基于粒子群算法的电力系统无功优化研究(IEEE14节点)(Matlab代码实现)

简介: 基于粒子群算法的电力系统无功优化研究(IEEE14节点)(Matlab代码实现)

1 概述

近年来,多种启发式优化算法被应用于电力系 统无功优化,并取得了较好的效果,但容易出现早熟 现象和陷入局部收敛等。粒子 群 优 化 算 法 ( Particle Swarm optimization,PSO) 是一种源于对鸟 群捕食行为的研究而发明的进化计算方法。粒 子群优化算法,对优化问题无可微性与连续性要求, 具有全局收敛性、通用性及鲁棒性强等优点,其 具有全局寻优能力,编程简单。本文采用粒子群改进算法对电力系统的无功优化进行研究,以达到对实际电力传输中的无功优化。


2 无功优化数学模型

无功优化的数学模型由目标函数、功率约束条件、变量约束条件组成,通常采用适当地调整发电机

机端电压、投切无功补偿容量和调节变压器分接头,在保证电压质量的前提下降低网损。从经济性考虑,通常把有功网损最小作为目标函数:

 

式中: N 为参与有功网损计算的系统支路条数; Gij为节点 i,j 之间的支路电导; Vi、Vj 分别为节点 i 和 j的电压。无功优化的控制变量包括发电机的机端电压、补偿点的补偿量和可调变压器变比等; 状态变量包括发电机无功出力和各节点电压值。各变量的约束条件包括等式约束和不等式约束,其中等式约束即有功、无功的潮流方程[7],如式( 2) :

             

其他约束条件见第4部分。

3 运行结果

本文以IEEE14节点作为算例:,这里仅展现部分代码。

function [TransFormer_Branch, Normal_Branch, PQ_Node, PV_Node, Swing_Node, Node_Num] = RE_IEEE14_data()
%输入IEEE-14节点系统数据
%===============定义支路数据======================
%================变压器支路=========================
%        首节点   末节点     电抗      非标准变比(首节点:末节点)
TransFormer_Branch = [ ...
    6     5       0.252020      0.932
    7     4       0.209120      0.978
    9     4       0.556180      0.969];
%==================输电线路===============================
%         首节点   末节点     支路电阻    支路电抗  接地电纳(-B/2)
Normal_Branch = [ ...
1     2     0.019380       0.059170      -0.026400      
2     3     0.046990       0.197970      -0.021900      
2     4     0.058110       0.176320      -0.018700      
1     5     0.054030       0.223040      -0.024600      
2     5     0.056950       0.173880      -0.017000      
3     4     0.067010       0.171030      -0.017300      
4     5     0.013350       0.042110      -0.006400      
7     8     0.000000       0.176150      0.000000      
7     9     0.000000       0.110010      0.000000      
9     10    0.031810       0.084500      0.000000      
6     11    0.094980       0.198900      0.000000      
6     12    0.122910       0.255810      0.000000      
6     13    0.066150       0.130270      0.000000      
9     14    0.127110       0.270380      0.000000      
10    11    0.082050       0.192070      0.000000      
12    13    0.220920       0.199880      0.000000      
13    14    0.170930       0.348020      0.000000];
% PQ节点定义:(已知值)1节点号  2有功负荷   3无功负荷  | (需求解值)4节点电压幅值    5节点电压相角    6并联元件(电容或电抗)
PQ_Node = [ ...
5      0.076000       0.016000       1.0        0.0         0.0 
7      0.000000       0.000000       1.0        0.0         0.0 
9      0.295000       0.166000       1.0        0.0         -0.19000 
10     0.090000       0.058000       1.0        0.0         0.0 
11     0.035000       0.018000       1.0        0.0         0.0 
12     0.061000       0.016000       1.0        0.0         0.0 
13     0.135000       0.058000       1.0        0.0         0.0 
14     0.149000       0.050000       1.0        0.0         0.0 ];
% PV节点定义:(已知值)1节点号    2注入有功    3节点电压幅值 4节点电压相角 | (需求解值)5注入无功      6有功负荷   7无功负荷  8并联元件(电容或电抗)
PV_Node = [...
1      0.0      1.06            0.0     0.0     0.000000       0.000000     0.0000
2      0.4      1.045000        0.0     0.0     0.217000       0.127000     0.0000
3      0.0      1.010000        0.0     0.0     0.942000       0.190000     0.0000
6      0.0      1.070000        0.0     0.0     0.112000       0.075000     0.0000
8      0.0      1.090000        0.0     0.0     0.000000       0.000000     0.0000];
% 平衡节点定义:(已知值)1节点号   2节点电压幅值   3节点电压相角 | (需求解值)4注入有功      5无功    
 Swing_Node = [ ...
4       1.02        0.0       0.0          0.0     0.478000       -0.039000]; 
Node_Num = 14;


4 结论

从图 2 和表 4 结果可以看出,电力系统的网损由 11. 505 MVA 下降到 7. 91 MVA,各节点电压也比没有用粒子群优化算法前有了相应的提高。这说明,粒子群算法用于无功优化是完全可行性的,其全局寻优能力强,收敛速度快,优化效果好,容易实现,是一种比较理想的无功优化算法。可以得出,基于粒子群算法的无功优化,收敛速度快,能精确地找到全局最优解,系统的网络损耗明显降低,电压值稳定且有了相应的提升,达到了改善电压质量、减少网络损耗和提高电压稳定性的无功优化目的。


