当前位置:文档之家› 基于粒子群算法的配电网无功补偿优化规划

基于粒子群算法的配电网无功补偿优化规划

基于粒子群算法的配电网无功补偿优化规划
基于粒子群算法的配电网无功补偿优化规划

改进的粒子群优化算法

第37卷第4期河北工业大学学报2008年8月V ol.37No.4JOURNAL OF HEBEI UNIVERSITY OF TECHNOLOGY August2008 文章编号:1008-2373(2008)04-0055-05 改进的粒子群优化算法 宋洁,董永峰,侯向丹,杨彦卿 (河北工业大学计算机科学与软件学院,天津300401) 摘要粒子群优化算法是一种基于群体的自适应搜索优化算法,存在后期收敛慢、搜索精度低、容易陷入局部极 小等缺点,为此提出了一种改进的粒子群优化算法,从初始解和搜索精度两个方面进行了改进,提高了算法的计 算精度,改善了算法收敛性,很大程度上避免了算法陷入局部极小.对经典函数测试计算,验证了算法的有效性. 关键词粒子群优化算法;均匀化;变量搜索;初始解;搜索精度 中图分类号TP391文献标识码A A Modified Particle Swarm Optimization Algorithm SONG Jie,DONG Yong-feng,HOU Xiang-dan,Y ANG Yan-qing (School of Computer Science and Engineering,Hebei University of Technology,Tianjin300401,China) Abstract Particle Swarm Optimization Algorithm is a kind of auto-adapted search optimization based on community. But the standard particle swarm optimization is used resulting in slow after convergence,low search precision and easily leading to local minimum.A new Particle Swarm Optimization algorithm is proposed to improve from the initial solution and the search precision.The obtained results showed the algorithm computation precision and the astringency are im- proved,and local minimum is avoided.The experimental results of classic functions show that the improved PSO is ef- ficient and feasible. Key words PSO;average;variable search;initial solution;search accuracy 0引言 粒子群优化(Particle Swarm Optimization,PSO)算法是一种基于群体的随机优化技术,最早在1995年由美国社会心理学家James Kennedy和电气工程师Russell Eberhart[1]共同提出,基本思想源于对鸟群觅食行为的研究.PSO将每个可能产生的解都表述为群中的一个微粒,每个微粒都具有自己的位置向量和速度向量,和一个由目标函数决定的适应度,通过类似梯度下降算法使各粒子向适应度函数值最高的方向群游.该算法控制参数少、程序相对简单,因此在应用领域表现出了很大的优越性.由于PSO算法容易理解、易于实现,所以PSO算法发展很快.目前,多种PSO改进算法已广泛应用于函数优化、神经网络训练、模式识别、模糊系统控制以及其他的应用领域. 许多学者对PSO算法进行研究,发现其容易出现早熟、最优解附近收敛慢等现象,并提出了一些改进方案,例如自适应PSO算法、混合PSO算法、杂交PSO算法等[2-4].因此,本文从初始解和收敛精度两个角度出发对PSO算法进行了改进,提高了算法的计算精度,有效的改善了算法的优化性能. 1基本PSO算法 PSO算法是一种基于群体的随机优化技术,基本思想源于对鸟群觅食行为的研究.通过对鸟群飞行时经常会突然改变方向、散开、聚集,但整体总保持一致性,个体与个体间鸟群好像在一个中心的控制 收稿日期:2008-04-17 基金项目:河北省自然科学基金(F2006000109) 作者简介:宋洁(1967-),女(汉族),副教授.

