基于引力搜索算法的TCSC装置及波发生器优化方法在电力系统中的应用-2016

工程科学与技术，国际期刊19（2016）1661完整文章基于引力搜索算法的TCSC装置马哈茂德·AAttia，Hany M.Almoataz Hasanien，Abdelaziz埃及开罗Ain Shams大学工程学院电力和机械系阿提奇莱因福奥文章历史记录：2016年5月20日收到2016年8月25日修订2016年9月15日接受2016年9月24日在线发布保留字：遗传算法引力搜索算法（GSA）可控串补（TCSC）波发生器A B S T R A C T本文提出了一种应用的引力搜索算法（GSA），以获得最佳的晶闸管控制的串联电容器（TCSC）设备的位置，以提高电力系统的性能，包括波发生器。阿基米德波浪摆动波能量转换系统通过本研究，其中使用线性永磁同步发电机。为了检验所提出的优化方法的有效性，IEEE 39总线，IEEE 57总线和IEEE 118总线系统进行了三个案例研究。利用MATLAB程序进行仿真，结果验证了该方法的有效性并将基于遗传算法的系统结果与基于遗传算法的系统结果进行了比较。采用GSA算法的系统性能优于采用GA算法的系统性能。©2016 Karabuk University. Elsevier B.V.的出版服务。这是CCBY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍全世界都在为可再生能源系统做出巨大努力。已经对风能系统和光伏系统进行了许多研究，考虑到这些系统对电网的渗透率很高[1近年来，可再生能源系统的科学研究已转向波浪能和潮汐能，因为其单位体积的能量最大[9]。海洋中有大量的能源，它应该为电力系统服务然而，波浪发电机对电力系统也有一些不利影响，例如功率变化和对无功功率管理的需求。因此，本研究的重点是波浪发电系统及其对电力系统的影响，包括输电柔性交流输电系统（FACTS）装置。晶闸管控制的串联补偿装置被认为是一种串联FACTS装置，可以提高电力系统的性能，并通过补偿输电线路电抗来控制通过输电线路根据文献[10，11]，晶闸管控制的串联电容器（TCSC）可以提高停电和正常情况下的负荷能力。TCSC还可以改善电压分布，如[11]中所证明的。在[12]中，TCSC在强风穿透下保持系统运行，没有任何指标违规它*通讯作者。电子邮件地址：almoataz_abdelaziz@eng.asu.edu.eg（A.Y.Abdelaziz）。由Karabuk大学负责进行同行审查。可以发现，TCSC支持风力发电的变化，通过减少系统功率损耗。此外，TCSC通过增加最小电压来提高电压稳定性[12]。最后，[12]的作者得出结论，TCSC除了可以提高电力系统的性能外，还可以节省成本。在[13]中，对两种TCSC进行了比较。可以实现TCSC的纯电容范围是最有效的范围。几种优化方法，如遗传算法，混合整数二次规划，细菌群优化和粒子群优化已被用于获得电力系统中FACTS设备的最佳规模和配置[14启发式优化技术的迅速发展，使作者采用引力搜索算法（GSA）来寻找TCSC的最优规模和配置，以提高包括造波机在内的电力系统的性能。引力搜索算法（GSA）是一种基于物理的元启发式优化技术。Rashedi等人于2009年提出[18]。GSA的概念是基于牛顿万有引力定律和运动定律。在该算法中，代理是对象，其性能由其质量来衡量。所有物体通过重力相互吸引，导致所有物体朝向质量更大的物体的整体运动对应于良解的重质量比轻质量运动得慢。这确保了对GSA方法的利用。将该算法与粒子群http://dx.doi.org/10.1016/j.jestch.2016.09.0102215-0986/©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/）。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：www.elsevier.com/locate/jestch--我我我1662年硕士Attia等人/工程科学与技术，国际期刊19（2016）1661优化和遗传算法解决许多非线性优化问题[18]。结果证实了该技术的高性能和优越性。GSA的主要优点是引力常数随时间衰减，以控制搜索精度并加快收敛过程。GSA已成功应用于解决许多电力系统优化问题，例如最优无功功率调度[19，20]、最优潮流[21]和多分布式发电规划[22]。