[發明專利]一種電力系統的最優潮流計算方法、裝置及系統

有效

• 申請號: 201710438269.1
• 申請日: 2017-06-12
• 公開（公告）號: CN107017640B
• 公開（公告）日: 2019-11-22
• 發明（設計）人: 邱明晉;陳璟華;唐俊杰
• 申請（專利權）人: 廣東工業大學
• 主分類號: H02J3/06
• 分類號: H02J3/06;G06N3/00;G06Q10/04;G06Q50/06
• 代理公司: 11227 北京集佳知識產權代理有限公司
• 代理人: 羅滿<國際申請>=<國際公布>=<進入國

1.一種電力系統最優潮流的計算方法，其特征在于，包括：

初始化預設參數；

利用初始化后的預設參數、差分進化算法以及粒子群優化算法對預先建立的最優潮流優化數學模型進行求解，得到最優潮流解；其中：

所述最優潮流優化數學模型為依據發電機的參數建立的、滿足約束條件的、使機組耗煤成本最低的最優潮流優化數學模型；所述最優潮流優化數學模型包括目標函數及所述約束條件；其中：

所述預設參數包括最大迭代次數、算法基本參數以及每個所述發電機的參數；

則，所述利用初始化后的預設參數、差分進化算法以及粒子群優化算法對預先建立的數學優化模型進行求解，得到最優潮流解的過程具體為：

S221：依據所述發電機的參數及所述算法基本參數隨機初始化種群，并將所有粒子分成PSO種群和DE種群；

S222：采用所述粒子群優化算法對所述PSO種群中的各個粒子進行速度和位置的更新，并依據潮流計算及所述目標函數分別計算出所述PSO種群中的各個當前粒子的適應度值，依據各個所述當前粒子的適應度值找到所述PSO種群中的最優適應度值對應的PSO種群最優粒子；

S223：采用所述差分進化算法對所述DE種群的各個粒子進行變異、交叉和選擇處理以產生新的粒子個體，并通過所述潮流計算及所述目標函數分別計算出所述DE種群中的各個當前粒子的適應度值，依據各個所述當前粒子的適應度值找到所述DE種群中的最優適應度值對應的DE種群最優粒子；

S224：比較所述PSO種群中的最優適應度值以及所述DE種群中的最優適應度值，并將所述PSO種群最優粒子與DE種群最優粒子中適應度值最優的粒子作為當前最優粒子，并保留進入下一代；

S225：判斷是否滿足終止條件，如果是，則將所述當前最優粒子作為最終最優粒子，并將與所述最終最優粒子對應的最優解進行輸出，所述與最終最優粒子對應的最優解為使所述目標函數達到最小值的最優潮流解，否則，返回S222，以進行下一次迭代；所述終止條件為最大迭代次數和/或預設精度；

所述依據潮流計算及所述目標函數分別計算出所述PSO種群中的各個當前粒子的適應度值，依據各個所述當前粒子的適應度值找到所述PSO種群中的最優適應度值對應的PSO種群最優粒子的過程為：

S2221：依據潮流計算及所述目標函數分別計算出所述PSO種群中的各個當前粒子的適應度值；

S2222：依據各個所述當前粒子的適應度值找到當前最優的粒子；

S2223：采用相應的動態調整策略對所述當前最優的粒子的壽命進行動態調整，并依據調整后的壽命判斷是否引入競爭者，如果是，則產生新個體粒子，并依據潮流計算及所述目標函數計算出所述新個體粒子的適應度值，并進入S2224；否則將所述當前最優的粒子作為所述PSO種群最優粒子，并保留進入下一代；

S2224：判斷所述新個體粒子的適應度值是否小于所述當前最優的粒子的適應度值，如果是，則將所述新個體粒子作為所述PSO種群最優粒子；否則，將所述當前最優的粒子的壽命減1，并將壽命減1后的當前最優的粒子作為所述PSO種群最優粒子，并保留進入下一代；

所述動態調整策略為：

所述PSO種群的個體優化程度值小于0，則所述當前最優的粒子的粒子壽命加2；

所述PSO種群的個體優化程度值等于0，且所述PSO種群的群體優化程度值小于0，則所述當前最優的粒子的粒子壽命加1；

所述PSO種群的個體優化程度值等于0，且所述PSO種群的群體優化程度值等于0，則所述當前最優的粒子的粒子壽命保持不變；

分別依據第一計算關系式和第二計算關系式得到相應的個體優化程度值和相應的群體優化程度值，其中：

所述第一計算關系式為所述第二計算關系式為其中，表示所述PSO種群的群體優化程度值，表示所述PSO種群中第i個個體的個體優化程度值，表示最優個體適應度，f(X_Gbest(t))表示群體最優個體適應度，t表示當前迭代次數，n表示PSO種群中的粒子數量，表示與第t-1次迭代對應的最優個體適應度，f(X_Gbest(t-1))表示與第t-1次迭代對應的群體最優個體適應度。