一种基于自适应粒子群的无功优化方法技术

本发明专利技术提供一种基于自适应粒子群的无功优化方法，包括以下步骤：S1、输入初始数据，初始化算法参数，初始数据包括最大迭代次数；S2、随机产生N个粒子及每个粒子对应的初始速度与位置；S3、应用随机潮流计算每个粒子的优化方案的网络有功损耗值与满意度函数，将迭代数据记为1；S4、根据自适应粒子群算法更新惯性权重与学习因子并根据其对粒子的速度与位置进行更新；S5、根据满意度函数对N个粒子的满意度重新进行计算，选取最大的满意度对应的粒子位置为最优位置；S6、当迭代次数未达到最大迭代次数时，重复执行步骤S4至S5，并将迭代次数加1，当迭代次数达到最大迭代次数时，停止迭代，输出当局最优位置，即为优化结果。

A reactive power optimization method based on Adaptive Particle Swarm Optimization

【技术实现步骤摘要】
一种基于自适应粒子群的无功优化方法
本专利技术涉及电力系统
，具体涉及一种基于自适应粒子群的无功优化方法。
技术介绍
标准粒子群算法的主要控制参数有惯性权重和学习因子，由于学习因子采用固定值，惯性权重采用线性递减的更新策略设置过于简单，导致算法寻优速度慢、求解精度低，从而影响内嵌随机潮流的粒子群算法求解无功优化的精度与速度。
技术实现思路
本专利技术的目的是提供一种基于自适应粒子群的无功优化方法，以自适应粒子群算法为主体，将随机潮流嵌入算法寻优，速度快，精度高。本专利技术提供了如下的技术方案：一种基于自适应粒子群的无功优化方法，包括以下步骤：S1、输入初始数据，初始化算法参数，所述初始数据包括最大迭代次数；S2、随机产生N个粒子及每个粒子对应的初始速度与位置；S3、应用随机潮流计算每个粒子的优化方案的网络有功损耗值、电压值与满意度函数，将迭代数据记为1；S4、根据自适应粒子群算法更新惯性权重与学习因子，根据所述惯性权重与所述学习因子对粒子的速度与位置进行更新；S5、根据所述满意度函数对N个粒子的满意度重新进行计算，得到N个新的满意度，选取最大的满意度对应的粒子位置为最优位置；S6、当迭代次数未达到所述最大迭代次数时，重复执行步骤S4至S5，并将迭代次数加1，当迭代次数达到所述最大迭代次数时，停止迭代，输出当局最优位置，即为优化结果。优选的，所述步骤S1的初始数据包括电容器与配网数据。优选的，所述步骤S3的网络有功损耗值的计算公式为其中，Ploss为配电网有功损耗；T为计算时间段(24h)；N’为系统网络节点的个数；M为系统网络负荷与j节点直接相连的节点个数；Ui,t、Uj,t为t时段系统节点i的电压；Gij,t、Bij,t和θij,t分别为t时段系统支路i-j的电导、电纳和阻抗角。优选的，所述步骤S3的满意度函数为f＝aλ1+bλ2，其中a、b为权重系数，λ1和λ2分别为分布式电源年投资效益系统网络有功损耗值的归一值。优选的，所述分布式电源年投资效益系统网络有功损耗值的归一值的计算公式为其中，Cpsc,max和Ploss,min分别为单独以分布式电源投资效益和网络有功损耗值为单一优化目标时得到的分布式电源投资效益最大值和网络有功损耗值的最小值；Cpsc,min和Ploss,max为不进行优化时得到的分布式电源效益值和网络有功损耗值。优选的，所述分布式电源效益值的计算公式为其中，Cpsc为分布式电源投资效益；Ctpf为分布式电源年投资效益，包括售电收益和国家政策补贴；Cinv为分布式电源年投资成本，包括占地费用和运行维护费用。优选的，所述步骤S4的根据自适应粒子群算法更新惯性权重与学习因子的方法步骤如下：A1、PSO算法的每次迭代过程中，确定种群粒子间最大的对角线距离，计算公式为L(t)＝max||xi(t),xj(t)||2，其中，L(t)为xi(t)和xi(t)两粒子间的最大对角线距离；A2、确定每个粒子在其方向矢量上的投影集合为y(t)＝g(t)Tx(t)，其中，y(t)为投影集合，g(t)为xi(t)和xi(t)两粒子间的方向矢量；A3、将所述g(t)按照种群规模等分，并统计每个区间段内的粒子投影个数；A4、计算每一次迭代种群分布熵，计算公式为si(t)＝hi(t)/N，其中，hi(t)为每个区间段内的粒子投影个数；E(t)为分布熵；A5、根据所述分布熵对每一次迭代的惯性权重与学习因子进行更新，更新公式为w(E(t))＝1/(1+1.5e-2.6E(t))；其中；ω(E(t))为惯性权重；n、Nmax分别为迭代次数和最大迭代次数；c1,ini、c2,ini和c1,fin、c2,fin分别为学习因子c1、c2的初值和终值。本专利技术的有益效果是：采用基于分布熵的自适应惯性权重更新策略，均衡了算法全局与局部搜索性能，提高了算法搜索精度；以自适应粒子群算法为主体，将随机潮流嵌入算法寻优，速度快，精度高。附图说明附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。在附图中：图1是本专利技术原理框图。具体实施方式如图1所示，一种基于自适应粒子群的无功优化方法，包括以下步骤：S1、输入初始数据(如电容器与配网数据)，初始化算法参数，初始数据包括最大迭代次数Nmax；S2、随机产生N个粒子及每个粒子对应的初始速度与位置；S3、应用随机潮流计算每个粒子的优化方案的网络有功损耗值与满意度函数，将迭代数据记为1；S4、根据自适应粒子群算法更新惯性权重与学习因子，根据惯性权重与学习因子对粒子的速度与位置进行更新；S5、根据满意度函数对N个粒子的满意度重新进行计算，得到N个新的满意度，选取最大的满意度对应的粒子位置为最优位置；S6、当迭代次数未达到最大迭代次数时，重复执行步骤S4至S5，并将迭代次数加1，当迭代次数达到最大迭代次数时，停止迭代，输出当局最优位置，即为优化结果。具体的，步骤S3的网络有功损耗值的计算公式为其中，Ploss为配电网有功损耗；T为计算时间段(24h)；N’为系统网络节点的个数；M为系统网络负荷与j节点直接相连的节点个数；Ui,t、Uj,t为t时段系统节点i的电压；Gij,t、Bij,t和θij,t分别为t时段系统支路i-j的电导、电纳和阻抗角。具体的，步骤S3的满意度函数为f＝aλ1+bλ2，其中a、b为权重系数，λ1和λ2分别为分布式电源年投资效益系统网络有功损耗值的归一值。具体的，分布式电源年投资效益系统网络有功损耗值的归一值的计算公式为其中，Cpsc,max和Ploss,min分别为单独以分布式电源投资效益和网络有功损耗值为单一优化目标时得到的分布式电源投资效益最大值和网络有功损耗值的最小值；Cpsc,min和Ploss,max为不进行优化时得到的分布式电源效益值和网络有功损耗值。具体的，分布式电源效益值的计算公式为其中，Cpsc为分布式电源投资效益；Ctpf为分布式电源年投资效益，包括售电收益和国家政策补贴；Cinv为分布式电源年投资成本，包括占地费用和运行维护费用。具体的，步骤S4的根据自适应粒子群算法更新惯性权重与学习因子的方法步骤如下：A1、PSO算法的每次迭代过程中，确定种群粒子间最大的对角线距离，计算公式为L(t)＝max||xi(t),xj(t)||2，其中，L(t)为xi(t)和xi(t)两粒子间的最大对角线距离；A2、确定每个粒子在其方向矢量上的投影集合为y(t)＝g(t)Tx(t)，其中，y(t)为投影集合，g(t)为xi(t)和xi(t)两粒子间的方向矢量；A3、将g(t)按照种群规模等分，并统计每个区间段内的粒子投影个数；<本文档来自技高网...

