应用[J];华中科技大学学报(自然科学版);2005年10期

2 李艳灵;李刚;;粒子群优化算法研究进展[J];重庆工学院学报(自然科学版);2007年05期

3 岳兴汉;薛云灿;蔡亮;;基于混沌思想的粒子群优化算法[J];河海大学常州分校学报;2007年04期

4 吕林;罗绮;刘俊勇;田立峰;;一种基于多种群分层的粒子群优化算法[J];四川大学学报(工程科学版);2008年05期

5 房靖;高尚;;不完全判断矩阵权值的粒子群优化算法计算[J];科学技术与工程;2009年19期

6 徐安;赵思宏;寇英信;黄俊;;基于混合粒子群优化的多目标决策新方法[J];火力与指挥控制;2010年01期

7 梁武;;改进的粒子群优化算法在结构优化中的应用[J];广东建材;2010年04期

8 冯雪;裴志松;;粒子群优化算法的研究与应用[J];吉林建筑工程学院学报;2011年03期

9 高立群;李若平;邹德旋;;全局粒子群优化算法[J];东北大学学报(自然科学版);2011年11期

10 赵成业;闫正兵;刘兴高;;改进的变参数粒子群优化算法[J];浙江大学学报(工学版);2011年12期

相关会议论文 前10条

1 张妍;张晓光;王永钢;;几种改进型的粒子群优化算法[A];第一届中国高校通信类院系学术研讨会论文集[C];2007年

2 孙红光;潘毓学;;基于运动目标路径的粒子群优化算法研究[A];第二届全国信息获取与处理学术会议论文集[C];2004年

3 韩毅;唐加福;郭伟宏;刘阳;;混合粒子群优化算法求解多层批量问题(英文)[A];中国运筹学会第八届学术交流会论文集[C];2006年

4 金一粟;梁逸曾;;空间自适应粒子群优化算法的应用研究[A];第九届全国计算(机)化学学术会议论文摘要集[C];2007年

5 汪荣贵;李守毅;孙见青;;一种新的自适应粒子群优化算法及应用[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集[C];2007年

6 黄双欢;程良伦;;一种基于粒子群优化的快速图像倾斜角度检测算法[A];中国自动化学会中南六省(区)2010年第28届年会·论文集[C];2010年

7 侯志荣;吕振肃;;基于退火策略的粒子群优化算法[A];2003年中国智能自动化会议论文集(下册)[C];2003年

8 徐俊杰;忻展红;;基于增强型参考位置的粒子群优化模型[A];’2004系统仿真技术及其应用学术交流会论文集[C];2004年

9 王亚;于永光;耿玲玲;;一类改进的自适应粒子群优化算法对混沌系统未知参数的估计[A];中国力学大会——2013论文摘要集[C];2013年

10 崔静;邓方;方浩;;基于改进粒子群优化算法的弹道求解方法[A];2013年中国智能自动化学术会议论文集(第三分册)[C];2013年

相关博士学位论文 前10条

1 刘昊;多样性增强的粒子群优化算法及其应用研究[D];北京理工大学;2015年

2 姜毅;动态环境下粒子群优化算法的研究[D];武汉大学;2013年

3 刘华蓥;粒子群优化算法的改进研究及在石油工程中的应用[D];东北石油大学;2012年

4 刘波;粒子群优化算法及其在机电设备中的应用研究[D];中北大学;2011年

5 熊勇;粒子群优化算法的行为分析与应用实例[D];浙江大学;2005年

6 唐贤伦;混沌粒子群优化算法理论及应用研究[D];重庆大学;2007年

7 闫允一;粒子群优化及其在图像处理中的应用研究[D];西安电子科技大学;2008年

8 余炳辉;粒子群优化算法试验研究及扩展[D];华中科技大学;2007年

9 唐贤伦;混沌粒子群优化算法理论及应用[D];重庆大学;2007年

10 徐慧;粒子群优化算法改进及其在煤层气产能预测中的应用研究[D];中国矿业大学;2013年

相关硕士学位论文 前10条

1 陈卓;粒子群优化算法的改进及在油藏数值模拟中的应用[D];北京建筑大学;2015年

2 白云;基于粒子群优化算法的复杂网络社区挖掘[D];西北农林科技大学;2015年

3 杨艳华;基于粒子群优化支持向量机的网络态势预测模型研究[D];兰州大学;2015年

4 孟亚州;基于粒子群优化OTSU的肺组织分割算法研究[D];宁夏大学;2015年

5 郑博;基于快速排序的多目标粒子群优化算法的研究及应用[D];郑州大学;2015年

6 米永强;非线性规划问题的混合粒子群优化算法研究[D];宁夏大学;2015年

7 李建美;基于自适应变异与文化框架的混沌粒子群优化算法[D];陕西师范大学;2015年

8 刘星;基于粒子群优化算法的特征选择方法研究[D];南京大学;2015年

9 牛旭;动态粒子群优化算法及其应用[D];西安电子科技大学;2014年

10 叶华;粒子群优化算法研究[D];西安电子科技大学;2014年



本文编号:1460018

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/1460018.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户c594a***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com