一种改进型动态无功优化模型及其求解算法

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (24): 226-230.

一种改进型动态无功优化模型及其求解算法

张浩1，马爱军1，周鑫2，杨小东1

1.浙江省湖州电力局，浙江湖州 313000
2.云南电力试验研究院（集团）有限公司电力研究院，昆明 650217

出版日期:2012-08-21 发布日期:2012-08-21

Improved dynamic reactive power optimization model and solution algorithm

ZHANG Hao1, MA Aijun1, ZHOU Xin2, YANG Xiaodong1

1.Zhejiang Huzhou Electric Power Bureau, Huzhou, Zhejiang 313000, China
2.Yunnan Electric Power Test & Research Institute（Group）Co. Ltd. Electric Power Research Institute, Kunming 650217, China

Online:2012-08-21 Published:2012-08-21

摘要/Abstract

摘要： 动态无功优化是提高电力系统运行经济性和安全性的重要措施。在动态无功优化常规模型的基础上，将同一节点的若干组电容器等效为1个集中变量，用对集中电容器组的约束代替常规的单组电容器约束，给出与之完全等效的电容器组动作次数约束值和投切方法；针对动态无功优化模型的非线性、大规模性、控制变量的离散性和连续性共存的难题，对用于离散非线性优化的蚁群算法作了充分研究，提出了内点法与蚁群算法相结合的动态无功优化混合算法。IEEE14测试系统的仿真结果验证了改进模型及算法的有效性和可行性。

关键词: 电力系统, 动态无功优化, 蚁群算法, 内点法

Abstract: Dynamic reactive power optimization is an important measure to ensure power system operation economically and securely. On the basis of conventional dynamic reactive power optimization model, capacitor of the same node is equivalent to a variable, capacitor constraint instead of conventional single capacitor constraint, and completely equivalent action limit values and switching methods are given. With this model’s nonlinearity, massiveness, continuity and discreteness, ant colony algorithm used in discrete and nonlinear optimization is fully studied, and a hybrid algorithm which combines the interior-point method and ant colony algorithm is proposed. Test results on IEEE 14-bus systems demonstrate the efficiency and feasibility of this improved model and algorithm.

Key words: power system, dynamic reactive power optimization, ant colony algorithm, interior-point method

张浩1，马爱军1，周鑫2，杨小东1. 一种改进型动态无功优化模型及其求解算法[J]. 计算机工程与应用, 2012, 48(24): 226-230.

ZHANG Hao1, MA Aijun1, ZHOU Xin2, YANG Xiaodong1. Improved dynamic reactive power optimization model and solution algorithm[J]. Computer Engineering and Applications, 2012, 48(24): 226-230.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[3]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[4]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[5]	马向华，张谦. 改进蚁群算法在机器人路径规划上的研究[J]. 计算机工程与应用, 2021, 57(5): 210-215.
[6]	李壮阔，常凯旋. 合作博弈的连续蚁群算法求解[J]. 计算机工程与应用, 2021, 57(24): 198-204.
[7]	王晓光，杨培蓓. 航运物流企业数字化转型设计与效果分析[J]. 计算机工程与应用, 2021, 57(21): 241-247.
[8]	张子然，黄卫华，陈阳，章政，李梓远. 基于双向搜索的改进蚁群路径规划算法[J]. 计算机工程与应用, 2021, 57(21): 270-277.
[9]	李二超，齐款款. 改进双向蚁群算法的移动机器人路径规划[J]. 计算机工程与应用, 2021, 57(18): 281-288.
[10]	何雅颖，范昕炜. 改进蚁群算法在机器人路径规划中的应用[J]. 计算机工程与应用, 2021, 57(16): 276-282.
[11]	付朝晖，刘长石. 多物流中心共同配送的车辆路径问题研究[J]. 计算机工程与应用, 2021, 57(16): 291-298.
[12]	张苏英，郭宝樑，陈灵芝，刘慧贤. 双向蚁群算法的智能消防疏散图路径规划[J]. 计算机工程与应用, 2021, 57(14): 259-266.
[13]	李荣，贺兴时，杨新社. 基于差分进化的飞蛾算法在电力调度中的应用[J]. 计算机工程与应用, 2021, 57(13): 258-268.
[14]	付朝晖，刘长石. 生鲜电商配送的开放式时变车辆路径问题研究[J]. 计算机工程与应用, 2021, 57(1): 271-278.
[15]	张松灿，普杰信，司彦娜，孙力帆. 蚁群算法在移动机器人路径规划中的应用综述[J]. 计算机工程与应用, 2020, 56(8): 10-19.