[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

技術領域

本發明屬于電力系統無功控制技術領域，特別涉及一種電力系統無功優化方法及系統。

背景技術

電力系統無功優化是以滿足多種系統運行約束條件為前提，通過發電機自動電壓調節器(AVR)、有載變壓器分接頭以及無功補償裝置等多種無功控制手段，實現減小網絡損耗，改善電壓分布，提高電壓穩定性等目標。

電力系統無功優化是多變量、多約束以及離散和連續變量并存的非線性混合整數規劃問題。目前該問題的求解方法可分為兩大類，即數學求解方法和人工智能算法。數學方法主要有梯度法、線性規劃、非線性規劃和內點法等，但該方法要求目標函數連續可微，存在對初始值敏感、求解時間較長以及容易導致維數災等缺點。今年來，人工智能算法在電力系統優化中的應用迅速發展，主要包括遺傳算法、粒子群算法、模擬退火算法、免疫算法和植物生長算法等等，取得了較好的效果。

作為一種新型的智能算法，差異進化算法(differentialevolution，DE)具有簡單易行、高效、收斂性好和魯棒性強等優點，已在求解電力系統優化問題中得到了許多應用。但傳統DE算法的交叉操作對坐標系的依賴較高，在處理變量相關問題上效果欠佳；另外，DE算法對兩個主要的控制參數即縮放因子F和交叉控制參數CR很敏感。一方面，F取值較大時有利于全局搜索，而較小可加速收斂；另一方面，CR取值較大時有利于試驗向量從變異向量繼承更多信息，保持較高的種群多樣性，反之則使得試驗向量獲取更多目標向量的信息從而有利于局部搜索，合理選取F和CR值以平衡全局搜索和局部搜索的關系也是DE算法設計的關鍵問題。

因此，設計合理的方法解決差異進化算法處理變量相關問題效果欠佳和其控制參數整定困難的問題，提高電力系統無功優化問題求解的精度、速度和穩定性，對于提高電力系統無功控制水平，提高電力系統經濟調度能力具有重要的理論和實用價值。

發明內容

本發明的目的在于解決傳統差異進化方法在電力系統無功優化問題中存在的不足，提出一種具有更高精度、速度和穩定性的電力系統無功優化技術方案。

本發明技術方案提供一種電力系統無功優化方法，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