一种基于遗传算法的故障限流器优化布点配置方法技术

技术编号:14347997 阅读:216 留言:0更新日期:2017-01-04 18:36
本发明专利技术公开了一种基于遗传算法的FCL优化布点方法。此方法针对超高压电网安装FCL的优化配置问题提出来的一种计算快速的配置限流器全局优化的方法。利用计算机遗传算法的便利区域广、计算速度快等特点,将满足适应函数的最优方案提取出来。该方法综合考虑了单台限流器的阻值、限流安装台数以及限流器布点配置情况,得到限流器的全局最优布点配置,并以浙江500kv电网乔司站局部线路作为本发明专利技术的分析实例,验证了本发明专利技术的可行性,避免了凭借经验人工选择安装布点可能导致的非最优安装情况。

【技术实现步骤摘要】

本专利技术涉及电力设计
,特别是限流器在电网中的选点与容量配置问题。
技术介绍
在500kv电网中,许多超高压变电站中配置的遮断容量为50KA的断路器存在短路容量严重不足的情况。在重点短路电流来源支路安装限流器的方法,能够将故障电流限制在断路器遮断容量以下,配合断路器动作,能够避免大规模更换断路器带来的浪费。但是,现有限流器选点技术大多是根据具体电网参数,通过人工经验的方式进行限流器选点配置,可能导致非最优的安装情况。
技术实现思路
专利技术目的:为了克服现有技术中存在的不足,本专利技术提供一种基于遗传算法的故障限流器(faultcurrentlimiter,简称FCL)优化布点配置方法,用于解决现有技术中需通过人工经验进行限流器布点可能导致的非最优情况。技术方案:为实现上述目的,本专利技术采用的技术方案为:一种基于遗传算法的故障限流器优化布点配置方法,包括顺序执行的以下步骤:步骤1、通过对电网指定电压等级节点进行三相短路故障的短路电流扫描,确定需要限制短路电流的全部节点,并计算上述节点的自阻抗、互阻抗值;同时,设定电网中能够安装的故障限流器数量下限值为1、上限值为M,设定故障限流器的阻值范围,设定限制短路电流的节点的限流目标;步骤2、定义遗传算法中的每个染色体为由故障限流器在电网中的安装位置、故障限流器的安装数量以及故障限流器的阻值信息组成的二进制代码序列,设定遗传算法的种群中染色体的总数为N;步骤3、设定遗传算子系数,经过遗传算子迭代,寻找种群最优适应函数值FV对应的染色体作为全局最优个体,按照全局最优个体的二进制代码序列所对应的故障限流器在电网中的安装位置、故障限流器的安装数量以及故障限流器的阻值信息进行故障限流器的配置;步骤4、改变遗传算子系数,产生相应的故障限流器在电网中的配置方案,选取满足限流效果且限流效果最佳情况下对应的遗传算子系数以及相应的故障限流器的配置方案为最终结果。具体的,在本专利技术中,步骤3中,种群最优适应函数值FV的数学模型如下:maxδ=Σ|ΔYii(k)|ϵ(k)Yf1+Yf2+...+Yfi′+...+Yfms.t.Yii(k)≤YG(k),1≤k≤n]]>上式中:等号左边即为种群最优适应函数值FV;k为节点号;n为支路节点总数;Yfi'为故障限流器的阻值,i'取1到m,m表示使用的故障限流器的数量;ε(k)为节点号为k的节点超过短路电流允许值的幅度,为节点号为k的节点的限流目标,为节点号为k的节点的短路电流值;Yii(k)为节点号为k的节点自导纳模值,满足为节点号为k的节点线路导纳;YG(k)为节点号为k的节点的短路电流恰好达到时的节点号为k的节点的自导纳值;加入故障限流器前后节点号为k的节点的自导纳模值之差。更进一步的,在本专利技术的计算过程中,在节点导纳矩阵中计算加入故障限流器后的节点导纳;加入故障限流器前的节点导纳矩阵形式如下:上式中,节点i和节点j之间的互导纳用Yij表示,节点i的自导纳用Yii表示,i和j均在1到n中取值;加入故障限流器后的节点导纳矩阵形式如下:上式中:yij=1Zf′Zf′=-(Zij2Zf+Zij)]]>Zf为接入节点i和节点j之间的支路的故障限流器的电抗;Zij为节点i和节点j之间的支路在接入故障限流器之前的阻抗。