[發明專利]一種電力系統無功優化方法及系統

在審

• 申請號: 201610286604.6
• 申請日: 2016-05-03
• 公開（公告）號: CN105720591A
• 公開（公告）日: 2016-06-29
• 發明（設計）人: 樂健;周武;王銀鴿;羅漢武
• 申請（專利權）人: 武漢大學
• 主分類號: H02J3/18
• 分類號: H02J3/18
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 嚴彥

1.一種電力系統無功優化方法，其特征在于：包括以下步驟，

1)輸入電網信息數據以及相關算法參數；

2)產生初始種群，包括取發電機端電壓V_G、無功補償裝置的補償電容值B和變壓器支路變比K組成控制變量X＝[V_G,B,K]，以調整范圍作為搜索空間，隨機產生有NP個個體的初始種群，令當代進化代數G＝1，其中NP為種群數；

3)適應度值的計算，包括利用牛頓拉夫遜潮流法為初始種群的每個個體計算適應度值大小，如下式

式中，F為目標函數；P_loss為系統有功網損；M、N和N_l分別為負荷節點數、PV節點數和系統支路數；λ₁和λ₂分別為對負荷節點電壓越界和對發電機無功越界的懲罰因子；k表示支路的編號，a和b為第k條支路兩端對應的節點，V_a和V_b為節點a和b的節點電壓，G_k為支路電導，δ_ab為節點間電壓相角差；V_p、Q_Gq分別為第p個負荷節點的節點電壓和第q個PV節點的發電機無功出力；V_plim和Q_Gqlim分別為V_p和Q_Gq的取值范圍，V_pmax和V_pmin為V_p的上下界，Q_Gqmax和Q_Gqmin為Q_Gq的上下界；

4)變異操作，包括為當代種群的每個目標向量X_i,G產生變異向量V_i,G:

V_i,G＝X_r1,G+F(X_r2,G-X_r3,G)

式中，G代表目前的進化代數；r1,r2,r3為在區間[1,NP]內隨機產生的互不相同的整數，作為表示種群中不同個體的索引號，且與當前目標向量的索引號i不同；F是區間[0,2]之間的實數，用來控制差異向量(X_r2,G-X_r3,G)的縮放；

5)加入協方差矩陣學習機制的交叉操作，包括根據協方差矩陣學習的概率pb，協方差矩陣中個體站種群的比例ps，

如果隨機數rand(0,1)>＝pb，則直接將當代種群中的目標相量X_i,G和變異向量V_i,G進行交叉操作得到試驗向量U_i,G如下式，

式中，rand為服從在[0,1]之間均勻分布的隨機數，j為分量序號；CR為交叉概率，通常在[0,1]之間取值；l_i為從序列[1,2,…,D]中隨機選擇的維數變量索引，D是向量維數；

如果隨機數rand(0,1)<pb，則根據比例ps，按照協方差矩陣學習機制得到試驗向量U_i,G；

6)選擇操作，利用牛頓拉夫遜潮流法計算每個試驗向量適應度值的大小，并比較每個試驗向量適應度值和其對應目標向量的適應度值的大小，若試驗向量適應度值小于目標向量適應度值，則保留該試驗向量進入下一代種群，且其對應的縮放因子F_i,G和交叉控制參數CR_i,G保持不變進入下一代，F_i,G+1＝F_i,G,CR_i,G+1＝CR_i,G；否則，目標向量直接進入下一代，且按照雙峰分布參數設置產生下一代的縮放因子F_i,G+1和交叉控制參數CR_i,G+1；

7)終止條件判斷，包括以最大迭代次數為終止條件，達到最大迭代次數，則輸出最終的優化結果，否則令G＝G+1，繼續轉至步驟4)。