一种电力系统的最优潮流计算方法及装置制造方法及图纸

本发明专利技术实施例公开了电力系统的最优潮流解计算方法及装置，包括对预设参数进行初始化操作，得到初始化参数；初始化参数包括粒子群规模、最大迭代次数、控制参数的范围及每个发电机的发电机参数；依据初始化参数、组合混沌序列和量子粒子群算法对预先建立的优化数学模型进行最优潮流求解，得到全局最优潮流解；组合混沌序列用于对量子粒子群算法的控制参数进行优化；其中，优化数学模型的建立过程为依据各个发电机参数及运行约束条件，建立满足运行约束条件的、使机组煤耗成本最低的优化数学模型；优化数学模型包括目标函数。本发明专利技术实施例能够有效提高种群中粒子的多样性，提高算法的收敛速度和算法精度，使最终得到全局最优潮流解的精度提高。

【技术实现步骤摘要】
一种电力系统的最优潮流计算方法及装置
本专利技术实施例涉及电力系统
，特别是涉及一种电力系统的最优潮流解计算方法及装置。
技术介绍
最优潮流(OptimalPowerFlow，OPF)是指当系统的结构参数和负荷情况都已给定时，调节可利用的控制变量(如发电机输出功率、可调变压器抽头等)来找到能满足所有运行约束条件的、并使系统的某一性能指标(如发电成本或网络损耗)达到最优值下的潮流分布。最优潮流是一个典型的大规模有约束非线性多峰值的非凸规划问题。目前，主要采用粒子群优化算法求解最优潮流问题，但是，粒子群优化算法的特点是前期具有较快的收敛速度，后期由于所以粒子都趋向于最优粒子，使种群丧失了多样性，从而容易陷入局部最优，难以得到全局最优解。因此，如何提供一种解决上述技术问题的电力系统的最优潮流解计算方法及装置，成为本领域技术人员需要解决的问题。
技术实现思路
本专利技术实施例的目的是提供一种电力系统的最优潮流解计算方法及装置，能够有效提高种群中粒子的多样性，提高算法的收敛速度和算法精度，使最终得到全局最优潮流解的精度提高。为解决上述技术问题，本专利技术实施例提供了一种电力系统的最优潮流解计本文档来自技高网...

【技术保护点】
一种电力系统的最优潮流解计算方法，其特征在于，包括：S10：对预设参数进行初始化操作，得到初始化参数；所述初始化参数包括粒子群规模、最大迭代次数及每个发电机的发电机参数；S20：依据初始化参数、组合混沌序列和量子粒子群算法对预先建立的优化数学模型进行最优潮流求解，得到全局最优潮流解；所述组合混沌序列用于对所述量子粒子群算法的控制参数进行优化；其中，所述优化数学模型的建立过程为：依据各个所述发电机参数及运行约束条件，建立满足所述运行约束条件的、使机组煤耗成本最低的优化数学模型；所述优化数学模型包括目标函数。

【技术特征摘要】
1.一种电力系统的最优潮流解计算方法，其特征在于，包括：S10：对预设参数进行初始化操作，得到初始化参数；所述初始化参数包括粒子群规模、最大迭代次数及每个发电机的发电机参数；S20：依据初始化参数、组合混沌序列和量子粒子群算法对预先建立的优化数学模型进行最优潮流求解，得到全局最优潮流解；所述组合混沌序列用于对所述量子粒子群算法的控制参数进行优化；其中，所述优化数学模型的建立过程为：依据各个所述发电机参数及运行约束条件，建立满足所述运行约束条件的、使机组煤耗成本最低的优化数学模型；所述优化数学模型包括目标函数。2.根据权利要求1所述的电力系统的最优潮流解计算方法，其特征在于，所述依据初始化参数、组合混沌序列和量子粒子群算法对预先建立的优化数学模型进行最优潮流求解，得到全局最优潮流解的过程为：S200：依据初始化参数进行初始化操作，产生初始种群；S201：采用牛顿拉夫逊算法对所述初始种群进行潮流计算，确定出所述初始种群的初始最优粒子；S202：对当前种群中的各个粒子进行解空间变换，依据变换后的解空间变量确定各个所述粒子的当前位置；S203：采用牛顿拉夫逊算法对当前种群中的各个当前粒子进行潮流计算，并依据目标函数分别计算出各个所述当前粒子的适应度值，确定出当前种群中的当前最优粒子；S204：依据所述当前最优粒子的适应度值及所述初始最优粒子的适应度值更新全局最优粒子；S205：利用所述组合混沌序列对量子粒子群算法的控制参数进行混沌优化；S206：依据混沌优化后的控制参数对各个所述当前粒子进行状态更新，以更新各个所述当前粒子的位置；S207：当经状态更新后的当前种群满足变异条件时，则对当前种群中的各个当前粒子进行变异操作，并依据经变异操作后的、当前种群中的各个当前粒子的适应度值对所述全局最优粒子进行更新，得到更新后的全局最后粒子；S208：判断是否满足终止条件，如果是，则将所述更新后的全局最后粒子作为最终的全局最优粒子，并依据所述更新后的全局最后粒子得到并输出全局最优潮流解；否则，返回S202，并下一次迭代；所述终止条件为最大迭代次数或预设精度。3.根据权利要求2所述的电力系统的最优潮流解计算方法，其特征在于，所述依据初始化参数进行初始化操作，产生初始种群的过程为：依据初始种群产生关系式对初始化参数进行初始化操作，产生初始种群；所述初始种群产生关系式为：其中，i＝1,2,3,.....n为种群大小，j＝1,2,3.....t为空间维数，θij＝2πD，D为[0,1]之间的随机数。4.根据权利要求3所述的电力系统的最优潮流解计算方法，其特征在于，所述对当前种群中的各个粒子进行解空间变换，依据变换后的解空间变量确定各个所述粒子的当前位置的过程包括：对当前种群中的各个粒子同时遍历解空间的两个位置，并得到与每个粒子对应的解空间变量；所述遍历范围为[-1,1]，其中，第i个粒子的第j维的解空间变量表示为：其中，第i个粒子Pi的第j个维为Pij[uij,vij]T。5.根据权利要求2所述的电力系统的最优潮流解计算方法，其特征在于，所述依据混沌优化后的控制参数对各个所述当前粒子进行状态更新，以更新各个所述当前粒子的位置的过程为：通过量子位幅角增量关系式对各个所述当前粒子的幅角增量进行更新，并确定更新后的每个所述当前粒子的最优位置和当前的全局最优粒子；所述幅角增量关系式为：Δθij(t+1)＝ωΔθij(t)+c1r1(Δθpij(t))+c2r2(Δθgj(t))其中，Δθij(t+1)为第i个粒子在第t+1代中第j维相移量，Δθij(t)为第i个粒子在第t代中第j维相移量，Δθpij(t)为第i个粒子第j维历史最优位置，Δθgj(t)为第j维的全...

【专利技术属性】
技术研发人员：邱明晋，陈璟华，唐俊杰，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44