電網(wǎng)無功優(yōu)化算法的研究與實現(xiàn).pdf

1、隨著電力網(wǎng)結構日趨稠密復雜以及電網(wǎng)智能化程度的日益加深，電網(wǎng)調度系統(tǒng)要求更高效且更易于操作的電網(wǎng)無功優(yōu)化計算方法。因此，如何進一步增強電網(wǎng)的調控能力，提高無功優(yōu)化的效率，成為電力系統(tǒng)研究者關注的問題。電壓無功優(yōu)化控制作為電力網(wǎng)調度的基本任務，是通過調度系統(tǒng)自動化地采集場站節(jié)點信息來進行實時數(shù)據(jù)地綜合分析與控制，最終達到使電壓的合格指數(shù)更高，電容器投切更加科學合理以及電網(wǎng)網(wǎng)損更低的目標。
　　現(xiàn)有的無功優(yōu)化模型有:單一目標模型、多重

2、目標動態(tài)優(yōu)化模型等;優(yōu)化算法包括線性規(guī)劃法、簡化梯度法等傳統(tǒng)算法以及遺傳算法、模擬退火算法等智能算法。在實際應用中，規(guī)劃類算法雖然有嚴格的理論支持，但較難處理具有大量離散變量和約束條件的問題，并且復雜無功優(yōu)化模型的實時控制達不到要求。而對于單一智能算法在優(yōu)化計算時來說，算法易早熟，易陷入整個解空間內局部最優(yōu)的陷阱，并且存在計算時間長，后期尋優(yōu)速度慢等缺陷。
　　因此，針對無功優(yōu)化在實際應用中遇到的難點，本文在綜合分析了屬于無功優(yōu)化

3、范疇內的科研狀況之后，研究設計出變慣性權值和加速因子的粒子群算法。在改進算法的更新公式中慣性權重w和加速因子c2會根據(jù)粒子與最優(yōu)粒子之間的距離來更改w和c2的值，比如當粒子靠近群體最優(yōu)粒子時，增大慣性權重w，減小加速因子c2。同時，將算法與遺傳算法、模擬退火算法和蟻群算法進行比較，試驗對比發(fā)現(xiàn)算法在降低電網(wǎng)損耗方而效果較為明顯，且算法優(yōu)化時間較短，在全局尋優(yōu)的把握較大。最后將改進后的算法應用到基于struts2框架和oracle數(shù)據(jù)庫開