供配电系统无功补偿方案的选择

0引言 韶钢新一钢供电系统负荷存在多样性,无功功率消耗大,自然功率因数低,谐波大。因此解决好电网的无功功率补偿和谐波治理问题,对于提高炼钢供配电系统电能质量、保证设备安全运行、节能降耗、充分利用电气设备的出力等具有重要的意义。 1无功补偿 1.1无功补偿作用 在炼钢供配电系统中,电动机、变压器等设备是无功功率消耗大户,电力线路、变频器、气体放电电灯、电焊机、空调及其它大多数设备也都是无功功率消耗户。如果所需要的无功功率由外部供电网络经过长距离传送,通常不合理也不可能。如果这些所需要的无功功率不能及时得到补偿,对炼钢供电系统电能质量就会造成严重影响。无功功率补偿作用有:(1)稳定受电端及电网的电压,提高供电质量。 (2)提高供用电系统及负载的功率因数,降低设备容量,减小功率损耗。 (3)减少线路损失,提高电网的有功传输能力。 (4)降低电网的功率损耗,提高变压器的输出功率及运行经济效益。 (5)降低设备发热,延长设备寿命,改善设备的利用率。 (6)高水平平衡三相的有功功率和无功功率。1.2无功补偿方法及原则 配电网中常用的无功补偿方式包括:在高低压配电线路中分散安装并联电容器组;在配电变压器低压侧和车间配电屏间安装并联电容器以及在单台用电设备附近安装并联电容器(就地补偿)等。目前,常采用的无功补偿方式有就地无功补偿、分散无功补偿和集中无功补偿。就地无功补偿采用电容器直接装于用电设备附近,与其供电回路相并联,常用于低压网络;分散无功补偿常采用高压电容器分组安装于电网的10kV和6kV配电线路的杆架上、公用配电变压器的低压侧、用户各车间的配电母线上,达到提高电网的功率因数、降低供电线路的电流、减少线损的目的;集中无功补偿采用变电站或高压供电电力用户降压变电站母线上的高压电容器组,也包括集中装设于电力用户总配电高低压母线上的电容器组,其优点是有利于控制电压水平,且易于实现自动投切,利用率高,维护方便,能减少配电网、用户变压器及专供线路的无功负荷和电能损耗,但是不能减少电力用户内部各条配电线路的无功负荷和电能损耗。 根据P=S cosφ,当功率因数cosφ=1时,有功功率P等于变压器的视在功率S,而当功率因数为0.6~0.7时,如不进行补偿,供电变压器的效率就很难提高,如1000kVA的变压器仅能带600~700kW的有功功率。 供配电系统无功补偿方案的选择 刘火红,陆吉利,李权辉,左文瑞 (宝钢集团广东韶关钢铁有限公司炼钢厂,广东韶关512123) 摘要:介绍无功补偿的作用、方法及原则,分析炼钢供配电系统负荷性质及无功补偿的必要性,并提出各供配电系统的无功补偿方案。 关键词:负荷;无功补偿;功率因数 Selection of Reactive Power Compensation Scheme for Distribution System LIU Huo-hong,LU Ji-li,LI Quan-hui,ZUO Wen-rui (Steel Plant of Guangdong Shaoguan Iron&Steel Co.,LTD of Baosteel Group,Shaoguan512123,China) Abstract:The function,method and principle of reactive power compensation are introduced.The nature of the supply load and distribution system of steel making and the necessity of reactive power compensation are analyzed.The reactive pow-er compensation programs of the power supply and distribution system are proposed. Keywords:load;reactive power compensation;power factor 作者简介:刘火红(1972-),三电主管,电气工程师,从事电 气自动化管理工作。 收稿日期:2013-10-15 电力专栏 89 2014 自动化应用3期

基于粒子群优化算法的图像分割

安康学院 学年论文(设计) 题目_____________________________________________ 学生姓名_______________ 学号_____________________________ 所在院(系)_______________________________________ 专业班级__________________________________________________ 指导教师_____________________________________________ 年月曰

基于粒子群优化算法的图像分割 (作者:) () 指导教师: 【摘要】本文通过对粒子群优化算法的研究,采用Java编程,设计出一套用于图像分割的系统。 基于粒子群优化算法的图像分割系统,可以将一幅给定的图像进行分割,然后将分割结果保存。图像分割的目的是将感兴趣的区域从图像中分割出来,从而为计算机视觉的后续处理提供依据。图像分割的方法有多种,阈值法因其实现简单而成为一种有效的图像分割方法。而粒子群优化(PSO)算法是一类随机全局优化技术,它通过粒子间的相互作用发现复杂搜索空间中的最优区域缩短寻找阈值的时间。因此,基于粒子群优化算法的图像分割以粒子群优化算法为寻优工具,建立具有自适应和鲁棒性的分割方法。从而可以在最短的时间内,准确地确定分割阈值。 关键词:粒子群优化(PSO,图像分割,阈值法,鲁棒性 Abstract T his paper based on the particle swarm optimizati on algorithm, desig ns a set of system for image segme ntati on using Java program min g. Image segme ntati on system based on particle swarm optimizati on algorithm, the image can be a given segmentation, and then the segmentation results would be saved. Image segmentation is the purpose of the interested area from the image, thus providing the basis for the subsequent processing of computer vision. There are many methods of image segmentation, threshold method since its simple realization, becomes a kind of effective method in image segmentation. Particle swarm optimization (PSO) algorithm is a stochastic global optimization technique; it finds optimal regions of complex search spaces for threshold time shorte ned through the in teractio n betwee n particles. Therefore, particle swarm optimization algorithm of image segmentation based on particle swarm optimization algorithm based on optimizati on tools; establish segme ntati on method with adaptive and robust. Therefore, it is possible for us in the shortest possible time to accurately determ ine the segme ntati on threshold. Key word s: PSO, image segmentation, threshold method, robust. 1引言 1.1研究的背景和意义 技术的不断向前发展,人们越来越多地利用计算机来获取和处理视觉图像信息。据统计,人类

matlab粒子群优化算法进行传感器优化配置程序

1.Pso算法 function [xm,fv] = SAPSO( fitness,N,c1,c2,wmax,wmin,M ) % fitness 适应度函数 % N 种群个数 % c1 % c2 % wmax 最大权重 % wmin 最小权重 % M 迭代次数 cg=32;%传感器个数 format long; %-----------------------初始化种群个体 ------------------------------------- for i=1:N %粒子个数为n a1=-17.5:10:12.5; a11=a1*(i+5)/10; [a2,a3]=meshgrid(a1,a11); a4=reshape(a2,1,16); a5=reshape(a3,1,16); b1=-12.5:10:17.5; b11=b1*(i+5)/10; [b2,b3]=meshgrid(b1,b11); b4=reshape(b2,1,16); b5=reshape(b3,1,16); x11=[a4,b4;a5,b5]+20;%ó|ó?μè±èàyà?é¢y1ì?¨ x(:,:,i)=x11';%初始化传感器个数为20 v(:,:,i)=10*rand(cg,2); end %----------------------计算各个粒子适应度------------------------------for i=1:N; p(i)=fitness(x(:,:,i)); y(:,:,i)=x(:,:,i); end pg=x(:,:,N); %pg为全局最优 for i=1:(N-1) if fitness(x(:,:,i))

