基于遗传算法的区间无功优化方法技术

本发明专利技术公开了一种基于遗传算法的区间无功优化方法，包括以下步骤：1、建立区间无功优化模型。2、将区间无功优化模型中的变量分为控制变量和状态变量。3、采用遗传算法求解区间无功优化模型。在求解过程中需要利用基于仿射算术的区间潮流算法来获取状态变量的区间，以判断当前的状态变量是否满足约束条件，采用区间潮流算法计算网损区间的中点值，用于排序筛选经济性较好的控制策略。4、输出结果。具有收敛性好和能保证获得的无功电压控制策略完全满足电网运行的安全约束等优点。

【技术实现步骤摘要】
基于遗传算法的区间无功优化方法
本专利技术涉及求解电力系统不确定性无功优化问题的技术，尤其涉及一种基于遗传算法的区间无功优化方法，该方法在涉及含不确定参数的无功优化问题的求解时，将不确定性参数表示成区间，通过遗传算法和基于仿射算术的区间潮流算法来寻求真正满足不确定性无功优化问题约束的最优解。
技术介绍
电力系统中存在许多不确定性因素，包括频繁波动的负荷，新能源机组出力以及网络参数的测量误差。这些不确定性因素在实际电网无法避免，而确定性的无功优化一般只考虑了这些不确定性数据中的某一场景，因而无法真正实现电网运行的安全性和经济性，这给电网调度和运行人员的决策带来困难。因此，需要在无功优化模型中考虑这些不确定性因素，建立不确定性无功优化模型。传统的做法是将不确定性参数视为服从某些概率分布的随机变量，并给约束条件设置相应的置信水平，建立不确定性无功优化问题的机会约束规划模型。求解时，采用智能算法产生决策空间，并利用蒙特卡洛(MonteCarlo)模拟来判断约束条件，通过循环迭代得到满足约束条件的无功电压控制策略。但这类算法得到的最优解只能在一定置信水平上满足电网运行的安全约束，无法保证电网的安全可靠运行。同时，由于电力系统中的不确定性参数数量多，MonteCarlo模拟无法确保其生成所有恶劣的场景，且时间上的消耗使得这类算法无法在实际系统中实用。除此类算法外，也有采用鲁棒优化算法来求解不确定性无功优化问题。它是通过分析不确定性参数的边界(最坏的场景)，认为系统只要在这些边界条件上满足无功优化问题的约束，便可以在所有不确定参数下满足安全运行约束。在求解过程中，它先将无功优化模型中的潮流方程约束线性化，再将约束条件改为所有边界下的约束条件，建立一个确定性鲁棒无功优化模型。由于它只需要分析不确定性参数的边界值，因此大大提高了不确定性无功优化问题的求解速度。然而，它获得的最优解只能满足线性化后的约束条件，而不是原来的非线性约束，无法保证电网运行的安全性。随着现代电力系统的不断发展，电网规模的不断扩大，以及越来越多新能源的接入，传统的蒙特卡洛方法在抽样数目上会大大增加，潮流计算的规模也增大，计算时间急剧增长，不再适合用来分析新能源出力对电网电压的影响。因此，需要寻求能满足约束条件的切实可行的不确定性无功优化算法，使电网实现真正意义上的安全可靠运行。区间理论最早由Moore于1966年在他的著作中提出，后来在工程领域得到了广泛应用。近年来，区间分析逐渐被用于区间潮流计算，例如，文[1]将Krawkzyk-Moore算子用于配电网三相潮流计算，该方法既可以计算负荷确定的潮流，也可以计算含不确定性负荷的区间潮流。为进一步提高区间计算的精度，人们提出了区间仿射算术，它能避免区间计算中出现的相关性问题。文[2]最早将区间仿射算术用于电力系统区间潮流的计算,并利用了基于线性规划的压缩域方法(domain-contracted)提高计算速度，有效缩小了区间潮流的解的范围，它在计算时间、收敛性能和精度都取得了突破。在区间优化方面，文[3]最早将区间优化理论用不确定性无功优化问题的求解。它采用了粒子群算法求解，对单一潮流断面进行分析，每一潮流断面通过Krawczyk-Moore迭代算法求解区间潮流方程来获取。