有源电力滤波器(APF,Active Power Filter)是当今重要的谐波治理和无功补偿装置,APF关键的环节是实时准确地检测出谐波电流。针对传统基于瞬时无功理论的ip-iq谐波检测方法实时性差、对系统的补偿能力要求很高等不足,提出了基于BP神经网络与锁相环相结合提取特定次谐波的方案,权值调整采用BFGS拟牛顿算法,该算法可检测出基波、各次谐波分量的幅值和相角,且神经网络的并行运算能力强大,方便应用于三相电路中。改进的特定次谐波检测系统较传统的LC滤波器和并联型APF的组合调节策略响应速度高,系统结构简单,且不易出现高频谐波。通过Matlab仿真实验证明了该算法的可行性和良好的控制效果。
在传统电力系统无功优化(Reactive Power Optimization,RPO)模型中引入电压水平指标,建立了以网损最小,电压水平最好为目标的多目标差分进化算法(Differential Evolution Algorithm)的模型。针对基本差分进化算法易陷入局部最优解、收敛速度慢的缺点,提出一种具有自适应参数策略的改进差分进化算法并首次用于多目标电力系统无功优化问题。通过在算法进化过程中调整变异因子F和交叉因子CR,在初期增加种群的多样性、扩大全局搜索区域;从而可以避免算法陷入局部最优解;同时在后期也加快了收敛速度。将该算法用于电力系统无功优化并仿真计算了IEEE-14节点标准测试系统,结果验证模型和算法的有效性。
