遗传算法方法最优位置的事实设备来提高系统的载荷能力,并将损失降到最低

情形。Sarda Vibha N。Parmar,达瓦克。帕特尔和拉K.Patel
部门电气工程,来T, Charusat大学,印度古吉拉特邦。

文摘

本文提出一种新颖的方法最优位置的事实在多机电力系统中使用的设备遗传算法(GA)。使用该方法,事实的位置控制器,其类型和额定值同时进行优化。各种事实控制器之间、静态无功控制器(SVC),晶闸管控制的串联补偿器(TCSC)和统一潮流控制器(UPFC)被认为是。该算法是一种有效的方法寻找事实的最佳选择和位置控制器和增加载荷能力的使用遗传算法和传统fast-decoupled和减少损失的功率流方法。MATLAB代码开发的模拟。不同加载条件下的电力系统。该算法已被应用于IEEE-30总线系统。

关键字

事实设备;遗传算法;最优位置、载荷能力。

介绍

自1970年代,能源成本、环境限制,权利———找出困难以及其他立法的社会和成本问题推迟了新一代和传输系统的建设在印度以及其他国家。最近因为采用的电力改革或限制或管制,竞争性电力市场正在开发要求到发电和输电正在逐步分离;最后,每个消费者将能够从任何想要购买自己的电力来源。西欧国家如智利、英国、挪威和美国已经出发在路上自由化,但在任何情况下经济效应:i)千瓦时的价格下降特别是大客户,和(二)减少地区差距的成本是相同的技术方面。增加的无计划的动力交流由于公用事业和之间的竞争直接生产者和消费者之间订立合同。如果交流没有控制,一些线位于特定路径上可能成为超载称为拥塞,传播和满负荷互联无法利用。在管制的环境中,这种控制似乎是不可能的。平行于放松管制,电力负荷进行增加。当然这种增长已经在发达国家几乎稳定,但一些输电线路已经接近他们的热极限。因此电力公用事业是有吸引力的方式允许一个更有效的利用输电线路通过控制功率流。

外观事实设备(灵活交流输电系统)开辟了新的机遇控制力量和提高现有输电线路的可用容量。网状网络,最优位置的事实设备可以控制它的力量流动,从而增加系统负载能力。然而,限制数量的设备,除了这个负载能力得不到提高,已被观察到。在这篇文章中,三种不同类型的设备,与特定的特点,选择和建模进行稳态分析。它们用于电力传输网络的最大通过控制功率流。给定的事实的最佳位置是组合的问题分析。为了解决这种类型的问题,遗传算法(气)选择。

本文组织如下:部分我给介绍的工作。第二部分的背景有助于理解事实设备。第三节解释事实设备的数学模型。第四部分是有助于理解算法。第五部分显示的性能提出的技术,最后第六部分总结了纸,紧随其后的是引用。

笼统的事实

在电力系统中,事实设备可用于实现一些目标。在稳态,网状网络,他们可以允许经营输电线路接近热限制和减少循环流动。在这方面,他们的行为通过提供或吸收无功功率,增加或减少电压和控制系列阻抗或相角。他们的高速命令给他们几个在动态质量稳定。特别是,他们有能力增加同步转矩,潮湿振动在不同频率低于额定频率(0.2到1.5赫兹),支持动态电压或功率控制流。此外,事实设备可能有好处在短路的情况下,通过限制短路电流。事实设备的另一个优点在于,这项技术给机会扩展当前的输电线路限制与增量投资在需要时以循序渐进的方式。

不同类型的设备开发和类有不同的方式:1)利用半导体技术,2)控制器的好处有,3)补偿的类型。根据过去的分类,可以分为四个类别的事实控制器:

•系列控制器

•并联控制器

•结合分别控制器

几个事实设备存在,每一个都有自己的礼仪和可用于特定的上下文。

选择的事实设备:-

在一个相互联系的电网,电力流动服从基尔霍夫定律。通常,横向电导的值接近于零,对于大多数输电线路,阻力小电抗相比。通过忽略横向电容,活跃和无功功率两个公交车1和2之间由一条直线传播可能近似由以下关系:

