关键字 |
布谷鸟优化算法、最优功率流,优化技术,成本最小化,电力系统。 |
I.INTRODUCTION |
最优潮流(OPF)已成为最重要的问题之一,它是基本的工具,使电力公司指定经济电力系统操作和安全的状态。OPF问题的主要目的是优化选择的目标函数,如燃料成本、分段二次成本函数,燃料成本与阀点效应,改善电压概要文件,电压稳定性增强,通过电力系统优化调整控制变量,同时满足系统操作条件与功率流方程和不等式约束。等式约束的节点功率平衡方程,在不等式约束的限制控制或状态变量。变压器分接头控制变量包括,发电机实权,发电机总线电压和无功功率的来源。一般OPF问题是一个大规模、高度约束、非线性和非凸优化问题。 |
OPF问题已经解决了使用传统和基于进化算法。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。传统的优化技术,如内点方法,讨论了线性规划和非线性规划的K。Deb [2]。然而这些技术的缺点是,不可能使用这些技术在实际系统由于非线性特征如阀点效应,禁止操作区和分段二次成本函数。因此有必要提高优化方法克服这些缺点和处理困难的能力。最近,许多人口基础优化技术被用来解决复杂约束优化问题。这些技术已经越来越多地应用于求解电力系统优化经济调度等问题,优化无功功率流和OPF几十年。 |
一些以人群为基础的方法已经提出了解决OPF问题成功如遗传算法(GA)、粒子群优化(PSO),差分进化(DE),模拟退火(SA)、智能搜索进化算法(设想)等,然后主题已被许多研究人员处理。R。Gnanadass等。[3]进化规划算法致力于解决最优潮流问题模型的燃料成本函数。核磁共振AlRashidi M.E.EI。Hawary[4]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。M。同其它和K。年代Swarup[5]提出了微分进化的方法来解决最优潮流问题的多个目标。A.V.NareshBabu and S.Sivanagaraju [6] proposed a new approach based on two step initialization to solve the OPF problem. Different methods to find the solution for OPF problem has been discussed in [7-9]. One of the recently proposed meta heuristic algorithm is the cuckoo optimization algorithm was proposed in [10-12]. It is based on the intelligent breeding behaviour of cuckoo. In this paper, COA is used to solve the OPF problem which is formulated as a nonlinear optimization problem with equality and inequality constraints in a power system. The objective function is to minimize the fuel cost. The performance of the proposed approach is sought and tested on the standard IEEE 14 bus test system. Obtained simulation results demonstrate that the COA provides very remarkable results for solving the OPF problem. |
二世。数学问题公式化的消息 |
OPF是一个非线性优化问题。OPF的基本目标是获取最优设置控制变量的一个特定的目标函数进行等式和不等式约束不同。一般来说,OPF问题在数学上可以制定如下: |
最小f (x, u) (1), g (x, u) = 0 |
h (x, u)≤0 |
f目标函数是最小化,x和u向量分别为依赖和控制变量。x是因变量的向量,包括: |
在松弛总线Pg1发电机有功功率输入 |
负荷母线电压六世。 |
发电机无功功率输入路上。 |
x可以表示为: |
(2) |
wherenpvandnpq定义电压控制汽车的数量和PQ公交车的数量。以类似的方式控制变量的向量u可以表示为: |
(3) |
Pg定义发电机的有功功率输出光伏公共汽车。 |
Vg描绘了终端在代母线电压。 |
Qc代表并联无功补偿器的输出 |
T代表水龙头水龙头调节变压器的设置。 |
wherent和数控定义的数量调节变压器和并联无功补偿装置的数量,分别 |
一个。目标函数 |
燃料成本的最小化作为目标函数来检查被认为是检验的性能。燃料成本最小化的目的是确定最优代设置热机组的燃料总成本最小化而满足等式和不等式约束的所有。燃料总成本函数(J)的热发电机组可以表示为一个二次函数 |
(4) |
人工智能,bi ci是i发电机的成本系数。 |
Pgi在i生成器生成 |
ng是发电机的数量的公交车。 |
三世。布谷鸟优化算法 |
答:概述 |
布谷鸟优化算法(COA)是一种来自大自然的灵感元启发式算法启发的一只鸟的生活家庭,叫杜鹃。特殊的生活方式这些鸟类和他们的特点在产卵繁殖的基本动机发展这一新的进化优化算法。它是一种新型的进化算法,适合连续的非线性优化问题。 |
