工程科学与技术，国际期刊19（2016）1166全长文章基于PSO自适应GSA混合算法Sai Ram Inkollua，*，Venkata Reddy Kotaba印度安得拉邦Vijayawada 521 139，Dhanekula工程技术学院电气电子工程系b印度安得拉邦Kakinada 533003贾瓦哈拉尔·尼赫鲁科技大学E.E.E系，考试附加控制员A R T I C L E I N F OA B S不 R 一C T文章历史记录：接收日期：2014年10月28日接收日期：2016年2016年1月26日接受2016年3月17日在线发布保留字：PSO自适应GSAFACTS装置稳定性和功率损耗本文提出了一种新的技术，用于优化的FACTS设备，以保持在电力传输系统的本文提出了一种基于粒子群优化算法（PSO）和自适应引力搜索算法（GSA）的输电系统电压稳定性优化方法在该方法中，粒子群算法被用来优化的引力常数，以提高搜索性能的GSA。使用所提出的技术，确定FACTS装置的最佳设置。该算法是确定FACTS控制器最优配置和规模的有效方法。FACTS装置的最佳位置和额定功率是基于系统的电压崩溃额定值以及功率损耗来确定的在这里，两个FACTS设备被用来评估所提出的算法的性能，即，统一功率潮流控制器（UPFC）和跨线功率潮流控制器（IPFC）。 从功率潮流分析，母线电压，有功功率，无功功率和传输系统的功率损耗的确定。然后，电压稳定性得到提高，同时满足一组给定的操作和物理约束。该技术在MATLAB平台上实现，因此，其性能进行评估，并与现有的基于遗传算法的GSA混合技术进行在IEEE 30节点的基准系统上，采用UPFC和IPFC两种FACTS装置对© 2016 Karabuk University. Elsevier B.V.的出版服务。这是CC下的开放获取文章BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍多部件系统通常表征现有电力系统，其包括连接整个发电站、变压器和电力系统中的整个负载点的传输线[1]。将电压维持在可容忍的水平内是可靠电力系统的主要责任，以确保最高的客户服务质量，将客户带到快乐的顶峰[2]。然而，不幸的是，电压稳定性问题已经成为电力系统发展和运行中的一个不断放大的制约因素[3，4]。电压故障的棘手问题可以被认为是电力系统无法分配无功功率或通过可避免的无功功率吸收的方式[5]。在这方面，有不同的方法可以成功地解决电压波动的问题虽然第一个战略* 通讯作者。联系电话：+919290535464。电子邮件地址：inkollusiaram@gmail.com（S.R.Inkollu）。由Karabuk大学负责进行同行审查致力于缓解困境，第二种策略将注意力集中在针对所选功能场景微调系统的电压稳定裕度（VSM）上[6]。保持系统不受电压故障影响的唯一选择是在到达电压故障点之前按比例缩小无功功率负载或附加附加无功功率[6]。为了实现安全和经济有效的功能，灵活交流输电系统（FACTS）设备被适当地安装在系统中[7]。在所提供的所有FACTS设备中，最突出的是联合补偿器，如统一功率潮流控制器（UPFC）和跨线功率潮流控制器（IPFC），它们被认为是高度领先和灵活的补偿器[8]。这些FACTS设备的灵活部署导致各种特性的难以置信的改善，例如复杂电力系统的电压稳定性、平衡状态和暂态稳定性[9，10]。为了在最优位置中使用FACTS装置，一些创新技术如遗传算法、群技术、SOL算法、差分进化算法和模拟退火被成功地采用[11]。此外，各种算法旨在确定FACTS设备的最佳位置。在该文件中，粒子群自适应GSA技术有效地用于http://dx.doi.org/10.1016/j.jestch.2016.01.0112215-0986/©2016 Karabuk University. 出版社：Elsevier B.V.这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。出版社：Karabuk University，PressUnit ISSN （印刷版）：1302-0056 ISSN（在线）：2215-0986 ISSN（电子邮件）：1308-2043主 办可 在 www.sciencedirect.com上 在 线ScienceDirect可在ScienceDirect上获得目录列表工程科学与技术国际期刊杂志主页：http://www.elsevier.com/locate/jestchS.R. Inkollu，V.R.Kota/工程科学与技术，国际期刊19（2016）116611761167通过提高电压幅值来寻找FACTS设备的最佳位置。 