一种大规模电力系统混合整数无功优化的精确连续化方法技术方案

本发明专利技术涉及一种大规模电力系统混合整数无功优化的精确连续化方法，包括以下步骤：步骤S1：进行无功优化预计算；步骤S2：利用sigmoid函数建立连续化的无功优化模型；步骤S3：采用原对偶内点法重新进行无功优化计算；步骤S4：进行迭代过程陡坡参数自适应动态校正。本方法突破了传统基于sigmoid函数无功优化方法迭代过程中易陷入局部最优解的限制，根据控制变量的迭代求解程度及中间结果信息，自适应动态校正不同迭代期各控制变量对应的陡坡参数各分量下降速度。具有全局收敛性好、计算速度快等优势，能够用于大规模电力系统混合整数无功优化问题的精确化求解。

【技术实现步骤摘要】

本专利技术属于电力系统无功优化领域，特别涉及一种大规模电力系统混合整数无功优化的精确连续化方法。
技术介绍
无功优化是电力系统安全和经济运行研究的重要方面，其主要用于指导电力系统的优化调度和运行。通过对控制变量的优化调整，实现无功潮流的优化分布，以提高系统电压水平和电压稳定性，同时降低网络损耗，保证电力系统安全、稳定、经济、优质地运行。电力系统无功优化问题的模型中包含大量连续变量和离散变量，加上目标函数、功率方程、系统安全稳定运行约束条件的非线性，因此无功优化问题是一个非常复杂的大规模非凸非线性混合整数规划问题。对于这样一个复杂的问题，至今没有找到完善的求解方法。由于无功优化计算的结果直接应用于控制各无功电压控制设备，这对计算结果的准确性要求非常高。对无功优化问题中的离散变量处理不恰当会影响其在电力系统中的应用效果。因此，如何精确、快速地处理这些离散变量是求解大规模无功优化问题的关键，也是该问题的难点。Sigmoid函数是人工神经网络中最重要的传递函数之一，其最早也最经常在人工神经网络中使用，具有连续、光滑、可微、有界等良好特性，有利于处理规划问题中的离散量，但存在迭代过程易陷入局部最优解的风险。因此，有必要采用一种sigmoid函数陡坡参数自适应动态校正方法，改善整个算法的全局收敛性。
技术实现思路
有鉴于此，本专利技术的目的是提供一种大规模电力系统混合整数无功优化的精确连续化方法，突破了传统基于sigmoid函数无功优化方法迭代过程中易陷入局部最优解的限制，根据控制变量的迭代求解程度及中间结果信息，自适应动态校正不同迭代期各控制变量对应的陡坡参数各分量下降速度，具有全局收敛性好、计算速度快等优势。本专利技术采用以下方案实现：一种大规模电力系统混合整数无功优化的精确连续化方法，包括以下步骤：步骤S1：进行无功优化预计算；步骤S2：利用sigmoid函数建立连续化的无功优化模型；步骤S3：采用原对偶内点法重新进行无功优化计算；步骤S4：进行迭代过程陡坡参数自适应动态校正。进一步地，所述步骤S1具体为：将变压器抽头和电容电抗器投切组数作为连续变量处理，采用原对偶内点法对无功优化进行预计算，快速获取离散变量连续最优解左右两侧的离散值。进一步地，所述步骤S2具体为：利用sigmoid函数进行无功优化模型连续化，将离散变量的不等式约束化为如公式(4)与公式(5)所示的连续变量的等式约束，采用以下公式得到新的优化模型：ΔQi=QGi+Qci-QLi-ViΣj=1nVj(Gijsinθij-Bijcosθij)=0---(3)]]>QCi=QCi(n)+ezi/μi1+ezi/μiQC0---(5)]]>QGi‾QGiQGi‾---(7)]]>Pij‾PijPij‾---(9)]]>其中，xi为sigmoid函数变量，zi为离散变量，μi为陡坡参数，e为自然常数，i、j为网络节点编号，V为电压，Vi、分别为电压的下限与上限，Gij、Bij分别为导纳矩阵电导和电纳值，θij为节点i、j相角差，ΔPi、ΔQi为节点i修正有功和无功功率，PGi、QGi分别为电源注入节点有功和无功功率，PGi、分别为PGi的下限与上限，QGi、分别为QGi的下限与上限，PLi、QLi分别为节点负荷有功和无功功率，ki为节点i变压器抽头档位，ki(n)为无功优化预计算变压器抽头档位，k0单位变压器抽头档位，QCi为节点i低压电容电抗器投切值，QCi(n)为无功优化预计算节点i低压电容电抗器投切值，QC0为单位低压电容电抗器投切值，Pij为ij支路功率，Pij分别为支路功率Pij的上限与下限。进一步地，所述步骤S3具体为：采用原对偶内点法将离散控制变量以预计算结果作为初值，其它变量重新赋初值，再次进行无功优化计算。进一步地，步骤S4具体为：在迭代过程陡坡参数自适应动态校正时，sigmoid函数随着迭代的进行，陡坡参数μ→0，连续化的控制变量最终收敛于0或1：其中，k为当前迭代次数，为陡坡参数系数当前迭代值，β0为陡坡参数系数迭代初值，λi为下降方向，为节点i主变抽头档位或低压电容电抗投切当前迭代值。与现有技术相比，本专利技术具有以下优点：a)根据控制变量的迭代求解程度及中间结果信息，能够自适应动态校正不同迭代期各控制变量对应的陡坡参数各分量下降速度，具有全局收敛性好、计算速度快等优势。b)基于自适应动态校正陡坡参数迭代方法的离散变量sigmoid函数连续化方法，结合原对偶内点法能够用于大规模电力系统混合整数无功优化问题求解，兼顾精确性和计算效率。附图说明图1为本专利技术的方法流程示意图。图2为本专利技术中的sigmoid函数图像族图3为本专利技术实施例中计算程序流程图。具体实施方式下面结合附图及实施例对本专利技术做进一步说明。本实施例提供一种大规模电力系统混合整数无功优化的精确连续化方法，其特征在于：如图1所示，包括以下步骤：步骤S1：进行无功优化预计算；步骤S2：利用sigmoid函数建立连续化的无功优化模型；步骤S3：采用原对偶内点法重新进行无功优化计算；步骤S4：进行迭代过程陡坡参数自适应动态校正。在本实施例中，所述步骤S1具体为：将变压器抽头和电容电抗器投切组数作为连续变量处理，采用原对偶内点法对无功优化进行预计算，快速获取离散变量连续最优解左右两侧的离散值。在本实施例中，所述步骤S2具体为：利用sigmoid函数进行无功优化模型连续化，将离散变量的不等式约束化为如公式(4)与公式(5)所示的连续变量的等式约束，采用以下公式得到新的优化模型：ΔQi=QGi+Qci-QLi-ViΣj=1nVj(Gijsinθij-Bijcosθij)=0---(3)]]>QCi=QCi(n)+ezi/μi1+ezi/μiQC0---(5)]]>QGi‾QGiQGi‾---(7)]]>Pij‾PijPij‾---(9)]]>其中，xi为sigmoid函数变量，zi为离散变量，μi为陡坡参数，e为自然常数，i、j为网络节点编号，V为电压，Vi、分别为电压的下限与上限，Gij、Bij分别为导纳矩阵电导和电纳值，θij为节点i、j相角差，ΔPi、ΔQi为节点i修正有功和无功功率，PGi、QGi分别为电源注入节点有功和无功功率，PGi、分别本文档来自技高网...

