关键字 |
混合粒子群优化(HPSO),最优功率流,成本最小化,两步的初始化,电力系统。 |
介绍 |
最优功率流在电力系统运行中起着重要的作用。它只是试图找到最优设置给定的电力系统网络,优化一个目标函数在满足其功率流方程,系统安全性和设备操作限制。几个控制行动,其中一些是发电机的实际功率输出和电压,变压器抽头切换设置,调整阶段换档器,切换电容和反应堆,达到最优的网络设置基于问题公式化。OPF问题的主要困难之一是控制变量的性质,因为有些是连续的(实际功率输出和电压),而另一些离散(变压器抽头设置,相移和反应注射)。总油耗成本函数是迄今为止最常见的客观OPF研究中使用。然而,其他的传统目标是最小化有功功率损失,总线电压偏差,排放的发电机组、控制操作和甩负荷。 |
在过去传统的方法是采用OPF问题的解决方案。H.W.Dommel和W.F.Tinney[1]首先提出最优功率流的解决方案。各种非经典的优化工具来应对出现的一些传统优化算法。现代优化技术主要有遗传算法(GA)[2 - 4],进化编程(EP)[5],人工神经网络(ANN),模拟退火(SA),蚁群优化(ACO),粒子群优化(PSO)[6]和智能搜索进化算法(设想)[7]。这些相对较新的开发工具模仿某些自然现象中寻找一个最优解像物种进化(GA和EP),人类神经系统(安),金属冷却过程的热动力学(SA),或社会行为(算法和PSO)。他们已经成功地应用于广泛的全球性解决方案的优化问题比当地的首选。 |
PSO之前已经用于解决OPF问题。引用(8 - 10)的研究人员试图利用PSO解决OPF问题考虑不同的目标函数。在上述工作中,只有连续控制设置被视为优化变量限制其实际电力系统的适用性。核磁共振艾尔Rashidi M.E.EI。Hawary[11]报告了一种混合粒子群优化算法作为一种现代优化工具来解决离散最优功率流阀负载效应问题。 |
摘要HPSO算法能同时处理离散和连续优化的变量是用来解决OPF问题。OPF问题是制定作为一个优化问题,解决了使用HPSO算法。目标函数是最小化的燃料成本。负载流模型结合使用牛顿-拉富生HPSO算法中迭代技术总燃料成本降到最低。该模型进一步修改将TCSC(12 - 15)到网络和HPSO技术应用于模型来提高电力系统的性能。方法的有效性进行了测试标准IEEE 14总线测试系统,并给出了结果。 |
晶闸管控制串联电容器 |
介绍了串联电容补偿几十年前取消部分线路阻抗,从而增加无功补偿是高度有效的控制功率流在线路和提高稳定性。晶闸管控制的串联补偿器(TCSC)的一个重要事实的家人与长输电线路越来越多地应用现代电力系统的公用事业。 |
于1986年提出基本的晶闸管控制串联电容器Vithayathil与他人作为一个“快速调整网络阻抗”的方法。它由晶闸管控制的串联补偿电容分流的反应堆。在一个实际的TCSC实现中,几个这样的基本补偿器可以连接在系列获得所需的额定电压和操作特点。TCSC计划背后的基本想法是提供一个连续可变电容器通过部分取消TCR的有效补偿电容。TCSC的基本方案图1所示 |
TCSC装置组成的电容器,晶闸管控制电抗器(TCR)并行连接。TCSC是事实设备之一,用于电力系统有功功率流控制,提高输电线路的能力。TCSC的阻抗的变化是由反应堆与电容器并联晶闸管切换。感抗晶体闸流管的发射角定义。TCSC通常连接在系列线并允许改变传输线的阻抗和这种变化影响功率流。控制是快速,高效,提高发射功率的限制。 |
数学问题公式化TCSC的消息 |
数学,OPF问题用事实来减少燃料成本代解决维护温度和电压约束可以制定如下 |
![方程](//www.cheescube.com/articles-images/IJAREEIE-63-e001.gif) |
![方程](//www.cheescube.com/articles-images/IJAREEIE-63-e002.gif) |
混合粒子群优化 |
答:概述 |
混合粒子群优化是一种启发式全局优化方法提出了进行最初由肯尼迪和埃伯哈特在1995年。它是由群体智慧和基于研究的鸟类和鱼类群运动行为。原来的算法模型旨在处理连续的非线性优化问题。然而,进一步改善提高PSO功能来解决更广泛的问题。这个优化器来自背后的概念进行早期的尝试由埃伯哈特和肯尼迪对许多物种的群体行为建模,像鸟在他们的食物或学校的鱼狩猎。一群由进化的粒子数量或飞整个问题多维空间搜索最优或接近最优解。 |
