

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、通過電力系統(tǒng)無功優(yōu)化可以有效地降低的網絡損耗和提高電壓質量,保證系統(tǒng)經濟、優(yōu)質運行。本文針對配電網無功規(guī)劃與輸電網動態(tài)無功優(yōu)化兩個問題進行研究,主要研究工作如下:
?、俑鶕?jù)配電網無功規(guī)劃問題的特點,建立以全網有功功率網絡損耗最小為目標函數(shù)的模型。在模型中引入最優(yōu)網損微增率準則,為在優(yōu)化過程中自動確定滿足經濟性要求的補償點提供保證。
?、谔岢霾捎脤哟尉垲惙▽ο到y(tǒng)中滿足最優(yōu)網損微增率準則要求的節(jié)點的靈敏度進行聚類分析,選擇關
2、鍵節(jié)點進行補償。針對現(xiàn)有層次聚類法無法消除質量差的簇和需要人為設定生成簇的個數(shù)的缺點,提出新的聚合原則和拆分原則。該方法能夠有效實現(xiàn)聚合和拆分處理已經生成的簇,使聚類計算不受隨機性和人為因素干擾,簡單易行。
?、墼诜治鱿伻核惴ń鉀QTSP問題的基礎上,根據(jù)配電網無功規(guī)劃的要求對蟻群算法進行改進。把能見度因子取為候選節(jié)點的靈敏度使新的狀態(tài)轉移概率能夠隨時反映補償情況的變化;同時改進了蟻群搜索策略,避免補償?shù)拿つ啃浴?br> ④對輸
3、電網動態(tài)無功優(yōu)化研究時,為保證電容器開關和OLTC分接頭等離散控制設備的使用壽命,統(tǒng)一考慮系統(tǒng)全天負荷的變化情況,提出離散控制設備無需動作時間概念,使其在保證動作效率的基礎上滿足全天動作次數(shù)的要求。
?、輰⒕垲惙椒ㄅc蟻群算法相融合提出聚類蟻群算法,通過對當前狀態(tài)下控制設備有效性的分析,對用于信息素交換的有功網損進行修正,以保證蟻群的全局尋優(yōu)能力。同時提出路徑多樣性概念防止因信息素的過度積累使算法陷入局部最優(yōu)解。
基于M
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于自適應蟻群算法的電力系統(tǒng)無功優(yōu)化研究
- 基于自適應蟻群算法的電力系統(tǒng)無功優(yōu)化研究.pdf
- 基于蟻群-粒子群混合算法的電力系統(tǒng)無功優(yōu)化.pdf
- 基于微粒群算法的電力系統(tǒng)無功優(yōu)化研究.pdf
- 基于蟻群算法的電力系統(tǒng)機組優(yōu)化組合.pdf
- 基于搜尋者優(yōu)化算法的電力系統(tǒng)無功優(yōu)化.pdf
- 基于粒子群算法的電力系統(tǒng)無功優(yōu)化.pdf
- 基于粒子群優(yōu)化算法的電力系統(tǒng)無功優(yōu)化研究.pdf
- 電力系統(tǒng)無功優(yōu)化.pdf
- 淺談電力系統(tǒng)的無功優(yōu)化和無功補償
- 基于改進PSO算法的電力系統(tǒng)無功優(yōu)化研究.pdf
- 基于量子遺傳算法的電力系統(tǒng)無功優(yōu)化.pdf
- 基于粒子群算法的電力系統(tǒng)無功優(yōu)化研究.pdf
- 基于智能優(yōu)化算法的電力系統(tǒng)無功優(yōu)化的研究.pdf
- 淺談電力系統(tǒng)的無功優(yōu)化和無功補償
- 基于改進粒子群優(yōu)化算法的電力系統(tǒng)無功優(yōu)化算法研究.pdf
- 蟻群算法在電力系統(tǒng)有功優(yōu)化中的應用研究.pdf
- 基于改進粒子群優(yōu)化算法的電力系統(tǒng)無功優(yōu)化.pdf
- 基于云模型和粒子群算法的電力系統(tǒng)無功優(yōu)化.pdf
- 基于遺傳算法的電力系統(tǒng)無功優(yōu)化的研究.pdf
評論
0/150
提交評論