基于改进群搜索算法的风电并网多目标无功优化研究

发布时间：2017-05-11 14:02

  本文关键词：基于改进群搜索算法的风电并网多目标无功优化研究，，由笔耕文化传播整理发布。

【摘要】：本文针对风电并网对电力系统电压稳定的影响进行分析,提出了兼顾经济性和安全性的无功优化模型,结合改进的群搜索优化算法,展开了对含风电场的电力系统的多目标无功优化研究,主要做了以下几方面的工作:1.提出了基于有功网损和电压稳定系数的风电并网多目标无功优化模型,同时考虑经济性和安全性。对目标函数进行归一化处理,引入安全裕度因子将多目标函数转化为单目标函数,采用群搜索算法对所提出的模型进行求解。算例分析采用含风机和无功补偿装置的IEEE-14节点系统,寻优结果验证了该无功优化模型的有效性。2.提出了优化Pareto最优解集多目标群搜索算法(Pareto-solution Optimized Multi-objective Group Search Optimizer,POMGSO)。将逐次淘汰策略应用于外部精英集的维护和更新策略中;将动态加权综合评价方法应用于发现者的选取。改善了优化算法求得的Pareto最优解集的分布广泛性和均匀性。3.利用POMGSO算法求解基于经济性和安全性的多目标无功优化模型,算例分析采用了含风机和无功补偿装置的IEEE-30节点系统,决策采用了一种适应风电功率波动的风电并网无功优化评价方法,进行以下三个方面的对比分析:优化前后节点电压的对比;POMGSO与MGSO降损率的对比;Pareto最优解集分布均匀性与广泛性的对比,对比结果表明了POMGSO算法的有效性和实用性。
【关键词】：风电并网 无功优化 电压稳定系数 多目标群搜索算法 Pareto最优解集
【学位授予单位】：上海电机学院
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM614;TM714.3
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-16
• 1.1 选题的背景及意义10-11
• 1.1.1 风力发电的现状10
• 1.1.2 选题的意义10-11
• 1.2 国内外研究现状11-14
• 1.2.1 含风电场的电力系统潮流计算现状11-12
• 1.2.2 无功优化的研究现状12
• 1.2.3 风电并网无功优化研究方法12-14
• 1.3 论文的主要工作14-16
• 第二章 风电并网无功优化模型16-34
• 2.1 引言16
• 2.2 无功功率对电力系统的影响16-20
• 2.2.1 无功功率对有功网损的影响16-17
• 2.2.2 无功功率对电压水平的影响17-19
• 2.2.3 无功功率对功率因数的影响19-20
• 2.3 无功控制设备20-23
• 2.4 风速不确定性对含风电场电力系统的影响23-29
• 2.4.1 引言23
• 2.4.2 风电场在潮流计算中的处理23-24
• 2.4.3 含风电场电力系统潮流计算的数学模型24-25
• 2.4.4 潮流计算的约束条件25
• 2.4.5 潮流计算的流程与程序实现25-27
• 2.4.6 风速不确定性对含风电场电力系统的影响27-29
• 2.5 风电并网无功优化模型29-33
• 2.5.1 引言29
• 2.5.2 控制变量29
• 2.5.3 状态变量29-30
• 2.5.4 常用的目标函数30-31
• 2.5.5 变量约束条件31-33
• 2.6 本章小结33-34
• 第三章 基于经济性和安全性的多目标无功优化模型34-54
• 3.1 电压稳定系数34-36
• 3.2 基于经济性和安全性的风电并网无功优化模型36-37
• 3.2.1 引言36-37
• 3.2.2 基于经济性和安全性的无功优化模型37
• 3.3 目标函数的处理37-39
• 3.3.1 聚集函数的方法37-38
• 3.3.2 目标函数的归一化38
• 3.3.3 安全裕度因子38-39
• 3.4 无功优化模型有效性验证39-43
• 3.4.1 引言39
• 3.4.2 群搜索优化算法的基本原理39-41
• 3.4.3 群搜索优化算法的参数选择41-42
• 3.4.4 群搜索优化算法的流程42-43
• 3.4.5 群搜索算法在无功优化中的应用流程43
• 3.5 算例分析43-53
• 3.5.1 引言43-44
• 3.5.2 含风机和无功补偿装置的IEEE-14节点系统数据44-48
• 3.5.3 结果分析48-53
• 3.6 本章小结53-54
• 第四章 基于改进群搜索算法的风电并网多目标无功优化54-82
• 4.1 引言54
• 4.2 风电并网多目标无功优化的Pareto最优方法54-56
• 4.2.1 Pareto最优方法55-56
• 4.2.2 Pareto最优解集质量评价56
• 4.3 多目标群搜索优化算法概述56-60
• 4.3.1 引言56-57
• 4.3.2 多目标群搜索算法的计算流程57-58
• 4.3.3 多目标群搜索算法的关键技术58-59
• 4.3.4 多目标群搜索算法的分析59-60
• 4.4 优化Pareto解集的多目标群搜索算法60-66
• 4.4.1 引言60
• 4.4.2 发现者的动态选择策略60-61
• 4.4.3 逐次淘汰策略61-64
• 4.4.4 优化Pareto解集的多目标群搜索算法64-66
• 4.5 风电并网无功优化Pareto最优解决策66-69
• 4.5.1 风功率预测误差与控制周期内功率波动66
• 4.5.2 无功优化适应风电功率波动评价体系66-68
• 4.5.3 Pareto最优解决策流程68-69
• 4.6 算例分析69-81
• 4.6.1 含风机和无功补偿装置的IEEE-30节点系统数据69-74
• 4.6.2 结果分析74-81
• 4.7 本章小结81-82
• 第五章 总结与展望82-84
• 5.1 总结82-83
• 5.2 展望83-84
• 参考文献84-90
• 致谢90-91
• 攻读硕士学位期间获得的研究成果91