该技术被研究，以提高基于电压和功率损耗的传输系统的稳定性。本文的目的是找到最佳的位置和规模的FACTS设备，以提高系统的电压稳定性。本文件的其余部分如下。第二节的内容讨论了现代研究工作的细节，而第三节则以一种综合的方式优雅地阐述了创新技术IEEE 30节点基准系统的电压和功率损耗在第4节中概述。论文的结论部分在第5中给出。2. 最近的研究工作为成功地管理输电系统中的电压波动问题，在文学领域中有各种各样的研究工作。下面是对其中一些最著名的作品的认真为了解决电压不一致问题，文献中采用了遗传算法、模糊逻辑、引力搜索算法和其他并行技术Dharmbir Prasad等人[12]提出了一种共生器官搜索（SOS）算法，用于求解带有柔性交流输电系统（FACTS）装置的电力系统的最优功率潮流（OPF）问题。SOS算法是受生态系统中生物之间关系的启发而提出的一种基于种群的算法，它不需要任何算法特殊的控制参数。在改进的IEEE-30母线上验证了SOS算法的过程，IEEE-57母线试验系统集成了两种FACTS装置，即晶闸管控制的串联电容器和晶闸管控制的电平转换器。目前工作的最优潮流问题是用四个不同的目标函数计算的，即。(a) 燃料成本最小化，（b）传输有功功率损耗最小化，（c）排放减少，以及（d）组合的经济和环境成本最小化Pratap Chandra Pradhan等人[13]已经解释了用于多区域多节点电力系统的自动发电控制（AGC）的火灾警报（FA）优化模糊PID控制器首先，采用两区域六机电力系统，对模糊PID控制器的利润进行优化，利用ITAE条件处理FA优化技术。大多数预测的FA优化模糊PID控制器都是通过对一些新发表的方法，如最优控制和微分进化（DE）优化PID控制器的相同的统一电力系统的结论进行然后，将时滞、再热汽轮机和发电率约束等物理约束纳入系统形式，并通过区分DE、引力搜索算法（GSA）和遗传算法（GA）优化方法对类似统一电力系统的结论来建立大部分FA。此外，统一潮流控制器（UPFC）位于联络线中，超导磁储能SATOR）控制器。K. Ravi等人优雅地推出了一种改进的粒子群优化（IPSO），用于优化电力系统演示[16]。尽管现代技术能够提供最佳结果，但它们在实现FACTS装置的最佳设置时也受到若干约束的过度困扰。此外，发现处理所涉及的时间范围被过度延长，而且电压稳定性已成为一个牺牲品。为了解决这些问题，我们部署了一种创新的引力搜索算法（GSA），它是由牛顿引力和运动定律驱动的最现代的基于随机种群的元动力学之一[17]。在引力搜索算法中，全局解总是依赖于相对于时间的引力常数。尽管GSA已经给出了解决优化问题的最优结果，但它在有效地选择引力常数方面存在严重的缺陷。本质上，引力常数是根据溶液的变化而改变的，因此导致了一种情况，在这种情况下，代理人离开了最佳位置。因此，除了允许缓慢的收敛之外，它还受到不可预见的收敛的在该文件中，粒子群算法技术被有效地用于优化GSA的引力常数，因此，搜索性能令人难以置信地提高。创新技术的根本动机是投资于FACTS工具的位置和尺寸的优化。3. 问题公式化系统的电压稳定性主要取决于系统的有功功率、电压幅值和相角，因此通过控制上述参数来维持系统的电压稳定性。此外，FACTS控制器的定位和定尺寸的问题可以被表示为具有以下目标和约束的多目标问题。最小x，u（1）根据hx，0（2）p x，0（3）其中，S是目标函数，h是等式约束，p是取决于控制变量x和u的不等式约束。发电机组的发电极限被划分为上界和下界，上界和下界位于实际极限之间。等式和不等式约束用于确定FACTS装置的最佳位置和尺寸。下一节将详细说明相关限制。a) 等式约束实际功率平衡条件由等式4给出：在这两个地方都考虑了中小型企业单位仿真结论PPCUP（四）结果表明，该系统的过程是从根本上发展与规划的UPFC和SMES单位。通过改变系统参数和运行负荷情况，对系统进行了灵敏度分析。inj，n g，n L，n无功功率平衡条件由等式5提供：为了发现UPFC的最优布局和参数设置，Qinj，n<$Qg，nQL，n（五）Evolution （DE ）由Husam I提供Shaheen 等人[14] 第10段。