【技术保护点】
一种大规模电力系统混合整数无功优化的精确连续化方法，其特征在于：包括以下步骤：步骤S1：进行无功优化预计算；步骤S2：利用sigmoid函数建立连续化的无功优化模型；步骤S3：采用原对偶内点法重新进行无功优化计算；步骤S4：进行迭代过程陡坡参数自适应动态校正。

【技术特征摘要】
1.一种大规模电力系统混合整数无功优化的精确连续化方法，其特征在于：包括以下
步骤：
步骤S1：进行无功优化预计算；
步骤S2：利用sigmoid函数建立连续化的无功优化模型；
步骤S3：采用原对偶内点法重新进行无功优化计算；
步骤S4：进行迭代过程陡坡参数自适应动态校正。
2.根据权利要求1所述的一种大规模电力系统混合整数无功优化的精确连续化方法，
其特征在于：所述步骤S1具体为：将变压器抽头和电容电抗器投切组数作为连续变量处理，
采用原对偶内点法对无功优化进行预计算，快速获取离散变量连续最优解左右两侧的离散
值。
3.根据权利要求1所述的一种大规模电力系统混合整数无功优化的精确连续化方法，
其特征在于：所述步骤S2具体为：利用sigmoid函数进行无功优化模型连续
化，将离散变量的不等式约束化为如公式(4)与公式(5)所示的连续变量的等式约束，采用
以下公式得到新的优化模型：
ΔQi=QGi+Qci-QLi-ViΣj=1nVj(Gijsinθij-Bijcosθij)=0---(3)]]>QCi=QCi(n)+ezi/μi1+ezi/μiQC0---(5)]]>QGi‾≤QGi≤QGi‾---(7)]]>Pij‾≤Pij≤Pij‾---(9)]]>其中，xi为sigmoid函数变量，zi...

【专利技术属性】
技术研发人员：柯圣舟，郑欢，杨晓东，
申请(专利权)人：国网福建省电力有限公司，国家电网公司，国网福建省电力有限公司经济技术研究院，
类型：发明
国别省市：福建;35