【参考文献】

中国期刊全文数据库 前10条

1 刘东;董萌钊;;电力系统无功优化的研究现状和展望[J];通讯世界;2014年21期

2 刘华臣;王锡淮;肖健梅;王海锋;;基于群搜索算法的电力系统无功优化[J];电力系统保护与控制;2014年14期

3 杨飞;肖文成;;含风电场电力系统的潮流计算方法综述[J];科技致富向导;2014年11期

4 程杉;陈民铀;黄薏宸;;含分布式发电的配电网多目标无功优化策略研究[J];电力系统保护与控制;2013年10期

5 汪慎文;丁立新;谢大同;舒万能;谢承旺;杨华;;应用反向学习策略的群搜索优化算法[J];计算机科学;2012年09期

6 夏沛;汪芳宗;;大规模电力系统快速潮流计算方法研究[J];电力系统保护与控制;2012年09期

7 曾嘉俊;刘志刚;何士玉;杨红梅;;一种基于子区域粒子群的无功优化算法研究[J];电力系统保护与控制;2012年01期

8 邱威;张建华;刘念;;自适应多目标差分进化算法在计及电压稳定性的无功优化中的应用[J];电网技术;2011年08期

9 崔挺;孙元章;徐箭;黄磊;;基于改进小生境遗传算法的电力系统无功优化[J];中国电机工程学报;2011年19期

10 贺德馨;;中国风能发展战略研究[J];中国工程科学;2011年06期

中国博士学位论文全文数据库 前2条

1 李钟煦;电力系统分布式多目标无功优化研究[D];山东大学;2009年

2 迟永宁;大型风电场接入电网的稳定性问题研究[D];中国电力科学研究院;2006年

中国硕士学位论文全文数据库 前10条

1 周俊;机会约束规划下含风电场的机组组合优化[D];广东工业大学;2014年

2 张金良;基于小生境粒子群算法的电力系统无功优化[D];山东大学;2014年

3 郭经韬;含风电场的电力系统多目标无功优化[D];广东工业大学;2013年

4 黄振华;基于群搜索算法的桁架结构多目标优化研究[D];广东工业大学;2013年

5 多靖峗;基于免疫克隆选择算法的多目标无功优化[D];华北电力大学;2013年

6 王品;含风电场的电力系统无功优化方法研究[D];华北电力大学;2013年

7 武鲁晓;改进粒子群算法在电力系统无功优化中的应用[D];山东大学;2012年

8 郭s

本文编号：357373