学位论文 > 优秀研究生学位论文题录展示
电力系统无功优化模型与算法的研究
作 者: 唐俊娥
导 师: 陈恳
学 校: 南昌大学
专 业: 电力系统及其自动化
关键词: 无功优化 经典法 粒子群 网损微增率 潮流计算 定雅可比矩阵 电力系统
分类号: TM714.3
类 型: 硕士论文
年 份: 2010年
下 载: 203次
引 用: 0次
阅 读: 论文下载
内容摘要
|
电力系统无功优化是保证系统安全经济运行的一项重要手段,也是改善系统电压水平和降低电网损耗的重要措施。随着电力工业的发展,电力系统规模的不断扩大,电网结构的日趋复杂,用户对电网提供电能的质量也提出了更高的要求。因此,对电力系统无功优化问题的研究,既具有理论意义又有实际应用价值。本文对电力系统潮流计算和无功优化问题进行了新的探索和尝试。作为线性方程组求解潮流计算的重要环节,文中首先对高斯消元和约当消元进行了介绍,并进行了相关的分析与比较。另外,文中对各种潮流计算方法进行了系统的归纳,在高斯—赛德尔法基础上提出了改进算法,算例结果表明改进算法的迭代次数明显减少。进行系统无功优化时,变压器的调节对优化结果起着重要作用,文中给出了非自动和自动两种调节变压器抽头的方法。非自动调节方法抽头调节较简单,本文将其用于经典法无功优化中。无功网损微增率的计算是经典法无功优化的核心,本文推导了极坐标和直角坐标两种形式的导纳矩阵法计算无功网损微增率的方法,并给出极坐标形式的算例分析。另外,在此基础上对经典法无功优化进行了深入研究,包括数学模型,变量约束以及算法流程等。本文在总结各种算法研究现状的基础上,考虑基本粒子群算法的一些缺陷,将强引导思想和自适应参数调节引入粒子群优化算法中,形成改进粒子群算法。以系统网损最小为目标函数,对状态变量的约束条件采用罚函数处理,建立了改进粒子群法无功优化的数学模型。考虑到电力系统无功优化问题是一个多变量、多约束的混合非线性规划问题,其变量不仅包括连续变量,还包括离散变量,文中用规整的方法对离散变量进行处理,较好地解决了离散变量和连续变量共存的问题。文章最后将提出的经典法和改进粒子群算法对IEEE-14节点系统和IEEE-30节点系统进行无功优化计算,并给出部分优化结果。算例结果表明本文所采用的经典法无功优化算法的可行性,并且在计算时间上占有一定优势;改进粒子群算法相对于基本粒子群算法有更好的优化效果,并具有更好的求解精度和求解效率,具有良好的理论价值和使用价值。
|
全文目录
摘要 3-5 ABSTRACT 5-10 第一章 引言 10-19 1.1 课题研究的背景及意义 10-11 1.2 电力系统无功优化国内外的研究现状 11-17 1.3 本文主要工作 17-19 第二章 电力系统潮流计算 19-41 2.1 引言 19-20 2.2 系统网络参数的计算 20-22 2.2.1 励磁支路 20-21 2.2.2 线路支路 21 2.2.3 变压器支路 21-22 2.3 节点导纳矩阵 22-23 2.3.1 节点导纳矩阵的定义 22-23 2.3.2 节点导纳矩阵的形成 23 2.4 线性方程组的直接解法 23-27 2.4.1 高斯消元 23-25 2.4.2 约当消元 25-26 2.4.3 高斯消元与约当消元的比较与总结 26-27 2.5 潮流计算的数学模型及算法 27-40 2.5.1 直角坐标高斯—赛德尔法 28-30 2.5.2 高斯—赛德尔法改进算法及算例 30-32 2.5.3 极坐标高斯—赛德尔法的推导 32-34 2.5.4 极坐标牛顿—拉夫逊法 34-36 2.5.5 直角坐标牛顿—拉夫逊法 36-38 2.5.6 P-Q分解法 38-40 2.6 本章小结 40-41 第三章 经典法无功优化 41-60 3.1 引言 41 3.2 经典法无功优化模型 41-43 3.3 网损微增率的计算 43-51 3.3.1 网损微增率计算方法概述 43-44 3.3.2 极坐标形式导纳矩阵法求网损微增率 