【技术实现步骤摘要】
一种基于最优无功补偿的低电压智能治理方法
本专利技术属于低电压治理
，具体涉及一种基于最优无功补偿的低电压智能治理方法。
技术介绍
随着工业的快速发展及家用电器的不断增加，居民用电量不断上升，一些偏远的配电网末端区域，低电压问题频繁出现，严重影响了人们的生活与生产。目前各种低电压治理方法中，利用无功补偿进行配电台区低电压治理是较合理和经济的方法。无功补偿指在电网中安装并联电容器或静止无功补偿器无功补偿设备后，提供感性负载所消耗的无功功率，减少电源端向感性负荷提供的无功功率，减少无功功率在电网线路中的流动，降低线路和变压器因输送无功功率造成的电能损耗和电压损耗，从而避免低电压问题。为了全面系统解决低电压问题，需要对不同补偿点的无功补偿量进行全局考虑，整个系统的无功优化是典型的非线性优化问题，具有多约束、多变量、离散性特点，一般的优化方法求解时存在求解时间长、求解精度低、难以找到全局最优解问题。目前，以粒子群(PSO)算法为代表的群智能算法成为了求解无功优化这类复杂非线性优化问题的有效手段。然而，标准的粒子群优化算...
【技术保护点】
1.一种基于最优无功补偿的低电压智能治理方法，其特征在于，包括如下步骤：/n步骤(1)，确定无功优化指标：选择有功功率网络损耗和系统平均电压偏离标称值作为无功优化指标；/n步骤(2)，寻找最优无功指标：采用动态PSO算法寻找最优无功指标，设定算法原始参数，随机初始化微粒种群，用C
【技术特征摘要】
1.一种基于最优无功补偿的低电压智能治理方法，其特征在于，包括如下步骤：
步骤(1)，确定无功优化指标：选择有功功率网络损耗和系统平均电压偏离标称值作为无功优化指标；
步骤(2)，寻找最优无功指标：采用动态PSO算法寻找最优无功指标，设定算法原始参数，随机初始化微粒种群，用Ci＝[Cc1,Cc2,...,CcD]T表示配电网中某位置的无功指标，式中D为维度搜索空间，Ci为第i个微粒位置值；
步骤(3)，确定最佳功率流和传输网络损耗：针对动态PSO算法中的每一个微粒，运用有功-无功分解法计算最佳功率流和传输网络损耗，得到评估值Cbest；
步骤(4)，利用群体中的非平稳多阶段惩罚函数对微粒动态寻优，将有约束条件的最优潮流问题转为一个无约束求极值问题：
惩罚函数为F(x,u)＝f(x,u)+h(k)H(x,u)，式中f(x,u)是经P-Q分解后的原始目标函数，h(k)是动态修改的值，且H(x,u)是惩罚因子，k是算法中当前迭代次数，x是状态变量集合，u控制变量集合，Ploss表示系统有功功率网络损耗，Vi、Vi.max、Vi.min分别为负荷节点电压、电压上限值、电压下限值，Qj、Qj.max、Qj.min分别为发电机节点的无功、无功上限值、无功下限值，NP为系统负荷节点总数，NG为发电机总数，λ1为负荷节点电压越界惩罚系数，λ2无为发电机节点无功越界惩罚系数；
θ[qi(x,u)]＝max{0,|gi(x,u)|}i＝1,2,...,m；
γ[qi(x,u)]＝max{0,hi(x,u)}i＝1,2,...,n；
步骤(5)，更新微粒速度：依据更新每个微粒的速度v，如果v>vmax，则v＝vmax，如果v<-vmax，则v＝-vmax，式中d为迭代次数，为d次迭代时的微粒的空间位置，为d次迭代时的微粒的速度，ω为惯性权重，c1、c2为加速度常数，r1、r2为[0,1]内变化的随机数值，为所寻找的最优解；
步骤(6)，更新微粒位置：依据更新每个微粒的自身位置，式中d为迭代次数，为d次迭代时的微粒的空间位置，为d次迭代时的微粒的速度；
步骤(7)，迭代确定最优微粒和全局极值：依据每个微粒的更新自身位置对其进行评估，评估方法为：记当前位置评估值为Abest，若Abest优于步骤(3)的Cbest，则将该Abest值替换为Cbest；若没有得到优于Cbest的Abest，则重新转到步骤(5)；直到生成并输出最新全局极值Cbest，即为最后一次迭代微粒对应的无功指标Ci＝[Cc1,Cc2,...,CcD]T，Ci为配电网中某位置的无功指标，式中D为维度搜索空间，Ci为第i个微粒位置值；
步骤(8)，配置配电网中各点的无功补偿装置：根据位置和最优无功指标，配置配电网中各点的无功补偿装置。
2.根据权利要求1所述的基于最优无功补偿...
【专利技术属性】
技术研发人员：杨金东，刘红文，黄继盛，石定中，罗玉珠，王骏，张磊，
申请(专利权)人：云南电网有限责任公司临沧供电局，
类型：发明
国别省市：云南;53
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。