数学模型的事实设备

摘要稳态模型的事实设备功率流研究开发。所以TCSC模仿仅仅只是修改输电线路的电抗。SVC和UPFC模型使用的力量注入模型。模型集成到输电线路对TCSC和UPFC和SVC是模仿并纳入总线并联传输线。数学模型对事实设备由MATLAB编程语言实现。

TCSC: TCSC充当电容或者电感补偿器通过修改输电线路的电抗。这变化线流由于改变串联电抗。摘要TCSC是通过改变输电线路电抗模型如下:

SVC: SVC可用于电感和电容补偿。

摘要SVC模型是一个理想的无功功率注入在巴士我:

优化算法

答:使用遗传算法的描述。

优化的目标是找到最好的位置给定的事实设备按照定义的标准。事实设备的配置定义了三个参数:设备的位置、类型和值。为了考虑到前面所提到的三种参数的优化,一个特定的编码。代表一个人有三个字符串的长度,在哪里找到最优数量的设备。第一个字符串对应的个人代表设备的价值。它可以包含离散值在0和1之间;0最小值对应的设备可以和1到最大。根据模型的事实,设备的实际价值计算的关系。

个体的创造是在三个阶段完成。首先,设置值的设备随机画中是可能的。第二个字符串,获取设备的类型,通过随机图数据中选择设备。最后一组的分支机构网络是随机画,放在第一个字符串。正如前面提到的,分支机构的顺序并不重要,不同的人可能代表事实的相同的配置设备。因此,如果我们决定最优定位只有一个类型的设备,这个字符串将包含相同的字符。获得整个初始种群,这些操作是重复的。然后,计算目标函数为每个个人的人口。它代表一个数学翻译的优化实现,不必是连续的或可诱导的。要阐述,有利于繁殖的个体没有预防生殖有趣的人。 In our case, the objective function is defined in order to quantify the impact of the FACTS devices on the state of the power system. The move to a new generation is done from the results obtained for the old generation. A biased roulette wheel is created from the obtained values of the objective function of the current population. After that, the operators of reproduction, crossover and mutation are applied successively to generate the off springs. The crossover may occur with a probability pc; generally close to 1. A double crossover is applied. Two crossing sites are picked up uniformly at random along the individuals. Elements outside these two points are kept to be part of the off springs. Then, from the first position of crossover to the second one, elements of the three strings of both parents are exchanged. As previously mentioned, only one FACTS device per branch is authorized. Therefore, if the crossover leads to place a second device on a branch, a correction has to be applied. In the case where an element of the first string already occupies a position in the kept part of the parent, it is replaced by the element corresponding to the same position in the other parent. This algorithm is repeated until an element not already present in the string is reached. Mutations are possible independently on all elements of the three strings of an individual. A specific probability is applied for each string: for the first string, for the second and for the last. These probabilities change with the generations. When a mutation occurs on the first string, the one related to the location, a new line among the set of branches having no FACTS is randomly drawn. In the case of mutation on the two other strings, a new value is drawn among the set of possible ones. Operations of selection, crossover and mutation are repeated until the number of desired offsprings is created. The objective function is then calculated for every offsprings and the best individuals among the entire pool, comprising parents and their offsprings, are kept to constitute the new generation. By this way, the objective function of the best individual of the new generation will be the same or higher than the objective function of the best individual of the previous generation. Similarly, the average fitness of the population will be the same or higher than the average fitness of the previous generation. Thus the fitness of the entire population and the fitness of the best individual are increasing for each generation.

