一种基于改进CSO算法的电力系统无功优化方法技术方案

本发明专利技术公开了一种基于改进的CSO算法的电力系统无功优化方法，所述算法是一种基于改进纵横交叉算法(ICSO)的群体智能搜索算法，主要包括横向交叉、纵向交叉和差分变异三个算子。横向交叉通过对种群内的所有粒子进行两两不重复配对，在配对粒子之间及其外缘实行搜索更新；纵向交叉是对所有维进行配对，然后进行算术交叉；差分变异通过对每个粒子进行变异扰动、交叉，最后进行择优选择，三个算子通过选择操作更新种群，不仅加快了收敛速度，同时保持了种群的多样性。本发明专利技术的有益效果在于：本发明专利技术的改进纵横交叉算法(ICSO)收敛速度快、种群內个体间信息交流完全、全局收敛能力强、粒子多样性好，对于电力系统无功优化这个高维度、多约束、非线性的复杂实际问题有着很好的适用性。

【技术实现步骤摘要】
一种基于改进纵横交叉算法的电力系统无功优化方法
本专利技术涉及一种电力系统无功优化方法，尤其是涉及一种基于改进CSO(ICSO)算法的电力系统无功优化方法。
技术介绍
电力系统无功优化对电力系统的高效、稳定、经济运行有着极其重要的意义。作为电力系统的一个典型优化问题，无功优化是指在满足各种约束条件的基础上，通过控制发电机的极端电压输出、无功补偿容量、有载调压变压器分接头来合理配置电网的无功潮流分布，使得网络传输损耗最小，提高系统电压质量，进而提高系统的安全性与经济性。这是一个非线性、多维度、多约束、连续和非连续变量相结合的优化问题。近年来，随着智能算法的发展，越来越多的基于生物群体智能的优化算法被用到电力系统无功优化问题上面来，如：粒子群算法(PSO)、进化算法(EA)、遗传算法(GA)、群搜索算法(GSO)、人工蜂群算法(ACO)、蚁群算法(ACO)、差分算法(DE)等。这些算法虽各有特点，并在不同程度上面取得了一些进展，但是对于电力系统无功优化这个多约束、非线性、高纬度的复杂优化问题依然存在许多弊端。如：遗传算法(GA)运行时间长；粒子群算法(PSO)容易陷入局部最优；进化算法(EA)、人工蜂群算法(ACO)、群搜索算法(GSO)等粒子多样性差，控制参数多等。另外，许多算法全局收敛能力差，对于无功优化这个复杂模型的全局收敛能力不够强，容易陷入局部最优。因此，如何使得一种算法能够高效、快速、精确地收敛到最优解一直是一个技术难题。
技术实现思路
本专利技术所要解决的技术问题，就是提供一种在保证粒子多样性与算法收敛速度的前提下，同时又具有强大全局收敛能力的基于改进CSO算法的电力系统无功优化方法。解决上述技术问题，本专利技术采用的技术方案是：一种基于改进CSO算法的电力系统无功优化方法，其特征在于包括以下步骤：S1，以系统有功网损最小为目标函数，考虑等式约束和不等式约束，建立电力系统无功优化模型；S2，结合电力系统无功优化模型初始化种群；S3，执行纵向交叉后进入选择操作；S4，执行横向交叉后进入选择操作；S5，执行差分变异后进入选择操作；S6，判断达至终止条件否：若达到最大迭代次数，则结束循环，输出结果；否则，转步骤3。所述的步骤S1中，系统有功网损最小的目标函数式为：其中，Ploss为系统有功网损；Ui，Uj分别是节点i，j的电压幅值；Gij，θij分别为节点i，j之间的电导和电压相角差；N指种群大小；等式约束式(2)为：其中，Pgi和Pdi分别为节点i的有功输出和有功负荷；Qgi和Qdi分别节点i的无功输出和无功负荷；Bij为节点i，j之间的电纳；不等式约束为：其中，Ugi.min和Ugi.max分别为发电机i的电压上、下限；Qci.min和Qci.max分别为电容补偿器i的投切组数上、下限；KTi.min和KTi.max分别为有载调压变压器i的抽头位置上、下限；ULi.min和ULi.max分别为负荷节点i的电压上、下限；QGi.min和QGi.max分别为发电机i无功出力的上、下限；式(1)、(2)和(3)构成电力系统无功优化模型。