采用混合蛙跳算法的电网配电无功优化方法技术

本发明专利技术涉及一种采用混合蛙跳算法的电网配电无功优化方法，解决了现有技术的不足，技术方案为：步骤1：初始化参数，包括：蛙群的数量F；族群的数量m；族群中青蛙的数量n；最大允许跳动步长Smax；全局最优解Pz；局部最优解Pb；局部最差解Pw；全局迭代进化次数Ng，局部迭代进化次数N1，各补偿点无功补偿上限Qi，max；步骤2：随机生成初始蛙群，计算每个蛙的评价值；步骤3：按照评价值大小进行升序排序，记录下最优解Pz，步骤4：按照下式对每个族群进行进化操作S＝ceil(Rand()×(Pw‑Pb))；NewPw＝Pw+S，‑Smin≤S≤Smax；根据最优选择执行相应动作。

【技术实现步骤摘要】
采用混合蛙跳算法的电网配电无功优化方法
本专利涉及电网优化方法，具体涉及一种采用混合蛙跳算法的电网配电无功优化方法。
技术介绍
配网无功优化一般通过定点投切无功补偿设备配网重构和配网无功优化作为配网优化运行的2项重要技术手段，其在保障电能质量、降低网络损耗等方面有着重要作用。配网重构通过改变网络开关的闭合来获得最佳优化目标值下的网络拓扑结以实现有功损耗最小化且保证较高的电压水平。实质上，配网重构是非线性组合优化问题，配网无功优化是非线性整数规划问题，二者的综合优化使得问题的求解更加复杂，针对此问题，现有技术采用先重构后补偿交替迭代的方法。也有分别以重构和无功优化为主进行优化，都采用了智能算法求解，相比交替迭代法，提高了计算精度，但这些现有技术并不是真正意义上同步进行重构与无功优化，综合优化的潜在价值没有得到充分研究与挖掘。同时，以上配网综合优化研究均以网损作为优化目标，并没有考虑无功补偿的经济性。
技术实现思路
本专利技术的目的在于解决上述现有技术配网综合优化研究均以网损作为优化目标，并没有考虑无功补偿的经济性的问题，提供一种电网配电无功优化方法。本专利技术解决其技术问题所采用的技术方案是：一种采用混合蛙跳算法的电网配电无功优化方法，其特征在于，以下步骤：步骤1：初始化参数，包括：蛙群的数量F；族群的数量m；族群中青蛙的数量n；最大允许跳动步长Smax；全局最优解Pz；局部最优解Pb；局部最差解Pw；全局迭代进化次数Ng，局部迭代进化次数N1，各补偿点无功补偿上限Qi，max；步骤2：随机生成初始蛙群，计算每个蛙的评价值；步骤3：按照评价值大小进行升序排序，记录下最优解Pz，并且将蛙群按以下方式分成族群：第1只蛙放入第1个族群，第2只蛙放入第2个族群，第m只蛙放入第m个族群，第m+1只蛙放入第1个族群，以此类推，直至所有蛙被放入入指定位置；步骤4：按照下式对每个族群进行进化操作S＝ceil(Rand()×(Pw-Pb))；NewPw＝Pw+S，-Smin≤S≤Smax；其中，ceil表示取整，rand()表示产生0～1的随机数，S表示蛙跳的步长，Smax，Smin为蛙跳的步长限制，NewPw表示更新后的Pw；步骤5：所有族群更新完毕后，计算蛙群中所有蛙的评价值；步骤6：判断是否满足停止条件；如果满足则停止搜索，否则转到步骤3；步骤7：根据最优选择执行相应动作。本专利技术综合无功优化与配网重构两项技术，建立以年综合费用最小为目标的配网综合优化模型，采用混合蛙跳算法求解，不仅能够进一步降低网损、提升节点电压，还充分考虑了无功补偿的经济性，使得配网综合优化更加符合经济性原则，即充分挖掘了综合优化的经济价值。作为优选，步骤4的具体步骤包括以下子步骤：步骤4-1：设IM＝IN＝0，IM表示族群进化的计数器，IN表示局部进化计数器；步骤4-2：选出当前族群的Pb和Pw，IM加1；步骤4-3：IN加1；步骤4-4：根据S＝ceil(Rand()×(Pw-Pb))；NewPw＝Pw+S，-Smin≤S≤Smax改进族群中最差蛙；步骤4-5：如果上步改进了最差蛙，则用该新蛙取代最差蛙，否则用Pz替代式(8)中的Pb，重新进化；步骤4-6：如果上步仍没有改进最差蛙，则随机产生一个可行解来代替最差蛙；步骤4-7：如果IN小于局部进化次数LN，则转入步骤4-3；步骤4-8：如果IM小于族群数m，则转入步骤4-2，否则进入全局搜索的步骤5。