一种基于改进蛙跳算法的电网无功优化方法及装置制造方法及图纸

本发明专利技术的实施例提供一种基于改进蛙跳算法的电网无功优化方法及装置，涉及电力系统规划技术领域，能够使用于配电网的无功优化，使其具有更好的收敛性和优化程度。包括：获取配电网的控制变量以及配电网的状态变量，获取包括指定数量的青蛙个体以及与指定数量的青蛙个体各自对立的青蛙个体的青蛙种群，根据青蛙种群获取初始无功电压；根据初始无功电压获取局部无功电压的最优值，并根据局部无功电压的最优值获取全局无功电压的最优解，全局无功电压的最优解用于配电网的无功优化。本发明专利技术用于配电网无功配置。

A reactive power optimization method and device based on improved SFLA grid

The embodiment of the invention provides a method and device for reactive power optimization based on improved SFLA grid technology involved in power system planning, reactive power optimization can be used in the distribution network, which has better convergence and optimization degree. Including: access to distribution network control variables and state variables of the distribution network, including access to the specified number of frogs and individuals with the specified number of the respective opposing frog frog individual individual frog populations, according to the frog population to obtain initial voltage and reactive power; according to the optimal initial voltage and reactive power to get local reactive power and voltage value, and obtain the optimal the global solution of the optimal reactive power and voltage according to local reactive power voltage value, voltage and reactive power optimal global solution for reactive power optimization of distribution network. The invention is used for reactive power distribution in distribution network.

