本文關(guān)鍵詞： 電網(wǎng)無功分區(qū) 電氣距離 粒子群優(yōu)化算法 社團(tuán)結(jié)構(gòu)　出處：《電力系統(tǒng)自動(dòng)化》2017年03期 　論文類型：期刊論文

【摘要】：提出一種改進(jìn)粒子群優(yōu)化算法并將其應(yīng)用于電網(wǎng)無功分區(qū),以復(fù)雜網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)理論為基礎(chǔ),建立以電氣距離為權(quán)重的電力系統(tǒng)加權(quán)網(wǎng)絡(luò)模型,以模塊度為標(biāo)準(zhǔn)量化地評(píng)價(jià)無功分區(qū)的劃分質(zhì)量。改進(jìn)粒子群優(yōu)化算法采用了新的粒子編碼方式與位置更新方式,提高了以模塊度為目標(biāo)函數(shù)的啟發(fā)式算法的收斂速度并減少了存儲(chǔ)空間。通過改進(jìn)粒子群優(yōu)化算法得到的無功網(wǎng)絡(luò)具有較強(qiáng)的區(qū)域解耦特性,分區(qū)內(nèi)部電氣聯(lián)系緊密,區(qū)域之間聯(lián)系稀疏,無功分區(qū)結(jié)構(gòu)合理。該算法在IEEE 39節(jié)點(diǎn)系統(tǒng)、IEEE 118節(jié)點(diǎn)系統(tǒng)及大型電網(wǎng)的應(yīng)用結(jié)果表明了該算法的合理性及有效性。
[Abstract]:An improved particle swarm optimization (PSO) algorithm is proposed and applied to reactive power zoning of power grid. Based on the theory of complex network community structure, a weighted network model with electrical distance as weight is established. The partition quality of reactive power partition is evaluated quantificationally based on modularity. The improved particle swarm optimization (PSO) algorithm adopts new particle coding method and position updating method. The convergence speed of heuristic algorithm with modularity as the objective function is improved and the storage space is reduced. The reactive power network obtained by the improved particle swarm optimization algorithm has strong region decoupling property. This algorithm is used in the IEEE 39 bus system, and the electrical connection is close, the connection between the regions is sparse, and the reactive power partition structure is reasonable. The application results of IEEE 118-bus system and large power grid show that the algorithm is reasonable and effective.
【作者單位】： 山東大學(xué)電氣工程學(xué)院;國(guó)網(wǎng)南京供電公司;
【分類號(hào)】：TM712;TP18
【正文快照】： 上網(wǎng)日期:2016-11-23。0引言無功電壓控制是保證電力系統(tǒng)安全穩(wěn)定運(yùn)行的重要手段。當(dāng)前,針對(duì)電力系統(tǒng)電壓控制問題,由法國(guó)電力公司提出的分層電壓控制[1]方案得到廣泛應(yīng)用。其中,二級(jí)電壓控制[2-3]利用無功就地平衡的特性,將電網(wǎng)劃分為彼此解耦的電力系統(tǒng)。傳統(tǒng)電網(wǎng)分區(qū)大多根

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 戴冬雪,王祁,阮永順,王曉超;基于混沌思想的粒子群優(yōu)化算法及其應(yīng)用[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年10期

2 李艷靈;李剛;;粒子群優(yōu)化算法研究進(jìn)展[J];重慶工學(xué)院學(xué)報(bào)(自然科學(xué)版);2007年05期

3 岳興漢;薛云燦;蔡亮;;基于混沌思想的粒子群優(yōu)化算法[J];河海大學(xué)常州分校學(xué)報(bào);2007年04期

4 呂林;羅綺;劉俊勇;田立峰;;一種基于多種群分層的粒子群優(yōu)化算法[J];四川大學(xué)學(xué)報(bào)(工程科學(xué)版);2008年05期

5 房靖;高尚;;不完全判斷矩陣權(quán)值的粒子群優(yōu)化算法計(jì)算[J];科學(xué)技術(shù)與工程;2009年19期

6 徐安;趙思宏;寇英信;黃俊;;基于混合粒子群優(yōu)化的多目標(biāo)決策新方法[J];火力與指揮控制;2010年01期

7 梁武;;改進(jìn)的粒子群優(yōu)化算法在結(jié)構(gòu)優(yōu)化中的應(yīng)用[J];廣東建材;2010年04期

8 馮雪;裴志松;;粒子群優(yōu)化算法的研究與應(yīng)用[J];吉林建筑工程學(xué)院學(xué)報(bào);2011年03期

9 高立群;李若平;鄒德旋;;全局粒子群優(yōu)化算法[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年11期

10 趙成業(yè);閆正兵;劉興高;;改進(jìn)的變參數(shù)粒子群優(yōu)化算法[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2011年12期

相關(guān)會(huì)議論文 前10條

1 張妍;張曉光;王永鋼;;幾種改進(jìn)型的粒子群優(yōu)化算法[A];第一屆中國(guó)高校通信類院系學(xué)術(shù)研討會(huì)論文集[C];2007年

