【状态估计】基于二进制粒子群优化 (BPSO) 求解最佳 PMU优化配置研究【IEEE30、39、57、118节点】(Matlab代码实现)

本文涉及的产品
传统型负载均衡 CLB,每月750个小时 15LCU
应用型负载均衡 ALB,每月750个小时 15LCU
网络型负载均衡 NLB,每月750个小时 15LCU
简介: 【状态估计】基于二进制粒子群优化 (BPSO) 求解最佳 PMU优化配置研究【IEEE30、39、57、118节点】(Matlab代码实现)

💥1 概述

近 年 来 ,随 着 大 量 分 布 式 电 源(distributed generation)接入配电网,使配电网朝着更加灵活的方向发展,配电网管理模式从被动向主动转变[1] 。状态估计是通过建立适当的网络模型对配电网进行在线监测和分析的功能。随着分布式能源集成对系统建模和运行的影响越来越大,对配电系统状态估计要求也越来越严格[2] 。目前,电力系统大多数据来源于数据采集与监控(SCADA)系统,但该系统量测数据采集周期较长,无法得到电网中的实时数据。虽然同步相量量测单元能够提供高精度的实时量测数据来提高状态估计精度[3] ,但由于成本和技术的限制,我国配电网安装的 PMU 装置数量有限,得到的实时量测数据较少。状态估计作为配电管理系统不可或缺的组成要素,其主要研究内容是如何在有限数量的 PMU 量测装置情况下尽可能地提高配电网状态估计精度。国内外已有大量学者针对最优 PMU 装置(optimal PMU placement,OPP)进行了大量的研究[4-9] 。目前,PMU 量测装置的优化目标主要分为满足系统可观性(拓扑可观和数值可观)


[10-12] 和提高状态估计精度[13-15] 两大类,解决这两类问题的对应优化算法有数值优化算法和启发式优化算法。数值优化算法主要分为穷举法和整数规划法,虽然整数规划法发展较为成熟,但配电网节点数目较多,短时间不可能大规模安装 PMU 量测装置,所以整数规划法不满足系统可观性的要求。文献[16]从不可观测度优化的角度出发,利用整数规划模型求解,在误差最大的节点装置 PMU,但没有考虑到配电网系统中节点较多而零注入节点较少的情况。启发式算法 的全局搜索能力强,适用于非线性、高维度的模型求解问题。本文基于二进制粒子群优化 (BPSO) 求解最佳 PMU优化配置研究。


📚2 运行结果

主函数代码:

clc
clear
close all
format shortG
commandwindow;
%% parameters setting 
nvar=30;   % number of variable
lb=0*ones(1,nvar); % lower bound
ub=1*ones(1,nvar);  % upper bound
popsize=1000; % population size
maxiter=1000; % max of iteation
c1=1;
c2=1;
damp=1;
%% initial population algorithm
tic
emp.var=[];
emp.fit=[];
emp.vel=[];
par=repmat(emp,popsize,1);
for i=1:popsize
    par(i).vel=lb+rand(1,nvar).*(ub-lb);
    R=rand(1,nvar);
    par(i).var=R>(1./(1+exp(-par(i).vel)));
    par(i).fit=IEEE_30_Bus(par(i).var);
end  
bpar=par;
[value,index]=min([par.fit]);
gpar=par(index);
%% main loop algorithm
BEST=zeros(maxiter,1);
for iter=1:maxiter
     for i=1:popsize
         par(i).vel=par(i).vel-...
                    c1*rand(1,nvar).*(bpar(i).var-par(i).var)-...
                    c2*rand(1,nvar).*(gpar.var-par(i).var);
        par(i).vel=par(i).vel*damp;        
        par(i).vel=min(par(i).vel,ub);
        par(i).vel=max(par(i).vel,lb);
        R=rand(1,nvar);
        par(i).var=R>(1./(1+exp(-par(i).vel)));
        par(i).fit=IEEE_30_Bus(par(i).var);
        if par(i).fit<bpar(i).fit
            bpar(i)=par(i);
            if bpar(i).fit<gpar.fit
                gpar=bpar(i);
            end
        end
     end
BEST(iter)=gpar.fit;
disp([ ' Iter = '  num2str(iter)  ' BEST = '  num2str(BEST(iter)) ])
end
%% results algorithm
disp([ ' Best Solution = ' num2str(find(gpar.var==1))]);
disp([ ' Best Fitness = ' num2str(gpar.fit)]);
disp([ ' Time = ' num2str(toc)]);
figure(1);
plot(BEST,'r');
xlabel('Iteration ');
ylabel(' Numbers of PMUs ');
legend('BEST');
title('BPSO');
gtext([' Best Solution =  ' num2str(find(gpar.var==1))   '   Best Fitness = ' num2str(gpar.fit) ] );