配电网无功补偿方式

配电网无功补偿方式 合理的无功补偿点的选择以及补偿容量的确定,能够有效地维持系统的电压水平,提高系统的电压稳定性,避免大量无功的远距离传输,从而降低有功网损。而且由于我国配电网长期以来无功缺乏,造成的网损相当大,因此无功功率补偿是降损措施中投资少回收高的有效方案。配电网无功补偿方式常用的有:变电站集中补偿方式、低压集中补偿方式、杆上无功补偿方式和用户终端分散补偿方式。 配电网无功补偿方案 1 变电站集中补偿方式 针对输电网的无功平衡,在变电站进行集中补偿(如图1的方式1),补偿装置包括并联电容器、同步调相机、静止补偿器等,主要目的是改善输电网的功率因数、提高终端变电所的电压和补偿主变的无功损耗。这些补偿装置一般连接在变电站的10kV母线上,因此具有管理容易、维护方便等优点。 为了实现变电站的电压控制,通常采用无功补偿装置(一般是并联电容器组)结合变压器有载调压共同调节。通过两者的协调来进行电压/无功控制在国内已经积累了丰富的经验,九区图便是一种变电站电压/无功控制的有效方法。然而操作上还是较为麻烦的,因为由于限值需要随不同运行方式进行相应的调整,甚至在某些区上会产生振荡现象;而且由于实际操作中变压器有载分接头的调节和电容器组的投切次数是有限的,而在九区图没有相应的判断。因此,现行九区图的调节效果还有待进一步改善。 2 低压集中补偿方式 在配电网中,目前国内较普遍采用的无功补偿方式是在配电变压器380V侧进行集中补偿(如图1的方式2),通常采用微机控制的低压并联电容器柜,容量在几十至几百千乏左右,根据用户负荷水平的波动投入相应数量的电容器进行跟踪补偿。它主要目的是提高专用变用户的功率因数,实现无功补偿的就地平衡,对配电网和配电变的降损有积极作用,同时也有助于保证该用户的电压水平。这种补偿方式的投资及维护均由专用变用户承担。目前国内各厂家生产的自动补偿装置通常是根据功率因数来进行电容器的自动投切。就这种方案而言,虽然有助于保证用户的电能质量,但对电力系统并不可取。虽然线路电压的波动主要由无功量变化引起,但线路的电压水平往往是由系统情况决定的。当线路电压基准值偏高或偏低时,无功的投切量可能与实际需求相去甚远,易出现无功过补偿或欠补偿。 对配电系统来说,除了专用变之外,还有许多公用变。而面向广大家庭用户及其他小型用户的公用变,由于其通常安装在户外的杆架上,实现低压无功集中补偿则是不现实的:难于维护、控制和管理,且容易造成生产安全隐患。这样,配电网的无功补偿受到了很大地限制。 3 杆上补偿方式 由于配电网中大量存在的公用变压器没有进行低压补偿,使得补偿度受到限制。由此造成很大的无功缺口需要由变电站或发电厂来填,大量的无功沿线传输使得配电网网损仍然居高难下。因此可以采用10kV户外并联电容器安装在架空线路的杆塔上(或另行架杆)进行无功补偿(如图1的方式3),以提高配电网功率因数,达到降损升压的目的。但由于杆上安装的并联电容器远离变电站,容易出现保护不易配置、控制成本高、维护工作量大、受安装环境和空间等客观条件限制等问题。因此,杆上无功优化补偿必须结合以下实际工程要求来进行: (1)补偿点宜少,建议一条配电线路上宜采用单点补偿,不宜采用多点补偿; (2)控制方式从简。建议杆上补偿不设分组投切; (3)建议补偿容量不宜过大。补偿容量太大将会导致配电线路在轻载时出现过电压和过补偿现象;另外杆上空间有限,太多数电容器同杆架设,既不安全,也不利于电容器散热; (4)建议保护方式应简化。主要采用熔断器和氧化锌避雷器作简单保护。 显然,杆上无功补偿主要是针对10kV馈线上的公用变所需无功进行补偿,因其具有投资小,回收快,补偿效率较高,便于管理和维护等优点,适合于功率因数较低且负荷较重的