案例研究和结果

答:目标的优化。

优化的目标是执行最好的利用现有的输电线路。在这方面,事实设备位于以最大化系统载荷能力,同时观察温度和电压约束。换句话说,我们寻找尽可能增加电力消费者通过网络传播,保持电力系统处于安全状态的分支负荷和电压水平。目标函数是建立以处罚事实的配置导致输电线路过载或欠压在公交车。只有技术事实控制器的好处,在载荷能力方面,考虑到。等标准成本,不考虑安装和维护设备。目标函数是加载和惩罚相关分支线路过载。这一项,称为Ovl,计算每一行的网络。分支负荷小于100%时,其值等于1;然后下降指数与过载。 To accelerate the convergence, the product of all objective function is taken.

pcost_s =计算处罚违反松弛节点有功功率限制;

b .优化策略:-

正如前面所解释的那样,其目的是找到电力系统的最大数量的功率能够供应没有超载。我们寻找定位给定的事实设备尽可能提高网络的容量。几个事实设备数量,我们寻求的最佳位置和最佳值最合适的控制器。当设备的数量增加,获得的结果之前并没有考虑。别人的话说,从具体事实设备可能消失线出现在其他人当他们的数量增加。对于给定数量的设备,增加了权力的策略包括提供只要配置事实允许保持电力系统处于安全状态。停止准则是一代又一代的最大数量或解决方案的目标函数等于1。在第一种情况下该算法停止,否则提出的负载和一个新的优化重新开始。所有负载增加发电机的同一比例和真正的权力。额外的损失增加的电力传输共享所有发电机功率比例。

一个¯为了验证该方法的有效性,IEEE 30使用公交系统。不同的操作条件被认为是寻找事实的最佳选择和位置控制器。

•最大代= 200;

•最大。迭代= 100;

•人口规模= 60;

•精英主义概率= 0.150000;

•突变概率= 0.001000;

•交叉概率= 0.950000。

结论

在这种方法中基于遗传算法的最优位置的事实设备传输网络进行的载荷能力增加电力系统以及传输损失减小到最低限度。三种不同类型的设备被认为是事实。这显然是明显的从结果有效的事实设备放置在适当的位置可以显著提高系统的性能。这种方法可能是一个新技术为事实的安装设备的传输系统。

引用

美国的净收益Hingorani和L。Gyugi,“理解事实灵活交流输电系统”的概念和技术,标准出版商分销商,IEEE出版社,纽约,2001年。
d .哥谭镇和G.T. Heydt功率流控制和功率流研究系统与事实设备”,IEEE电力系统交易,vol.13,不。1、60 - 65、1998页。
h·a·Abdelsalam等等,“最优位置统一潮流控制器的电力系统”大型工程系统会议上权力Engineeringpp.41 - 46, 28 - 30 2004年7月。
塔兰托GN、平托LMVG佩雷拉MVF”,表示事实设备在电力系统经济调度,“IEEE电力系统反式,卷2,6 - 572,1992页。
通用电气SY,钟TS,“最佳有功功率流将功率流控制需要在灵活交流输电系统中,“IEEE事务电力系统,2卷,44 - 738,1999页。
Ambriz-Perez H,据E Fuerte-Esquivel CR,“先进的SVC模型牛顿负载流量和牛顿最优功率流研究中,“IEEE事务电力系统,1卷,36 - 129年,2000页。
钟TS,李YZ,“混合GA OPF事实设备的考虑方法,“IEEE电力工程牧师,卷2,47-50,2001页。
W。Ongakul, P。Bhasaprtra”,最优功率流与事实设备通过混合TS / SA)方法,“电力和能源系统,24卷,第857 - 851页,2002年。
S.N.辛格A.K.大卫,”位置的新方法的事实设备在开放的电力市场,“IEEE电力工程,9卷,58-60页。
Kesineni Venkateswarlu, Ch。赛先生和Kiran Kumar Kuthadi“提高电压稳定性和减少功率损失的最佳位置UPFC设备通过使用遗传算法和PSO”,工程科学国际期刊Research-IJESR 01卷,问题2,2011年5月。
Pisica c·布拉克,l·托马·m·Eremia“最佳SVC放置在电力系统中使用基于遗传算法的方法“IEEE布加勒斯特电力技术会议,2009。
N.P.Padhy。“人工智能与智能系统”,牛津大学出版社,2005年新德里。