《表5 包含零注入量测的情况》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于改进教与学算法的PMU优化配置方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

仿真分析在Matlab（R2014a）中实现，将本章提出的教与学优化（TLBO）与遗传算法（GA）和二进制粒子群（BPSO）算法进行比较。各算法的参数分别如表1～表3所示。基于TLBO、GA和BPSO的谐波量测点PMU优化配置都分别涉及不包含零注入量测和包含零注入量测两种情况。对于进行验证的所有测试系统，量测点的数目和位置的优化结果分别如表4、表5所示。为了验证TLBO算法应用于PMU优化配置的有效性，和GA、BPSO的比较分析如图3所示。对于不包含零注入量测的IEEE 14节点测试系统，TLBO只需要5次迭代，而GA需要9次，BPSO需要20次。TLBO算法比GA和BPSO算法收敛更快，是因为TLBO不需要参数的调整，花费更少的时间。即使PMU的优化配置是一个离线过程，收敛时间仍然是一个重要的因素，尤其是对于大电网而言。