配电网无功补偿

配电网无功补偿 发表时间:2018-04-16T09:30:22.227Z 来源:《电力设备》2017年第31期作者:田金文展瑞磊段其岳 [导读] 摘要:随着社会进步、科技的发展,电力企业在如何更好地满足用户不断提高的用电需求同时,还要对用户电网进行更全面的管理、监控,提高供用电的安全可靠性,保证用户设备和配电网的安全运行,降低能量损耗。 (国网阳谷县供电公司山东聊城 252300) 摘要:随着社会进步、科技的发展,电力企业在如何更好地满足用户不断提高的用电需求同时,还要对用户电网进行更全面的管理、监控,提高供用电的安全可靠性,保证用户设备和配电网的安全运行,降低能量损耗。在这个过程中,将有各种新技术、新设备发展起来,未来的无功补偿技术将会更加合理和经济有效。 关键词:无功功率产生;无功补偿现状;发展趋势 一、配电网无功功率的产生 在交流电力系统中,发电机在发有功功率的同时也发无功功率,它是主要的无功功率电源;运行中的输电线路,由于线间和线对地间的电容效应也产生部分无功功率,称为线路的充电功率,它和电压的高低、线路的长短以及线路的结构等因素有关。电能的用户(负荷)在需要有功功率的同时还需要无功功率,其大小和负荷的功率因数有关;由此可见,无功功率在输、配电线、变压器中的流动会增加有功功率损耗,产生电压降落。 二、低压配电网无功补偿的含义及现状 低压配电网中的无功补偿是对低压配电网中的无功功率进行补偿的措施,旨在提高低压配电网的功率因数,降低供电变压器及输送线路的损耗,提高供电效率,改善低压配电网的供电环境。低压配电网中的无功补偿通过选择合适的补偿方法和补偿装置,可以最大限度的减少低压配电网的损耗,使电网质量提高,减少电压波动和降低谐波,从而提高电压稳定性和电能质量。 目前低压电网无功补偿普遍采取在配电房集中补偿、分散就地补偿和个别补偿三种方式。无功信号的采集使用单相信号,利用三相电容器进行三相共补:现在控制信号采集一般在单相上进行,这种方式不能满足三相负荷量在同一时间不同变化要求。三相共补偿方式适用于负荷主要是使用三相负载的地方,如工业开发区的工业用电。多采用集中补偿和就地补偿,即随机补偿。但对于当前的负载主要为居民用户,由于电源接入点不同和用电负荷不同,三相负荷很可能不平衡,各相无功需量也不同,采用这种补偿方式会在不同程度上出现过补或欠补。无功控制物理量多用电压、功率因数、无功电流,投切方式为:循环投切、编码投切。这种策略没有考虑电压的平衡关系与区域的无功优化。使用电容器容量大,且由多个电容器并列分组进行循环投切,投切开关多采用交流接触器,其缺点是响应速度较慢,在投切过程中会对电网和交流接触器的接点产生冲击涌流,影响电网质量降低交流接触器使用寿命。现价段低压配电网的无功补偿都不具备配电监测功能,依靠人为操作普遍存在时效性差的缺点,从而影响它的经济性和全安性。 三、无功补偿的作用 (一)提高用电户的功率因数,提高用电设备的利用率,降低用电成本; (二)装设静止无功补偿器还能改善电网的电压波形,减小谐波分量和解决负序电流问题。对电容器、电缆、电机、变压器等还能避免高次谐波引起的附加电能损失和局部过热。 (三)减少供电网络的有功损耗,提高线路的供电能力; (四)合理地控制电力系统的无功功率流动,从而提高电力系统的电压水平,改善电能质量,提高了电力系统的抗干扰能力; (五)在动态的无功补偿装置上,配置自动补偿调节器,可以改善电力系统的动态性能,提高输电线的输送能力和稳定性; 四、无功补偿发展方向 为适应当前社会发展,满足用电户负荷类型的要求和用电负荷的需求,提高补偿精度,减少欠补偿和过补偿情况发生,要做好低压电网的无功补偿从以下方法进行: (一)补偿方式 1、固定补偿与动态补偿相结合 随着新技术,新设备的应用和发展,负载类型越来越复杂,电网对无功要求也越来越高,用电户要求的供电可靠性不断提高,因此单纯的固定补偿已经不能满足要求,新的动态自动无功补偿技术能较好地适应负载变化。 2、稳态补偿与快速跟踪补偿相结合 稳态补偿与快速跟踪补偿相结合的补偿方式是未来发展的一个趋势。主要是针对大型的钢铁冶金等企业,工艺复杂、用电量大、负载变化快、波动大,充分有效地进行无功补偿,不仅可以提高功率因数、降损节能,而且可以充分挖掘设备的工作容量,充分发挥设备能力,提高工作效率,提高产量和质量,经济效益大。 3、三相共补与分相补偿相结合 随着人们的生产水平不断提高,大量的家用电器进入家庭,且多为单相用电设备,电网中三相不平衡的情况越来越多,导致控制开关跳闸情况频发,三相共补同投同切已无法解决三相不平衡的问题,而全部采用单相补偿则投资较大,目前还不能普及。因此根据负载情况充分考虑经济性的共分结合方式在新的经济条件下日益广泛应用。 (二)采用先进的投切开关种类 1、过零触发固态继电器 其特点是动态响应快,在投切过程中对电网无冲击、无涌流,寿命较长,但有一定的功耗和谐波污染,目前运用比较普遍。 2、无涌流电容投切器 无涌流电容投切器是无触点开关在电压过零时投入电容器,然后转接到专用接触器下运行,优点无涌流、不发热、节能、安全、寿命长。目前正在逐步推广应用,是无功补偿设备的发展趋向。 3、智能复合开关 复合开关投切装置工作原理是先由可控硅在电压过零时投入电容器,然后再由磁保持交流接触器触点并联闭合,可控硅退出,电容器在磁保持继电器触点闭合下运行,既实现了快速投切,又降低了功耗。目前主要由于成本及可靠性原因应用较少。

