欢迎来到天天文库
浏览记录
ID:45578015
大小:290.26 KB
页数:49页
时间:2019-11-15
《哈尔滨地区电网无功优化研究》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库。
1、随着哈尔滨市城市振兴战略的全面实施,哈尔滨地区的用电负荷得到了较快增长,近年来,哈尔滨地区电网的安全性和经济性,特别电能质量的改善情况越来越受到全社会的广泛关注,对哈尔滨地区屯网进行无功优化的主耍目的就是提高哈尔滨地区电网的电能质量,保证哈尔滨地区电网稳定、经济地运行,更好地为哈尔滨地区的经济发展服务。这就需要对哈尔滨地区电网的无功优化问题进行深入地分析。实践证明:对哈尔滨地区电网无功优化的研究是一个兼具理论意义和应用价值的课题。本文首先对哈尔滨地区电网的运行现状、无功优化设备及无功优化算法等进行了较为全而的分析和论述。随后建
2、立了以冇功网损最小为目标函数的哈尔滨地区220kV电网无功优化的数学模型,并以P-Q分解法作为潮流计算的分析方法在哈尔滨地区电网无功优化算法的方案选择小,本文主要分析了遗传算法和粒子群算法在算法原理、算法操作流程、主要特点等几方面的情况,并以有功网损最小为目标函数,通过Matlab2009软件平台分别编写了在IEEE-6节点标准系统的遗传算法和粒子群算法的无功优化程序,进行了无功优化计算,并将两种优化算法的计算结果进行了对比分析。结果表明粒子群算法在计算速度、收敛效果、最小网损结果等方面比遗传算法更优秀,计算结果是全局最优解,
3、适合于哈尔滨地区220kV电网的无功优化调节,本文确定采用粒子群算法作为在哈尔滨地区220kV电网无功优化的人工智能算法。本文为实现提高哈尔滨地区电网的电压质量、降低有功网损,合理进行无功优化的口标,对哈尔滨地区电网进行了无功优化的仿真应用,在Matlab2009软件平台,采用粒了群算法编写了哈尔滨地区220RV电网无功优化仿真程序,计算结果表明粒子群无功优化算法在哈尔滨地区电网的应用屮,其效果比优化前明显地改善,具有在全局搜索空间收敛速度快、寻优能力强、无功网损低等优点,达到了对哈尔滨地区220kV电网进行无功优化的预期目的
4、,取得了比较理想的工程应用效果。关键词:潮流计算;P・Q分解法;遗传算法;粒子群算法;无功优化AbstractWiththeoverallimplementationofthestrategyofrejuvenating,Harbinareaofpowerloadgetsgrowthrapidlyinrecentyears.ThesafetyandeconomicoperationofthegridinHarbinarea,especiallypowerqualityimprovementsituationhasbeenwid
5、elyfocusedoninthewholesociety.ThemainpurposeofthepowergridofreactivepoweroptimizationistoincreasethepowergridinHarbinpowerquality,toensureHarbinpowergridstabilityandeconomicoperationandtobetterservetheHarbinareaeconomicdevelopment.ThisneedstohavedeepanalysisagainstH
6、arbinareaofreactivepoweroptimizationproblems.PracticeinoperationshowsthatthepowerofHarbinareaofreactivepoweroptimizationresearchisthesubjectwithanintegratedtheoreticalsignificanceandapplicationvalue.ThispaperfirstlycarriesondetailedanalysisanddiscussesintermsofHarbi
7、npowergridoftheoperationstatusofreactivepoweroptimization,thedevelopmentsituation,includingreactivepoweroptimizationequipment,reactivepoweroptimizationalgorithm.Thenreactivepoweroptimizationmathematicalmodelbeingofminimumnetworklossof220kVpowergridinHarbinhasbeenbui
8、lt,whichusesP-Qdecompositionmethodforpowerflowcalculationbasedmathematicalmodel.Thepapermainlyanalyzesthegeneticalgorithmandtheparticleswa
此文档下载收益归作者所有