所述的步骤S2初始化种群具体为：设定种群大小N，控制变量数D，D即维数，包括：发电机机端电压、Ug无功补偿容量Qc、有载调压变压器变比KT；最大迭代次数Maxgen，纵向交叉率pvc，横向交叉率phc，差分交叉率CR，在D维问题的搜索空间内随机初始化种群X，其中，第i个个体为Xi＝[Xi1,Xi2,…XiD]。所述步骤S3中，执行纵向交叉具体包括以下子步骤：S3-1获取父代种群，也即差分变异后得到的解，第一代为初始种群；S3-2对父代个体的每一维进行归一化处理，公式如下：其中，i∈(1,N),j∈(1,D)；Pjmin和Pjmax分别为第j维控制变量的上、下限；k为当前代数；S3-3对种群中所有维进行两两不重复配对，共有N/2对，相邻的两个数为配对的序号；S3-4按顺序依次取出每一对，设d1，d2两维被选中；S3-5在纵向交叉率pvc下，粒子X(i)的第d1和d2维执行纵向交叉，公式如下：MSvc(i,d1)＝r·X(i,d1)+(1-r)·X(i,d2)i∈N(1,M),d1,d2∈N(1,D)；其中，r为[0,1]上的均匀分布随机数；MSvc(i,d1)为粒子X(i)的第d1维子代；S3-6重复子步骤S3-4和步骤S3-5d/2次；S3-7对MDvc进行反归一化，得到中庸解，公式如下：MSvc(i,j)＝MSvc(i,j)·(Pjmax-Pjmin)+Pjmin；S3-8执行选择操作，获得纵向交叉后的占优解DSvc。所述步骤S4中，执行横向交叉具体包括以下子步骤：S4-1获取父代种群，也即纵向交叉的占优解DSvc；S4-2对种群中的所有个体进行两两不重复配对，共有N/2对，相邻的两个数为配对的序号；S4-3按顺序依次取出每一对，设粒子X(i)和X(j)被取出；S4-4在横向交叉概率Phc下对粒子X(i)和X(j)的第d维执行横线交叉，公式如下：MShc(i,d)＝r1·X(i,d)+(1-r1)·X(j,d)+c1·(X(i,d)-X(j,d))MShc(j,d)＝r1·X(j,d)+(1-r2)·X(i,d)+c1·(X(j,d)-X(i,d))其中，d∈(1,D)；r1,r2为为[0,1]上的均匀分布随机数；c1,c2为[-1,1]之间的均匀分布随机数；X(i,d)和X(j,d)分别为粒子i和j的第d维；MShc(i,d)和MShc(j,d)分别为横向交叉后的中庸解；S4-5重复步骤S4-3和步骤S4-4N/2次；S4-6执行选择操作，获得横向交叉后的占优解DShc。所述步骤S5中，执行差分变异具体包括以下子步骤：S5-1获取父代种群，即横向交叉的占优解DShc；S5-2对第k代中的每个个体i∈(1,N)，按下式进行变异操作：其中，r1∈(1,N),r2∈(1,N),r3∈(1,N)，且i≠r1≠r2≠r3；MF∈[0.05,2],为缩放因子；为个体的变异体。S5-3对种群中每个个体进行交叉操作，公式如下：其中，CR为交叉概率，设为0.2；rnb(i)为[1,N]之间的一个随机整数；为交叉后得到的实验向量；S5-4执行选择操作。计算试验向量的适应值，若较更优，则否则，所述的选择操作如下：若中庸解MS(i)的适应值优于其父代X(i)，则DS(i)←MS(i)；否则，DS(i)←X(i)。与现有技术相比，本专利技术具有如下显著的效果：(1)本专利技术提出的ICSO算法简单明了，控制参数少，易于操作，减少了算法运行时间；(2)本专利技术提出的ICSO算法所使用的纵向交叉和横向交叉算子使得种群在每次迭代中都使所有粒子或者所有维进行两两配对，折中更新，竞争取优，充分利用了群体中每个个体的信息。并且纵向交叉和横向交叉相互交替着进行，这种连锁式的优化方式使得粒子个体信息能够快速地在种群中传播开来，达到了很好的交流作用，极大地提高了算法的全局收敛能力；(3)本专利技术提出的ICSO算法所使用的差分变异算子使得粒子在快速的更新过程中能很好地保持种群多样性，提高了算法跳出局部最优的能力。附图说明图1为应用本专利技术的电力系统实施例IEEE-57节点系统图；图2为本专利技术的基于改进CSO算法的电力系统无功本文档来自技高网...