44-48 3.3.3 直角坐标形式导纳矩阵法求网损微增率 48-51 3.4 极坐标无功网损微增率的算例分析 51-52 3.4.1 IEEE-14节点系统 51-52 3.4.2 IEEE-30节点系统 52 3.5 变压器抽头调节方法 52-55 3.5.1 非自动变压器抽头调节方法 52-54 3.5.2 自动变压器抽头调节方法 54-55 3.6 经典法无功优化算法 55-58 3.6.1 变压器抽头调节的引入 56 3.6.2 经典法无功优化的算法流程 56-58 3.7 本章小结 58-60 第四章 改进粒子群法无功优化 60-75 4.1 引言 60-61 4.2 粒子群优化算法 61-65 4.2.1 粒子群算法的基本原理 61-63 4.2.2 惯性权重因子的加入 63-64 4.2.3 粒子群算法的参数分析 64-65 4.3 改进粒子群优化算法 65-70 4.3.1 离散变量处理 66-67 4.3.2 自适应方法调整参数 67-68 4.3.3 强引导型粒子群算法 68-70 4.4 改进粒子群算法的无功优化 70-74 4.4.1 改进粒子群算法的无功优化模型 70-73 4.4.2 基于改进粒子群算法无功优化流程 73-74 4.5 本章小结 74-75 第五章 算例分析 75-87 5.1 IEEE-14节点算例 75-80 5.1.1 IEEE-14节点的数据 75-77 5.1.2 IEEE-14节点系统无功优化参数设置 77 5.1.3 IEEE-14节点系统的无功优化结果 77-80 5.2 IEEE-30节点算例 80-86 5.2.1 IEEE-30节点的数据 80-82 5.2.2 IEEE-30节点系统无功优化参数设置 82-83 5.2.3 IEEE-30节点系统的无功优化结果 83-86 5.3 本章小结 86-87 第六章 结论与展望 87-89 致谢 89-90 附录A IEEE-14节点系统参数 90-91 附录B IEEE-30节点系统参数 91-93 攻读学位期间的研究成果 93-94 参考文献 94-97
|
相似论文
- 基于精细积分法的电力系统动态电压稳定仿真研究,TM712
- 内点法在大型电力系统无功优化中的应用研究,TM714.3
- 基于粒子群算法求曲线/曲面间最小距离方法,O182
- 有源电力滤波器及其在配电网中的应用,TN713.8
- 基于Hilbert-Huang变换的输电线路过电压识别,TM866
- 基于变异粒子群的聚类算法研究,TP18
- 融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
- 基于免疫机制蚁群算法的电力系统无功优化研究,TP18
- 基于粒子群的分子对接算法,R91
- 基于样图的纹理合成算法研究,TP391.41
- 基于粒子群优化的Fuzzy c-mean聚类算法的基因芯片图像处理,TP391.41
- 支持向量机回归在短期电力负荷预测中的应用研究,TM715;F224
- 基于控制方法的粒子群算法改进及应用研究,TP301.6
- 基于粒子群算法的露天矿道路路径优化研究,TP301.6
- 基于RFID监狱智能管理系统研究与实现,TP315
- 复杂动态环境下的小型足球机器人路径规划研究,TP242
- 基于无线传感器网络的目标定位跟踪研究,TN929.5
- 移动机器人路径规划研究及仿真实现,TP242
- 基于粒子群算法的无线传感器网络路由技术研究,TP212.9
- 量子粒子群算法研究及其在图像矢量量化码书设计中的应用,TP301.6
- 变邻域搜索算法研究及在组合优化中的应用,TP301.6
中图分类: > 工业技术 > 电工技术 > 输配电工程、电力网及电力系统 > 理论与分析 > 负荷分析 > 系统中能量损失的降低及无功功率的补偿
© 2012 www.xueweilunwen.com
|