最近，它已经在电机设计中进行了探索，例如磁化器设计[23]。本文对具有波浪能的电力系统中TCSC的位置、数量和规模进行了优化，以提高系统的性能。2. 波建模波浪能系统由阿基米德波浪摆动（AWS）装置与线性永磁同步发电机（LPMSG）耦合以将机械动力转换成电力组成。AWS装置可使用牛顿第二定律建模波发生器的动态模型在[25]中给出。[25]中提出的模型可以简化为有功和无功功率（PQ）模型，但从波发生器向网络提供零无功功率，本文研究了稳态3. TCSC模型TCSC是技术经济性最高的FACTS装置之一它可以通过系统分支的无功功率管理来提高电力系统性能，并适当节省成本[12]。在[14]中，TCSC具有两个特性：电容性或电感性，以减少或增加系统支路的电抗XL。 根据文[12]中所用的TCSC模型，TCSC被认为是一个可变电抗装置，它与支路电抗串联插入，如图所示。1.一、在本文中，该模型用于等效TCSC电抗范围从0.3到0.7线路电抗（XL），以避免共振。4. 优化技术在本文中，最佳的位置，数量和规模的TCSC选择使用遗传算法（GA）和GSA，以提高电力系统的性能。Fig. 1. TCSC模型。4.1. 遗传算法所选择的方法是使用两个简单的遗传算法，一个GA特性用于找到TCSC的位置和数量，另一个GA获得TCSC的大小。人口规模取为20，这足以解决所提出的问题，并且与[10]中解释的人口规模100没有太大区别。该计划的细节在以下段落中解释[26]。首先，将一组随机二进制位置乘以TCSC值;该乘法使分支电抗发生变化。然后从整个TCSC范围内的功率流计算适应度函数最后，检查停止条件;如果未达到停止条件，则将开始另一个生成。目标是在不违反电力系统指标的情况下降低总损耗。MAT- POWER[27]用于运行潮流并计算总有功损耗。在该程序中，支路电抗被替换为TCSC的电抗函数，如等式2所示。（八）：支路电抗旧线路电抗TCSC电抗本文对文献[26]中的程序进行了改进，使TCSC的可用位置为最严重的线路及其周围。4.2. 引力搜索算法GSA是一种基于物理的元启发式优化技术。GSA主要依赖于重力和运动定律在该算法中，代理（质量）是通过重力相互吸引的对象，导致所有对象向更重质量对象的全局移动。这个概念是基于重力定律，其中任何两个粒子之间的重力这意味着对高引力有贡献的最重质量是搜索空间内的最优解[18]。每个质量有四种规格：位置、惯性质量、主动引力质量和被动引力质量。 质量位置是一个候选的解决方案和重力和惯性质量的确定使用的适应度函数。对于由N个质量组成的系统，第i个X i¼x1;.. . ：; x d;.. . ：x nn=1; 2;.. . ; N9表1遗传算法方面。种群类型和大小第一遗传标度函数Rank随机一致选择函数生殖精英计数-2交叉分数0.8变异函数-高斯比例尺1收缩1交叉函数分散迁移方向-正向分数0.2间隔20停止标准生成-30时限无限失速代50失速时间20功能公差1e-006非线性约束公差1 e-006我我我X我j¼1;jJIJ我我我我我我M.A. Attia等人 /工程科学与技术，国际期刊19（2016）1661-16671663其中n是问题的维数，xd是第i个质量在第d维中的位置。通常，质量最初在搜索空间中随机生成在任意时刻t，质量j作用在质量i上的引力定义如下[19]：Fdt G tMpit×Majtx dt-xdt 10GSA方法的完整流程图如图所示。 二、本文中的初始种群是可用于TCSC的位置，然后GSA将这些位置乘以值所有的TCSC。5. 线的排序ijRijtej i其中Mpi是质量i的被动引力质量，Maj是质量j的主动引力质量，G（t）是在时间t的引力常数，e是小常数，Rij（t）是两个质量i和j之间的欧几里得距离，并且它可以表示为：Rijtjjxit;xjtjj211假设在第d维中作用在质量i上的总力是其他质量施加的力的第dFdtXNrandFdt12根据以下技术对线路进行排序Transformer变电站在我们的分析中不被认为是输电线路。5.1. 第一等级法（最小电压）1. 对所有系统线路逐一停电。2. 然后检查每条线路停电时的节点电压3. 如果线路因停电而4. GA和GSA搜索在排名的顶部行，其四周其中randj是从0到1变化的随机数。根据运动定律，质量i在时间t和方向dth上的加速度写为：5.2. 第二种排序方法（过载）1. 对所有系统线路逐一停电。adFdt米伊·阿提哈德ð13Þ2. 