D.Mondal等人[15]的鼎盛时期，他们使用一种创新的基于粒子群优化（PSO）的方法来选择最佳位置并设置SVC（静止无功补偿器）和TCSC（晶闸管控制串联补偿器）的参数。其中，Pinj，n表征注入到母线n中的有功功率，Pg，n表征由第n个发电机产生的有功功率，并且PL，n表征第n个负载母线的有功功率。类似地，Qinj，n表示注入到母线n中的无功功率，Qg，n表示由第n个发电机产生的无功功率，并且Ql，ni表示第n个负载母线的无功功率。1168S.R. Inkollu，V.R.Kota/工程科学与技术，国际期刊19（2016）11661176我我B我RrRrg，ng，ng，ng，nnnb) 不等式约束发电机组的发电极限被隔离在位于实际极限之间的上界和下界中TCSC的有功和无功功率、电压幅值和电抗约束详细如下：3.1.1.引力搜索算法GSA是一种基于牛顿引力定律和质量相互作用定律的随机搜索算法。在GSA中，代理人物体之间的引力引起所有物体的整体运动。向质量更大的物体移动因此，P最小值最大功率（六）g， n g， n g， nmin maxg， n g， n g， n（七）质量具有更高的拟合值。此外，问题的好解决方案比代表最差解决方案的较小解决方案更渐进[18]。首先，考虑N组代理质量并定义位置VminVmax（八）这N个值的集合作为i，其在等式中表示。（十四）、然后，n n n式中，Pmin和Pmax表示计算每种试剂的质量和加速度。为了评估一个物体的加速度，一组来自较重物体的总力第n 母线，Qmin和Qmax，应用第n个质量的无功功率下限，应根据实际情况考虑。总线，以及Vmin和Vmax，第n条总线的电压幅度限制。万有引力定律的范围电压稳定性指标如下：LL j. jL（九）然后，第i个智能体的搜索策略的速度变化和在时间t+1处的方向d表示如下：n n v（十二）FijVi其中： Lj1iG我我我D d dVJ在上面的等式中，αL和αG分别是消费者的集合和生成器节点的集合。这里，Lj确定了塌陷可能起源的汇流条。功率损耗使用以下公式计算。Nv 1rand iv a 。（ 十三）其中，randi表征在0和1之间生成的均匀随机数，n d是第i个代理在时间t +1的位置，v d是第i个代理在时间t +1的速度。然后，重力常数G（t+1）的确定如下：PLViVj Yijcos（十）Gexp 不 好吧（十四）j1n拉克莱特Max其中，i= 1，2，. . . n.基于上述方程，本文的目标函数描述如下：OV，P r.（十一） 最小Q，P其中，G0（t）表示初始速度，Gn（t +1）表示第n次更新速度，δ表示常数，t表示当前迭代，tmax表示最大迭代。GSA的初始性能由δ和G0值控制。布雷尔LNP NP NP其中，V v i，P r p i和Q r q i。用于放置3.1.2.PSO自适应GSA技术第一章1第一章1第一章1从原来的GSA，引力常数是变化的ac-对于FACTS装置，最佳位置和尺寸基于上述等式确定。本文的主要贡献是寻找提高系统电压稳定性的FACTS装置的最佳位置和尺寸。这里，在固定FACTS设备之后，实现了系统的最小功率损耗和最大电压分布。基于电压分布值，提高了稳定性。所提出的技术在以下部分中解释。3.1. 基于粒子群自适应遗传算法的FACTS装置在本文中，粒子群自适应GSA技术，提出了寻找最佳的位置和规模的FACTS设备。通过对系统功率流的研究，得到了系统的母线电压、有功功率、无功功率和网损。电压稳定性得到增强，同时满足一组特定的等式和不等式约束。在所提出的技术中，粒子群算法的al-因此，根据溶液的变化，有可能试剂倾向于远离最佳位置。因此，它受到突然收敛的影响，并允许较慢的收敛。本文采用粒子群优化算法对GSA的引力常数进行优化，从而提高了GSA的搜索性能。该算法优化了FACTS设备的位置和尺寸。根据系统的有功功率、电压和功率损耗，计算了FACTS装置的最佳安装位置和尺寸。所提出的算法的过程解释如下：a) 建议算法步骤1：在该步骤中，输入为母线电压（V ）、功率损耗（PL）、有功功率（Pr）和无功功率（Qr），并且它们都被随机初始化。在这里，输入被认为是代理。代理人的位置由以下等式定义。利用出租m对GSA的引力常数进行bSs1，，d，n（十五）算法该算法的输入为母线电压（V）、网损（PL）、有功功率（Pr）和无功功率（Qr）。