工厂供配电系统无功补偿的作用与收益

工厂供配电系统无功补偿的作用与收益 1.无功补偿的基本原理 在交流电路中,如果是纯电阻电路,电能都转化成了热能,而在通过纯容性或纯感性负载的时候,并不做功,也就是不消耗电能,即为无功功率。当然实际负载一般都是混合性负载,这样电能在通过负载时,就有一部分电能不做功,就是无功功率,此时的功率因数小于1,为了提高电能的利用率,就要进行无功补偿。 无论是工业负荷还是民用负荷,大多数均为感性。所有电感负载均需要补偿大量的无功功率,提供这些无功功率有两条途径:一是输电系统提供;二是补偿电容器提供。如果由输电系统提供,则设计输电系统时,既要考虑有功功率,也要考虑无功功率。由输电系统传输无功功率,将造成输电线路及变压器损耗的增加,降低系统的经济效益。而由并联补偿电容器就地提供无功功率,就可以避免由输电系统传输无功功率,从而降低无功损耗,提高系统的传输功率。 S1为功率因数改善前的视在功率;S2为功率因数改善后的视在功率 2.无功补偿的效益 2.1 提高功率因数 2.1.1 基本原理 在交流纯电阻电路中,负载中的电流IR与电压U同相位,纯电感负载中的电流IL滞后于电压90°,而纯电容的电流IC则超前于电压

90°,如图所示。可见,电容中的电流与电感中的电流相差180°,它们能够互相抵消。 电力系统中的负载大部分是感性的,因此总电流I将滞后于电压一个角度φ,如果将并联电容器与负载并联,则电容器的电流IC将抵消一部分电感电流,从而使电感电流IL减小到IL',总电流从I减小到I',功率因数将由cosφ提高到cosφ',这就是并联电容器补偿无功功率提高功率因数的原理(如图2)。 由于电容器与电感性负载并联安装,所以,当电感性负载吸收能量时,正好并联电容器释放能量。而电感性负荷放出能量时,并联电容器却在吸收能量,能量在两者之间转换。即:电感性负载所吸收的无功功率,可由并联电容器所输出的 2.1.2 节省企业电费开支 提高功率因数对企业的直接经济效益是明显的,因为国家电价制度中,从合理利用有限电能出发,对用电企业的功率因数规定了最低数值(一般规定基数为cosφ=0.9),低于规定的数值,需要罚款多收电费,高于规定的数值,可奖励相应的减少电费。 供电部门在收取电费时,按照行业标准规定:根据每月的实际功率因数,在高于或低于基数0.9时,按照规定的电价计算出当月的电费后,再按照上表所规定的百分数进行奖惩,增减电费。 无功功率的节能对用户来说,就是最大可能的提高功率因数,减少无功计量,把实际功率因数保持在0.95以上,以降低电费。以我公司

基于MATLAB的粒子群优化算法的应用示例

对于函数f=x*sin(x)*cos(2*x)-2*x*sin(3*x),求其在区间[0,20]上该函数的最大值。 ?初始化种群 已知位置限制[0,20],由于一维问题较为简单,因此可以取初始种群N 为50,迭代次数为100,当然空间维数d 也就是1。 位置和速度的初始化即在位置和速度限制内随机生成一个N×d 的矩阵,对于此题,位置初始化也就是在0~20内随机生成一个50×1的数据矩阵,而对于速度则不用考虑约束,一般直接在0~1内随机生成一个50×1的数据矩阵。 此处的位置约束也可以理解为位置限制,而速度限制是保证粒子步长不超限制的,一般设置速度限制为[-1,1]。 粒子群的另一个特点就是记录每个个体的历史最优和种群的历史最优,因此而二者对应的最优位置和最优值也需要初始化。其中每个个体的历史最优位置可以先初始化为当前位置,而种群的历史最优位置则可初始化为原点。对于最优值,如果求最大值则初始化为负无穷,相反地初始化为正无穷。 每次搜寻都需要将当前的适应度和最优解同历史的记录值进行对比,如果超过历史最优值,则更新个体和种群的历史最优位置和最优解。 ?速度与位置的更新

速度和位置更新是粒子群算法的核心,其原理表达式和更新方式如下: 每次更新完速度和位置都需要考虑速度和位置的限制,需要将其限制在规定范围内,此处仅举出一个常规方法,即将超约束的数据约束到边界(当位置或者速度超出初始化限制时,将其拉回靠近的边界处)。当然,你不用担心他会停住不动,因为每个粒子还有惯性和其他两个参数的影响。 代码如下: clc;clear;close all; %% 初始化种群 f= @(x)x .* sin(x) .* cos(2 * x) - 2 * x .* sin(3 * x); % 函数表达式figure(1);ezplot(f,[0,0.01,20]); N = 50; % 初始种群个数 d = 1; % 空间维数 ger = 100; % 最大迭代次数 limit = [0, 20]; % 设置位置参数限制 vlimit = [-1, 1]; % 设置速度限制 w = 0.8; % 惯性权重 c1 = 0.5; % 自我学习因子 c2 = 0.5; % 群体学习因子 for i = 1:d

