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
- 基于精细积分法的电力系统动态电压稳定仿真研究,TM712
- 基于粒子群算法求曲线/曲面间最小距离方法,O182
- 基于Hilbert-Huang变换的输电线路过电压识别,TM866
- 药品扩散中的优化控制及其数值方法,R91
- 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
- 支持向量机回归在短期电力负荷预测中的应用研究,TM715;F224
- 结合蚁群算法与基于划分的DBSCAN聚类算法的研究,TP311.13
- 基于控制方法的粒子群算法改进及应用研究,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
- 多向变异遗传算法及其优化神经网络的研究,TP18
- 船用大型锻件余热热处理工艺方法研究及参数优化,TG316
- 基于克隆免疫算法的应急物流车辆路径模型的研究,U116.2
- 文化智能优化算法及其在约束优化问题中的应用研究,O224
- 电力系统可用输电能力计算研究,TM744
- 电网分析计算中的可视化技术研究,TM769
- 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
- 改进蚁群算法在盲均衡中的应用,TN911.5
- 基于量子计算的DNA编码方法研究,Q75
- 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
|