[论文解读] Particle Swarm Optimization Based Reactive Power Optimization

P. R. Sujin, Tapan Prakash+1 more|arXiv (Cornell University)|Jan 20, 2010

Electric Power System OptimizationEngineering参考文献 5被引用 16

一句话总结

该论文提出了一种基于粒子群优化（PSO）的方法，用于无功功率调度，以最小化电力系统中的总支撑成本，通过减少输电损耗。该方法将无功最优潮流（ROPF）建模为一个约束非线性优化问题，并在IEEE-14节点系统上验证了其有效性，展示了更高的成本效率和电压稳定性。

ABSTRACT

Reactive power plays an important role in supporting the real power transfer by maintaining voltage stability and system reliability. It is a critical element for a transmission operator to ensure the reliability of an electric system while minimizing the cost associated with it. The traditional objectives of reactive power dispatch are focused on the technical side of reactive support such as minimization of transmission losses. Reactive power cost compensation to a generator is based on the incurred cost of its reactive power contribution less the cost of its obligation to support the active power delivery. In this paper an efficient Particle Swarm Optimization (PSO) based reactive power optimization approach is presented. The optimal reactive power dispatch problem is a nonlinear optimization problem with several constraints. The objective of the proposed PSO is to minimize the total support cost from generators and reactive compensators. It is achieved by maintaining the whole system power loss as minimum thereby reducing cost allocation. The purpose of reactive power dispatch is to determine the proper amount and location of reactive support. Reactive Optimal Power Flow (ROPF) formulation is developed as an analysis tool and the validity of proposed method is examined using an IEEE-14 bus system.

研究动机与目标

• 解决在维持电压稳定性的同时最小化无功功率支撑成本的挑战。
• 开发一种高效的优化方法，以在无功功率调度中平衡技术与经济目标。
• 将系统输电损耗作为降低整体无功功率成本分配的关键因素来减少。
• 通过最优无功功率分配提高输电网络的可靠性和运行效率。
• 使用标准测试系统（IEEE-14节点）验证所提出的基于PSO的方法，以评估其在实际应用中的可行性。

提出的方法

• 将最优无功功率调度问题建模为一个非线性、带约束的优化问题，目标是最小化总支撑成本。
• 应用粒子群优化（PSO）求解非线性优化问题，利用其全局搜索能力处理复杂、非凸的系统。
• 将无功最优潮流（ROPF）作为分析框架，用于建模系统约束和潮流方程。
• 使用PSO确定发电机励磁和并联无功补偿装置的最佳设置，以最小化损耗和成本。
• 实施约束处理技术，确保满足电压限值、线路潮流限值和无功功率能力约束。
• 采用融合系统损耗和无功功率支撑成本的适应度函数，引导PSO搜索朝向成本效益最优解。

实验结果

研究问题

• RQ1 粒子群优化（PSO）在受限电力系统中如何有效最小化总无功功率支撑成本？
• RQ2 与传统方法相比，基于PSO的方法在降低输电损耗方面能达到何种程度？
• RQ3 所提出的方法在IEEE-14节点系统中优化无功功率分配时，能否维持电压稳定性？
• RQ4 与传统优化技术相比，基于PSO的ROPF公式在收敛性和解的质量方面表现如何？
• RQ5 最优无功功率调度对发电机与无功补偿装置之间的成本分摊有何影响？

主要发现

• 基于PSO的方法通过减少系统输电损耗，成功最小化了总无功功率支撑成本。
• 在仿真过程中，该方法在IEEE-14节点系统的所有母线上均实现了改善的电压水平稳定性。
• 所提出的PSO算法在合理迭代次数内收敛至近似最优解，表现出良好的计算效率。
• ROPF公式有效整合了系统约束，包括电压限值和无功功率限值。
• 解决方案显著降低了有功功率损耗，直接促进了无功支撑成本的降低。
• 结果证实，PSO是一种可行且高效的元启发式方法，适用于求解电力系统中复杂、非线性的无功功率优化问题。