然后检查是否有任何线路是过载的每一个线路停电。3. 如果线路的中断导致系统线路更加过载，则线路具有更高的排名其中Mii是第i个质量的惯性质量此外，质量i在第d维中的速度和位置分别通过使用以下公式来更新：vdt1randi×vdtadt144. GA和GSA在排名及其周围的顶部行中搜索。本文主要研究电力系统中波浪发电机的稳态问题（如有功损耗和无功增加和电压分布问题）。xdt1xdtvdt115主要目标是最大限度地减少系统的损失，电力系统指数违反通过的无功功率其中randi是从0到1变化的随机数，以向搜索提供随机化特征。在开始时，G（t）用初始值G。初始化，然后随时间减小以控制搜索精度。在所提出的算法中，G（t）由以下等式描述：Gt Goe-at=T16其中a是常数，t是当前迭代，T是最大迭代次数。通过使用适应度函数计算引力和惯性质量假设这些质量相等，并且可以通过以下公式进行更新：M ai<$M pi<$M ii<$M i对于i 1; 2;.. . ; N17我不适合我不适合-最差的不适合18最好的最坏的最坏的mitMitNmj t第1页ð19Þ其中fiti（t）是质量i在时间t的适应度值，并且最佳（t）和最差（t）被定义为最小化问题，如下所示：min最好的一个人2 f 1;.. . ; N gfit jt20Max最坏的情况下，j 2 f 1;.. . ; N gfitjt 21此外，最后两个方程是颠倒的最大化问题。端确定最佳解决方案图二. GSA方法流程图。在搜索空间更新总体的G、最佳和最差评估每个代理开始没是否满足收敛是更新速度和位置计算每个代理的M和a----1664年Attia等人/工程科学与技术，国际期刊19（2016）1661图3.第三章。 IEEE 30总线系统的单线图。管理并对这两种优化技术进行了比较。6. 仿真结果6.1. 案例研究1以IEEE 30节点系统为研究对象母线1、2、22处的发电机作为波发生器。系统的单线图如图3所示[10]。该系统的数据在[27]中给出。该系统由30条母线、41条支路和位于母线1、2、22、23、27和13处的6台发电机这项研究是针对一系列的TCSC从30%到70%的线路电抗。研究了基于遗传算法和遗传模拟退火算法的TCSC优化配置问题还研究了两种排序技术，根据最小电压和过载排序。采用两种排序方法和两种优化技术运行程序后，有无TCSC的潮流计算结果表明：没有线路的潮流超过文献[27]中给出的限制。根据电压曲线，结果显示，一些母线的电压低于0.9 pu，但使用两种优化技术插入TCSC后，母线电压恢复到0.9 pu以上，如表2所示。系统性能总结：如表3所示：在无TCSC装置的情况下，系统最低电压为0.875，有功功率损耗为4.25 MW，无功功率损耗为18.03 MVAr。对于使用GA的TCSC器件，按最小电压等级：最小电压增加到0.916 pu，这可以被认为是电压稳定性的改善，有功功率损耗降低到3.41 MW，即，最后无功损耗降至13.23 MVAr，即下降了26.6%左右这可以被认为是系统的有功功率和无功功率的储备。对于使用GSA的TCSC，通过最小电压排名：最小电压增加到0.924 pu，这可以被认为是对电压稳定性的改善，有功功率损耗减少到3.35 MW，即减少约21.17%，并且最终无功损耗减少到11.79MVAr，即减少约34.61%。这可以被认为是系统的有功功率和无功功率的储备。对于使用GA的TCSC，通过过载排名：最小电压增加到0.902 pu，这可以被认为是对电压稳定性的改善，有功功率损耗减少到3.84 MW，即，最后无功损耗降至15.38 MVAr，即下降约14.7%。这可以被认为是系统的有功功率和无功功率的储备对于采用GSA的TCSC，通过过载分级：最小电压增加到0.902 pu，这可以被认为是对电压稳定性的改善，有功功率损耗减少到3.81 MW，即减少约10.35%，最终无功损耗减少到14.48 MVAr，即下降了19.7%左右这可以被认为是系统表4和表5显示了TCSC的数量和位置从案例研究1的结果可以发现，具有最小电压等级的GSA给出了更好的结果，但是以所使用的TCSC设备的数量为代价6.2. 案例研究2以IEEE 57节点系统为研究对象1、3、6母线的发电机作为波发生器。该系统的数据在[27]中给出。该系统由57条母线、80条支路和位于母线1、2、3、6、8、9和12处的7台发电机这项研究是针对一系列的TCSC从30%到70%的线路电抗。