基于动态云进化粒子群算法风电系统无功优化方法

《基于动态云进化粒子群算法风电系统无功优化方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第41卷第24期电力系统保护与控制Vo1．41NO．242013年12月16日PowerSystemProtectionandControlDec．16．2013基于动态云进化粒子群算法的风电系统无功优化方法王希，王昕，李立学，郑益慧，徐清山(1．上海交通大学电工与电子技术中心，上海200240；2．吉林省电力有限公司，吉林长春130021)摘要：针对风电系统中，风力的不确定性导致粒子的适应度不稳定性较大、劣性粒子偏多，难以快速收敛到最优值，进而造成系统电压偏差较大，网损剧增的问题，提出了基于动态云进化粒子群算法对风电系统进行无功优化。首先以网

2、损最小作为优化目标建立了风电系统无功优化模型。然后提出动态云进化粒子群算法。该算法根据粒子的适应度值，选取优秀个体进行进化，从而降低劣性粒子比例，增强搜索速度。再通过云发生器，使得优秀个体进化出的优秀种群趋于正态分布，从而达到改善粒子分布的目的。在此基础上，根据正态云的分布特点，动态改变飞行速度，进一步改善粒子分布、提高搜索精度。最后以风电系统的有功网损为优化目标，进行补偿容量的确定，仿真结果证明了该方法的有效性。关键词：风电系统；无功优化；动态云；云进化；粒子群Reactivepoweroptimizationforwindpowersyst

3、embasedondynamiccloudevolutionaryparticleswarmoptimizationWANGXi，WANGXin，LILi—xue，ZHENGYi—hui，XUQing．shan(1．CenterofElectrical&ElectronicTechnology，ShanghaiJiaoTongUniversity，Shanghai200240，China；2．JilinElectricPowerCo．，LTD，Changchun130021，China)Abstract：Forwindpowersystem，t

4、heuncertaintyofwindleadstotheinstabilityoftheparticle’fitnessandmorepessimumparticles，SOit’Sdificulttoquicklyconvergetotheoptimalvalue，whichcausesthelargesystemvoltagedeviationandthesharpincreaseofnetworkloss．ADynamicCloudEvolutionParticleSwarmOptimization(DCEPSO)algorithmis

5、proposedtorealizethereactivepoweroptimizationofwindpowersystem．Firstly,theminimumnetworklossisdesignedtobetheoptimizationgoalofreactivepoweroptimizationmodelofwindpowersystem．Secondly,theDCEPSOalgorithmispresented．Accordingtotheparticle’Sfitnessvalue，thealgorithmselectsexcel

6、lentindividualstoevolve，whichreducestheproportionofpessimumparticleandincreasesthesearchspeed．Thenthroughthecloudgenerator,excellentpopulationevolvedbyexcellentindividualstendstonormaldistribution，SOastoimprovetheparticledistribution．Onthisbasis，accordingtothecharacteristics

7、ofthenormalclouddistribution，dynamicallychangingspeedcanfurtherimprovetheparticledistributionandthesearchprecision．Finally,theactivenetworklossofwindpowersystemismadetobetheoptimizationgoaltodeterminethecapacityofcompensation．Thesimulationresultsprovetheeffectivenessofthepro

8、posedmethod．ThisworkissupportedbyNationalNaturalScienceFoundationofChina(No