(完整word版)基本粒子群算法的原理和matlab程序

基本粒子群算法的原理和matlab程序 作者——niewei120(nuaa) 一、粒子群算法的基本原理 粒子群优化算法源自对鸟群捕食行为的研究,最初由Kennedy和Eberhart提出,是一种通用的启发式搜索技术。一群鸟在区域中随机搜索食物,所有鸟知道自己当前位置离食物多远,那么搜索的最简单有效的策略就是搜寻目前离食物最近的鸟的周围区域。PSO 算法利用这种模型得到启示并应用于解决优化问题。PSO 算法中,每个优化问题的解都是粒子在搜索 空间中的位置,所有的粒子都有一个被优化的目标函数所决定的适应值,粒子还有一个速度值决定它们飞翔的方向和距离,然后粒子群就追随当前的最优粒子在解空间中搜索。 PSO 算法首先在给定的解空间中随机初始化粒子群,待优化问题的变量数决定了解空间的维数。每个粒子有了初始位置与初始速度。然后通过迭代寻优。在每一次迭代中,每个粒子通过跟踪两个“极值”来更新自己在解空间中的空间位置与飞翔速度。第一个极值就是单个粒子本身在迭代过程中找到的最优解粒子,这个粒子叫做个体极值。另一个极值是种群所有粒子在迭代过程中所找到的最优解粒子,这个粒子是全局极值。上述的方法叫全局粒子群算法。如果不用种群所有粒子而只用其中一部分作为该粒子的邻居粒子,那么在所有邻居粒子中的极值就是局部极值,该方法称为局部PSO 算法。 速度、位置的更新方程表示为: 每个粒子自身搜索到的历史最优值p i ,p i=(p i1,p i2,....,p iQ),i=1,2,3,....,n。所有粒子搜索到的最优值p g,p g=(p g1,p g2,....,p gQ),注意这里的p g只有一个。 是保持原来速度的系数,所以叫做惯性权重。 是粒子跟踪自己历史最优值的权重系数,它表示粒子自身的认识,所以叫“认知”。通常设置为2。 是粒子跟踪群体最优值的权重系数,它表示粒子对整个群体知识的认识,所以叫做“社会知识”,经常叫做“社会”。通常设置为2。 是[0,1]区间内均匀分布的随机数。 是对位置更新的时候,在速度前面加的一个系数,这个系数我们叫做约束因子。通常设 置为1 。

配电网无功补偿方式的优化选择

配电网无功补偿方式的优化选择 发表时间:2011-12-31T10:12:35.030Z 来源:《时代报告》2011年11月下期供稿作者:邹雪莲 [导读] 电力系统无功分布是否合理,关系到电能质量的优劣,还影响电网运行的安全性和经济性。 邹雪莲 (重庆工贸职业技术学院,重庆 408000) 中图分类号:TM769 文献标识码:A 文章编号:1003-2738(2011)11-0278-01 摘要:本文根据目前配电网中无功补偿的实际情况,简要分析了配电网中无功补偿装置在调节电压、降低电能损耗中所起的作用,提出了配电网中几种无功补偿方式,进行了经济技术优化比较,提出了相应的优化选择方式。 关键词:配电网;无功补偿;优化选择 一、概述 随着国民经济的高速发展和人民生活水平的提高,人们对电力的需求日益增长,电网负荷的不断增加,改变了网络结构和电源分布,造成无功分布的不合理,甚至出现局部地区无功严重不足、电压水平普遍较低的情况。电力系统无功分布是否合理,关系到电能质量的优劣,还影响电网运行的安全性和经济性。合理的无功补偿点的选择以及补偿方式的选择,能够有效地维持系统的电压水平,提高系统的电压稳定性,降低有功网损。因此,解决好配电网络无功补偿的问题,对电网的运行安全和降损节能有着重要的意义。 二、无功补偿的原则 无功补偿的原则:全面规划,合理布局,分级补偿,就地平衡。 1.总体平衡与局部平衡相结合:既要满足全网的总无功平衡,又要满足分线、分站的无功平衡。 2.集中补偿与分散补偿相结合:要求既要在变电站进行大容量集中补偿,又要在配电线路、配电变压器和用电设备处进行分散补偿,目的是做到无功就地平衡,减少其长距离输送。 3.高压补偿与低压补偿相结合:以低压补偿为主,这和分散补偿相辅相成。 4.降损与调压相结合针对线路长,分支多,负荷分散,功率因数低的线路。这种线路最显著的特点是:负荷率低,线路损失大,若对此线路补偿,可明显提高线路的供电能力。 5.供电部门的无功补偿与用户补偿相结合:由于无功消耗大约60%在配电变压器中,其余的消耗在用户的用电设备中,若两者不能很好地配合,可能造成轻载或空载时过补偿,满负荷时欠补偿,使补偿失去了它的实际意义,得不到理想的效果。 三、无功补偿装置在调节电压、降低电能损耗中所起的作用 无功补偿的作用主要有以下几点:提高系统及负载的功率因数,降低设备容量,减少功率损耗,稳定受电端及电网的电压,提高供电质量。 1.功率因数补偿,提高电压质量。 工农业生产的用电设备多为电磁结构,功率因数较低,一般都会低于0.7以下,导致电网电压降低。加装并联电容器补偿装置就近供给用户或配电网所需要的滞相无功功率,减少在配电网中流失的无功功率,降低网损,从而改善电压质量; 2.无功补偿调压,提高电压质量。 变电站10KV母线无功集中补偿,主要是平衡输电网的无功功率,提高系统终端变电站的母线电压,补偿主变和高压线路的无功损耗。变电站10KV母线无功集中补偿容量和投切控制方式应考虑到满足主变自身的无功损耗和就近向配电线路前端输送无功,为主变有载调压维持系统电压稳定提供保障。 四、配电网无功补偿方案及其经济技术优化比较 1.变电站集中补偿方式 针对输电网的无功平衡,在变电站进行集中补偿,补偿装置包括并联电容器、同步调相机、静止补偿器等,这些补偿装置一般连接在变电站的10kV母线上,因此具有管理容易、维护方便等优点。 为了实现变电站的电压控制,通常采用并联电容器组结合变压器有载调压共同调节。利用九区图配合调节来进行电压无功控制,是一种变电站电压无功控制的有效方法。然而操作上较为麻烦,因为由于限值需要随不同运行方式进行相应的调整,会在某些区上产生振荡现象;而且由于实际操作中变压器有载分接头的调节和电容器组的投切次数是有限的,而九区图没有相应的判断。因此,现行九区图的调节效果还有待进一步改善。 2.低压集中补偿方式。 在配电网中,目前国内较普遍采用的无功补偿方式是在配电变压器380V侧进行集中补偿,通常采用微机控制的低压并联电容器柜,根据用户负荷水平的波动投入相应数量的电容器进行跟踪补偿,实现无功补偿的就地平衡,对配电网和配电变的降损有积极作用,同时也有助于保证该用户的电压水平。 3.杆上补偿方式。 采用 10kV户外并联电容器安装在架空线路的杆塔上进行无功补偿,以提高配电网功率因数,达到降损升压的目的。由于杆上安装的并联电容器远离变电站,容易出现保护不易配置、控制成本高、维护工作量大、受安装环境和空间等客观条件限制等问题。因此,杆上无功优化补偿必须结合以下实际工程要求来进行:补偿点宜少、杆上补偿不设分组投切、补偿容量不宜过大、保护方式应简化。 杆上无功补偿主要是针对10kV馈线上的公用变所需无功进行补偿,因其具有投资小,回收快,补偿效率较高,便于管理和维护等优点,适合于功率因数较低且负荷较重的长配电线路,但是因负荷经常波动而该补偿方式是长期固定补偿,故其适应能力较差,应积极开发应用电容器组能自动投切的杆上无功补偿技术。 4.用户终端分散补偿方式。 直接对用户末端进行无功补偿,将最恰当地降低配电网的损耗和维持配电网的电压水平的有效措施。对于企业和厂矿中的电动机,应