最小化的功率损耗，以及真实的以及无功功率注入可以从输入进行评估。的我我我其中，n对应于问题的搜索空间维度，s d，第i个代理在第d个维度中的位置。输入被指定为某些极限函数，例如，基于所评估的输入来确定FACTS设备的最优位置（FD_loc）和容量（FD_sz）首先，传统--最小 和 的 最大值， 也就是说，Vmin，Vmax，Qmin，QmaxPmin，Pmax介绍了GSA的工作过程，并简要阐述了该算法的实现过程步骤2：代理的适应性函数被评估为其最大电压范围（值）。真实的和S.R. Inkollu，V.R.Kota/工程科学与技术，国际期刊19（2016）116611761169不过不过中国（17）N我I1I2在我I1I2在不过bset，i1最好的，我2我最好，在我我我我我我我系统的无功功率被评估为系统中的最小代理人的适应性函数计算如下：适应度函数Ob（16）其中，Ob表示为目标函数。随后，计算代理的力。第三步：随机定义各作用体的质量，并确定各作用体的力。这里，质量j作用在质量i上的力可以用下面的等式确定dM ikM jkD d式中，k用公式计算。（十三）、在这里，引力参数的最小值被取为拟合函数。方程（18）用于控制重力常数。4. 将每个粒子的个人最佳P k与其当前拟合值进行比较。如果当前拟合度值更好，则将当前拟合度值分配给P k坐标。5. 在整个总体及其坐标中建立当前最佳拟合值。如果当前最佳拟合值更好，比全局最佳g最佳，然后分配当前最佳拟合值为gbest，并将当前坐标分配给g坐标fijk第章我是你的女人（14）6. 使用以下等式更新第i个粒子的第d个维度的速度和位置其中，Mk和Mk分别是作用体i和j的质量，re-Vkwkc best（二十一）- 是的这里，g表示引力常数，∈，一个小的i i1i2i常数和r，第i个和第j个代理之间的欧几里得距离。使用以下公式计算试剂的重力常数X k1Xk。（二十二）其中，acc ik是代理i在迭代k时的加速度。最后，g g0ke 是的代理7. 重复这个过程，直到到达终点。其他-从上面的等式中，tr表示算法中涉及的迭代总数，g0表示初始值，α表示用户指定的常数。第四步：作用在第k维物体上的合力计算如下：明智的话，终止算法。步骤7：使用以下等式更新代理、重力常数和惯性质量的新位置：fdrand f.（十八）我很适合我很糟糕（二十三）我我的天伊季报ik最差其中，randj表示落在区间[0，1]中的随机数，然后计算加速度。第五步：任何质量的加速度等于作用在系统上的力，除以惯性质量，并给出我的朋友 我是金 。mjkj1（二十四）下图：你好我好。（十九）Mi K3.2. 第六步：使用粒子群算法优化重力参数PSO是一种基于群体智能的鲁棒优化技术，它实现了对社会行为的模拟[17，19]。在这个算法中，每个成员都被看作是一个par.其中，fit ik表示第i个代理人在它的k处的适合值。步骤8：计算每个质量块的速度，并考虑质量块的新位置。使用以下公式更新代理V 1v d。（二十五）当计算每个质量的加速度和速度时，质量的新位置被认为是如下：s 1s v 。（二十六）粒子和每个粒子都是问题的潜在解决方案给，我采用粒子群优化算法对GSA的重力参数进行控制。对引力常数（gk）和加速度（d）等引力参数进行了优化。亲-其中，Vik和sk分别是智能体在k时间和d维的速度和位置，随机i是我在下面的部分中解释了实现PSO算法的过程。3.3. PSO算法的步骤1.在PSO算法中，随机初始化GSA控制参数的位置和速度矢量。这里，每个参数被认为是一个粒子，对于每个粒子，位置向量是x k<x k，x k，<$。. x k在迭代k时的速度矢量为v k∈vk，v k，v k。. v .[0，1]区间内的随机数第9步：当达到最大迭代次数时，过程终止。否则，重复从步骤3到步骤9的步骤。这里，计算最佳电压、有功功率和无功功率。基于拟合函数，FACTS的位置和尺寸被最优地所提出的基于PSO的GSA算法的流程图如图1所示。然后，分析部分将在下面的章节中讨论。4. 结果和讨论2. 第i个粒子在迭代k中获得的最佳解定义为： P Kp k，p k，. . p.3. 计算粒子的拟合函数如下：适应度函数（二十）在本文中，粒子群自适应遗传算法的技术被提出来优化的位置和规模的FACTS设备，并保持系统的电压稳定。