研究了基于遗传算法和遗传模拟退火算法的TCSC优化配置问题研究了按最小电压排序和按过载排序两种排序方法.在运行程序后，与两种优化技术的两种排序方法，有和没有TCSC的潮流结果表明：最小电压排序方法未能提高系统的问题。如表6所示，2号线的功率流超出[28]中给出的限值。但GA和GSA与超载排序成功地返回系统的极限.根据电压曲线，结果显示，4条母线的电压小于0.9 pu，但在使用GA优化技术中的过载排序方法插入TCSC的情况下，3条母线的电压恢复到大于0.9 pu，并且在使用GSA优化技术的情况下，所有4条母线的电压恢复到大于0.9 pu，如表7所示。系统性能总结表2有和没有TCSC插入的电压曲线。路公交车无TCSC（pu）带TCSC GA最小电压等级（pu）带TCSC的GSA最小电压等级（pu）具有TCSC GA过载排名（pu）带TCSC GSA过载等级（pu）20.89570.93560.94080.92320.925530.8950.93270.93680.92080.922340.89460.93190.93590.92020.921350.88630.92750.93430.91390.916360.88740.9270.93270.91460.914770.87640.91850.92650.90410.905180.87490.91640.92680.90220.902290.89550.92520.92940.91280.9129100.89980.92430.92690.91190.912110.89550.92520.92940.91280.9129280.89750.94420.93970.92190.9219--M.A. Attia等人 /工程科学与技术国际期刊19（2016）1661-16671665过载排序系统总结带TCSC GSA过载等级0.902 3.81表9TCSC过载等级的数量。表4号线从总线到总线线路电抗（pu）TCSC占线路电抗的百分比GATCSC占线路电抗GSA的百分比具有最低电压等级的TCSC数量。2 2 3 0.085 0 303 3 4 0.0366 0 30号线从总线到总线线路电抗（pu）TCSC占线路电抗的百分比GATCSC占线路电抗GSA的百分比4 4 5 0.132 30 305 4 6 0.148 30 306 6 7 0.102 0 702018年12月28日星期一7 4 6 0.04 0 709 6 7 0.08 30 7010 6 8 0.04 0 7011 6 9 0.21 0 3012 6 10 0.56 70 3035 25 27 0.21 30 3036 28 27 0.4 70 7037 27 29 0.42 0 7038 27 30 0.6 30 7039 29 30 0.45 30 3040 8 28 0.2 0 3041 6 28 0.06 0 70表5具有过载等级的TCSC数量。76 8 0.173 0 708 8 9 0.0505 0 7014 13 15 0.0869 30 3015 1 15 0.091 30 54.6718 3 15 0.053 0 60.921 5 6 0.0641 30 7022 7 8 0.0712 30 3028 14 15 0.0547 0 70如表8所示：无TCSC系统的最低电压为0.875，有功功率损耗为33.19 MW，无功功率损耗为143.78 MVAr。对于通过过载排序使用GA的最小电压增加到0.895 pu，这可以被认为是对电压稳定性的改进，有功功率损耗减少到31.37 MW，即减少5.5%左右，最终无功损耗降低到125.41 MVAr，下降了12.7%左右。这可以被认为是系统的有功功率和无功功率的储备。对于使用GSA的TCSC，通过过载排名：最小电压增加到0.926pu，这可以被认为是对电压稳定性的改善，有功功率损耗减少到30.25 MW ，即 减少约 8.86% ，并 且最终 无功损耗 减少到 89.09MVAr，即下降了38%左右。这可以被认为是系统的有功功率和无功功率的储备。表9示出了案例研究2的TCSC的数量和位置结果表明，GSA比GA得到更好的结果，但代价是使用的TCSC的数量。表6潮流限制IEEE 57总线。表7有和没有TCSC插入的电压曲线。6.3. 案例研究3以IEEE 118节点系统为研究对象。取4、6、8、12、15、18、19、113母线发电机as wave波generators发电机.