澳洲的螢火蟲之旅

風一火電力系統聯合優化調度是一個極其復雜的np問題，不易求解。，改進粒子群算法，并將其應用于風一火電力系統聯合優化調度，提出了一種改進的慣性權重線性遞減的粒子群算法。針對粒子群算法容易局部收斂的缺陷，、首先，本文在慣性權重線性遞減（ldw）的基礎上，加入常數擾動，使慣性權重大幅增大，以便于跳出局部搜索，進行全局搜索，從而防止局部收斂；其次，為盡可能的避免粒子群算法出現粒子高度聚集在最優粒子的周圍的情況，使得粒子趨于相同以致于大大損失粒子群的多樣性，一定概率的自適應的改變慣性權重并混入隨機個體，以便于更好的保持種群多樣性、、最后，在matlab2010agui平臺下采用幾種不同的粒子群算法進行仿真試驗。仿真結果表明，在相同條件下改進的粒子群算法能夠尋到更精確的解。

針對水火電系統的多約束、時滯非線性特點,建立了帶有梯級水電廠的電力系統模型,并采用量子粒子群(qpso)算法對系統進行優化求解。為了解決基本量子粒子群算法容易陷入局部最優解的問題,提出了一種改進量子粒子群(iqpso)算法。為了驗證該算法的性能,運用matlab編寫程序,利用典型的4水電3火電系統算例進行仿真。算例表明,改進的量子粒子群算法具有更好的收斂特性。

相對于傳統的控制方法,統一潮流控制器(upfc)的靈活控制可以更好地提高電網穩定性。為了能夠更加深入地研究計及upfc的電力系統潮流問題,采用在psat環境下進行仿真分析。提出了一種改進的功率注入模型進行潮流計算,以電力系統穩定性及電力市場經濟性求解最優潮流。最后對ieee9節點系統仿真,結果表明方法可行,采用psat分析具有較高的參考價值。

電力系統機組組合問題的改進粒子群優化算法

為解決水火電力系統短期發電優化調度中存在的問題,提出基于mpi平臺的并行小種群差分進化算法。該算法將進化種群分為若干個小種群(單個種群規模為3~10個),每個進化種群由不同的cpu進程獨立執行差分進化算法,并在種群間引入集合、分散操作以協調各小種群的尋優過程；為降低小種群初始化和進化過程中多樣性的損失,引入正交化初始化方法和種群重構技術；最后以典型案例驗證了算法的有效性。結果表明,該方法在求解精度、收斂速度和求解耗時上均較有競爭力。

2017年棄風限電形勢大幅好轉,當前電力系統經濟性和調度優化需要重點加強風電電力的控制。受制于電力系統用電峰谷的動態變化,再加上風電資源稟賦不確定性的限制,風力發電難以進行精確的預測和調度,此外,智能電網的廣泛運用也一定程度上增加了電力系統復雜化程度,從而進一步影響了電力系統的穩定運行。伴隨大用戶購電舉措的實施,目前在大用戶購電對系統調度與運行的影響仍屬于稀缺狀態,因此亟需構建大用戶直購電政策下風電電力系統優化調度模型,探究直購電對電力系統的影響以及最優調度方式。本文以系統綜合運行效益最優為目標建立了含大用戶直購電的風電電力系統調度模型,可為我國大用戶直購電工作的開展提供借鑒思路。

第28卷第19期電網技術vol.28no.19 2004年10月powersystemtechnologyoct.2004 文章編號：1000-3673（2004）19-0014-06中圖分類號：tm715文獻標識碼：a學科代碼：470·4054 粒子群優化算法在電力系統中的應用 袁曉輝1，王乘1，張勇傳1，袁艷斌2 （1．華中科技大學，湖北省武漢市430074；2．武漢理工大學，湖北省武漢市430071） asurveyonapplicationofparticleswarmoptimization toelectricpowersystems yuanxiao-hui1，wangcheng1，zhangyong-chuan1，yuanya

隨著電力系統規模的日益擴大和電力市場改革的實施，保證電力系統安全、經濟、穩定、可靠地運行越來越重要。本文對pso算法在電力系統中應用的研究現狀進行了較為全面的總結，主要包括在電網擴展規劃、檢修計劃、機組組合、負荷經濟分配、最優潮流計算與無功優化控制、諧波分析與電容器配置、網絡狀態估計、參數辨識、優化設計等方面的應用研究成果。

本文針對pmu技術以及當前wams和scada系統量測并存的現狀,研究基于pmu的狀態估計算法。首先在動態估計中利用pmu量測進行邊界協調;然后利用濾波步得到的狀態變量值和pmu量測值進行一次線性估計,將非線性動態估計和線性估計結合起來,最大限度利用了pmu數據。