在MATLAB工作平台上实现了所提出的粒子群自适应遗传模拟算法的N1170S.R. Inkollu，V.R.Kota/工程科学与技术，国际期刊19（2016）11661176Fig. 1. 提出的基于PSO的GSA算法的流程图。在IEEE30节点的基准系统上，采用UPFC和IPFC两种FACTS装置对所提方法的性能进行了测试。首先，评估正常总线电压和正常功率损耗。然后，计算注入电压和功率损耗。根据网损和电压崩溃的变化情况在放置FACTS之后，检查系统的电压。表1列出了实施参数。4.1. IPFC中的性能分析和评价指标分析了该算法在IPFC接入时，以获得最佳电压和最小功率损耗为目标的性能这里，IPFC连接在IEEE 30总线系统中总线号为12-15-16的线路中，如图所示。 二、后表1所提出的PSO自适应GSA技术的实现参数。参数值PSO 25中的迭代次数颗粒尺寸10 × 30GSA 100中的迭代次数最小和最大搜索空间（Xmin，Xmax）（0.9，1.06）连接IPFC时，计算30条母线上的电压，正常和崩溃时母线电压列于表2中。并计算了母线系统的正常损耗和最小损耗。分析了该方法的功耗和迭代次数。性能如图所示。3 .第三章。在放置IPFC后，母线系统的正常电压和注入电压如表2所示。例如，在母线1中，通常正常电压为1.06p.u，注入母线电压约为0.988p.u。所提出的技术达到约0.9914p.u的电压分布类似地，通过放置UPFC，各种总线的正常电压和注入电压如表3所示。首先通过接入IPFC分析了负荷变化时母线的电压和功率损耗，然后应用GSA技术从上图中可以看出，12号母线的负载变化很大，电压不稳定问题也随之产生。通过使用GSA，减少了电压不稳定问题。用GSA分析了母线系统的功率损耗和电压，其性能如图1和图2所示。 4和5.图6（a）表示应力条件下的总线电压的图示。在应力条件下，母线12处的电压值增加1.09，并且不稳定性问题S.R. Inkollu，V.R.Kota/工程科学与技术，国际期刊19（2016）116611761171图二. IEEE 30总线系统，IPFC连接到12、15和16号总线。表2放置IPFC后母线系统的正常电压和注入电压。图三. 连接IPFC后功率损耗和迭代之间的绘图。发生在公交车上。在此，由于电压崩溃甚至在更高的电压幅值下也会发生，因此负载中的电压增加会显示出更危险的操作条件沿着这些思路，可以想到在所提出的系统中以更好的方式记录系统状态变化。FACTS设备显示出增强的电压分布，然而，其真正的重要性在于其能够处理增加的功率流，从而即使在应力条件下也能提高稳定性。图中的母线电压幅值。图6（c）示出了对应于最弱总线的电压逐步减小并且随后接近电压表3放置UPFC总线电压后。总线编号正 常 电压（ p.u.）注入母线电压在p.u.使用所提出的技术后获得的电压（p.u.）总线编号正 常 电压（ p.u.）电压崩溃期间在p.u使用所提出的技术后获得的电压（p.u.）11.060.9880.991411.060.9890.9917421.0331.0021.0621.0330.9951.001631.02280.993731.02331.02280.989971.05641.01360.994931.024341.01360.990031.0651.00440.986731.03551.00440.980471.05361.011.0071.05461.011.0021.005470.999930.990820.9917370.999930.985240.9993381.01031.00971.0072481.01031.00211.009591.04581.0591.05791.04581.02721.057101.03671.03781.0363101.03671.01221.0363111.07711.07051.06111.07711.0591.06121.05721.03721.0571121.05721.02411.0371131.0711.0321.055131.0711.0281.025141.04141.01971.035141.04141.00941.015151.03551.01641.044151.03551.00481.014161.04111.0231.028161.04111.01061.028171.03