[發(fā)明專利]基于遺傳優(yōu)化算法的同步調(diào)相機容量配置方法

在審

• 申請?zhí)枺?/td>: 202211249849.3
• 申請日: 2022-10-12
• 公開（公告）號: CN115563785A
• 公開（公告）日: 2023-01-03
• 發(fā)明（設(shè)計）人: 張迪;李程昊;高澤;張宇博;姜業(yè)基;王建波;田春筍;王驊;郝治國;楊松浩
• 申請（專利權(quán)）人: 國網(wǎng)河南省電力公司電力科學(xué)研究院;西安交通大學(xué)
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06N3/12;G06F111/04
• 代理公司: 西安智大知識產(chǎn)權(quán)代理事務(wù)所 61215
• 代理人: 何會俠

1.一種基于遺傳優(yōu)化算法的同步調(diào)相機容量配置方法，其特征在于：具體步驟如下:

步驟1：在BPA軟件中建立含同步調(diào)相機的電力系統(tǒng)暫態(tài)仿真模型；

步驟2：在Maltab中建立同步調(diào)相機容量優(yōu)化配置模型，確定目標函數(shù)和約束條件，目標函數(shù)具體包括同步調(diào)相機的安裝成本和安全性指標，約束條件具體包括調(diào)相機安裝位置和容量上限Q_imax；

步驟3：將s個無功補償點的同步調(diào)相機容量作為一個個體的s個分量，即每一個個體的值為[Q₁,Q₂,…,Q_i,…,Q_s]，其中Q_i為個體第i個同步調(diào)相機的容量；隨機生成包含n個個體的初始種群，令迭代次數(shù)k＝1；

步驟4：調(diào)用BPA軟件進行仿真，獲得每個個體所代表的同步調(diào)相機容量配置方案下發(fā)生預(yù)想故障時暫態(tài)電壓跌落數(shù)據(jù)，在MatLab中歸一化處理暫態(tài)電壓跌落數(shù)據(jù)，計算各個體的適應(yīng)度函數(shù)；

步驟5：保存適應(yīng)度函數(shù)最大的個體，記為調(diào)相機最優(yōu)配置容量SCo；

步驟6：對個體進行二進制編碼，執(zhí)行選擇、交叉和變異操作，然后將進化后個體還原至十進制，生成新的種群；

步驟7：判斷迭代次數(shù)是否大于最大迭代次數(shù)，若否，則令k＝k+1，返回步驟4繼續(xù)進行迭代，若是則跳出循環(huán)；

步驟8：輸出此時SCo，即為同步調(diào)相機容量最優(yōu)配置方案。

2.根據(jù)權(quán)利要求1所述的一種基于遺傳優(yōu)化算法的同步調(diào)相機容量配置方法，其特征在于：步驟4中所述的適應(yīng)度函數(shù)如下式所示：

式中，a₁代表了經(jīng)濟成本目標函數(shù)的權(quán)值，a₂代表了受端系統(tǒng)最大跌落電壓目標函數(shù)的權(quán)值，且a₁+a₂＝1；f₁代表同步調(diào)相機容量配置方案中的經(jīng)濟成本子目標函數(shù)，其值按式(2)計算：

式中，C_pu為單位容量同步調(diào)相機的費用；

f₂代表安裝同步調(diào)相機后受端系統(tǒng)電壓最大跌落指標，具體定義如下：

式中，q代表故障總數(shù)；p_g代表了故障g的發(fā)生概率；m為受端系統(tǒng)母線總數(shù)；V_i,min代表母線i在發(fā)生故障時的電壓最低值，其通過時域仿真獲取；V_i,0代表了母線i的穩(wěn)態(tài)電壓值。

3.根據(jù)權(quán)利要求1所述的一種基于遺傳優(yōu)化算法的同步調(diào)相機容量配置方法，其特征在于：步驟6中，執(zhí)行選擇、交叉和變異操作，選擇的原則為：按照概率選擇個體組成新的種群，第l個個體選中的概率P_l為：

式中，F(xiàn)_l是第l個個體的適應(yīng)度函數(shù)，F(xiàn)_sum是所有個體的適應(yīng)度函數(shù)之和；

交叉的原則為：對種群進行隨機配對，逐一對配對的個體隨機選擇一個交叉位置按照設(shè)定的交叉率c進行交叉；

變異的原則為：隨機選擇某一個體，對選擇的個體隨機選擇位置按照變異率v進行變異。