電力系統分析(2005-1)電力系統潮流計算

基于使用優化算法來計算果蠅,提出了一種修正算法研究,即無功優化和控制算法。這些算法有利于降低電力系統的有功損耗。設β為修正因子,然后代入基礎的算法中對這個基礎的foa算法進行修正和優化,從而避免foa算法容易僅將焦點關注于局部而非整體。采用foa、pso、mfoa以及內點法來研究ieee30節點系統,通過研究對比發現,mfoa相較于其他幾種算法,計算結果較為準確,且收斂效率更高。

電力系統原理——CH4潮流計算

題目:電力系統分析潮流計算 初始條件：系統如圖所示 t1、t2sfl1-16000/110(121±2×2.5%)/6.3 t3sfl1-8000/110(110±5%)/6.3 t42×sfl1-16000/110(110±2×2.5%)/10.5 導線lgj-150 要求完成的主要任務: 1、計算參數，畫等值電路； 2、進行網絡潮流計算； 3、不滿足供電要求，進行調壓計算。 時間安排： 熟悉設計任務5.27 收集相關資料5.28 選定設計原理5.29 計算分析及結果分析5.30--6.6 撰寫設計報告6.7 指導教師簽名：年月日 系主任（或責任教師）簽名：年月日 1 目錄 簡述.............................................................2 1設計

電力系統負荷預測是電力系統中的一個重要的研究課題。對神經網絡算法和時間序列預測算法進行加權融合,提出一種混合算法對eunite競賽數據進行了短期電力負荷預測。實驗結果表明負荷預測精度得到了很大的提升。

針對電力負荷短期預測問題,提出了一種基于相似日的神經網絡預測方法,分析傳統bp算法的不足,提出一種基于levenbery-marquardt優化法的bp模型學習算法,在建立具體模型時,對于24點負荷預測,采用24個單輸出的神經網絡來分別預測每天的整點負荷值,具有網絡結構較小,訓練時間短的優點,考慮了不同類型的負荷差異,并對四川省電力公司某區一條線路的供電負荷進行短期負荷預測仿真,仿真結果表明其具有較好的預測精度。

潮流計算是電力系統運行、規劃、設計的基礎,潮流計算的課程設計也是電力系統分析課程的重要內容。本文提出了一條潮流計算課程設計改革的新框架,提出了潮流計算課程設計的培養目標,從基本訓練、工程訓練、理論分析三個層面制定了潮流計算課程設計的內容,并制定了相關的考核要求。此次課程設計改革將為電氣工程及其自動化專業的本科生了解潮流計算的工程背景,發現電網運行中存在的薄弱環節,掌握調整潮流提高電網運行安全性的方法提供重要的支持。

在無功優化中通常是以減少線路中的有功網損、降低電網無功補償容量、提高電能質量等方面為目標進行優化。建立了以減少有功網損，降低電壓偏移以及提高電壓穩定裕度的三目標優化模型。在傳統的差分進化算法(differentialevolutionalgorithm)中，控制參數和差分變異策略在對待優化解的問題較為敏感。為克服這一缺陷進一步提出的一種具有自適應參數的的差分進化算法。首次引入全新的三角高斯變異方式，在樣本中隨機選出的三個不同的值取均值μ，標準差取任意兩差的絕對值的平均值為標準差δ進行高斯分布。將其運用于電力系統ieee-14節點的系統中進行仿真，將傳統差分算法和粒子群算法與本算法進行比較，驗證本算法的優越性與實用性。

現代電力系統分析-潮流計算1

分析了大規模風電給電力系統實時調度所帶來的若干問題,依據節能減排原則,以消納風電最大化和火電機組一次能源消耗最小化為雙重目標,建立了含大規模風電的實時調度模型。在量子粒子群算法基礎上加入混沌初始化和混沌擾動,形成混沌量子粒子群優化算法。基于修改的ieee-118節點系統進行仿真計算,結果表明:建立的模型能在最大程度消納風電的前提下,最大限度地減少一次能源消耗,達到節能減排的目的;采用的算法計算速度快、收斂性能好,滿足實時性的要求。

電力系統過流保護講解

目前，電力系統的規模在日益擴大，針對擴大的電力系統規模，我們并不能僅僅運用某種數學方法就能保證得出正確答案，所以，這就求電力系統研究人員進行不斷的創新，從而研發出更具可信度的潮流計算方法。本文以c語言為依據，編寫出牛頓--拉夫遜直角坐標法、p—q分解法以及高斯一賽德爾法的潮流計算程序，并對這幾種潮流計算程序進行對比，從而總結出這幾種潮流計算程序的優點以及它們合適的應用場合。