但是未采用仿射算术的导致其收敛无法得到保证，同时计算时间太长导致其无法实现真正的工程实用。参考文献：文[1]王成山,王守相.基于区间算法的配电网三相潮流计算及算例分析[J].中国电机工程学报,2002,22(3):58-62。文[2]VaccaroA,CanizaresC,VillacciD.Anaffinearithmetic-basedmethodologyforreliablepowerflowanalysisinthepresenceofdatauncertainty[J].PowerSystems,IEEETransactionson,2010,25(2):624-632。文[3]张勇军,苏杰和,羿应棋.基于区间算术的含分布式电源电网无功优化方法[J].电力系统保护与控制,2014,42(15):21-26。
技术实现思路
本专利技术的目的在于克服现有技术的缺点与不足，提出一种基于遗传算法的区间无功优化方法，该方法在求解不确定性无功优化问题时，先将潮流方程中的不确定性负荷和发电机有功出力表示成区间，建立区间无功优化模型。然后，将模型中的变量分为控制变量和状态变量，其中控制变量为可人工控制的实数变量，包括三类：发电机端电压(不包括平衡机电压)、可投切的电容(或电抗)组数和变压器变比；状态变量为不可控的区间变量，包括发电机无功出力、平衡节点有功出力、负荷节点电压以及非平衡节点的电压相角。最后，利用遗传算法来求解。求解过程中，先通过随机模拟技术生成初始种群(控制变量的解空间)，针对每一组控制变量，采用文[2]中提出的区间潮流算法来获取状态变量的区间和网损的区间，判断是否满足约束条件，保留满足约束条件控制变量，直到得到的种群中所有个体均满足约束条件的为止。最后通过交叉、变异和选择的循环操作来获取最终的最优个体，该个体的网损中点值最小且能满足区间无功优化模型的约束条件。由于在计算过程状态变量都是以区间形式的方式存在，只要整个区间满足约束条件，就一定能保证所有变量不越限，可实现电网安全可靠运行。同时，在区间潮流中采用了仿射算术，提高了潮流区间估计的精度。利用压缩域方法代替原来的迭代法，可保证算法的收敛性，并提高计算速度。本专利技术的目的可以通过以下技术方案实现：一种基于遗传算法的区间无功优化方法，考虑负荷和发电机有功出力在相应的区间内变化，包括以下步骤：步骤1、建立区间无功优化模型；发电机有功出力和负荷均表示成区间的形式，再将它们代入到确定性无功优化模型中潮流方程，便得到了区间无功优化模型；步骤2、将区间无功优化模型中的变量分为控制变量和状态变量；其中控制变量为可人工控制的实数变量，包括三类：发电机端电压(不包括平衡机电压)、可投切的电容(或电抗)级数和变压器变比；步骤3、采用遗传算法求解区间无功优化模型；在求解过程中需要利用基于仿射算术的区间潮流算法来获取状态变量的区间，以判断当前的状态变量是否满足约束条件。同时还需要利用区间潮流算法来获取网损区间的中点值，用于排序筛选经济性较好的控制策略；步骤4、输出结果；结果主要包括了网损中点值随迭代次数的变化情况，优化后状态变量可能波动的区间分布情况，最优的控制变量。在上述步骤1中，建立区间无功优化模型的步骤具体为：1)假设发电机有功出力可以表示成区间和其中SG和SL分另代表所有发电机组成的集合(不包括平衡机)和所有负荷组成的集合，为发电机有功出力波动的下限，为发电机有功出力波动的上限，为有功负荷波动的下限，为有功负荷波动的上限，为无功负荷波动的下限，为无功负荷波动的上限；2)电压用极坐标形式表示：其中表示第i个节点的节点电压，Vi为第i个节点的节点电压幅值，θi为第i个节点的节点电压相角，并以网损的中点值为目标函数，则区间无功优化模型可以表示如下：s.t.式中，Ploss为系统的网损，S为系统所有节点组成的集合，SG和SL分别代表所有发电机组成的集合(不包括平衡机)和所有负荷组成的集合，ST为本文档来自技高网...

