学位论文 > 优秀研究生学位论文题录展示

应用优化算法和状态估计的理论线损计算研究

作 者: 孙继凯
导 师: 卢志刚
学 校: 燕山大学
专 业: 电力系统及其自动化
关键词: 电力系统 状态估计 理论线损计算 不良数据辨识 优化算法 节点类型选择
分类号: TM714.3
类 型: 硕士论文
年 份: 2010年
下 载: 95次
引 用: 1次
阅 读: 论文下载
 

内容摘要


理论线损率是电力系统运行中的一项重要经济指标,也是衡量供电企业管理水平的一项重要标志。而实际量测量可能会存在不良数据,影响理论线损计算的准确性。状态估计为理论线损计算提供可靠的数据库,是保证量测量准确性和完整性的重要手段,使理论线损计算的结果更真实。本文针对理论线损计算的实际需求,应用优化算法结合状态估计对剔除不良数据、理论线损计算中节点类型选择的方法进行研究,从而提高计算精度和保证理论线损计算结果的可靠性。首先,研究影响理论线损计算精度的PQ、PV节点组合的问题。在电网量测系统中,母线电压和注入无功功率一般都可以同时获得,但计算时仅取其一,本文通过状态估计剔除不良数据,然后结合粒子群算法(PSO)选取高精度数据,最终得到PQ、PV节点类型的最优组合,另外还对粒子群算法做了适当改进。其次,研究了剔除原始数据中坏数据的方法。提出虚拟路径的概念,将蚁群优化算法(ACO)和灵敏度分析法结合,从整体数据中筛选出一部分优秀量测,再对剩余数据进行增加一维的不良数据辨识,最终得到坏数据集合,实验表明本文方法在辨识不良数据方面有较好的效果。最后,研究了平衡节点、PQ、PV节点类型整体进行选择的方法。利用ACO和证据理论来实现对平衡节点的选择,并且选择出部分优秀量测后对剩余量测进行不良数据检测与辨识,再用上述PSO方法得到所有节点的最佳类型。最终实现理论线损的精确计算。本文以IEEE-14或IEEE-39节点系统为例,通过Java和Matlab软件进行仿真验证,得到的结果表明本文所提算法具有较好的效果。

全文目录


摘要  5-6
ABSTRACT  6-10
第1章 绪论  10-16
  1.1 课题的研究意义  10-11
  1.2 电力系统状态估计概述  11-14
    1.2.1 电力系统状态估计的定义及功能  11-12
    1.2.2 电力系统状态估计的国内外研究动态  12-14
  1.3 现代优化算法概述  14-15
  1.4 本文的主要工作  15-16
第2章 基于状态估计的理论线损计算概述  16-27
  2.1 电网稳态计算的影响因素  16-17
    2.1.1 电网等效模型  16
    2.1.2 运行数据  16
    2.1.3 网络参数  16
    2.1.4 网络拓扑结构  16-17
  2.2 状态估计常用的算法  17-21
    2.2.1 基本加权最小二乘法  17-19
    2.2.2 P-Q 快速分解法  19-21
  2.3 不良数据检测与辨识方法  21-25
    2.3.1 残差方程  21-22
    2.3.2 常用不良数据检测方法  22
    2.3.3 常用不良数据辨识方法  22-23
    2.3.4 增加一维量测的不良数据检测与辨识方法  23-25
  2.4 利用状态估计进行理论线损计算的流程  25-26
  2.5 本章小结  26-27
第3章 基于状态估计与HPSO 的理论线损计算  27-39
  3.1 粒子群算法及其改进  27-32
    3.1.1 粒子群算法简介  27-29
    3.1.2 混合改进粒子群算法  29-32
    3.1.3 混合粒子群优化整体流程图  32
  3.2 含HPSO 的理论线损计算整体流程  32-33
  3.3 算例仿真与结果分析  33-37
  3.4 本章小结  37-39
第4章 基于蚁群算法和灵敏度分析的不良数据检测与辨识  39-54
  4.1 电力系统状态估计中的灵敏度分析  39-40
  4.2 蚁群算法的基本模型及实现  40-43
  4.3 蚁群算法在不良数据检测与辨识中的应用  43-47
    4.3.1 随机生成树的蚁群搜索策略  43-45
    4.3.2 蚁群算法在筛选数据中的应用  45-47
  4.4 算法流程及仿真算例  47-52
    4.4.1 参数选取  47-48
    4.4.2 算法整体流程  48
    4.4.3 仿真数据及结果分析  48-52
  4.5 本章小结  52-54
第5章 应用优化组合和状态估计的线损计算  54-64
  5.1 利用改进蚁群算法的数据预处理  54-55
  5.2 证据理论的应用  55-58
  5.3 算例仿真  58-63
  5.4 本章小结  63-64
结论  64-66
参考文献  66-71
攻读硕士学位期间承担的科研任务与主要成果  71-72
致谢  72-73
作者简介  73

相似论文

  1. 基于精细积分法的电力系统动态电压稳定仿真研究,TM712
  2. 基于粒子群算法求曲线/曲面间最小距离方法,O182
  3. 基于Hilbert-Huang变换的输电线路过电压识别,TM866
  4. 药品扩散中的优化控制及其数值方法,R91
  5. 融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
  6. 基于免疫机制蚁群算法的电力系统无功优化研究,TP18
  7. 支持向量机回归在短期电力负荷预测中的应用研究,TM715;F224
  8. 结合蚁群算法与基于划分的DBSCAN聚类算法的研究,TP311.13
  9. 基于控制方法的粒子群算法改进及应用研究,TP301.6
  10. 基于RFID监狱智能管理系统研究与实现,TP315
  11. 复杂动态环境下的小型足球机器人路径规划研究,TP242
  12. 多向变异遗传算法及其优化神经网络的研究,TP18
  13. 船用大型锻件余热热处理工艺方法研究及参数优化,TG316
  14. 基于克隆免疫算法的应急物流车辆路径模型的研究,U116.2
  15. 文化智能优化算法及其在约束优化问题中的应用研究,O224
  16. 电力系统可用输电能力计算研究,TM744
  17. 电网分析计算中的可视化技术研究,TM769
  18. 心电信号时间不可逆性分析和胎儿心电信号提取方法研究,TN911.7
  19. 改进蚁群算法在盲均衡中的应用,TN911.5
  20. 基于量子计算的DNA编码方法研究,Q75
  21. 基于人工神经网络的电网日负荷预测研究,TM715

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