[發(fā)明專利]隨機慣性因子粒子群優(yōu)化算法的電網(wǎng)無功容量配置方法

有效

• 申請?zhí)枺?/td>: 201410267481.2
• 申請日: 2014-06-16
• 公開（公告）號: CN104037776A
• 公開（公告）日: 2014-09-10
• 發(fā)明（設計）人: 熊浩清;王紅印;馬世英;宋墩文;張毅明;孫建華;劉道偉;陳軍;孫冉
• 申請（專利權）人: 國家電網(wǎng)公司;中國電力科學研究院;國網(wǎng)河南省電力公司
• 主分類號: H02J3/16
• 分類號: H02J3/16;G06Q10/04;G06Q50/06
• 代理公司: 北京安博達知識產(chǎn)權代理有限公司 11271
• 代理人: 徐國文

技術領域

本發(fā)明涉及一種電網(wǎng)智能調度支持系統(tǒng)電網(wǎng)運行狀態(tài)評估與預警領域的方法，具體涉及一種隨機慣性因子粒子群優(yōu)化算法的電網(wǎng)無功容量配置方法。?

背景技術

隨著社會、經(jīng)濟及電力工業(yè)的快速發(fā)展，電網(wǎng)逐漸發(fā)展成大規(guī)模、遠距離、特高壓交直流互聯(lián)及新能源接入比例加大等形式，增加了電網(wǎng)運行的不確定性。而受端電網(wǎng)主要以負荷集中地區(qū)為中心，通過周邊聯(lián)絡線與遠距離廣義發(fā)端電源相連，進而實現(xiàn)電能的供需平衡。由于能源和負荷中心區(qū)域分布的不匹配，以及考慮環(huán)境等因素制約，受端系統(tǒng)內部電源支撐不足，大量電能需要從遠方進行遠距離傳輸，受端系統(tǒng)規(guī)模迅猛增大且其復雜度越趨復雜。?

20世紀80年代以來，國際上多個大型電力系統(tǒng)相繼發(fā)生多起電壓持續(xù)偏低、電壓崩潰事件，造成巨大的經(jīng)濟損失和社會影響，使電壓穩(wěn)定逐漸成為國際電工學界關注的焦點，對運行環(huán)境下的受端電網(wǎng)電壓穩(wěn)定在線監(jiān)控提出了更高的要求。目前，用于電力系統(tǒng)靜態(tài)電壓穩(wěn)定和動態(tài)電壓穩(wěn)定仿真的數(shù)值算法比較成熟，引起仿真結果與真實系統(tǒng)不吻合的原因主要是系統(tǒng)中元件模型與參數(shù)的不準確。另外，基于數(shù)學建模和仿真的分析方法，受電網(wǎng)模型、參數(shù)以及數(shù)值計算等因素的制約，在應用規(guī)模、速度及可靠性等方面很難適應電壓穩(wěn)定在線實時評估的要求。?

交流電網(wǎng)無功配置是提高系統(tǒng)性能的重要實時電壓控制管理技術。一般情況下，輸電網(wǎng)無功補償手段可分為兩大類，即發(fā)電廠無功功率輸出調節(jié)和變電站電容器電壓支撐。這兩者的組合對輸電網(wǎng)中無功功率的傳輸及網(wǎng)絡節(jié)點電壓的數(shù)值有著顯著影響，對其的優(yōu)化屬于多目標組合尋優(yōu)問題。?

在基于網(wǎng)損最小化的無功容量優(yōu)化配置問題中，試圖同時在一系列給定的條件之下，最優(yōu)化地設置控制變量的值。這些控制變量包括發(fā)電機無功的輸入、變壓器變比、并聯(lián)電容/抗器的無功輸出等。近年來許多文獻對其進行了建模研究，并采用演化算法對其進行求解，諸如遺傳算法、蟻群算法和禁忌搜索法等。?

粒子群優(yōu)化算法是智能算法中的一種。粒子群算法由于建模簡易、收斂性快等優(yōu)點，在無功功率容量優(yōu)化配置尋優(yōu)問題求解領域得到了充分的發(fā)展。?

由于粒子群優(yōu)化算法具有收斂速度快、容易實現(xiàn)且需要參數(shù)少等優(yōu)點，已有不少文獻就無功容量優(yōu)化問題，提出了改進的PSO算法。然而，當PSO應用于高維復雜問題時，容易?出現(xiàn)過早收斂且造成局部最優(yōu)等問題，導致了該算法不能保證收斂到全局最優(yōu)。出現(xiàn)這種情況的主要原因是早期收斂速度快，到了后期沒有得到有效約束使得算法脫離極小點。?

發(fā)明內容

為了克服上述現(xiàn)有技術的缺陷，本發(fā)明提供了一種隨機慣性因子粒子群優(yōu)化算法的電網(wǎng)無功容量配置方法。?

為了實現(xiàn)上述發(fā)明目的，本發(fā)明采取如下技術方案：?

一種隨機慣性因子粒子群優(yōu)化算法的電網(wǎng)無功容量配置方法，其改進之處在于：所述方法包括以下步驟：?

I、實時獲取WAMS系統(tǒng)的系統(tǒng)參數(shù)，設定粒子的邊界條件；?

II、初始化種群，建立電網(wǎng)的無功優(yōu)化模型，確定所述粒子的適應值；?

III、劃分迭代階段；?

IV、更新所述粒子的速度和位置；?

V、判斷迭代次數(shù)是否到全局搜索階段最大迭代次數(shù)；?

VI、判斷迭代次數(shù)是否到初級解穩(wěn)定階段最大迭代次數(shù)；?

VII、判斷迭代次數(shù)是否到迭代上限；?

VIII、跌代到最大次數(shù)，輸出在線無功容量配置方案。?

進一步的，所述步驟I的所述系統(tǒng)參數(shù)包括所述電網(wǎng)系統(tǒng)的PMU測量值和所述EMS數(shù)據(jù)；?

所述PMU測量值包括母線電流、母線電壓、有功功率和無功功率；?

所述EMS數(shù)據(jù)包括母線電壓、母線電壓、有功功率和無功功率；?

所述粒子的邊界為基于所述電網(wǎng)系統(tǒng)的狀態(tài)局勢的估計結果及當前調度運行規(guī)定的實時各點電壓上下限值，設定的對應算法的解空間范圍；?

進一步的，所述步驟II包括以下步驟：?

S201、獲取配電網(wǎng)系統(tǒng)的節(jié)點信息和支路信息，設置控制變量的個數(shù)及各控制變量的取值范圍以及初始種群的群體規(guī)模；?

對所述初始種群進行初始化并設置初始參數(shù)，獲得初始粒子群；?

初始化獲得所述初始種群是指在粒子取值范圍內對所述初始種群中的粒子隨機選擇粒子的初始速度和初始位置，所述初始參數(shù)包括最大迭代次數(shù)和適應閾值；?

S202、選取輸電網(wǎng)絡有功功率損耗為目標函數(shù)，如下式確定無功優(yōu)化的數(shù)學模型：?