261.02091.06171.03261.00621.06181.02361.0081.042181.02360.994831.042191.01981.00621.044191.01980.992181.044201.02321.01080.9923201.02320.996360.99921211.02281.01251.028211.02280.996551.018221.031.0261.02221.031.0011.02231.02291.01221.032231.02290.996211.0123241.01581.01161.021241.01580.989481.012251.00691.01771.033251.00690.986841.0133260.9890311.017260.989030.968591.017271.011.031.015271.010.9941.015281.00941.00871.033281.00941.00041.033290.989871.01031.016290.989870.973511.016300.978230.998911.022300.978230.961661.0261172S.R. Inkollu，V.R.Kota/工程科学与技术，国际期刊19（2016）11661176（见图4。基于GSA方法的功率损耗性能分析。系统负载增加不稳定性。如果FACTS设备连接在系统最弱的母线上，则可以设想更低的电压分布，并具有更好的负荷处理限制。因此，采用该技术可以提高系统的电压稳定性.当负荷发生变化时，通过连接IPFC来评估母线的电压值，然后应用所提出的技术。性能进行了比较，如图6所示。从上图中可以看出，12号母线的负载变化很大，电压不稳定问题也随之产生。通过使用GSA，减少了电压不稳定问题。随后，功率损耗性能进行了评估和比较的N-R方法，负载变化和IPFC的建议方法。传输线功率损耗的性能比较如图所示。7.第一次会议。通过使用所提出的方法，FACTS装置的最佳位置这里，当计算时 ， 母 线 系 统 的 正 常 损 耗 为 10.8095MW ， 注 入 母 线 功 率 为3.803MW。现在，注入功率损失为13.3525MW。在将IPFC连接在总线10和总线22之间之后，最小化的功率损耗和见图6。电压性能（a）在应力条件下和（b）各种方法的比较分析。图五. 基于GSA方法的母线电压性能分析。使用所提出的算法来评估成本然后，系统的最小功率损耗为8.191MW，IPFC的成本为187.7329美元。类似地，最佳线路总线通过其最小损耗和成本来评估和计算。从以上说明，所提出的方法被证明是实现更好的结果比N-R方法和负载变化。类似地，UPFC连接在两个总线之间以进行分析。最后，对所提出的方法与UPFC的性能进行了评估。4.2. 统一潮流控制器的性能分析与评价指标将该方法与统一潮流控制器（UPFC）相结合，分析了UPFC的最优电压和最小网损。来自总线30的电压幅度进行评估，并在表3中列出。在正常以及电压崩溃期间，在总线系统中的功率损耗的计算。在IEEE 30总线系统中，UPFC连接到总线号12-15的线路，如图1所示。8.第八条。在母线之间连接UPFC后利用GSA技术，分析了电压和功率损耗的性能（S.R. Inkollu，V.R.Kota/工程科学与技术，国际期刊19（2016）116611761173图7.第一次会议。连接IPFC 后功率损耗的性能比较。见图9。应用GSA技术后的功率损耗性能分析。并在图1A和1B中示出。分别为9和10。然后，分析了所提出方法的性能， 在 方面 的 功率 损失 并对迭代次数进行了分析和说明。 十一岁然后，电压值的评估与N-R方法，并与所提出的方法的性能进行了比较。通过连接UPFC、负荷变化和应用N-R方法后，评估母线的电压值。随后，功率损耗性能进行了评估，并与N-R方法，负载变化，并提出了IPFC的方法。功率损耗和传输线中的电压的性能比较在图1A和1B中示出。 12和（见图8。 IEEE 30总线系统，UPFC连接到总线12图10个。母线电压性能分析（a）应用GSA技术后，(b) 压力条件下的电压（1174S.R. Inkollu，V.R.Kota/工程科学与技术，国际期刊19（2016）11661176见图11。 连接UPFC后功率损耗和迭代之间的图。图十三. 