🎉3 参考文献

部分理论来源于网络,如有侵权请联系删除。

[1]曹鹏,刘敏,杭鲁庆.基于改进磷虾群算法的配电网PMU优化配置研究[J].电网与清洁能源,2022,38(04):61-67.


🌈4 Matlab代码实现

相关实践学习
使用CloudLens观测ALB下的网站访问情况
通过本实验,您可搭建网站,并使用ALB进行负载均衡,同时使用CloudLens for ALB一键采集ALB日志,进行ALB 7层日志分析、秒级监控指标分析、基于AIOps的自动异常巡检等操作。
负载均衡入门与产品使用指南
负载均衡(Server Load Balancer)是对多台云服务器进行流量分发的负载均衡服务,可以通过流量分发扩展应用系统对外的服务能力,通过消除单点故障提升应用系统的可用性。 本课程主要介绍负载均衡的相关技术以及阿里云负载均衡产品的使用方法。
相关文章
|
10月前
|
机器学习/深度学习 传感器 算法
【红外图像】利用红外图像处理技术对不同制冷剂充装的制冷系统进行性能评估(Matlab代码实现)
【红外图像】利用红外图像处理技术对不同制冷剂充装的制冷系统进行性能评估(Matlab代码实现)
|
10月前
|
机器学习/深度学习 传感器 算法
【视频去噪】基于全变异正则化最小二乘反卷积是最标准的图像处理、视频去噪研究(Matlab代码实现)
【视频去噪】基于全变异正则化最小二乘反卷积是最标准的图像处理、视频去噪研究(Matlab代码实现)
|
2月前
|
数据安全/隐私保护
耐震时程曲线,matlab代码,自定义反应谱与地震波,优化源代码,地震波耐震时程曲线
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度
基于混合整数规划的微网储能电池容量规划(matlab代码)
基于混合整数规划的微网储能电池容量规划(matlab代码)
|
2月前
|
算法 调度
含多微网租赁共享储能的配电网博弈优化调度(含matlab代码)
含多微网租赁共享储能的配电网博弈优化调度(含matlab代码)
|
2月前
|
Serverless
基于Logistic函数的负荷需求响应(matlab代码)
基于Logistic函数的负荷需求响应(matlab代码)
|
2月前
|
供应链 算法
基于分布式优化的多产消者非合作博弈能量共享(Matlab代码)
基于分布式优化的多产消者非合作博弈能量共享(Matlab代码)
|
2月前
|
算法 调度
基于多目标粒子群算法冷热电联供综合能源系统运行优化(matlab代码)
基于多目标粒子群算法冷热电联供综合能源系统运行优化(matlab代码)
|
2月前
|
算法 调度 SoC
电动汽车充放电V2G模型(Matlab代码)
电动汽车充放电V2G模型(Matlab代码)
|
2月前
|
算法
【免费】基于ADMM算法的多微网电能交互分布式运行策略(matlab代码)
【免费】基于ADMM算法的多微网电能交互分布式运行策略(matlab代码)

热门文章

最新文章