类似于其他进化方法、检验也始于一个初始种群。努力生存在杜鹃是布谷鸟优化算法的基础。在生存竞争的一些杜鹃或他们的鸡蛋可能会消亡。幸存杜鹃社会移民到一个更好的环境,开始繁殖产卵。杜鹃生存努力希望收敛于一个国家,只有一个布谷鸟社会,所有最好的利润值。应用辅酶a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。 |
推广的关键特性是更快的收敛速度和减少计算复杂度。类似于其他进化算法,它也是一个人口基础算法。初始种群中随机生成的控制参数的限制。那么征收飞行操作符执行所有个人,直到停止准则。 |
b - COA方法的解决方案 |
通过图1所示的主要步骤 |
IV.NUMERICAL结果 |
为了证明的有效性和鲁棒性检验方法解决OPF问题,燃料成本最小化的目标函数是应用于IEEE 14公交系统[13],结果。实现的方法是使用MATLAB软件在个人电脑与英特尔奔腾双核2.6 GHz处理器,1 GB RAM。输入参数的检验或测试系统被看作是主机的数量的巢穴,利维飞行常数λ1≤λ≤3和α兰德(1,1)。迭代的数量是10。表我总结了OPF的结果。真正的发电和损失表达MW和成本是在美元/小时。总线电压和相应阶段的角度给出了燃料成本最小化在表二世。 |
我从表,它可以观察到单个发电机的发电,发电机电压,总发电,总损失和成本获得使用辅酶a是令人满意的。表二世给相对应的电压大小和角度在每个总线使用辅酶a更好。图2显示的收敛特性测试系统使用推广。从图2,它可以观察到,最初的成本(在第一个迭代)是956.881美元/小时,下跌到928.285美元/小时(迭代)10日- COA。从这一点,可以得出的结论是,初始成本和成本的变化(从1 stiteration 10迭代)使用辅酶a少,燃料成本最小化在更少的迭代次数。从这个,很明显,推广给融合解决方案和更少的迭代次数和减少计算时间。 |
诉的结论 |
本文的一个最近提议使用启发式算法- COA powersystems解决最优潮流问题。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在电力系统。在这种情况下theminimization燃料成本被认为是目标函数。这种方法是成功,有力地performedto找到最优设置测试系统的控制变量。仿真结果证明了鲁棒性和优越性的COA方法解决OPF问题。验证了这种算法的有效性在IEEE 14日公交系统。观察结果表明,COA给出最优解lessnumber代和需要更少的计算时间。 |
表乍一看 |
![Click Here 表的图标](//www.cheescube.com/articles-images/table-icon.gif) |
![Click Here 表的图标](//www.cheescube.com/articles-images/table-icon.gif) |
表1 |
表2 |
|
|
数据乍一看 |
![Click Here 图1](//www.cheescube.com/articles-images/IJAREEIE-1788-g001.gif) |
![Click Here 图2](//www.cheescube.com/articles-images/IJAREEIE-1788-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。
- K。黛比,“优化工程设计:算法和例子,“φ,May.2009。
- R。Gnanadass, P。马纳尔和普拉萨德斯瓦米Padhy进化编程基于最优功率流与模型的单位燃料成本函数,“电力组件和系统,Vol.33 pp.349 - 361, 2005。
- 核磁共振AI-Rashidi和主机EI-Hawary”混合粒子群优化方法求解离散OPF问题考虑阀加载效果,“IEEE反式。电力系统,卷。22,No.4, Nov.2007.
- M。同,K.S.Swarup”,解决多目标最优功率流使用微分进化,“IETgener。Transm.Distrib卷。2,No.5, pp.720-730, 2008.
- A.V.NareshBabu和S。Sivanagaraju”,解决最优潮流问题:基于两步初始化新方法,”Proc. IEEEIndia国际会议(INDICON)工程的可持续解决方案,比特,海得拉巴,印度,2011年12月。
- Abido马。“最优功率流使用粒子群优化,”电工实习电力能源系统,第5期,pp.563 - 71, 2002。
- 阿布El Ela AA Abido妈,老说“使用微分进化算法最优功率流,电工实习电力系统Res Vol.80 pp.878 - 85, 2010。
- Abido马。“使用禁忌搜索算法,最优功率流”电工实习权力混合涂料系统,Vol.30 (5), pp.469 - 83, 2002。
- X.S.杨,s . Deb,“通过征收布谷鸟搜索航班,“Proc.世界大会的性质和生物启发计算,NaBIC, IEEE出版物、美国、pp。210 - 214年,2009年。
- X.S.杨,s . Deb,“工程”由布谷鸟搜索优化,Int。j .数学。上一次。号码。选择1,pp.330 - 343, 2010。
- RaminRajabioun,“杜鹃优化算法”,应用软计算、Vol.11,问题8,pp.5508 - 5518, 2011年12月。
- IEEE 14-bus系统数据可以在http://www.ee.washington.edu/research/pstca
|