【技术实现步骤摘要】
一种基于改进蛙跳算法的电网无功优化方法及装置
本专利技术涉及电力系统规划
，尤其涉及一种基于改进蛙跳算法的电网无功优化方法及装置。
技术介绍
降低网损，提高电力系统输电效率和电力系统运行的经济性是电力系统运行部门面临的实际问题，也是电力系统研究的主要方向之一。电网电压控制在很大程度上是无功优化控制问题，系统无功分布的合理与否直接影响着电力系统的安全与稳定,并与经济效益直接挂钩。电力系统无功优化问题属于最优潮流问题的一个组成部分。电力系统的无功优化问题是一个多变量、多约束的混合非线性规划问题,其操作变量既有连续变量(如节电电压、发电机的无功出力),又有离散变量(如变压器分接头位置,补偿电抗器和电容器的投切容量),使得优化过程十分复杂，因此需建立系统模型，提出和改进相应算法，用科学的手段完成系统的优化，即获取用于配电网的无功优化参数。传统的无功优化算法包括内点法、遗传法、蜂群算法、粒子群算法等。一般说到的无功优化方法主要包含两方面，一方面是对无功补偿装置进行优化规划，另一方面是对电压无功优化控制。无功优化方法的数学模型包括目标函数(按一定的准则设置，如经济最优或电压稳定度最优)与约束条件(例如节点电压水平的设置，有载调压变压器分接头的调整等)。在数学上无功优化实际就是在约束条件下求解目标函数的值的问题。无功优化方法的数学模型又分为两类，基于解析解的数学优化和基于智能最优迭代的最优潮流问题优化。但目前的无功优化方法收敛性较差、优化程度较低，容易陷入局部最优。
技术实现思路
本申请提供一种基于改进蛙跳算法的电网无功优化方法及装置，能够使用于配电网的无功优化，使其具有更好的收敛性和优化程度。第一方面，本专利技术的实施例提供了一种基于改进蛙跳算法的电网无功优化方法，包括：获取配电网的控制变量以及配电网的状态变量，配电网的控制变量用于指示配电网的可调发电机节点电压幅值、配电网的可调变压器可调分接头档位以及配电网的无功补偿电容器投切组数，配电网的状态变量用于指示配电网的PQ节点的电压以及配电网的发电机的无功出力；获取包括指定数量的青蛙个体以及与指定数量的青蛙个体各自对立的青蛙个体的青蛙种群，其中指定数量的青蛙个体为设定范围内的配电网的控制变量；根据青蛙种群获取初始无功电压；根据初始无功电压获取局部无功电压的最优值，并根据局部无功电压的最优值获取全局无功电压的最优解，全局无功电压的最优解用于配电网的无功优化。第二方面，本专利技术的实施例提供了一种基于改进蛙跳算法的电网无功优化装置，包括：获取模块，用于获取配电网的控制变量以及配电网的状态变量，配电网的控制变量用于指示配电网的可调发电机节点电压幅值、配电网的可调变压器可调分接头档位以及配电网的无功补偿电容器投切组数，配电网的状态变量用于指示配电网的PQ节点的电压以及配电网的发电机的无功出力；处理模块，用于获取包括指定数量的青蛙个体以及与指定数量的青蛙个体各自对立的青蛙个体的青蛙种群，其中指定数量的青蛙个体为设定范围内的配电网的控制变量；处理模块，还用于根据青蛙种群获取初始无功电压；处理模块，还用于根据初始无功电压获取局部无功电压的最优值，并根据局部无功电压的最优值获取全局无功电压的最优解，全局无功电压的最优解用于配电网的无功优化。本专利技术的实施例提供了一种基于改进蛙跳算法的电网无功优化方法及装置，通过获取配电网的控制变量以及配电网的状态变量，并获取包括指定数量的青蛙个体以及与指定数量的青蛙个体各自对立的青蛙个体的青蛙种群，根据青蛙种群获取初始无功电压，根据初始无功电压获取局部无功电压的最优值，并根据局部无功电压的最优值获取全局无功电压的最优解。在刚开始时以蛙跳算法为主进行更新，混沌搜索起辅助作用，从而加速青蛙个体向全局最优位置处移动，随着局部深度搜索迭代次数的增加，算法逐渐进入到以混沌搜索为主，从而帮助算法跳出局部极值，与现有技术相比使其具有更好的收敛性和优化程度，还能够提高电网的运行效率和电能质量，降低系统有功网损。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术的实施例所提供的一种基于改进蛙跳算法的电网无功优化方法的示意性流程图；图2为本专利技术的另一实施例所提供的一种基于改进蛙跳算法的电网无功优化方法的示意性流程图；图3为本专利技术的实施例所提供的一种基于改进蛙跳算法的电网无功优化装置的示意性结构图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。为了便于清楚描述本专利技术实施例的技术方案，在本专利技术的实施例中，采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分，本领域技术人员可以理解“第一”、“第二”等字样并不是在对数量和执行次序进行限定。如附图1所示，本专利技术的实施例提供了一种基于改进蛙跳算法的电网无功优化方法，包括：101、获取配电网的控制变量以及配电网的状态变量。具体的，配电网的控制变量用于指示配电网的可调发电机节点电压幅值、配电网的可调变压器可调分接头档位以及配电网的无功补偿电容器投切组数，配电网的状态变量用于指示配电网的PQ节点的电压以及配电网的发电机的无功出力。102、获取包括指定数量的青蛙个体以及与指定数量的青蛙个体各自对立的青蛙个体的青蛙种群。具体的，其中指定数量的青蛙个体为设定范围内的配电网的控制变量。103、根据青蛙种群获取初始无功电压。104、根据初始无功电压获取局部无功电压的最优值，并根据局部无功电压的最优值获取全局无功电压的最优解。其中，全局无功电压的最优解用于配电网的无功优化。本专利技术的实施例提供了一种基于改进蛙跳算法的电网无功优化方法，通过获取配电网的控制变量以及配电网的状态变量，并获取包括指定数量的青蛙个体以及与指定数量的青蛙个体各自对立的青蛙个体的青蛙种群，根据青蛙种群获取初始无功电压，根据初始无功电压获取局部无功电压的最优值，并根据局部无功电压的最优值获取全局无功电压的最优解。在刚开始时以蛙跳算法为主进行更新，混沌搜索起辅助作用，从而加速青蛙个体向全局最优位置处移动，随着局部深度搜索迭代次数的增加，算法逐渐进入到以混沌搜索为主，从而帮助算法跳出局部极值，与现有技术相比使其具有更好的收敛性和优化程度，还能够提高电网的运行效率和电能质量，降低系统有功网损。更进一步的，如附图2所示，本专利技术的实施例提供了一种基于改进蛙跳算法的电网无功优化方法，包括：201、根据X＝(VGK,Ti,Cj)获取配电网的控制变量X，根据U＝(Vi,QGj)获取配电网的状态变量U。其中，其中VGK为配电网的可调发电机节点电压幅值、Ti为配电网的可调变压器可调分接头档位、Cj为配电网的无功补偿电容器投切组数、Vi为配电网的PQ节点的电压，QGj是配电网的发电机的无功出力、i为配电网的无功补偿节点数、j为配电网的可调变压器本文档来自技高网...

【技术保护点】
一种基于改进蛙跳算法的电网无功优化方法，其特征在于，包括：获取配电网的控制变量以及所述配电网的状态变量，所述配电网的控制变量用于指示所述配电网的可调发电机节点电压幅值、所述配电网的可调变压器可调分接头档位以及所述配电网的无功补偿电容器投切组数，所述配电网的状态变量用于指示所述配电网的PQ节点的电压以及所述配电网的发电机的无功出力；获取包括指定数量的青蛙个体以及与所述指定数量的青蛙个体各自对立的青蛙个体的青蛙种群，其中所述指定数量的青蛙个体为设定范围内的所述配电网的控制变量；根据所述青蛙种群获取初始无功电压；根据所述初始无功电压获取局部无功电压的最优值，并根据所述局部无功电压的最优值获取全局无功电压的最优解，所述全局无功电压的最优解用于配置所述配电网。

