关键字 |
最优无功功率流,最优功率流,蜂群算法为基础,萤火虫算法。 |
介绍 |
日常生活成长电力的要求在不断增加的人口所以直到daysthe代不满足的需求。的电力需求代是产生传输容量增加,无功功率源不足,voltageinstability,这些电压崩溃的特定问题。这是电力系统的重要问题。当电力系统由manyproblems这些问题处理解决最优功率流方法。 |
这个功率流研究中非常重要的电力系统规划和设计未来的扩张以及现有系统在确定的最佳操作。主要从功率流研究中获得的信息是电压的大小和相位角在每个总线和真正的和无功功率流动在每一行。当deriveof最优潮流(OPF)是电力系统调度控制,还可减少电力传输系统的损失。这种最优功率流问题解决了等式和不等式约束非线性[1]。 |
这个最优功率流问题处理的重新分配无功发电。当这些改变发电机来解决总线电压、无功输出,变压器抽头设置,是并联补偿装置。这是控制参数最优无功调度(ORPD)。额外的功率损耗最小和电压概要文件最大化的帮助下重新分配的无功发电[2,3]。一些metaheuristic算法方法处理最优功率流问题和能够实现的目标全局最优的解决方案。Manymetaheuristic algorithmsare不能实现全局最优解决方案的目标。综述了关于萤火虫的新算法,该算法解决最优功率流问题如何处理,以及如何更好的全球目标最优解简要探讨了[4 - 15]。 |
最优功率流 |
最优功率流的消息包含长时间改善。这些方法首先Carpentier解释为1962年,花费很多时间成为实现胜利性可能与日常使用的算法。当前目标在OPF中包含实现的最优解包含数据的保护系统。 |
如果我们考虑一个“代等于负载+损失”约束: |
![图像](//www.cheescube.com/articles-images/IJAREEIE-127-e001.gif) |
在OPF中,有更多的可调或“控制”指定的变量。部分列表这样的变量包括:1)发电机电压。2)LTC变压器抽头的位置。3)移相变压器抽头的位置。4)切换电容器设置。5)无功注入静态无功补偿器。6)甩负荷。7)直流线流。 |
OPF有许多应用程序,包括: |
1)确定最优代方法,以及包括所有控制参数,实现最低成本的一代。 |
2)可以使用OPF定期寻找最优设置代电压,变压器水龙头和切换电容器或静态无功补偿器(有时称为“voltage-VAR”优化)。 |
3)当前电力系统的稳态或短期负荷预测,OPF可以固定提供一个“预防调度”。 |
4)紧急状态,包含系统的一些设备超载或电压限制,OPF可以设置一个“纠正调度”。 |
5)OPF不断用于计算来确定高应力,计划传输系统可以承受。。 |
最优无功调度 |
ORPD的主要目的是减少实际powerloss(普洛斯)传输系统。有两个basicapproaches损失减少,即发电机总线特定线路施工损失方程。同时Reducelosses是发现在一个特定的区域。另一个方法是更通用的,是所有的这项工作 |
现有的系统 |
现有系统方法列表给出了一个基于)生物地理学优化(偏硼酸钡)B)混合粒子群优化(HPSO) C)差分进化(DE) D)多目标进化算法。(EA) E)真正的混合整数编码遗传算法(RCMIGA)。 |
答:Biogeography-Based优化 |
综述了生物地理学方法分离生物机体的自然方法。这种技术包含迁移和突变。并通过两个方法来解决第一个栖息地适宜性指数(HSI)这些技术包含植被的多样性,降雨、温度、自然生物的多样性的土地面积。恒生指数包含的因变量。Remainingone issuitability索引变量(SIV)提到独立变量。 |
这个方法有资格处理电力系统中的多约束最优潮流问题。多约束意味着真正的功率损耗降到最低,同时也减少电压偏差。当真正的功率损耗和电压偏差调整控制变量的帮助减少发电机电压大小,VAR来源,点击设置。 |
混合粒子群优化 |
本文技术包含食品发现鸟类的行为和HPSO方法处理实际功率损耗降到最低。当损失最小化使用两种技术,一个是切向量方法的弱点区域电力系统发现。剩下的一个是发现,HPSO方法以减少空间并联无功补偿在每个公共汽车。当真正的功率损耗降低调整控制变量的帮助是发电机电压大小,VAR来源,点击设置。 |
c .微分进化: |
