[發(fā)明專利]一種基于改進粒子群算法的電力系統(tǒng)無功優(yōu)化方法

在審

• 申請?zhí)枺?/td>: 201710481491.X
• 申請日: 2017-06-22
• 公開（公告）號: CN109120017A
• 公開（公告）日: 2019-01-01
• 發(fā)明（設(shè)計）人: 沈岳峰;楊燁;程青青;熊玉倩;江曉燕
• 申請（專利權(quán)）人: 南京理工大學(xué)
• 主分類號: H02J3/50
• 分類號: H02J3/50;G06N3/00;G06Q10/04;G06Q50/06
• 代理公司: 南京理工大學(xué)專利中心 32203
• 代理人: 朱顯國

本發(fā)明公開了一種基于改進粒子群算法的電力系統(tǒng)無功優(yōu)化方法，包括以下步驟：1)輸入系統(tǒng)數(shù)據(jù)和優(yōu)化算法參數(shù)并初始化種群；2)根據(jù)粒子群算法和差分進化算法種群中個體的位置信息進行潮流計算；3)更新粒子群算法和差分進化算法種群；4)比較兩種群最優(yōu)值的優(yōu)劣并保存最佳個體的位置和相應(yīng)適應(yīng)值。本發(fā)明提出的動態(tài)無功優(yōu)化方法能夠時刻保證以網(wǎng)損值最小為依據(jù)分配工作時間，嚴格滿足控制設(shè)備動作次數(shù)約束，解決了動態(tài)無功優(yōu)化問題，具有數(shù)學(xué)模型簡單清晰，易于理解，求解速度快，問題規(guī)模小的優(yōu)點，較好地解決動態(tài)無功優(yōu)化問題。

技術(shù)領(lǐng)域

本發(fā)明屬于電力系統(tǒng)無功優(yōu)化領(lǐng)域，特別是一種基于改進粒子群算法的電力系統(tǒng)無功優(yōu)化方法。

背景技術(shù)

電力系統(tǒng)無功功率的合理分布是保證電壓質(zhì)量的基本條件。一方面，無功過剩將抬高系統(tǒng)電壓，使電壓越上限運行，從而危害系統(tǒng)和設(shè)備的安全運行，而且過多的無功備用也會造成不必要的投資。另一方面，無功功率不足將降低系統(tǒng)電壓，使電壓越下限運行，用電設(shè)備不能充分利用，系統(tǒng)一旦發(fā)生較大的擾動，就可能使電壓低于臨界電壓，引發(fā)電壓崩潰，系統(tǒng)因失去同步而瓦解導(dǎo)致一系列災(zāi)難性事故發(fā)生。

在現(xiàn)代大電網(wǎng)中，隨著電力系統(tǒng)聯(lián)網(wǎng)容量的增大和輸電電壓的提高，輸電功率變化和高壓線路的投切都將引起很大的無功功率變化，系統(tǒng)對無功功率和電壓的調(diào)節(jié)和控制能力的要求越來越高。另一方面，由于受電力市場化變革的影響以及來自環(huán)境、經(jīng)濟和技術(shù)方面的制約，為了充分利用系統(tǒng)資源，現(xiàn)代電網(wǎng)越來越接近于極限運行狀態(tài)，這使得電網(wǎng)缺乏靈活的調(diào)節(jié)能力，特別是在某些緊急運行情況下，電網(wǎng)更加脆弱，通過無功電壓優(yōu)化控制，不僅能改善電壓質(zhì)量，提高系統(tǒng)穩(wěn)定性，還能降低有功網(wǎng)損，節(jié)約能源。

電力系統(tǒng)無功優(yōu)化與控制是提高電壓合格率、降低網(wǎng)損的重要措施，是保證系統(tǒng)安全、經(jīng)濟運行的一項有效手段。通過無功優(yōu)化調(diào)度可以充分利用電力系統(tǒng)中的無功電源，優(yōu)化電網(wǎng)的無功潮流分布，降低電網(wǎng)的有功損耗，并改善電壓質(zhì)量，提高電壓穩(wěn)定性。隨著電力規(guī)模的不斷擴大，用戶對電能質(zhì)量要求的提高。但是目前電力系統(tǒng)無功優(yōu)化中粒子群算法收斂速度快，易陷入局部最優(yōu)。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于改進粒子群算法的電力系統(tǒng)無功優(yōu)化方法。

實現(xiàn)本發(fā)明目的的技術(shù)解決方案為：一種基于改進粒子群算法的電力系統(tǒng)無功優(yōu)化方法，包括以下步驟：

步驟1、輸入系統(tǒng)數(shù)據(jù)和優(yōu)化算法參數(shù)并初始化種群；系統(tǒng)數(shù)據(jù)包括發(fā)電機參數(shù)、負荷參數(shù)、變壓器參數(shù)、無功補償參數(shù)等，各類控制變量的上下限值以及各種約束條件，對控制變量隨機產(chǎn)生的初始解群由粒子的控制變量及其上下限值決定，并設(shè)置迭代次數(shù)為0，即在控制變量約束范圍內(nèi)隨機初始化兩個種群中每個個體的位置。

步驟2、根據(jù)粒子群算法和差分進化算法種群中個體的位置信息進行潮流計算；

對不同位置的粒子，根據(jù)目標函數(shù)計算各自的潮流值，得出網(wǎng)絡(luò)損耗值，進而得出最終的目標函數(shù)值，這一過程可以分為兩個相互獨立又相互聯(lián)系的兩個進程，一個是計算出某次迭代的電網(wǎng)潮流值，另一個是根據(jù)得出的潮流值對電網(wǎng)的網(wǎng)絡(luò)參數(shù)重新進行修正，進行新一輪的電網(wǎng)潮流計算。

步驟3、更新粒子群算法和差分進化算法種群；

對兩種算法種群的更新主要由三部分組成，第一部分為粒子先前速度的繼承，表示粒子對當(dāng)前自身運動狀態(tài)的信任，依據(jù)自身的速度進行慣性運動，第二部分表示粒子本身的思考，即綜合考慮自身以往的經(jīng)歷從而實現(xiàn)對下一步行為決策，它反映的是一個增強學(xué)習(xí)過程，第三部分表示粒子間的信息共享與相互合作，在搜索過程中粒子一方面記住它們自己的經(jīng)驗，同時考慮其同伴的經(jīng)驗，當(dāng)單個粒子察覺同伴經(jīng)驗較好的時候，它將進行適應(yīng)性的調(diào)整，尋求一致認知過程。

步驟4、比較兩種群最優(yōu)值的優(yōu)劣并保存最佳個體的位置和相應(yīng)適應(yīng)值。具體是比較粒子群體中最佳個體和差分進化群體中最佳個體的優(yōu)劣，選擇最佳個體作為粒子群算法和差分進化算法的下一步進化的依據(jù)。