👨‍🎓博主课外兴趣:中西方哲学,送予读者:


👨‍💻做科研,涉及到一个深在的思想系统,需要科研者逻辑缜密,踏实认真,但是不能只是努力,很多时候借力比努力更重要,然后还要有仰望星空的创新点和启发点。当哲学课上老师问你什么是科学,什么是电的时候,不要觉得这些问题搞笑,哲学就是追究终极问题,寻找那些不言自明只有小孩子会问的但是你却回答不出来的问题。建议读者按目录次序逐一浏览,免得骤然跌入幽暗的迷宫找不到来时的路,它不足为你揭示全部问题的答案,但若能让人胸中升起一朵朵疑云,也未尝不会酿成晚霞斑斓的别一番景致,万一它居然给你带来了一场精神世界的苦雨,那就借机洗刷一下原来存放在那儿的“真理”上的尘埃吧。


    或许,雨过云收,神驰的天地更清朗.......🔎🔎🔎


5 参考文献

部分理论引用网络文献,若有侵权请联系博主删除。


[1]陆景,庹先国,彭桂力.基于粒子群算法的电力系统无功优化[J].微型机与应用,2017,36(13):19-21+25.DOI:10.19358/j.issn.1674-7720.2017.13.007.


[2]孙华,申方.改进粒子群算法的电力系统无功优化应用[J].黑龙江科技信息,2016(29):80-81.


[3]徐雷. 基于改进粒子群算法的电力系统无功优化[D].西华大学,2016.


[4]赵迪迪,王梦迪.粒子群算法在电力系统无功优化的应用[J].信息技术与信息化,2021(09):246-248.


6 Matlab代码实现

回复关键字

相关文章
|
10天前
|
存储 算法 调度
【复现】【遗传算法】考虑储能和可再生能源消纳责任制的售电公司购售电策略(Python代码实现)
【复现】【遗传算法】考虑储能和可再生能源消纳责任制的售电公司购售电策略(Python代码实现)
110 26
|
10天前
|
存储 编解码 算法
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
|
6天前
|
机器学习/深度学习 人工智能 搜索推荐
从零构建短视频推荐系统:双塔算法架构解析与代码实现
短视频推荐看似“读心”,实则依赖双塔推荐系统:用户塔与物品塔分别将行为与内容编码为向量,通过相似度匹配实现精准推送。本文解析其架构原理、技术实现与工程挑战,揭秘抖音等平台如何用AI抓住你的注意力。
140 6
从零构建短视频推荐系统:双塔算法架构解析与代码实现
|
10天前
|
机器学习/深度学习 传感器 算法
【高创新】基于优化的自适应差分导纳算法的改进最大功率点跟踪研究(Matlab代码实现)
【高创新】基于优化的自适应差分导纳算法的改进最大功率点跟踪研究(Matlab代码实现)
97 14
|
10天前
|
机器学习/深度学习 运维 算法
【微电网多目标优化调度】多目标学习者行为优化算法MOLPB求解微电网多目标优化调度研究(Matlab代码实现)
【微电网多目标优化调度】多目标学习者行为优化算法MOLPB求解微电网多目标优化调度研究(Matlab代码实现)
|
10天前
|
算法 数据可视化 异构计算
【车辆路径问题VRPTW】基于北极海鹦优化(APO)算法求解带时间窗的车辆路径问题VRPTW研究(Matlab代码实现)
【车辆路径问题VRPTW】基于北极海鹦优化(APO)算法求解带时间窗的车辆路径问题VRPTW研究(Matlab代码实现)
|
10天前
|
机器学习/深度学习 运维 算法
【复现】基于改进秃鹰算法的微电网群经济优化调度研究(Matlab代码实现)
【复现】基于改进秃鹰算法的微电网群经济优化调度研究(Matlab代码实现)
|
11天前
|
算法 计算机视觉
【MPDR & SMI】失配广义夹角随输入信噪比变化趋势、输出信干噪比随输入信噪比变化趋势研究(Matlab代码实现)
【MPDR & SMI】失配广义夹角随输入信噪比变化趋势、输出信干噪比随输入信噪比变化趋势研究(Matlab代码实现)
|
11天前
|
编解码 人工智能 算法
【采用BPSK或GMSK的Turbo码】MSK、GMSK调制二比特差分解调、turbo+BPSK、turbo+GMSK研究(Matlab代码实现)
【采用BPSK或GMSK的Turbo码】MSK、GMSK调制二比特差分解调、turbo+BPSK、turbo+GMSK研究(Matlab代码实现)
|
11天前
|
机器学习/深度学习 编解码 并行计算
【改进引导滤波器】各向异性引导滤波器,利用加权平均来实现最大扩散,同时保持图像中的强边缘,实现强各向异性滤波,同时保持原始引导滤波器的低低计算成本(Matlab代码实现)
【改进引导滤波器】各向异性引导滤波器,利用加权平均来实现最大扩散,同时保持图像中的强边缘,实现强各向异性滤波,同时保持原始引导滤波器的低低计算成本(Matlab代码实现)

热门文章

最新文章