该系统的数据在[27]中给出。该系统由118条母线、86条支路和54台发电机组成，分别位于母线1、4、6、8、10、12、15、18、19、24、25、26、27、31、32、34、36、40、42、46、49、54、55、56、59、61、62、65、66、69、70、72、73、74、76、77、80、85、87、89、90、91、92、99、100、103、104、105、107、110、111、112、113和116.这项研究是针对一系列的TCSC从30%到70%的线路电抗。研究了基于遗传算法和遗传模拟退火算法的TCSC优化配置问题研究了按最小电压排序和按过载排序两种排序方法.运行两种排序方法和两种优化技术的程序后，算例表明：最小电压排序法失败线号从总线到总线线电抗TCSC百分比线路电抗TCSC百分比线路电抗（pu）GAGSA1120.063030.252130.19034.343240.17036.044340.04047.535250.2049.756260.183052.377460.047054.97154120.267069.37线没有过载排序过载排序限制号TCSCSTCSC插入GATCSC插入GSA（兆瓦）（兆瓦）（兆瓦）（兆瓦）2号线97.067583.789983.994785总线没有GA超载排序GSA超载排名号TCSC（pu）TCSC插入（pu）TCSC插入（pu）310.87540.89540.9255320.88790.90780.9398330.88550.90540.9374340.89920.91810.9484表3系统性能摘要。表8系统性能摘要最小活性反应性最小活性反应性电压功率损耗功率损耗电压功率功率（pu）（兆瓦）（MVAr）（pu）损耗（MW）损失（MVAr）无TCSC的系统总结0.8754.2518.03无FACTS的0.87533.19143.78带TCSC的系统概述GA0.9163.4113.23采用FACTS的0.89531.37125.41最低电压等级GA超载排序带TCSC GSA的0.9243.3511.79采用FACTS的0.92630.2589.09最低电压等级GSA过载等级带TCSC的系统概述GA0.9023.8415.381666 Attia等人/工程科学与技术，国际期刊19（2016）1661表10有和没有TCSC插入的电压曲线。表11系统性能摘要GSA过载等级如果系统如案例研究1和案例研究2中那样遭受低电压问题，但是如果如案例研究3中那样电压增加的TCSC给出较差的有功损耗降低，则系统将被视为是不可靠的。7. 论文投稿本文的主要贡献是：研究了波发生器穿透对电力系统性能的影响本文还比较了不同的优化技术和方法的排名，以获得合适的。未考虑计算时间，因为其对于研究目的并不重要最后，本文提出了一个合适的工具，TCSC的优化位置，以提高电力系统的性能遭受波发电穿透。8. 结论本文介绍了用遗传算法优化TCSC装置的位置，以提高电力系统的可靠tem性能 的波能源转换系统是包括在这样的电力系统中，以说明其影响，这可能增加系统损耗并降低最小电压以解决系统问题。没有线路遭受功率流出的限制。根据电压曲线，结果显示，5条母线的电压小于0.9 pu，但在使用GA优化技术中的过载排序方法插入TCSC的情况下，2条母线的电压恢复到大于0.9 pu，并且在使用GSA优化技术的情况下，所有5条母线的电压恢复到大于0.9 pu，如表10所示。系统性能总结：如表11所示：无TCSC系统的最低电压为0.888，有功功率损耗为136.44 MW，无功功率损耗为815.67 MVAr。采用基于过载排序的遗传算法的FACTS最小电压增加到0.891 pu，这可以被认为是对电压稳定性的改善，有功功率损耗减少到136.42 MW，即，降低约0.015%，最终无功损耗降低至125.41 MVAr，即降低约5.5%。这可以被认为是系统的有功功率和无功功率的储备不足对于使用GSA的TCSC，通过过载排名：最小电压增加到0.932 pu，这可以被认为是对电压稳定性的改善，有功功率损耗减少到134.93 MW，即减少约1.1%，并且最终无功损耗减少到701.58 MVAr，即下降了14%左右。这可以被认为是系统的有功功率和无功功率的储备。表12显示了案例研究3的TCSC的数量和位置可以发现，GSA给出了更好的结果比GA。此外，可以注意到，TCSC对发电机的有功损耗给出更多的减少。