【技术保护点】
一种基于改进CSO算法的电力系统无功优化方法，其特征在于包括以下步骤： S1，以系统有功网损最小为目标函数，考虑等式约束和不等式约束，建立电力系统无功优化模型； S2，结合电力系统无功优化模型初始化种群； S3，执行纵向交叉后进入选择操作； S4，执行横向交叉后进入选择操作； S5，执行差分变异后进入选择操作； S6，判断达至终止条件否：若达到最大迭代次数，则结束循环，输出结果；否则，转步骤S3。

【技术特征摘要】
1.一种基于改进纵横交叉算法的电力系统无功优化方法，其特征在于包括以下步骤：S1，以系统有功网损最小为目标函数，考虑等式约束和不等式约束，建立电力系统无功优化模型；S2，结合电力系统无功优化模型初始化种群；S3，执行纵向交叉后进入选择操作；S4，执行横向交叉后进入选择操作；S5，执行差分变异后进入选择操作；S6，判断达至终止条件否：若达到最大迭代次数，则结束循环，输出结果；否则，转步骤S3；所述的步骤S1中，系统有功网损最小的目标函数式为：其中，Ploss为系统有功网损；Ui，Uj分别是第i个和第j个节点的电压幅值；Gij，θij分别为第i个和第j个节点之间的电导和电压相角差；N指种群大小；等式约束式为：其中，Pgi和Pdi分别为第i个节点的有功输出和有功负荷；Qgi和Qdi分别为第i个节点的无功输出和无功负荷；Bij为第i个节点和第j个节点之间的电纳；不等式约束为：其中，Ugi.min和Ugi.max分别为第i个发电机的电压上、下限；Qci.min和Qci.max分别为第i个电容补偿器的投切组数上、下限；KTi.min和KTi.max分别为第i个有载调压变压器的抽头位置上、下限；ULi.min和ULi.max分别为第i个负荷节点的电压上、下限；QGi.min和QGi.max分别为第i个发电机无功出力的上、下限；式(1)、(2)和(3)构成电力系统无功优化模型。2.根据权利要求1所述的基于改进纵横交叉算法的电力系统无功优化方法，其特征在于：所述的步骤S2初始化种群具体为：设定种群大小N，控制变量数D，D即维数，包括：发电机机端电压Ug、无功补偿容量Qc、有载调压变压器变比KT；最大迭代次数Maxgen，纵向交叉率pvc，横向交叉率phc，差分交叉率CR，在D维问题的搜索空间内随机初始化种群X，其中，第i个个体为Xi＝[Xi1,Xi2,...XiD]，i∈(1,N)。3.根据权利要求2所述的基于改进纵横交叉算法的电力系统无功优化方法，其特征在于：所述步骤S3中，执行纵向交叉具体包括以下子步骤：S3-1获取父代种群，也即差分变异后得到的解，第一代为初始种群；S3-2对父代个体的每一维进行归一化处理，公式如下：其中，i∈(1,N),j∈(1,D)；Pjmin和Pjmax分别为第j维控制变量的上、下限；k为当前代数；S3-3对种群中所有维进行两两不重复配对，共有D/2对，相邻的两个数为配对的序号；S3-4按顺序依次取出每一对，设d1，d2两维被选中；S3-5在纵向交叉率pvc下，第k代种群中的第i个个体的第d1和d2维执行纵向交叉，公式如下：...

【专利技术属性】
技术研发人员：卢道远，陈冬沣，欧周，孟安波，李专，陈智慧，
申请(专利权)人：广东电网公司揭阳供电局，广东工业大学，
类型：发明
国别省市：广东;44