这个微分进化优化方法符合解决最优潮流问题和非凸最优功率流计算问题也减少真正的功率损耗。这种优化方法通过调整一些发电机端电压的控制参数,利用这些位置变量实际功率损耗降到最低。 |
多目标进化算法 |
这种技术目前的最优无功调度问题。该算法用于实际功率损耗和电压偏差最小化同时进行优化。 |
这个多目标进化算法有资格处理基于新的力量帕累托进化的方法。当损失减少通过调整变压器水龙头的一些控制变量,发电机电压,可切换的VAR来源。 |
e .真正的混合整数编码遗传算法 |
真正的混合整数编码遗传算法的一个方法来计算最优潮流问题。它能够解决非线性最优潮流(OPF)问题。它是合格的才与制服连续和不连续参数。连续参数由发电机总线电压大小和静态无功补偿器的值。VAR注入,离散参数包含ofphase移装置,变压器抽头设置和角位置,这种方法能够实现全局最优解的一个更好的目标。 |
提出了系统 |
5.1。萤火虫算法 |
算法byDr发明的。鑫她杨在2008年在剑桥大学。这些算法受交配或闪烁的萤火虫的行为。这些论文综述了解决非线性的设计问题。这种方法用于优化能力实际功率损耗和提高电压概要文件,这些都是能够成功的帮助下调整变压器抽头的一些控制参数设置和VAR输出并联补偿装置的控制变量。和本文解释使用萤火虫技术找到实现全局最优的解决方案描述如下。实现全局最优解的帮助下找到两个测试函数第一个奇点(或)随机剩余的一个是确定的。 |
随机方法产生单独的或不平等的解决方案相同的起点。确定性方法产生相同的一组解决方案意味着产生相等的解决方案即使在相同的初始起点。这些确定性算法aretoefficient找到当地的最适条件。这是找到betterglobal最优解决方案的复杂性。所以,随机方法更好的找到全局最优解。许多随机算法由meta-heuristic,和更好的例子是遗传算法(GA)和粒子群优化(PSO)。许多现代meta-heuristic算法开发的基于群体智慧。随机方法可以有很多种形式,如简单的随机抽样随机化的搜索空间。 |
5.2。萤火虫工作标准: |
萤火虫由以下规则下面描述。 |
1)萤火虫是男女皆宜的包含一个萤火虫是剩余的萤火虫不管他们的性互动。 |
2)魅力成正比的强度从而包含随机两个闪烁的萤火虫低人会走向的最大亮。 |
3)一只萤火虫的亮度由景观找到目标函数的优化 |
5.3的距离 |
由随机两个萤火虫betweeni和j的距离分别为xi和xj,笛卡尔距离公式是由方程找到xi,当k空间坐标xi的k组件由第i个萤火虫和d包含维度的数量。 |
![图像](//www.cheescube.com/articles-images/IJAREEIE-127-e002.gif) |
5.4运动 |
之间的运动两个萤火虫determinedi是另一个吸引更多高亮度计算萤火虫j |
![图像](//www.cheescube.com/articles-images/IJAREEIE-127-e003.gif) |
5.5算法 |
步骤1:启动编码 |
第二步:输入加载系统输入数据的价值 |
步骤3:计算初始种群firefliesxi (i = 1,2,……,n) |
第四步:找到brightnessIi xi是由f (xi) |
第五步:设置迭代计算原先= 1 |
第六步:寻找我= 1 i萤火虫distributen n萤火虫 |
第七步:计算j萤火虫对j = 1 distributen toall n萤火虫 |
步骤8:findif (Ij > 2),把萤火虫itowards j d维度;如果条件满足程序结束 |
第九步:以上条件不能满足确定的吸引力,当Attractivenessvariy取决于距离r。 |
Step10:计算新的解决方案和更新光强度 |
Step11:结束j |
Step12:因为我结束 |
Step13:使用or萤火虫和确定当前最好的价值 |
Step14:计算Iter = Iter + 1 |
Step15: Checkif Iter > Iter最大;给定的条件不能满足意味着去第4步。 |
Step16:预览结果 |
Step17:停止这个项目。 |
性能进化 |
程序的性能提出了基于萤火虫算法的无功优化方法是任何sizeof IEEE总线测试系统。使用MATLAB程序实现的算法和Core 2 Duo,基于2.8 MHz, 2 gb RAM的电脑模拟的目的。 |