有益效果:与现有技术相比,本专利技术的有益效果是:基利用计算机遗传算法遍历区域广,计算速度快的特点,将满足适应函数的最优方案提取出来。该算法综合考虑了单台限流器阻值、限流安装台数以及限流器安装布点因素,将上述因素以二进制编码的形式作为遗传算法的个体基因输入数据,通过遗传算法以及适应函数值的大小遍历电网中所有可能的安装方案,并且通过设置不同的算法系数,计算出不同参数下的适应函数最大值,并从中提取最优方案,获得限流器的全局最优布点配置,为限流器电网配置提供充分的数据支撑,避免了凭借经验人工选择安装布点可能导致的非最优安装情况。附图说明图1为故障限流器接入的等效图;图2为算法的计算流程;图3为乔司站局部线路图。具体实施方式下面结合附图对本专利技术作更进一步的说明。遗传算法以遗传理论和自然选择为基础,通过“生成+检测”的迭代过程进行搜索,将群体内部染色体的随机信息交换机制和生物进化论思想相结合来实现最优解的搜索。在遗传算法搜索之前,首先要进行编码获得染色体,然后构建一个由若干染色体所组成的种群,并且设定一个检测函数来对问题的优化程度进行评价;最后根据生物进化论进行迭代。在遗传算法中包含了如下4个基本要素。(1)编码一般采用一定长度的二进制编码串对优化问题的变量进行编码,编码串中的内容称之为基因,整个编码串称之为个体即染色体,每一个染色体就代表了优化问题的一个可行解。(2)种群将若干个染色体组成一个初始种群,并且在遗传、迭代过程中不断实现种群中染色体的更新。种群表示优化问题的一组可行解集合。本实施方式中将种群中染色体的数量设置为200。(3)适应度函数适应度函数即对染色体的个体适应函数值FV进行评价,计算个体适应函数值FV在种群总适应函数值所占的比重作为评价适应值优劣的标准,相当于优化问题的目标函数值。一般而言,个体适应函数值FV大的个体表示适应度更高。(4)遗传算子遗传算子即遗传算法迭代过程中对优化问题的可行解进行随机搜索的过程,遗传算子包括选择、交叉和变异。①其中选择表示按照一定的比例从种群中选取一部分适应度较高的染色体直接遗传到下一代,从而保证基因较好的个体能够保留,具有更多的繁殖后代的机会。②交叉模拟生物界配种的过程,通过交换两个染色体的部分基因,通过交叉随机系数px作为两个染色体交换基因的位置,从而构成下一代新的染色体;③变异即随机对染色体的某些基因位置进行随机修改,其中随机门槛值为变异系数pm,随机确定变异的位置,将染色体中该位置取反,模拟自然界中的基因突变,得到下一代新的染色体。在遗传算子中,选择算子主要是保证种群中优秀的个体能够顺利的保留到下一代,从而保证算法的收敛性;交叉算子和变异算子的主要目的就是为了扩大搜索范围,从而提高得到最优解的可行性。因此,在上述遗传算法的基础上,对FCL进行全局优化配置,步骤如下:步骤1、通过对电网指定电压等级节点进行三相短路故障的短路电流扫描,确定需要限制短路电流的全部节点,并计算上述节点的自阻抗、互阻抗值;同时,设定电网中能够安装的故障限流器数量下限值为1、上限值为M,设定故障限流器的阻值范围,设定限制短路电流的节点的限流目标(如使指定电压等级所有节点短路电流小于断路器遮断容量等,该目标可根据具体需求制定)。步骤2、编制遗传算法所需的二进制代码序列获得染色体,根据故障限流器优化配置问题的算法特点,遗传算法的编码采用二进制编码技术建模,每一组二进制编码的染色体包含故障限流器在电网安装的位置(随机设置初始位置)、故障限流器安装的数量以及故障限流器阻值的信息,可以由下式表示:X=(x1,x2,……xi”……xn')(1)(1)式中:xi”为由0、1组成的二值变量;xi的下标i表示单个染色体中变量的标号,满足1<i”<n',n'表示表达每个染色体需要的变量总数;故障限流器在电网安装的位置参照其所本文档来自技高网...
一种基于遗传算法的故障限流器优化布点配置方法