【技术保护点】
1.一种基于自适应粒子群的无功优化方法，其特征在于，包括以下步骤：/nS1、输入初始数据，初始化算法参数，所述初始数据包括最大迭代次数；/nS2、随机产生N个粒子及每个粒子对应的初始速度与位置；/nS3、应用随机潮流计算每个粒子的优化方案的网络有功损耗值、电压值与满意度函数，将迭代数据记为1；/nS4、根据自适应粒子群算法更新惯性权重与学习因子，根据所述惯性权重与所述学习因子对粒子的速度与位置进行更新；/nS5、根据所述满意度函数对N个粒子的满意度重新进行计算，得到N个新的满意度，选取最大的满意度对应的粒子位置为最优位置；/nS6、当迭代次数未达到所述最大迭代次数时，重复执行步骤S4至S5，并将迭代次数加1，当迭代次数达到所述最大迭代次数时，停止迭代，输出当局最优位置，即为优化结果。/n

【技术特征摘要】
1.一种基于自适应粒子群的无功优化方法，其特征在于，包括以下步骤：
S1、输入初始数据，初始化算法参数，所述初始数据包括最大迭代次数；
S2、随机产生N个粒子及每个粒子对应的初始速度与位置；
S3、应用随机潮流计算每个粒子的优化方案的网络有功损耗值、电压值与满意度函数，将迭代数据记为1；
S4、根据自适应粒子群算法更新惯性权重与学习因子，根据所述惯性权重与所述学习因子对粒子的速度与位置进行更新；
S5、根据所述满意度函数对N个粒子的满意度重新进行计算，得到N个新的满意度，选取最大的满意度对应的粒子位置为最优位置；
S6、当迭代次数未达到所述最大迭代次数时，重复执行步骤S4至S5，并将迭代次数加1，当迭代次数达到所述最大迭代次数时，停止迭代，输出当局最优位置，即为优化结果。


2.根据权利要求1所述的一种基于自适应粒子群的无功优化方法，其特征在于，所述步骤S1的初始数据包括电容器与配网数据。


3.根据权利要求1所述的一种基于自适应粒子群的无功优化方法，其特征在于，所述步骤S3的网络有功损耗值的计算公式为



其中，Ploss为配电网有功损耗；T为计算时间段(24h)；N’为系统网络节点的个数；M为系统网络负荷与j节点直接相连的节点个数；Ui,t、Uj,t为t时段系统节点i的电压；Gij,t、Bij,t和θij,t分别为t时段系统支路i-j的电导、电纳和阻抗角。


4.根据权利要求3所述的一种基于自适应粒子群的无功优化方法，其特征在于，所述步骤S3的满意度函数为f＝aλ1+bλ2，其中a、b为权重系数，λ1和λ2分别为分布式电源年投资效益系统网络有功损耗值的归一值。


5.根据权利要求4所述的一种基于自适应粒子群的无功优化方法，其特征在于，所述分布式电源年投资效益系统网络有功损耗值的归一...

【专利技术属性】
技术研发人员：郑国军，徐青山，曹骁勇，吴在军，朱豪，
申请(专利权)人：东南大学，云南恒协科技有限公司，
类型：发明
国别省市：江苏;32