表12TCSC过载等级的数量。的系统。通过IEEE 39-bus、IEEE 57-bus和IEEE 118-bus系统对所提出的GSA进行了检验。结果表明，采用GSA优化方法比采用GA优化方法的系统性能得到进一步改善。可以得出结论，建议的GSA也可以应用到其他FACTS设备在电力系统中的位置，以实现这些目的。引用[1] 刘宝泉，方卓，朱益新，郝毅，高穿透深度应用的可再生能源直流微电网的系统运行和能量管理，IEEE Trans.智能电网6（3）（2015）1147[2] NavneetKumar，Thanga Raj Chelliah和Satya Prakash Srivastava，电压暂降下双馈感应电机运行模式的分析，工程科学。J. 19（3）（2016）1117-1131。[3] VivekKaundal ， Amit Kumar Mondal ， Paawan Sharma ， Kamal Bansal ，Tracing ofshading effect on underachieving SPV cell of a SPV grid using wirelesssensornetwork，Eng. Sci. Technol. Int. J. 18（3）（2015）475-484。[4] Vellapatchi Nayanar ， Natarajan Kumaresan 和 Nanjappa Gounder AmmasaiGounden，通过单级功率转换器提供DC微电网的风力驱动SEIG，Eng.Sci. Technol.Int. J. 19（3）（2016）1600-1607.[5] M.N. Ambia，Hany. Hasanien，A. Al-Durra，S.M. Muyeen，基于和声搜索算法的分布式发电系统控制器参数优化，IEEE Trans. Power Delivery 30（1）（2015）246-255。[6] 汉 尼 ·M Hasanien ， 用 于 光 伏 模 型 识 别 的 混 合 蛙 跳 算 法 ， IEEE Trans.Sustainable Energy 6（2）（2015）509-515。[7] 汉 尼 ·MHasanien ， Aset-membershipaffineprojectionalgorithmbasedadaptivecontrolledSMESunitsforwindfarmsoutputpowersmoothing，IEEE Trans. Sustainable Energy 5（4）（2014）1226-1233。[8] 汉尼·M Hasanien，基于混合蛙跳算法的静止同步补偿器用于并网风电场的暂态稳定性改善，IET Renew。发电机8（6）（2014）722-730。[9] 吴冯，萧。平. Zhang，Ju.平，M.J.H. Sterling，基于AWS的波浪能转换系统并入电网的建模与控制，IEEE线号从总线到总线X（pu）TCSC百分比线路电抗GATCSC百分比线路电抗GSA23（3）（2008）1196-1204.[10] A.Y. Abdelaziz，M.A. El-Sharkawy，硕士张文，基于遗传算法的电力系统负荷容量优化配置，电力工程学报。功率1 1 2 0.0999 30 30康朋 J.39（13）（2011）1373-1387。[11] A.Y. Abdelaziz，M.A. El-Sharkawy，硕士 Attia，TCSC的最优配置系列FACTS以提高具有风穿透的电力系统的性能，在：2014年IEEE PES大会论文集，2014年7月27日至31日，马里兰州国家港（华盛顿特区都市区），美国，2014年。[14] 李文，电力系统中FACTS装置的优化配置，电力工程学报，2001年第3期，第16卷。路公交车无TCSC时的电压（pu）TCSC插入时的电压GA（pu）TCSC插入GSA时的电压（pu）10.88780.89070.931520.89360.89940.938730.8980.90470.9453130.89910.90890.9397最小电压有功损耗无功损耗（pu）（兆瓦）（MVAr）无TCSC的系统总结0.888136.44815.67带TCSC的系统概述0.891136.42771.15GA超载排序带TCSC的系统概述0.932134.93701.582130.04243030使用遗传算法的器件，第十四届会议论文集3450.007983030国际中东功率系统会议MEPCON'10，开罗4350.1083070University，Cairo，Egypt，2010，pp. 428- 4325560.054070[12]阿尔莫阿塔兹Abdelaziz，Metwally A.El-Sharkawy，Mahmoud A.Attia，最佳6670.0208070位置的晶闸管控制系列补偿和静止无功7890.03053070一种提高电力系统稳态性能的补偿器，99100.03223070风穿透，电。