作为优选，目标电网的优化目标函数为：λ为电价；Tmax为年最大负荷损耗小时数；k1为补偿设备的年维护费用率；k2为投资回收系数；Qi为第i个节点的无功补偿量，C1为无功补偿的价格；C2为单个补偿点的安装费用，n为无功补偿点个数；Ploss为网络的有功损耗，为每条线路有功损耗的总和，表达式为：Nb表示支路数；Rk表示支路k的电阻；Sk表示支路闭合状态，1表示闭合，0表示打开；Pk表示支路k的有功功率；Qk表示支路k的无功功率；Vk表示支路k的末端电压；约束条件为：Vmin表示配网正常运行时节点电压的上限；Vmax表示配网正常运行时节点电压的下限；Smax表示线路k的最大载流量；Qi，max表示第i个补偿点补偿容量上限。作为优选，在计算网络的有功损耗Ploss的时候设定若干支路为变化调节支路，若混合蛙跳算法进行配网重构支路的最优选择时无法满足约束条件，在变化调节支路中，将之前变化调节支路中的Sk值变更后重新进行混合蛙跳算法进行配网重构支路的最优选择；依次重复执行，直到混合蛙跳算法进行配网重构支路的最优选择时满足约束条件。作为优选，所述变化调节支路根据配网重构支路的有功总负荷或无功总负荷进行排序，排序顺序为配网重构支路的有功总负荷或无功总负荷越小则排序优先级越高，若混合蛙跳算法进行配网重构支路的最优选择时无法满足约束条件则先改动优先级高的配网重构支路。作为优选，所述变化调节支路根据配网重构支路的有功总负荷或无功总负荷进行排序，排序顺序为Sk值＝1的配网重构支路的有功总负荷或无功总负荷越小则排序优先级越高，排序顺序为Sk值＝0的配网重构支路的有功总负荷或无功总负荷越小则排序优先级越低，若混合蛙跳算法进行配网重构支路的最优选择时无法满足约束条件则先改动优先级高的配网重构支路。本专利技术的实质性效果是：本专利技术综合无功优化与配网重构两项技术，建立以年综合费用最小为目标的配网综合优化模型，采用混合蛙跳算法求解，不仅能够进一步降低网损、提升节点电压，还充分考虑了无功补偿的经济性，使得配网综合优化更加符合经济性原则，还能充分挖掘综合优化经济上的价值。具体实施方式下面通过具体实施例，对本专利技术的技术方案作进一步的具体说明。实施例1：一种采用混合蛙跳算法的电网配电无功优化方法，以下步骤：步骤1：初始化参数，包括：蛙群的数量F；族群的数量m；族群中青蛙的数量n；最大允许跳动步长Smax；全局最优解Pz；局部最优解Pb；局部最差解Pw；全局迭代进化次数Ng，局部迭代进化次数N1，各补偿点无功补偿上限Qi，max；步骤2：随机生成初始蛙群，计算每个蛙的评价值；步骤3：按照评价值大小进行升序排序，记录下最优解Pz，并且将蛙群按以下方式分成族群：第1只蛙放入第1个族群，第2只蛙放入第2个族群，第m只蛙放入第m个族群，第m+1只蛙放入第1个族群，以此类推，直至所有蛙被放入入指定位置；步骤4：按照下式对每个族群进行进化操作S＝ceil(Rand()×(Pw-Pb))；NewPw＝Pw+S，-Smin≤S≤Smax；其中，ceil表示取整，rand()表示产生0～1的随机数，S表示蛙跳的步长，Smax，Smin为蛙跳的步长限制，NewPw表示更新后的Pw；步骤5：所有族群更新完毕后，计算蛙群中所有蛙的评价值；步骤6：判断是否满足停止条件；如果满足则停止搜索，否则转到步骤3；步骤7：根据最优选择执行相应动作。步骤4的具体步骤包括以下子步骤：步骤4-1：设IM＝IN＝0，IM表示族群进化的计数器，IN表示局部进化计数器；步骤4-2：选出当前族群的Pb和Pw，IM加1；步骤4-3：IN加1；步骤4-4：根据S＝ceil(Rand()×(Pw-Pb))；NewPw＝Pw+S，-Smin≤S≤Smax改进族群中最差蛙；步骤4-5：如果上步改进了最差本文档来自技高网...

