一种基于DSICA算法的电力系统多目标无功优化方法技术方案

本发明专利技术请求保护一种基于DSICA算法的电力系统多目标无功优化方法。包括以下步骤：建立电力系统多目标无功优化数学模型，设置系统参数和算法参数；初始化算法中的国家个体，潮流计算得到目标函数值；复制国家个体到外部储存空间；算法迭代，利用所提出的殖民地国家个体位置更新方式和距离策略更新国家个体位置；对更新后的国家个体和上一代国家个体一起进行非劣排序和拥挤距离计算；判断是否满足迭代次数，若满足则进入下一步，若不满足则返回重复迭代；输出外部储存空间形成的帕累托最优解集，利用模糊群决策法找到最优折衷解并输出。本发明专利技术在处理电力系统多目标无功优化问题中搜索范围广，寻优能力强且求解质量高，证明了本发明专利技术的有效性和优越性。

【技术实现步骤摘要】
一种基于DSICA算法的电力系统多目标无功优化方法
本专利技术属于电力系统无功优化
，涉及电力系统多目标无功优化求解方案
，具体涉及一种DSICA算法的电力系统多目标优化方法。
技术介绍
电力系统是一个大规模、时变的复杂系统，是国民经济中非常重要的基础产业。随着电力工业的发展，电力系统的规模越来越大，系统的安全性、可靠性和经济性也受到越来越多的关注，其中电力系统的无功优化控制是否合理决定了电能质量的好坏，对电网的安全稳定、经济运行具有非常重要的意义。电力系统无功优化是典型的非线性规划问题，具有多目标、多控制变量、多约束等特点，其主要目的是通过合理调节无功设备：发电机端电压、变压器变比和无功补偿装置的投切，从而实现系统运行状态的优化，降低系统的网络损耗，提高电能质量，增强电压稳定性。在单目标无功优化问题中，只考虑一个目标函数，即只能实现单个目标的最优。但在工程运用中，考虑单个目标往往不能满足实际需求，因此多目标问题的提出对解决实际问题具有重要的意义。与单目标问题不同，多目标无功优化问题则是需要同时优化几个相互制约、相互冲突的目标函数，找到一组帕累托解集，是一个复杂的优化问题。由于多目标无功优化的多目标性、非线性及约束条件复杂等特点，常规的优化方法如：加权法、目标规划法等处理多目标无功问题的优化能力有限，所获得的解也不令人满意。智能优化算法在电力系统多目标问题中的成功应用为多目标无功优化问题的解决提供了新方向。到目前为止，智能优化算法已经提出多种以自然或社会启发的群体智能算法，包括蚁群算法、遗传算法以及粒子群算法等。其中帝国主义算法(imperialistcompetitionalgorithm,ICA)是一种受帝国竞争行为启发的进化算法，属于社会启发的随机优化搜索方式。该算法已经成功应用于多种电力系统优化问题中，可以验证该算法的在优化问题上的优越性，但是在多目标问题中的应用还非常少，因此帝国主义算法在多目标问题的应用以及算法的改进在电力系统优化问题上值得深入研究。本专利技术针对多目标无功优化问题，提供了一种基于距离策略帝国主义算法(distancestrategyimperialistcompetitionalgorithm,DSICA)的电力系统多目标无功优化方法。针对同时降低电力系统的网络损耗且提高电压稳定性的双目标问题，采用帝国主义算法对电力系统进行无功优化。帝国主义算法在寻优过程中，通过殖民地的同化过程以及革命过程更新个体的位置信息，但在殖民地的移动过程中，仅依赖于殖民地所在帝国的帝国主义国家位置，而不考虑其他国家对其的影响，导致算法容易陷入局部最优，从而降低算法的优化性能。因此，为了提高算法的全局搜索能力，借鉴萤火虫算法中萤火虫亮度和距离的关系，引入了距离策略用于改进帝国主义算法中殖民地的位置更新方式，从而可以极大的提高算法性能，进而更好的实现电力系统的多目标无功优化。
技术实现思路