粒子群算法解决函数优化问题

粒子群算法解决函数优化问题 1、群智能算法研究背景 粒子群优化算法(Particle Swarm Optimization,PSO)是由Kennedy 和Eberhart 在研究鸟类和鱼类的群体行为基础上于1995 年提出的一种群智能算法,其思想来源于人工生命和演化计算理论,模仿鸟群飞行觅食行为,通过鸟集体协作使群体达到优。 PSO算法作为一种新的群智能算法,可用于解决大量非线性、不可微和多峰值的复杂函数优化问题,并已广泛应用于科学和工程领域,如函数优化、神经网络训练、经济调度、模式识别与分类、结构设计、电磁场和任务调度等工程优化问题等。 PSO算法从提出到进一步发展,仅仅经历了十几年的时间,算法的理论基础还很薄弱,自身也存在着收敛速度慢和早熟的缺陷。如何加快粒子群算法的收敛速度和避免出现早熟收敛,一直是大多数研究者关注的重点。因此,对粒子群算法的分析改进不仅具有理论意义,而且具有一定的实际应用价值。 2、国内外研究现状 对PSO算法中惯性权重的改进:Poli等人在速度更新公式中引入惯性权重来更好的控制收敛和探索,形成了当前的标准PSO算法。 研究人员进行了大量的研究工作,先后提出了线性递减权值( LDIW)策略、模糊惯性权值( FIW) 策略和随机惯性权值( RIW) 策略。其中,FIW 策略需要专家知识建立模糊规则,实现难度较大,RIW 策略被用于求解动态系统,LDIW策略相对简单且收敛速度快, 任子晖,王坚于2009 年,又提出了基于聚焦距离变化率的自适应惯性权重PSO算法。 郑春颖和郑全弟等人,提出了基于试探的变步长自适应粒子群算

