[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

本發明實施例公開了一種電力系統最優潮流的計算方法、裝置及系統，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；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；最優潮流優化數學模型包括目標函數及約束條件。可見，在優化前期粒子群優化算法具有較快的收斂速度，優化后期差分進化算法可以增強種群跳出局部最優解的能力，從而避免算法陷入局部最優解。通過粒子群優化算法和差分進化算法的混合算法對預先建立的最優潮流優化數學模型進行求解以得到收斂速度更快、精度更高的全局最優解。

技術領域

本發明實施例涉及電力系統調度自動化技術領域，特別是涉及一種電力系統的最優潮流方法、裝置及系統。

背景技術

最優潮流是當系統的結構參數及負荷給定時，通過對控制變量的尋優選擇，找到滿足所有運行約束條件，并使系統的某一性能指標或目標函數達到最優時的潮流分布。

最優潮流是一個典型的大規模有約束非線性多峰值的非凸規劃問題，針對這類問題的求解，國內外眾多學者提出了各種不同的優化算法。傳統的經典解算法如簡化梯度法、牛頓法、二次規劃法、解耦法和內點法等，對初值非常敏感且對優化目標及約束條件有一定的要求。故鑒于這類算法的以上缺點，又有人提出了新的求解最優潮流問題的算法，目前常用的算法為粒子群優化算法，克服了經典算法對初值敏感的缺點，該算法所依賴的參數較少，并且前期具有較快的收斂速度，但是后期由于所有粒子都向最優粒子靠近，種群因喪失多樣性而易陷入局部最優，從而使得到的結果并不是全局最優解。

因此，如何提供一種解決上述技術問題的電力系統的最優潮流方法、裝置及系統成為本領域的技術人員目前需要解決的問題。

發明內容

本發明實施例的目的是提供一種電力系統的最優潮流方法、裝置及系統，在使用過程中使得到的最優解更加優化，進一步得到全局最優解。

為解決上述技術問題，本發明實施例提供了一種電力系統最優潮流的計算方法，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。

可選的，所述預設參數包括最大迭代次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種群中的各個第一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種群的各個第二粒子進行變異、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；