[發(fā)明專利]一種基于混合算法的地區(qū)電網(wǎng)經(jīng)濟(jì)運行優(yōu)化方法

有效

• 申請?zhí)枺?/td>: 201210549337.9
• 申請日: 2012-12-18
• 公開（公告）號: CN103050983A
• 公開（公告）日: 2013-04-17
• 發(fā)明（設(shè)計）人: 衛(wèi)志農(nóng);孫國強;孫永輝;季聰;黃向前;潘朝陽;黃莉莉;胡文旺;向育鵬
• 申請（專利權(quán)）人: 河海大學(xué);安徽省電力公司安慶供電公司
• 主分類號: H02J3/18
• 分類號: H02J3/18;G06N3/12
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 柏尚春

技術(shù)領(lǐng)域

本發(fā)明屬于電力系統(tǒng)優(yōu)化運行領(lǐng)域，具體涉及一種基于混合算法的地區(qū)電網(wǎng)經(jīng)濟(jì)運行優(yōu)化方法。

背景技術(shù)

無功優(yōu)化問題是在滿足系統(tǒng)運行約束的前提下，通過無功補償裝置的優(yōu)化配置，達(dá)到有功網(wǎng)損最小的問題。通過無功優(yōu)化調(diào)度可以優(yōu)化電網(wǎng)的無功潮流分布，并降低電網(wǎng)的有功損耗和電壓損耗，從而改善電壓質(zhì)量，使用電設(shè)備安全可靠地運行。在保證現(xiàn)代電力系統(tǒng)的安全性和經(jīng)濟(jì)性方面，無功優(yōu)化調(diào)度的重要性已得到了全球的關(guān)注。

幾十年來國內(nèi)外專家學(xué)者對此展開了大量的研究工作，提出了二次規(guī)劃、牛頓法以及內(nèi)點法等經(jīng)典算法，該類算法計算速度快，尋優(yōu)能力強，但處理離散變量困難，因此近年來研究者將遺傳算法、粒子群算法、蟻群算法等各種智能算法引入無功優(yōu)化的計算中，取得了一定的成果，推動了無功優(yōu)化問題研究的進(jìn)一步發(fā)展。

智能算法處理離散變量方便，具有全局尋優(yōu)能力，但計算速度慢，可能陷入局部最優(yōu)解。普通粒子群算法將待優(yōu)化變量全部交由粒子群算法進(jìn)行優(yōu)化，而在個體適應(yīng)值評價環(huán)節(jié)采用的是潮流計算，如果將待優(yōu)化變量中的離散變量和連續(xù)變量分離，由粒子群算法優(yōu)化離散變量，而在個體適應(yīng)值評價環(huán)節(jié)采用原對偶內(nèi)點法進(jìn)行計算，同時優(yōu)化連續(xù)變量。

因此，需要一種新的地區(qū)電網(wǎng)經(jīng)濟(jì)運行優(yōu)化方法。

發(fā)明內(nèi)容

發(fā)明目的：本發(fā)明針對現(xiàn)有技術(shù)在電力系統(tǒng)無功優(yōu)化方面的缺陷，提供一種采用新的基于混合算法的地區(qū)電網(wǎng)經(jīng)濟(jì)運行優(yōu)化方法。

技術(shù)方案：為解決上述技術(shù)問題，本發(fā)明的基于混合算法的地區(qū)電網(wǎng)經(jīng)濟(jì)運行優(yōu)化方法采用如下技術(shù)方案：

一種基于混合算法的地區(qū)電網(wǎng)經(jīng)濟(jì)運行優(yōu)化方法，所述地區(qū)電網(wǎng)經(jīng)濟(jì)運行優(yōu)化方法基于粒子群算法和原對偶內(nèi)點法，包括以下步驟：

(1)獲得電力系統(tǒng)的網(wǎng)絡(luò)參數(shù)；

(2)設(shè)定粒子群算法的種群大小、最大迭代次數(shù)、交叉概率和變異概率，設(shè)定原對偶內(nèi)點法的松弛變量、拉格朗日乘子和罰因子初值；

(3)以步驟(1)中所述網(wǎng)絡(luò)參數(shù)的離散變量為待優(yōu)化變量，隨機生成粒子群算法的初始種群；

(4)保持種群各個體的離散變量不變，采用原對偶內(nèi)點法對種群各個體的連續(xù)變量進(jìn)行優(yōu)化得到目標(biāo)函數(shù)值，并將優(yōu)化得到的目標(biāo)函數(shù)值作為種群的個體適應(yīng)值，并根據(jù)所述個體適應(yīng)值得到種群的局部最優(yōu)個體和全局最優(yōu)個體；

(5)根據(jù)下式更新粒子的移動速度和位置：

x_i,j(t+1)＝x_i,j(t)+v_i,j(t+1)

其中，為慣性權(quán)重，c₁和c₂為學(xué)習(xí)因子，r₁和r₂為0到1之間均勻分布隨機數(shù)，p_i,j、p_g，j分別為粒子在pbest和gbest位置時的控制變量取值；

(6)保持種群各個體的離散變量不變，采用原對偶內(nèi)點法對種群各個體的連續(xù)變量進(jìn)行優(yōu)化，并將優(yōu)化得到的目標(biāo)函數(shù)值作為種群的個體適應(yīng)值，并根據(jù)所述個體適應(yīng)值更新種群的局部最優(yōu)個體和全局最優(yōu)個體；

(7)重復(fù)步驟5-6，直到達(dá)到步驟(2)所述的最大迭代次數(shù)。

更進(jìn)一步的，步驟(1)中的網(wǎng)絡(luò)參數(shù)包括母線編號、名稱、負(fù)荷有功、負(fù)荷無功、補償電容，輸電線路的支路號、首端節(jié)點和末端節(jié)點編號、串聯(lián)電阻、串聯(lián)電抗、并聯(lián)電導(dǎo)、并聯(lián)電納、變壓器變比、變壓器阻抗和發(fā)電機無功上下限。

更進(jìn)一步的，步驟(2)中所述離散變量為變壓器變比和無功補償容量。

有益效果：本發(fā)明地區(qū)電網(wǎng)經(jīng)濟(jì)運行優(yōu)化方法的將智能算法和經(jīng)典算法進(jìn)行有效結(jié)合，采用粒子群算法優(yōu)化離散變量，在粒子群算法的每一代中采用原對偶內(nèi)點法進(jìn)行連續(xù)變量優(yōu)化和個體適應(yīng)度評估，從而使得算法兼具智能算法處理變量方便和經(jīng)典算法尋優(yōu)能力強的優(yōu)點。

附圖說明

圖1為本發(fā)明的基于混合算法的地區(qū)電網(wǎng)經(jīng)濟(jì)運行優(yōu)化方法的流程圖；

圖2是IEEE-14節(jié)點系統(tǒng)的結(jié)構(gòu)示意圖；

圖3是IEEE-30節(jié)點系統(tǒng)的結(jié)構(gòu)示意圖；

圖4是IEEE-57節(jié)點系統(tǒng)的結(jié)構(gòu)示意圖；

圖5足IEEE-118節(jié)點系統(tǒng)的結(jié)構(gòu)示意圖；

圖6是PSO算法的收斂曲線；

圖7為本發(fā)明的基于混合算法的地區(qū)電網(wǎng)經(jīng)濟(jì)運行優(yōu)化方法的收斂曲線。

具體實施方式