本专利技术旨在解决以上现有技术的问题。提出了一种提高算法优化性能、提高算法的全局搜索能力的基于DSICA算法的电力系统多目标无功优化方法。本专利技术的技术方案如下：一种基于DSICA算法的电力系统多目标无功优化方法，其包括以下步骤：S1、建立满足约束条件的电力系统多目标无功优化模型，设置电力系统运行参数以及DSICA距离策略帝国主义算法参数；S2、根据多目标无功优化模型，确定最小化网络损耗和电压稳定性指标的双目标优化模型，并确定包括等式约束和不等式约束在内的约束条件；S3、初始化种群即国家，通过潮流计算得到每个国家的目标函数值、约束违反总值以及与控制变量对应的状态变量，并将初始群体复制到外部储存空间；S4、算法迭代，采用DSICA距离策略帝国主义算法进行优化更新国家，所述DSICA距离策略帝国主义算法主要改进在于：殖民地国家的位置更新不止依赖于所在帝国的帝国主义国家位置，还将其他强大殖民地的作用也作为殖民地更新的影响元素；将萤火虫算法的运动力学理念借鉴到殖民地位置更新中，即殖民地的位置更新不仅受到国家权力值的影响还受到国家间距离的影响；对更新后的国家重新进行潮流计算得到更新后的目标函数值和约束违反总值，将更新后的国家复制到外部储存空间与上一代国家进行非劣排序和拥挤距离计算，然后根据所得的排序情况进行裁剪以保持外部储存空间大小不变；S5、判断是否满足迭代次数，若不满足，则继续进行算法迭代，若满足，则停止迭代，输出外部储存空间的帕累托最优解集，并根据模糊决策法从帕累托最优解集中找到最优折衷解，通过最优折衷解可得到无功优化的目标函数值以及所对应的控制变量值，通过所得到的控制变量值对控制设备进行调节实现无功功率更合理的分布，从而实现电力系统的无功优化。进一步的，所述步骤S1建立满足约束条件的多目标无功优化数学模型为：minF＝(f1(x,u),f2(x,u),…,fi(x,u),…,fM(x,u))s.t.gj(x,u)＝0,j＝1,2,…,phk(x,u)≤0,k＝1,2,…,q其中，min表示取最小值函数，F表示参与优化的目标函数，fi(x,u)表示第i个目标函数，M表示目标个数，x表示状态变量或非独立变量，u表示控制变量，s.t.表示受约束于，gj(x,u)和hk(x,u)分别表示p个等式约束和q个不等式约束。进一步的，所述约束条件包括等式约束和不等式约束，具体包括：①等式约束式中，Ni表示与节点i连接的节点数，PGi和PDi分别表示第i个PV节点和第i个PQ节点的有功功率，QGi和QDi分别表示第i个PV节点和第i个PQ节点的无功功率，δij表示Vi和Vj之间的相角差，Gij和Bij分别表示节点i和j间输电线路的电导和电纳，N表示平衡节点外的节点总数；②不等式约束所述不等式约束根据变量的类型分为状态变量不等式约束和控制变量不等式约束，其中所述状态变量不等式约束包括：PQ节点的电压约束、PV节点的无功功率约束、视在功率约束；所述控制变量不等式约束包括：发电机端电压约束、变压器抽头变比约束、无功补偿装置约束。进一步的，所述多目标无功优化数学模型包括目标函数：最小化网络损耗和电压稳定性指标，其中所述网络损耗的目标函数为：式中，f1表示第一个目标，Ploss表示网络损耗，NE表示总支路数，gk表示第k条支路的电导，Vi和Vj分别表示第i和第j个节点的电压幅值，δij表示Vi和Vj之间的相角差；所述电压稳定性指标的目标函数为：minf2＝min(Lindex)＝max{Lj},j∈NPQ式中，f2表示第二个目标，Lindex表示电压稳定性指标，NPQ表示PQ节点数，Lj表示第j个节点的局部电压稳定性指标，表示如下：式中，NPV表示PV节点数,HLGjk是负荷参与因子矩阵HLG中第j行k列元素，Vi和Vj分别是第i个PV节点复电压以及第j个PQ节点的复电压，其中Lindex和系统电压稳定性关系为：Lindex小于1时，系统电压稳定；等于1时，系统电压处于临界状态；大于1时，系统电压失稳。进一步的，所述步骤S3通过潮流计算得到每个国家的目标函数值、约束违反总值以及与控制变量对应的状态变量，具体包括：所述的目标函数值求取，在潮流计算的基础上通过步骤S2所述的目标函数计算公式可以得到网络损耗Ploss和电压稳定性指标Lind本文档来自技高网...