在n维搜索空间,ξ= [xi1,xi2,。x在]和vi = [vi1,vi2,。v在)是两个向量与每个粒子关联我这表明初始位置和速度。在他们的搜索,粒子相互作用以某种方式来优化他们的搜索体验。在他们的飞行经验,粒子与最佳解决方案共享位置坐标信息与其他群体。然后,每个粒子更新其坐标的基础上自己最好的搜索体验(pb)和gb。 |
这种HPSO方法结合PSO技术有两个步骤前的初始化方法技术作为全球优化器找到最好的组合混合类型的控制变量,而后者作为非线性功率流方程的解算器有更好的收敛特性。HPSO雇佣了人口的粒子或可能的解决方案,探索可行的解决方案的多维空间寻找最优解决方案。每个粒子的位置作为初始可行流子例程。这种方法的多个初始解决方案可以提供更好的机会检测功率流方程的最优解,全局最小化目标函数。 |
类似于其他进化方法HPSO也始于一个初始种群。应用该算法的一些基准测试函数和一个真正的问题已被证明其能力在解决复杂的非线性和非凸优化问题。HPSO更快收敛速度的关键特性降低计算复杂度。 |
b . HPSO算法 |
的主要阶段HPSO算法简要描述如下 |
•初始化。 |
初始化两个步骤是用于生成初始种群 |
![方程](//www.cheescube.com/articles-images/IJAREEIE-63-e003.gif) |
在本文中,采用两步初始化过程。两步的初始化过程提供了更好的探测概率功率流方程的最优解,全局最小化给定的目标函数。在第一步中,初始种群生成多维向量的大小(ps×ncv),它被认为是一个村庄。村里所有的控制变量必须满足的约束。评估的价值成本函数为每个字符串在村子里。从村子里选择最好的字符串对应于最低成本。重复的村庄(nv)的过程。在第二步中,将所有最好的字符串从每个村庄形成多维向量[X] (nv×ncv)和这个新的人口规模是用于进化操作。 |
•重量更新 |
重量更新通过以下方程 |
![方程](//www.cheescube.com/articles-images/IJAREEIE-63-e004.gif) |
在哪里 |
w是惯性权重的线性递减函数迭代索引。 |
k是迭代索引。 |
•速度更新 |
通过使用每个粒子的个体最佳和全球最佳。第j k维的粒子速度更新 |
![](//www.cheescube.com/articles-images/IJAREEIE-63-e005.gif) |
在哪里 |
c1和c2两个积极的常数,它们之间保持平衡粒子的个体和社会行为。 |
r1和r2是两个随机生成的数字添加了一系列[0,1],在模型中引入随机性质。 |
•位置更新 |
基于更新的速度,每个粒子改变其位置根据以下方程。 |
(14) |
•选择 |
人口选择最好的利润值。记住迄今取得的最佳解决方案。 |
•停止标准 |
个人最佳人口和全球人口是复制到下一代直到满足停止标准。 |
在当前的工作,当一代又一代的数量达到给定的最大数量的后代作为停止准则。 |
结果和讨论 |
OPF模型本文提出了一种结合事实控制器的TCSC使用HPSO算法增强系统性能。这个模型能够解决任何规模的电网和最小数量的迭代收敛和独立的初始条件。标准的IEEE 14-bus系统已被用于证明该方法在一个广泛的传动系统功率流的变化。 |
模拟研究在这一节中进行调查TCSC对电力系统的影响。的方法是使用MATLAB软件包实现个人电脑与英特尔奔腾双核2.6 GHz处理器、2 GB内存。OPF问题HPSO算法求解合并TCSC的增强系统性能。总结了HPSO参数用于仿真怎么 |
这个系统的网络和负载数据是取自[16]。测试的能力HPSO算法目标函数被认为是成本最低化的一代。为了显示功率流的影响TCSC的控制能力HPSO算法,两个案例研究进行标准IEEE 14-bus系统。 |
案例1:没有TCSC消息 |
案例2:与TCSC消息。 |
从表2和表3可以看出,TCSC的安装在网络给系统的良好性能的降低发电成本,减少功率损耗和电压。它也给HPSO算法能够提高系统的性能,同时保持所有控制变量和无功功率输出在他们的范围之内。 |