【技术保护点】
一种基于遗传算法的故障限流器优化布点配置方法,其特征在于:包括顺序执行的以下步骤:步骤1、通过对电网指定电压等级节点进行三相短路故障的短路电流扫描,确定需要限制短路电流的全部节点,并计算上述节点的自阻抗、互阻抗值;同时,设定电网中能够安装的故障限流器数量下限值为1、上限值为M,设定故障限流器的阻值范围,设定限制短路电流的节点的限流目标;步骤2、定义遗传算法中的每个染色体为由故障限流器在电网中的安装位置、故障限流器的安装数量以及故障限流器的阻值信息组成的二进制代码序列,设定遗传算法的种群中染色体的总数为N;步骤3、设定遗传算子系数,经过遗传算子迭代,寻找种群最优适应函数值FV对应的染色体作为全局最优个体,按照全局最优个体的二进制代码序列所对应的故障限流器在电网中的安装位置、故障限流器的安装数量以及故障限流器的阻值信息进行故障限流器的配置;步骤4、改变遗传算子系数,产生相应的故障限流器在电网中的配置方案,选取满足限流效果且限流效果最佳情况下对应的遗传算子系数以及相应的故障限流器的配置方案为最终结果。

【技术特征摘要】
1.一种基于遗传算法的故障限流器优化布点配置方法,其特征在于:包括顺序执行的以下步骤:步骤1、通过对电网指定电压等级节点进行三相短路故障的短路电流扫描,确定需要限制短路电流的全部节点,并计算上述节点的自阻抗、互阻抗值;同时,设定电网中能够安装的故障限流器数量下限值为1、上限值为M,设定故障限流器的阻值范围,设定限制短路电流的节点的限流目标;步骤2、定义遗传算法中的每个染色体为由故障限流器在电网中的安装位置、故障限流器的安装数量以及故障限流器的阻值信息组成的二进制代码序列,设定遗传算法的种群中染色体的总数为N;步骤3、设定遗传算子系数,经过遗传算子迭代,寻找种群最优适应函数值FV对应的染色体作为全局最优个体,按照全局最优个体的二进制代码序列所对应的故障限流器在电网中的安装位置、故障限流器的安装数量以及故障限流器的阻值信息进行故障限流器的配置;步骤4、改变遗传算子系数,产生相应的故障限流器在电网中的配置方案,选取满足限流效果且限流效果最佳情况下对应的遗传算子系数以及相应的故障限流器的配置方案为最终结果。2.根据权利要求1所述的基于遗传算法的故障限流器优化布点配置方法,其特征在于:步骤3中,种群最优适应函数值FV的数学模型如下:maxδ=Σ|ΔYii(k)|ϵ(k)Yf1+Yf2+...+Yfi′...

【专利技术属性】
技术研发人员:吴维宁郑建勇程章朱金大俞拙非侯凯骆健武迪沙浩源隗华荣
申请(专利权)人:国家电网公司南京南瑞集团公司国网电力科学研究院东南大学
类型:发明
国别省市:北京;11

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1