【技术特征摘要】
1.一种基于改进蛙跳算法的电网无功优化方法，其特征在于，包括：获取配电网的控制变量以及所述配电网的状态变量，所述配电网的控制变量用于指示所述配电网的可调发电机节点电压幅值、所述配电网的可调变压器可调分接头档位以及所述配电网的无功补偿电容器投切组数，所述配电网的状态变量用于指示所述配电网的PQ节点的电压以及所述配电网的发电机的无功出力；获取包括指定数量的青蛙个体以及与所述指定数量的青蛙个体各自对立的青蛙个体的青蛙种群，其中所述指定数量的青蛙个体为设定范围内的所述配电网的控制变量；根据所述青蛙种群获取初始无功电压；根据所述初始无功电压获取局部无功电压的最优值，并根据所述局部无功电压的最优值获取全局无功电压的最优解，所述全局无功电压的最优解用于配置所述配电网。2.根据权利要求1所述的基于改进蛙跳算法的电网无功优化方法，其特征在于，所述获取配电网的控制变量以及所述配电网的状态变量，包括：根据X＝(VGK,Ti,Cj)获取配电网的控制变量X，根据U＝(Vi,QGj)获取所述配电网的状态变量U，其中VGK为所述配电网的可调发电机节点电压幅值、Ti为所述配电网的可调变压器可调分接头档位、Cj为所述配电网的无功补偿电容器投切组数、Vi为所述配电网的PQ节点的电压，QGj是所述配电网的发电机的无功出力、i为所述配电网的无功补偿节点数、j为所述配电网的可调变压器数、k为所述配电网的发电机节点数。3.根据权利要求1所述的基于改进蛙跳算法的电网无功优化方法，其特征在于，所述获取包括指定数量的青蛙个体以及与所述指定数量的青蛙个体各自对立的青蛙个体的青蛙种群，包括：获取设定范围(ai,bi)内的指定数量N个青蛙个体，并根据求出所述指定数量N只青蛙个体各自对立的青蛙个体从而组成规模为2N的青蛙种群。4.根据权利要求1所述的基于改进蛙跳算法的电网无功优化方法，其特征在于，所述根据所述青蛙种群获取初始无功电压，包括：计算该所述青蛙种群中所有青蛙个体的适应度值，并依据适应度值对所述青蛙种群中所有青蛙个体进行排序；根据pi＝(2N-i)/2N，获取所述排序后的青蛙个体中每个青蛙个体的选择概率pi，其中i＝1,2,…,2N，并根据选择概率pi在所述排序后的青蛙个体中选择N个青蛙个体组成初始种群；根据等式约束方程以及不等式约束方程获取所述初始无功电压。5.根据权利要求1所述的基于改进蛙跳算法的电网无功优化方法，其特征在于，所述根据所述初始无功电压获取局部无功电压的最优值，包括：根据适应度值更新所述青蛙种群的最优个体位置Xb和全局最优个体位置Xg，并根据newXwi(k)＝Xwi(k)·exp·[(1-exp(-α·y(k)))·(μ·Xwi(k)·(1-Xwi(k)))]+e-2α·y(k)·Ωi(k)更新确定当前迭代中子群体的更新后的最差个体位置newXwi，其中，Ω(k)为蛙跳步长更新变量，y(k)为混沌变量；当newXw的适应度值优于Xw的适应度值时，则用newXw取代Xw，当newXw的适应度值并不优于Xw的适应度值时，则更新Ω(k)以及y(k)，并根据newXwi(k)＝Omin+(Omax-Omin)·rand()生成newXw，其中Omax和Omin分别表示算法搜索范围的最大值和最小值，rand()为均匀分布在[0,1]之间的随机个体。6.根据权利要求1所述的基于改进蛙跳算法的电网无功优化方法，其特征在于，所述根据所述局部无功电压的最优值获取全局无功电压的最优解，包括：将所述青蛙种群中的青蛙个体依据适应度值从优到劣进行排序，并依次依照三角选择概率2(m+1-i)/[m(m+1)]挑选出Q只青蛙个体组成n个子群体，并根据所述n个子群体求解全局无功电压的最优解。7.根据权利要求6所述的基于改进蛙跳算法的电网无功优化方法，其特征在于，所述方法还包括：当所有所述子群体都完成了局部深度搜索后，...

【专利技术属性】
技术研发人员：吴争荣，董旭柱，陆锋，刘志文，陶文伟，谢雄威，陈立明，何锡祺，俞小勇，陈根军，禤亮，苏颜，李瑾，陶凯，
申请(专利权)人：中国南方电网有限责任公司电网技术研究中心，南方电网科学研究院有限责任公司，南京南瑞继保电气有限公司，中国南方电网有限责任公司，广西电网有限责任公司电力科学研究院，广西电网有限责任公司南宁供电局，
类型：发明
国别省市：广东,44