现代电力系统优化模型及其相关算法的研究

《现代电力系统优化模型及其相关算法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、华中科技大学博士学位论文摘要随着现代电力工业向大系统、超高压、远距离、大容量发展，电力网架结构和运行方式更加复杂，系统运行的各种约束条件日益强化。在这种情况下，电力系统优化问题出现了很多新的特点和要求，采用传统的优化模型以及常规优化方法求解存在很大难度。根据现代电力系统的特点和发展趋势，深入研究电力系统现代应用技术的特性，发展和完善现代电力系统优化模型和实用算法是当前电力系统研究和工程实践的重要课题之一。本论文针对现代电力系统优化中的若干问题及其实用算法进行了深入的研究，主要内容涉及水火电混合系统有功功率的优化运行，无功补偿配置规划，多目标无功

2、优化运行，交直流混合系统的经济运行问题；以及基于PSO算法的优化求解技术，包括改进的离散微粒群算法、并行微粒群算法和多目标微粒群算法等新颖的实用化算法等方面。围绕以上课题，本文主要进行了以下研究工作：从系统的全局优化观点出发，建立了考虑限能电站约束的水火电协调优化运行的数学模型。采用水电机组调峰运行的水火电协调策略，处理水火电之间的协调调度问题，提出了可双向加速的改进变步长搜索算法确定水电机组的发电计划。为了有效求解火电机组启停优化问题，本文根据PSO算法的收敛条件，提出了一种改进的离散微粒群优化算法（DPSO），通过改进微粒位置的更新规则、引

3、入无希望/重希望准则以及启发式拟变异机制，克服了PSO易于陷入局部最优的缺点，保证搜索在问题的可行域内进行。对两个算例系统的仿真计算及与其它方法的比较表明，该算法在搜索精度和搜索速度方面均具有很大的优越性。根据现代电网的特点和无功电源建设的实践经验，建立了考虑有功网损发电补偿费用、电能损失费用、无功补偿建设费用的完善的无功补偿配置规划模型，且在计算无功补偿费用时考虑了投资费用和固定安装费用，使模型在经济性评价方面更具合理性和实用性。优化模型的约束条件不仅考虑了常规的基波潮流约束、电压上下限约束、补偿装置容量约束，变压器抽头位置约束，还计及了谐波

4、电压最大畸变率的约束，可使模型满足系统的运行安全性和电能质量的要求。根据模型的特点，提出了包括编码方案、初始解的生成、适应度计算和非均匀变异算子设计的改进PSO算法。在该方法中，染色体的编码采用按电压的等级分段编码的方案，这样可以对不同电压等级采用不同的变异算子和进行不同精度的搜索，提高算法的优化效率。针对大系统优化计算时搜索速度慢、解的精度低的缺点，文中提出了变群体规模的并行PSO算法和基于自III华中科技大学博士学位论文然管理分区和电压等级分层的分区分层优化技术，对实际系统的计算表明，本文提出的改进算法在计算速度和精度上均获得较大提高。建立

5、了以网损最小、静态电压稳定裕度最大为目标的多目标无功优化模型。对多目标优化模型，本文提出了两种求解途径，一种通过不同量纲函数的归一化映射和加权把问题转化为单目标优化求解。另外，在无法获知各个目标的偏好因子的情况下，本文提出了一种以适应值空间（非变量空间）距离为评估依据选取最优解的多目标粒子群算法（MOPSO），该方法可以获得多目标优化问题的Pareto解集。算例计算验证了MOPSO对不同目标的量纲差异具有较好的鲁棒性。本文将电力系统无功优化问题从纯交流系统扩展到交直流混合系统，建立了交直流混合系统的无功优化运行模型。该模型以交流系统网损与直流系

6、统网损之和最小为优化的目标函数，分别考虑了交流网络潮流约束和直流网络潮流约束，优化控制变量不仅包含传统的交流变量，例如发电机机端电压、有载调压变压器分接头、无功补偿点的无功投入容量，而且还根据实际直流系统控制的特点引入直流网络的控制变量，例如换流器的控制电压、控制电流、控制功率等。针对该模型，提出了基于改进PSO算法的解决方法，并在该方法中引入基于专家知识的定向变异策略。算例研究表明，交直流系统无功优化问题的研究可以为现代交直流网络的规划设计以及经济运行提供理论依据。关键词：现代电力系统；水火电协调优化；无功补偿配置规划；交直流混合系统的无功优

7、化；多目标无功优化模型；静态电压稳定；改进微粒群优化算法IV华中科技大学博士学位论文AbstractWiththedevelopmentofpowerindustry,themodernpowersystemhasbecomemoretremendous,anditsframeworkandmodesofoperationgettobemorecomplexintheextreme.Withtheemergenceofnewnatureandrequests,itisdifficulttosolvethepowersystemoptimizat

8、ionfortheconventionaloptimizationmodelsandalgorithms.Itis,therefore,necessa