【技术保护点】
1.一种基于DSICA算法的电力系统多目标无功优化方法，其特征在于，包括以下步骤：S1、建立满足约束条件的电力系统多目标无功优化模型，设置电力系统运行参数以及DSICA距离策略帝国主义算法参数；S2、根据多目标无功优化模型，确定最小化网络损耗和电压稳定性指标的双目标优化模型，并确定包括等式约束和不等式约束在内的约束条件；S3、初始化种群即国家，通过潮流计算得到每个国家的目标函数值、约束违反总值以及与控制变量对应的状态变量，并将初始群体复制到外部储存空间；S4、算法迭代，采用DSICA距离策略帝国主义算法进行优化更新国家，所述DSICA距离策略帝国主义算法主要改进在于：殖民地国家的位置更新不止依赖于所在帝国的帝国主义国家位置，还将其他强大殖民地的作用也作为殖民地更新的影响元素；将萤火虫算法的运动力学理念借鉴到殖民地位置更新中，即殖民地的位置更新不仅受到国家权力值的影响还受到国家间距离的影响；对更新后的国家重新进行潮流计算得到更新后的目标函数值和约束违反总值，将更新后的国家复制到外部储存空间与上一代国家进行非劣排序和拥挤距离计算，然后根据所得的排序情况进行裁剪以保持外部储存空间大小不变；S5、判断是否满足迭代次数，若不满足，则继续进行算法迭代，若满足，则停止迭代，输出外部储存空间的帕累托最优解集，并根据模糊决策法从帕累托最优解集中找到最优折衷解，通过最优折衷解可得到无功优化的目标函数值以及所对应的控制变量值，通过所得到的控制变量值对控制设备进行调节实现无功功率更合理的分布，从而实现电力系统的无功优化。...

【技术特征摘要】
1.一种基于DSICA算法的电力系统多目标无功优化方法，其特征在于，包括以下步骤：S1、建立满足约束条件的电力系统多目标无功优化模型，设置电力系统运行参数以及DSICA距离策略帝国主义算法参数；S2、根据多目标无功优化模型，确定最小化网络损耗和电压稳定性指标的双目标优化模型，并确定包括等式约束和不等式约束在内的约束条件；S3、初始化种群即国家，通过潮流计算得到每个国家的目标函数值、约束违反总值以及与控制变量对应的状态变量，并将初始群体复制到外部储存空间；S4、算法迭代，采用DSICA距离策略帝国主义算法进行优化更新国家，所述DSICA距离策略帝国主义算法主要改进在于：殖民地国家的位置更新不止依赖于所在帝国的帝国主义国家位置，还将其他强大殖民地的作用也作为殖民地更新的影响元素；将萤火虫算法的运动力学理念借鉴到殖民地位置更新中，即殖民地的位置更新不仅受到国家权力值的影响还受到国家间距离的影响；对更新后的国家重新进行潮流计算得到更新后的目标函数值和约束违反总值，将更新后的国家复制到外部储存空间与上一代国家进行非劣排序和拥挤距离计算，然后根据所得的排序情况进行裁剪以保持外部储存空间大小不变；S5、判断是否满足迭代次数，若不满足，则继续进行算法迭代，若满足，则停止迭代，输出外部储存空间的帕累托最优解集，并根据模糊决策法从帕累托最优解集中找到最优折衷解，通过最优折衷解可得到无功优化的目标函数值以及所对应的控制变量值，通过所得到的控制变量值对控制设备进行调节实现无功功率更合理的分布，从而实现电力系统的无功优化。2.