【技术保护点】
基于遗传算法的区间无功优化方法，其特征在于，包括以下步骤：步骤1、建立区间无功优化模型；发电机有功出力和负荷均表示成区间的形式，再将它们代入到确定性无功优化模型中潮流方程，得到区间无功优化模型；步骤2、将区间无功优化模型中的变量分为控制变量和状态变量；所述控制变量为可人工控制的实数变量，所述控制变量包括三类：发电机端电压、可投切的电容或电抗的级数和变压器变比；步骤3、采用遗传算法求解区间无功优化模型；在求解过程中需要利用基于仿射算术的区间潮流算法来获取状态变量的区间，以判断当前的状态变量是否满足约束条件；同时还需要利用区间潮流算法来获取网损区间的中点值，用于排序筛选经济性较好的控制策略；步骤4、输出结果；结果包括网损中点值随迭代次数的变化情况，优化后状态变量可能波动的区间分布情况，最优的控制变量。

【技术特征摘要】
1.基于遗传算法的区间无功优化方法，其特征在于，包括以下步骤：步骤1、建立区间无功优化模型；发电机有功出力和负荷均表示成区间的形式，再将它们代入到确定性无功优化模型中潮流方程，得到区间无功优化模型；步骤2、将区间无功优化模型中的变量分为控制变量和状态变量；所述控制变量为可人工控制的实数变量，所述控制变量包括三类：发电机端电压、可投切的电容或电抗的级数和变压器变比；步骤3、采用遗传算法求解区间无功优化模型；在求解过程中需要利用基于仿射算术的区间潮流算法来获取状态变量的区间，以判断当前的状态变量是否满足约束条件；同时还需要利用区间潮流算法来获取网损区间的中点值，用于排序筛选经济性较好的控制策略；步骤4、输出结果；结果包括网损中点值随迭代次数的变化情况，优化后状态变量可能波动的区间分布情况，最优的控制变量。2.根据权利要求1所述的基于遗传算法的区间无功优化方法，其特征在于，在步骤1中，建立区间无功优化模型的步骤为：步骤11、假设发电机有功出力可以表示成区间fori∈SG，和fori∈SL，其中，SG和SL分另代表除了平衡机以外的所有发电机组成的集合和所有负荷组成的集合，为发电机有功出力波动的下限，为发电机有功出力波动的上限，为有功负荷波动的下限，为有功负荷波动的上限，为无功负荷波动的下限，为无功负荷波动的上限；步骤12、电压用极坐标形式表示：其中表示第i个节点的节点电压，Vi为第i个节点的节点电压幅值，θi为第i个节点的节点电压相角，并以网损的中点值为目标函数，则区间无功优化模型可以表示如下：s.t.式中，Ploss为系统的网损，S为系统所有节点组成的集合，SG和SL分别代表所有发电机组成的集合和所有负荷组成的集合，ST为所有变压器组成的集合，SC为所有参与补偿的电容组成的集合，PGi为节点i的发电机有功出力，QGi为节点i的发电机无功出力，和分别为其上下限，PLi为节点的有功负荷，Vi为节点i的节点电压幅值，Vimax和Vimin分别为其上下限，θi为节点i的节点电压相角，Gij为导纳矩阵的第i行第j列元素的虚部，Bij为导纳矩阵的第i行第j列元素的虚部，QLi为节点i的无功负荷，QCi为节点i的电容投切容量，和分别为其上下限，Tl为第l台变压器变比，Tlmax和Tlmin分别为其上下限。3.根据权利要求1所述的基于遗传算法的区间无功优化方法，其特征在于，在步骤2中，所述将区间无功优化模型中的变量分为控制变量和状态变量的具体方法如下：假设节点编号顺...

【专利技术属性】
技术研发人员：张聪，陈皓勇，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44