连接UPFC后母线电压的性能比较。13岁这里，当计算时，母线系统的正常损耗为10.8095MW，注入母线 功率 为1.556MW 。 注入 母线数 为 16 ， 注入 功率损 耗为12.9151MW.在将UPFC连接在母线12和母线15之间之后，使用所提出的算法来评估最小化的功率损耗和成本。然后，系统的最小功率损耗被发现是9.7167MW和UPFC的成本是188.22美元。类似地，最佳线路母线以其最小损耗和成本来评价和计算。从以上说明中，发现与N-R方法和负载变化相比，所提出的方法获得更好的结果。然后，评估所提出的方法与IPFC和UPFC的性能，并在图中示出。 十四岁在该系统中，L稳定性指标值的参考集为0.1251。然后，可以得出结论，将IPFC放置在母线10和母线22之间，最佳的L稳定性指数与参考集0.1356。在这些母线上安装IPFC后，实现了最小有功损耗和L稳定指标。在与现有方法的性能比较时，可以看出，图12个。连接UPFC后功率损耗的性能比较。该算法能够显著降低系统的有功损耗，降低系统的L稳定指标所提出的算法产生更好的性能。类似地，UPFC连接在两个总线之间以进行分析。然后，所提出的方法与UPFC的性能进行评估。建议方法的L稳定性指数值的性能与现有方法进行了比较，并在表4中列出。从上面的图15（a）和图15（b），评估了电压崩溃和来自所提出的方法的电压。这里，电压图14. UPFC和IPFC中电压的性能比较。表4建议和现有方法的稳定性指数值方法L稳定指数基于遗传算法的GSA混合技术IPFC之前0.1356后0.1342基于粒子群优化的遗传模拟退火混合算法0.1428IPFC0.1293基于遗传算法的GSA混合技术UPFC之前0.1389后0.1296基于粒子群优化的遗传模拟退火混合算法0.1435UPFC0.1208S.R. Inkollu，V.R.Kota/工程科学与技术，国际期刊19（2016）116611761175图16. UPFC计算时间性能分析。图十五岁（a）从基于IPFC的所提出的方法获得的电压稳定性能分析。(b)基于统一潮流控制器的电压稳定性能分析。通过连接IPFC以及UPFC来提高系统的稳定性，并且还评估了功率损耗。然后，确定功率损耗的性能比较该系统降低了IPFC接入后的功率损耗，并与未接入IPFC时的功率损耗进行了性能比较。同样，通过连接UPFC，系统的电压稳定性得到增强现在，UPFC取得了更好的效果。IPFC和UPFC的电压性能比较如图所示。 十四岁采用IPFC对多线进行有效控制，降低了损耗和成本。然而，UPFC有效地控制了两个总线之间的传输线。传统的GSA不用于获得搜索能力的最佳结果，因为它需要更多的处理时间。在现有的方法中，基于遗传算法的GSA方法用于寻找FACTS装置的最优位置和容量。为了评估处理时间，考虑了传统的基于GSA的IPFC和基于GSA的UPFC。这里，确定选择最佳位置所消耗的时间和UPFC的时间容量。然后，还计算总计算时间。因此，通常很难找到最近的最佳位置来固定FACTS设备。因此，使用基于GSA的优化算法来为这些设备找到接近最佳的位置。在这里，基于粒子群算法的GSA算法被用来寻找FACTS设备的最佳位置，并提高GSA的搜索性能然后，该算法用于控制重力搜索参数。此后，计算时间为最佳位置和最佳规模的FACTS设备进行了评估。此外，总的计算时间进行评估。因此，增强的GSA用于获得最佳结果。在提出的方法和现有的方法的计算时间的比较分析中示出了图。 16和17。从GA-GSA方法的性能分析然后，估计总评估时间为24.5849秒。同样地，选择IPFC的最佳位置和容量的估计时间分别为6.9157秒和18.6417秒。然后，发现该过程的计算时间为22.4994秒。同样，FACTS装置的计算时间使用所提出的方法和相应的评估时间选择的最佳位置，时间容量的UPFC和总计算时间分别为计算时间进行评估，以选择最佳的IPFC的位置，IPFC的时间容量，和 总 的计 算 时 间 。 它 们 的值 依 次 为6.3411 秒 、 16.4481 秒 和22.7892秒。从性能分析，所提出的技术需要更少的处理时间相比，基于遗传算法因此，该方法易于控制重力参数和检测FACTS装置的最佳位置。因此，所提出的技术是更有效的，当与现有的方法。图17. IPFC中计算时间的性能分析（（1176S.R. Inkollu，V.R.Kota/工程科学与技术，国际期刊19（2016）116611765. 