电力系统PMU+优化配置混合算法的研究.pdfVIP

电力系统PMU 优化配置混合算法的研究 1 2 张鹏飞 ，李积捷 （1. 定西供电公司，定西 甘肃 7430002；2. 东北电力大学电气工程学院，吉林 吉林 132012 ） 摘 要:以电力系统状态完全可观测和 PMU 配置数目最小为 问题的最优值，但参数的选取比较复杂。为了使最 目标，形成了PMU 最优配置问题。将遗传算法和禁忌算法 终解尽可能接近全局最优，退火过程不能太快，但 有效结合形成禁忌遗传算法，该算法在改进交叉和变异算 [5] 这使算法的计算时间过长。禁忌搜索方法 收敛速 子的基础上，继承和发展了遗传算法基于多点搜索、鲁棒 度较快，局部搜索能力强，但收敛性与初值的选择 性强等诸多优点，每当群体有出现早熟而陷入局部最优解 有很大关系。 的趋势时，利用禁忌搜索增强算法的爬山能力，避免算法 鉴于此，文献[6]提出了禁忌遗传混合寻优策 早熟而陷入局部最优解，增强算法的全局收敛能力和收敛 速度。相比于遗传算法和禁忌搜索方法，禁忌遗传算法具 略。本文在此基础上以电力系统状态完全可观测和 有更好的全局收敛能力和收敛速度。最后采用 IEEE14、 PMU 配置数目最小为目标，利用该方法来解决 IEEE30 和IEEE57 节点系统对算法的有效性进行了验证。 PMU 优化配置问题，并验证其有效性。 关键词:电力系统；相量测量装置(PMU)；优化配置；遗传 1 电力系统可观性 算法(GA)；禁忌算法(TS) 电力系统可观性可以采用数值分析或网络拓 0 引言 扑的方法，根据采用方法的不同，电力系统可观性 可以从以下两个角度来分析。 近年来，基于GPS 的PMU 在硬件方面取得了 1. 1 代数可观性 [1] 很大的进展，并开始逐步应用于电力系统 。由于 一个节点数为 N ，测量向量维数为 m 的电力 PMU 能够高精度地直接测量测点的电压幅值和相 系统，其线性量测模型可用下式表示： 角，已有很多学者在研究如何充分利用PMU 提供 z Hx v [2] 的相角信息进行电力系统分析和控制 。如果全网 z  式中： 为m 维测量向量， 为m (2N-1)维测量 H 所有母线都配置了 PMU ，则全系统就是完全可观 x v 雅可比矩阵， 为2N-1 维电压状态向量， 为m 测的，