根据权利要求1所述的基于DSICA算法的电力系统多目标无功优化方法，其特征在于，所述步骤S1建立满足约束条件的多目标无功优化数学模型为：minF＝(f1(x,u),f2(x,u),…,fi(x,u),…,fM(x,u))s.t.gj(x,u)＝0,j＝1,2,…,phk(x,u)≤0,k＝1,2,…,q其中，min表示取最小值函数，F表示参与优化的目标函数，fi(x,u)表示第i个目标函数，M表示目标个数，x表示状态变量或非独立变量，u表示控制变量，s.t.表示受约束于，gj(x,u)和hk(x,u)分别表示p个等式约束和q个不等式约束。3.根据权利要求1或2所述的基于DSICA算法的电力系统多目标无功优化方法，其特征在于，所述约束条件包括等式约束和不等式约束，具体包括：①等式约束式中，Ni表示与节点i连接的节点数，PGi和PDi分别表示第i个PV节点和第i个PQ节点的有功功率，QGi和QDi分别表示第i个PV节点和第i个PQ节点的无功功率，δij表示Vi和Vj之间的相角差，Gij和Bij分别表示节点i和j间输电线路的电导和电纳，N表示平衡节点外的节点总数；②不等式约束所述不等式约束根据变量的类型分为状态变量不等式约束和控制变量不等式约束，其中所述状态变量不等式约束包括：PQ节点的电压约束、PV节点的无功功率约束、视在功率约束；所述控制变量不等式约束包括：发电机端电压约束、变压器抽头变比约束、无功补偿装置约束。4.根据权利要求3所述的基于DSICA算法的电力系统多目标无功优化方法，其特征在于，所述多目标无功优化数学模型包括目标函数：最小化网络损耗和电压稳定性指标，其中所述网络损耗的目标函数为：式中，f1表示第一个目标，Ploss表示网络损耗，NE表示总支路数，gk表示第k条支路的电导，Vi和Vj分别表示第i和第j个节点的电压幅值，δij表示Vi和Vj之间的相角差；所述电压稳定性指标的目标函数为：minf2＝min(Lindex)＝max{Lj},j∈NPQ式中，f2表示第二个目标，Lindex表示电压稳定性指标，NPQ表示PQ节点数，Lj表示第j个节点的局部电压稳定性指标，表示如下：式中，NPV表示PV节点数,HLGjk是负荷参与因子矩阵HLG中第j行k列元素，Vi和Vj分别是第i个PV节点复电压以及第j个PQ节点的复电压，其中Lindex和系统电压稳定性关系为：Lindex小于1时，系统电压稳定；等于1时，系统电压处于临界状态；大于1时，系统电压失稳。5.根据权利要求1所述的基于DSICA算法的电力系统多目标无功优化方法，其特征在于，所述步骤S3通过潮流计算得到每个国家的目标函数值、约束违反总值以及与控制变量对应的状态变量，具体包括：所述的目标函数值求取，在潮流计算的基础上通过权利要求3所述的目标函数计算公式可以得到网络损耗Ploss和电压稳定性指标Lindex的函数值大小。所述的约束违反总值计算式如下：式中，Vio(u)表示约束违反总值，Ns是状态变量的不等式约束总数，hk(x,u)表示第k个状态变量的不等式约束；所述的状态变量获取，是在得到确定的控制变量值即国家个体的...

【专利技术属性】
技术研发人员：陈功贵，曹佳，钱洁，谭晓霞，李志军，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆,50