结论该方法在MATLAB平台上实现。其用于根据电压及最小电力损耗寻找FACTS装置的最佳位置及额定功率。在此基础上，研究了基于电压和网损的粒子群自适应遗传算法，以提高输电系统的稳定性。所提出的技术进行了测试与IEEE 30总线基准系统。首先，分析了系统的电压崩溃额定值，并通过FACTS装置的最佳位置来确定。根据位置，FACTS的注入功率额定值取决于电压幅度和角度。然后，将UPFC和IPFC放置在该位置，并分析了系统的稳定性。随后，功率损耗和注入电压进行了分析，并相应的结果进行了讨论。通过将IPFC连接在两个母线之间，评估了电压值及其功率损耗。类似地，通过将UPFC连接在两个总线之间，计算它们的幅度。在GA-GSA和所提出的技术中，基于它们的性能分析来评估计算时间。从性能分析，所提出的技术相比，GA-GSA方法的耗时更少。因此，所提出的技术能够取得更好的效果，提高电压稳定性和降低损耗。在今后的工作中，本文将对目标进行修正，并采用最新的优化算法确定FACTS装置的最优布置。然而，FACTS装置的最佳放置被更准确地选择。引用[1] S. Kumar Sahu，S.苏雷什·雷迪，S.V.电力系统电压稳定性分析的新指标，国际。J. 电机股份电子学。Eng. Res. 2（4）（2012）13-20。[2] S. Senthil Kumar，P.Ajay，D. 基于模糊逻辑的电力系统电压稳定性分析方法研究. J. Comput. 电动Eng. 2（1）（2010）24-31。[3] M.A. Perez，A.R.墨西拿，C.R.李国忠，电力系统电压稳定性之研究，国立成功大学电力工程研究所硕士论文，2000。[4] R. Kalaivani，V.Kamaraj，提高电压稳定性的并联FACTS装置建模，Eur。《科学杂志》第61（1）（2011）号决议第144-154段。[5] R.S. Wibowo，N.Yorino，M.Eghbal，Y.Zoka，Y.Sasaki，考虑拥塞缓解和电压稳定性的具有控制协调的FACTS设备分配，IEEE电力系统学报26（4）（2011）2302-2310。[6] P.S. Venkataramu，T.Ananthapadmanabha，安装统一的功率流控制器，用于在线路停电事故下提高电压稳定裕度，伊朗。J. Electr. Comput. Eng.5（2）（2006）90-96。[7] H.I.沙欣，美国大兵郑世杰，基于差分进化算法的UPFC优化配置与参数整定，国际电子工程杂志。Power 33（2011）94-105.[8] L.杰巴拉杰角Christober Asir Rajan，S.李文，“电力系统有功损耗与电压稳定极限优化的数学模型”，中国电力科学出版社，2002。电动电子学。Eng.1（5）（2012）16-25。[9] P.L. Swe，W. Swe，K.M.林，调压Transformer与并联电容器对输电网电压稳定性的影响，国际电力工程学报。比较科学51（2011）55-558。[10] J. Zhang，A.黄晓波，电力系统暂态稳定性分析，电力系统学报，2001。电力能源128（1）（2008）208-216。[11] S. Panda，N.P. Padhy，基于FACTS的控制器设计的粒子群优化和遗传算法的比较，应用。软计算 8（4）（2008）1418-1427。[12] D.李文，一种新的电力系统最优潮流的共生生物搜索算法，中国电力科学出版社。J. Eng. Sci. Technol. 19（2016）79 - 89。[13] P.C. Pradhan，R.K.Sahu，S.Panda，Fire，多区域多电源电力系统AGC的模糊PID优化控制器。J. Eng. Sci. 19（2016）338[14] D. Mondal，A. Chakrabarti，A. Sengupta，使用PSO减轻小信号稳定性问题的SVC和TCSC的最优布置和参数设置，Int. J. Elec. Power 42（2012）334-340.[15] A.R. Phadke，M.Fozdar，K.R.Niazi，一种新的多目标模糊遗传算法制定的并联FACTS控制器的最佳位置和尺寸，国际。J. 电机股份 Power40（1）（2012）46-53.[16] R
我的内容管理
展开