法。这些改进的PSO算法既保持了搜索速度快的特点, 又提高了全局搜索的能力。 对PSO算法的行为和收敛性的分析:1999 年采用代数方法对几种典型PSO算法的运行轨迹进行了分析,给出了保证收敛的参数选择范围。在收敛性方面Fransvan den Bergh引用Solis和Wets关于随机性算法的收敛准则,证明了标准PSO算法不能收敛于全局优解,甚至于局部优解;证明了保证收敛的PSO算法能够收敛于局部优解,而不能保证收敛于全局优解。 国内的学者:2006 年,刘洪波和王秀坤等人对粒子群优化算法的收敛性进行分析,指出它在满足收敛性的前提下种群多样性趋于减小,粒子将会因速度降低而失去继续搜索可行解的能力,提出混沌粒子群优化算法。 2008 年,黄翀鹏和熊伟丽等人分析惯性权值因子大小对PSO算法收敛性所带来的影响,对粒子群算法进行了改进。2009 年,高浩和冷文浩等人,分析了速度因子对微粒群算法影响,提出了一种基于Gaussian 变异全局收敛的粒子群算法。并证明了它能以概率 1 收敛到全局优解。 2010 年,为提高粒子群算法的收敛性,提出了基于动力系统的稳定性理论,对惯性权重粒子群模型的收敛性进行了分析,提出了使得在算法模型群模型收敛条件下的惯性权重和加速系数的参数约束关系,使算法在收敛性方面具有显著优越性。在PSO算法中嵌入别的算法的思想和技术。 1997年,李兵和蒋慰孙提出混沌优化方法; 1998年,Angeline在PSO算法中引入遗传算法中的选择算子,该算法虽然加快了算法的收敛速度,但同时也使算法陷入局部优的概率大增,特别是在优化Griewank 基准函数的优值时得到的结果不理想; 2004 年,高鹰和谢胜利将混沌寻优思想引入到粒子群优化算法中,首先对当前群体中的优粒子进行混沌寻优, 再用混沌寻优的结果随机替换群体中的一个粒子,这样提出另一种混沌粒子群优化算法。

《国家电网公司电力系统无功补偿配置技术原则》

《国家电网公司电力系统无功补偿配置技术原则》 第一章总则 第一条为保证电压质量和电网稳定运行,提高电网运行的经济效益,根据《中华人民共和国电力法》等国家有关法律法规、《电力系统安全稳定导则》、信息来源:《电力系统电压和无功电力技术导则》、《国家电网公司电力系统电压质量和无功电力管理规定》等相关技术标准和管理规定,特制定本技术原则。 第二条国家电网公司各级电网企业、并网运行的发电企业、电力用户均应遵守本技术原则。 第二章无功补偿配置的基本原则 第三条电力系统配置的无功补偿装置应能保证在系统有功负荷高峰和负荷低谷运行方式下,分(电压)层和分(供电)区的无功平衡。分(电压)层无功平衡的重点是220kV 及以上电压等级层面的无功平衡,分(供电)区就地平衡的重点是110kV及以下配电系统的无功平衡。无功补偿配置应根据电网情况,实施分散就地补偿与变电站集中补偿相结合,电网补偿与用户补偿相结合,高压补偿与低压补偿相结合,满足降损和调压的需要。 第四条各级电网应避免通过输电线路远距离输送无功电力。500(330)kV电压等级系统与下一级系统之间不应有大量的无功电力交换。500(330)kV电压等级超高压输电线路的充电功率应按照就地补偿的原则采用高、低压并联电抗器基本予以补偿。 第五条受端系统应有足够的无功备用容量。当受端系统存在电压稳定问题时,应通过技术经济比较,考虑在受端系统的枢纽变电站配置动态无功补偿装置。 第六条各电压等级的变电站应结合电网规划和电源建设,合理配置适当规模、类型的无功补偿装置。所装设的无功补偿装置应不引起系统谐波明显放大,并应避免大量的无功电力穿越变压器。35kV~220kV变电站,在主变最大负荷时,其高压侧功率因数应不低于0.95,在低谷负荷时功率因数应不高于0.95。 第七条对于大量采用10kV~220kV电缆线路的城市电网,在新建110kV及以上电压等级的变电站时,应根据电缆进、出线情况在相关变电站分散配置适当容量的感性无功补偿装置。 第八条35kV及以上电压等级的变电站,主变压器高压侧应具备双向有功功率和无功功

基本粒子群算法的matlab源程序

主函数源程序(main.m) %------基本粒子群优化算法(Particle Swarm Optimization)-----------%------名称:基本粒子群优化算法(PSO) %------作用:求解优化问题 %------说明:全局性,并行性,高效的群体智能算法 %------初始格式化--------------------------------------------------clear all; clc; format long; %------给定初始化条件---------------------------------------------- c1=1.4962;%学习因子1 c2=1.4962;%学习因子2 w=0.7298;%惯性权重 MaxDT=1000;%最大迭代次数 D=10;%搜索空间维数(未知数个数) N=40;%初始化群体个体数目 eps=10^(-6);%设置精度(在已知最小值时候用) %------初始化种群的个体(可以在这里限定位置和速度的范围)------------for i=1:N for j=1:D x(i,j)=randn;%随机初始化位置 v(i,j)=randn;%随机初始化速度 end end %------先计算各个粒子的适应度,并初始化Pi和Pg----------------------for i=1:N p(i)=fitness(x(i,:),D); y(i,:)=x(i,:); end pg=x(1,:);%Pg为全局最优 for i=2:N if fitness(x(i,:),D) pg=x(i,:); end end %------进入主要循环,按照公式依次迭代,直到满足精度要求------------for t=1:MaxDT for i=1:N v(i,:)=w*v(i,:)+c1*rand*(y(i,:)-x(i,:))+c2*rand*(pg-x(i,:)); x(i,:)=x(i,:)+v(i,:); if fitness(x(i,:),D) p(i)=fitness(x(i,:),D); y(i,:)=x(i,:);

相关主题
相关文档 最新文档