2 孫紅光;潘毓學(xué);;基于運(yùn)動(dòng)目標(biāo)路徑的粒子群優(yōu)化算法研究[A];第二屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

3 韓毅;唐加福;郭偉宏;劉陽;;混合粒子群優(yōu)化算法求解多層批量問題(英文)[A];中國(guó)運(yùn)籌學(xué)會(huì)第八屆學(xué)術(shù)交流會(huì)論文集[C];2006年

4 金一粟;梁逸曾;;空間自適應(yīng)粒子群優(yōu)化算法的應(yīng)用研究[A];第九屆全國(guó)計(jì)算（機(jī)）化學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2007年

5 汪榮貴;李守毅;孫見青;;一種新的自適應(yīng)粒子群優(yōu)化算法及應(yīng)用[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

6 黃雙歡;程良倫;;一種基于粒子群優(yōu)化的快速圖像傾斜角度檢測(cè)算法[A];中國(guó)自動(dòng)化學(xué)會(huì)中南六省（區(qū)）2010年第28屆年會(huì)·論文集[C];2010年

7 侯志榮;呂振肅;;基于退火策略的粒子群優(yōu)化算法[A];2003年中國(guó)智能自動(dòng)化會(huì)議論文集（下冊(cè)）[C];2003年

8 徐俊杰;忻展紅;;基于增強(qiáng)型參考位置的粒子群優(yōu)化模型[A];’2004系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2004年

9 王亞;于永光;耿玲玲;;一類改進(jìn)的自適應(yīng)粒子群優(yōu)化算法對(duì)混沌系統(tǒng)未知參數(shù)的估計(jì)[A];中國(guó)力學(xué)大會(huì)——2013論文摘要集[C];2013年

10 崔靜;鄧方;方浩;;基于改進(jìn)粒子群優(yōu)化算法的彈道求解方法[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第三分冊(cè)）[C];2013年

相關(guān)博士學(xué)位論文 前10條

1 劉昊;多樣性增強(qiáng)的粒子群優(yōu)化算法及其應(yīng)用研究[D];北京理工大學(xué);2015年

2 姜毅;動(dòng)態(tài)環(huán)境下粒子群優(yōu)化算法的研究[D];武漢大學(xué);2013年

3 劉華鎣;粒子群優(yōu)化算法的改進(jìn)研究及在石油工程中的應(yīng)用[D];東北石油大學(xué);2012年

4 劉波;粒子群優(yōu)化算法及其在機(jī)電設(shè)備中的應(yīng)用研究[D];中北大學(xué);2011年

5 熊勇;粒子群優(yōu)化算法的行為分析與應(yīng)用實(shí)例[D];浙江大學(xué);2005年

6 唐賢倫;混沌粒子群優(yōu)化算法理論及應(yīng)用研究[D];重慶大學(xué);2007年

7 閆允一;粒子群優(yōu)化及其在圖像處理中的應(yīng)用研究[D];西安電子科技大學(xué);2008年

8 余炳輝;粒子群優(yōu)化算法試驗(yàn)研究及擴(kuò)展[D];華中科技大學(xué);2007年

9 唐賢倫;混沌粒子群優(yōu)化算法理論及應(yīng)用[D];重慶大學(xué);2007年

10 徐慧;粒子群優(yōu)化算法改進(jìn)及其在煤層氣產(chǎn)能預(yù)測(cè)中的應(yīng)用研究[D];中國(guó)礦業(yè)大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 陳卓;粒子群優(yōu)化算法的改進(jìn)及在油藏?cái)?shù)值模擬中的應(yīng)用[D];北京建筑大學(xué);2015年

2 白云;基于粒子群優(yōu)化算法的復(fù)雜網(wǎng)絡(luò)社區(qū)挖掘[D];西北農(nóng)林科技大學(xué);2015年

3 楊艷華;基于粒子群優(yōu)化支持向量機(jī)的網(wǎng)絡(luò)態(tài)勢(shì)預(yù)測(cè)模型研究[D];蘭州大學(xué);2015年

4 孟亞州;基于粒子群優(yōu)化OTSU的肺組織分割算法研究[D];寧夏大學(xué);2015年

5 鄭博;基于快速排序的多目標(biāo)粒子群優(yōu)化算法的研究及應(yīng)用[D];鄭州大學(xué);2015年

6 米永強(qiáng);非線性規(guī)劃問題的混合粒子群優(yōu)化算法研究[D];寧夏大學(xué);2015年

7 李建美;基于自適應(yīng)變異與文化框架的混沌粒子群優(yōu)化算法[D];陜西師范大學(xué);2015年

8 劉星;基于粒子群優(yōu)化算法的特征選擇方法研究[D];南京大學(xué);2015年

9 牛旭;動(dòng)態(tài)粒子群優(yōu)化算法及其應(yīng)用[D];西安電子科技大學(xué);2014年

10 葉華;粒子群優(yōu)化算法研究[D];西安電子科技大學(xué);2014年

，

本文編號(hào)：1460018