【技术保护点】
一种采用混合蛙跳算法的电网配电无功优化方法，其特征在于，以下步骤：步骤1：初始化参数，包括：蛙群的数量F；族群的数量m；族群中青蛙的数量n；最大允许跳动步长Smax；全局最优解Pz；局部最优解Pb；局部最差解Pw；全局迭代进化次数Ng，局部迭代进化次数N1，各补偿点无功补偿上限Qi，max；步骤2：随机生成初始蛙群，计算每个蛙的评价值；步骤3：按照评价值大小进行升序排序，记录下最优解Pz，并且将蛙群按以下方式分成族群：第1只蛙放入第1个族群，第2只蛙放入第2个族群，第m只蛙放入第m个族群，第m+1只蛙放入第1个族群，以此类推，直至所有蛙被放入入指定位置；步骤4：按照下式对每个族群进行进化操作S＝ceil(Rand()×(Pw‑Pb))；NewPw＝Pw+S，‑Smin≤S≤Smax；其中，ceil表示取整，rand()表示产生0～1的随机数，S表示蛙跳的步长，Smax，Smin为蛙跳的步长限制，NewPw表示更新后的Pw；步骤5：所有族群更新完毕后，计算蛙群中所有蛙的评价值；步骤6：判断是否满足停止条件；如果满足则停止搜索，否则转到步骤3；步骤7：根据最优选择执行相应动作。

【技术特征摘要】
1.一种采用混合蛙跳算法的电网配电无功优化方法，其特征在于，以下步骤：步骤1：初始化参数，包括：蛙群的数量F；族群的数量m；族群中青蛙的数量n；最大允许跳动步长Smax；全局最优解Pz；局部最优解Pb；局部最差解Pw；全局迭代进化次数Ng，局部迭代进化次数N1，各补偿点无功补偿上限Qi，max；步骤2：随机生成初始蛙群，计算每个蛙的评价值；步骤3：按照评价值大小进行升序排序，记录下最优解Pz，并且将蛙群按以下方式分成族群：第1只蛙放入第1个族群，第2只蛙放入第2个族群，第m只蛙放入第m个族群，第m+1只蛙放入第1个族群，以此类推，直至所有蛙被放入入指定位置；步骤4：按照下式对每个族群进行进化操作S＝ceil(Rand()×(Pw-Pb))；NewPw＝Pw+S，-Smin≤S≤Smax；其中，ceil表示取整，rand()表示产生0～1的随机数，S表示蛙跳的步长，Smax，Smin为蛙跳的步长限制，NewPw表示更新后的Pw；步骤5：所有族群更新完毕后，计算蛙群中所有蛙的评价值；步骤6：判断是否满足停止条件；如果满足则停止搜索，否则转到步骤3；步骤7：根据最优选择执行相应动作。2.根据权利要求1所述的采用混合蛙跳算法的电网配电无功优化方法，其特征在于，步骤4的具体步骤包括以下子步骤：步骤4-1：设IM＝IN＝0，IM表示族群进化的计数器，IN表示局部进化计数器；步骤4-2：选出当前族群的Pb和Pw，IM加1；步骤4-3：IN加1；步骤4-4：根据S＝ceil(Rand0×(Pw-Pb))；NewPw＝Pw+S，-Smin≤S≤Smax改进族群中最差蛙；步骤4-5：如果上步改进了最差蛙，则用该新蛙取代最差蛙，否则用Pz替代式(8)中的Pb，重新进化；步骤4-6：如果上步仍没有改进最差蛙，则随机产生一个可行解来代替最差蛙；步骤4-7：如果IN小于局部进化次数LN，则转入步骤4-3；步骤4-8：如果IM小于族群数m，则转入步骤4-2，否则进入全局搜索的步骤5。3.根据权利要求1所述的采用混合蛙跳算法的电网配电无功优化方法，其特征在于，目标电网的优化目标函数为：

【专利技术属性】
技术研发人员：潘艳红，杨继革，王翔，郑波，胡斌，王晓东，
申请(专利权)人：国家电网公司，国网浙江省电力公司衢州供电公司，
类型：发明
国别省市：北京,11