收敛特性有无TCSC利用HPSO算法是图2所示。从特征可以看出,收敛趋势有TCSC而没有TCSC要好。 |
结论 |
本文采用TCSC的OPF问题最小化发电的燃料成本和提高系统的性能。HPSO算法用于解决OPF问题。OPF问题是制定作为一个非线性等式和不等式约束优化问题。的结果比较有和没有TCSC HPSO算法。在两个测试用例,测试用例2代的更少的燃料成本,减少功率损耗和电压的改进。HPSO算法的收敛趋势表明该算法相对收敛更少数量的周期。 |
表乍一看 |
|
数据乍一看 |
![Click Here 图](//www.cheescube.com/articles-images/IJAREEIE-63-g001.gif) |
![Click Here 图](//www.cheescube.com/articles-images/IJAREEIE-63-g002.gif) |
图1 |
图2 |
|
引用 |
- H.W.Dommel和W.F.Tinney”,最优功率流解决方案,“IEEE电力设备和系统,vol.pas - 87, Oct.1968 pp.1866 - 1876。
- m .媚兰”,介绍遗传算法”,麻省理工学院出版社,马萨诸塞州,1999年。
- S.N. Sivanandam和S.N. Deepa”,引入遗传算法,”斯普林格出版社,柏林,海德堡,2008年。
- R.L. Haupt, S.E. Haupt,“实用遗传算法,”支持。约翰•威利& Sons新泽西,2004年。
- R。Gnanadass, P。马纳尔和普拉萨德斯瓦米Padhy进化编程最优功率流为基础单位不平滑fuelcost功能,“电力组件和系统,Vol.33 pp.349 - 361, 2005。
- j·肯尼迪进行r·c·埃伯哈特,“粒子群优化”,在Proc, IEEE Int。Conf。神经。珀斯,澳大利亚,卷4,pp.1942 - 1948, 1995。
- A.V.NareshBabu和S。Sivanagaraju”,解决最优潮流问题:基于两步初始化新方法,”印度11 IEEE国际会议(INDICON)工程可持续的解决方案,比特,海得拉巴,印度,2011年12月。
- h . c . Wang元,z .黄,j . Zhang和c .太阳”修改后的粒子群优化算法及其在最优powerflow问题中的应用,”国际会议在机器学习和控制论学报》上。5卷,页2885 - 2889,广州,中国,2005。
- 杨h·r·马p . Wang, g .胡”环境/经济事务规划使用多目标粒子群Optimizationand非平稳多阶段分配罚函数,“IEEE / PES输配电会展:亚洲和太平洋,页1 - 6,大连,中国,2005。
- b .赵、郭c . x和y . j .曹”OPF问题,改进的粒子群优化算法”IEEE / PES权力SystemsConference和博览会,页233 - 238,纽约,美国,2004年。
- 核磁共振AI-Rashidi和主机EI-Hawary”混合粒子群优化方法求解OPF问题考虑阀门离散荷载效应,“IEEE反式。电力系统,卷。22,No.4, Nov.2007.
- n . g . Hingorani和l . Gyugyi”理解FACTS-concepts和灵活交流输电系统技术”IEEE出版社,FirstIndian版,2001年。
- Ghawghawe ND, Thakre KL。TCSC电抗计算ATC的改进和建议标准的位置。Int J ElectrPower能源系统pp.86 - 93, 2009。
- 大使,Badrzadeh b”SVC和TCSC的建模与仿真研究他们限制最大载荷能力点,“Int J电力能源系统。pp.381-8 2004
- Canizares CA, Faur z”分析SVC和TCSC控制器的电压崩溃,“IEEE反式动力系统,构造问题pp.1-8, 1999年。
- IEEE 14-bus系统数据可以在http://www.ee.washington.edu/research/pstca
|