控制变量是发电机总线电压大小,变压器抽头的设置和VAR输出并联补偿装置的控制参数最优功率流问题。这些控制参数值调整的损失减少。 |
有6个机组采取的测试系统连接到公共汽车1、2、5、8、11和13所示。有4个调节变压器连接总线数字6 - 9之间,6 - 10、4 - 12和27 - 28日。两个并联补偿装置连接在总线数字10到24岁。41输电线路的系统是相互联系的。 |
结论 |
在综述了小说萤火虫编程函数优化方法解释文献调查关于这些方法显然是萤火虫算法能够解决最优功率流非线性问题解释道。这些算法在距离清楚地解释,吸引力,运动,光强度,使用这些参数解释能够解决多约束最优潮流问题是真正使用萤火虫算法同时优化功率损耗和电压偏差都是最小化也达到更好的全局最优解。 |
承认 |
完成这项工作”栏目工程学院。作者要表达感谢”栏目P为技术工程学院鼓励。 |
表乍一看 |
![Click Here 表的图标](//www.cheescube.com/articles-images/table-icon.gif) |
表1 |
|
|
数据乍一看 |
![Click Here 图1](//www.cheescube.com/articles-images/IJAREEIE-127-g001.gif) |
图1 |
|
|
引用 |
- Mamandur方式呈现,整个RD。最优控制无功功率流为改善电压概要文件和实际功率损耗最小化。IEEE反式权力ApparatSyst不是1981;100 (7):3185 - 93。
- 曼苏尔MO,任TM。非线性无功优化。Usingdecomposition和协调。IEEE反式权力ApparatSyst1984;不是- 103 (2):246 - 55。
- 赖我,马JT。应用进化编程无功功率planning-comparison与非线性规划方法。IEEE反式电源系统1997;12 (1):198 - 206。
- 吉田H, Kawata K,福山Y, Y高山年代,录像的粒子群优化无功功率和电压控制考虑电压安全评估。IEEE反式电源系统2000;15 (4):1232 - 9。
- Vlachogiannis詹,李肯塔基州。比较研究了粒子群优化电力系统最优稳态性能。IEEE 2006年反式电源系统21岁;(4):1718 - 28。
- 莫里斯情郎AK,正义与发展党。一种新颖的混合进化编程函数优化方法。:Proc 2000国会进化计算2000年7月,卷1,。p . 699 - 705。
- 马Abido Bakhashwain JM。最优VAR使用多目标进化算法调度。Int J选出电力能源系统2005;27 (1):13-20。
- gae Z,黄海关。实数编码遗传算法混合整数forconstrained最佳功率流。:IEEE TENCON地区10会议,2004,3卷,2004年11月。323 - 6页。
- 李JC,林WM廖GC,曹TP。量子遗传算法动态经济调度与随机性的影响,包括风力发电系统。Int J选出电力能源系统2011;33 (2):189 - 97。
- 西蒙·d·Biogeography-based优化。反式EvolutComput IEEE 2008;12(6):702 - 13所示。
- P.K.罗伊……Ghoshal, Thakur轮”的改进最优无功控制电压概要文件和实际功率损耗最小化使用基于生物地理学优化”,电力和能源系统,43卷,第一,第838 - 830页,2012年12月。
- x杨,“萤火虫算法,随机测试函数和设计优化,“国际期刊的仿生计算,2卷,没有。2、78 - 84年,2010页。
- x s·杨,自然Meta-Heuristic算法,LuniverPress, Beckington英国2008年。
- 木AJ, Woollenberg男朋友。发电运行和控制。第二版。纽约;威利;1996年。
- MohdHerwanSulaiman HamdanDaniyalMohdWazir穆斯塔法”修改萤火虫算法在解决实际约束经济调度问题“2012年IEEE电力和能源国际会议(PECon),2 - 5 2012年12月,哥打基纳巴卢山沙巴,马来西亚。
|