动力组件系统 J. 43（2015）1999-2009。104110.06883070[13] A.Y. Abdelaziz，M.A.El-Sharkawy，硕士Attia，E.F.El Saadany，最佳位置115110.06823070132120.0616030143120.163070157120.034030378300.0504030M.A. Attia等人 /工程科学与技术国际期刊19（2016）1661-16671667[15] G.Y. Yang，G.霍夫兰河Majumder，Z.Y. Dong，基于混合整数规划的基于线路潮流方程的TCSC分配，IEEE Trans.Power System。22（4）（2007）2262-2269。[16] Z. Lu，M.S.利湖，加-地蒋庆华吴，细菌群集算法实现的具有多个目标的FACTS设备的最优分配，在：IEEE电力和能源学会2008年大会：21世纪电能的转换和输送，PES，Art. 号4596320，2008.[17] M. Saravanan，S.M.R. Slochanal，P. Venkatesh，J.P.S.张文，粒子群优化技术在电力系统中的应用，电力系统工程研究，2001。77（3/4）（2007）276-283。[18] E. Rashedi ， H. Nezamabadi-pour ， S. Saryazdi ， GSA ： a gravitationalsearchalgorithm，Inf. 179（2009）2232-2248。[19] S. Duman，Y.松梅兹大学Guvenc，N.杨文，基于引力搜索算法的电力系统无功优化调度，电力工程学报。传输分布量6（6）（2012）563-576。[20] T. Niknam，M.R.纳里马尼河阿齐齐帕纳-阿巴尔胡伊湾Bahmani-Firouzi，多目标最优无功功率调度和电压控制：一种新的基于反对的自适应改进重力搜索算法，IEEE系统J。7（4）（2013）742-753。[21] A.巴塔查里亚体育场王文，多目标电力系统最优潮流的引力搜索算法，电力工程学报。传输分布量6（8）（2012）751-763。[22] W.S. Tan，M.Y. Hassan，H. Abdul Rahman，M.P. Abdullah，F.胡新，基于混合粒子群-引力搜索算法的含电压上升问题的多分布式电源规划，电力工程学报.传输分布量7（9）（2013）929-942。[23] L.D.科埃略Mariani，N. Tutkun，P. Alotto，基于准对置引力搜索算法的磁化器设计，IEEE Trans.Magn.50（2）（2014）7017404。[24] H. Polinder，M.E.C. Damen，F.加德纳，线性PM发电机系统的波能转换在AWS，IEEE trans.energy Convers。19（3）（2004）583- 589。[25] 穆斯塔法岛放大图片作者：Mohamed Mokhtar，Ahmed A.El-Sattar，基于AWS波浪能转换系统速度控制的MPPT策略，可再生能源83（2015）305-317。[26] A.Y. Abdelaziz，M.A.El-Sharkawy，硕士Attia，B.K.Panigrahi，基于遗传算法的TCSC优化分配方法，用于电力系统负荷能力增强，在：群，进化和模因计算会议（SEMCCO 2012），Bhubaneswar，Odisha，印度，2012年12月20日至22日，2012年，pp. 548- 557[27] R.D. Zimmerman，E.C.李国忠，电力系统仿真软件包，电力系统工程研究中心，2007年。[28] Sujatha Balaraman，N. Kamaraj，使用粒子群优化的输电拥塞管理，J. Electr.Syst.（2011）54-70。