【技术实现步骤摘要】
电力系统无功设备配置地点和最佳补偿容量的优化方法
本专利技术属于电力系统
，特别是涉及电力系统无功设备配置地点和最佳补偿容量的优化方法。
技术介绍
随着电力系统规模不断增加，不能因系统中某区域无功不足对该区域每个负荷节点都配置无功补偿装置，这虽然很大程度上保证了系统电压稳定性，但是其成本投入太大，控制方式冗余复杂，没有实际工程应用价值。确定无功补偿设备的最佳补偿点是电力系统无功规划研究的关键问题。同时，无功补偿装置的容量配置也是非线性规划所要探讨的问题。传统的基于标准粒子群算法计算最佳补偿容量时需要设定局部学习因子和全局学习因子等参数，对于寻找优化模型的最佳参数有一定不利影响，同时粒子位置更新缺乏随机性，容易出现局部最优问题。
技术实现思路
为了解决上述问题，本专利技术提出了电力系统无功设备配置地点和最佳补偿容量的优化方法，能够快速且有效的获得电力系统无功设备的配置地点和最佳补偿容量。为达到上述目的，本专利技术采用的技术方案是：电力系统无功设备配置地点和最佳补偿容量的优化方法，包括步...
【技术保护点】
1.电力系统无功设备配置地点和最佳补偿容量的优化方法，其特征在于，包括步骤：/nS10,设定电力系统参数；/nS20,计算负荷节点的局部电压稳定L指标，根据局部电压稳定L指标获得电力系统负荷节点的电压稳定性排序，对于稳定性差的节点作为无功补偿节点，获得无功设备的配置地点；/nS30,遗传量子粒子群算法参数初始化；/nS40,根据电力系统参数和无功补偿节点，计算粒子适应度值；/nS50,更新粒子群；/nS60,根据已更新的粒子群，通过遗传算子操作获得粒子个体最优值和当前种群的全局最优值作为无功设备的最佳补偿容量；/nS70,判断计算结果是否达到收敛精度或最大迭代次数，若达到则...
【技术特征摘要】
1.电力系统无功设备配置地点和最佳补偿容量的优化方法，其特征在于，包括步骤：
S10,设定电力系统参数；
S20,计算负荷节点的局部电压稳定L指标，根据局部电压稳定L指标获得电力系统负荷节点的电压稳定性排序，对于稳定性差的节点作为无功补偿节点，获得无功设备的配置地点；
S30,遗传量子粒子群算法参数初始化；
S40,根据电力系统参数和无功补偿节点，计算粒子适应度值；
S50,更新粒子群；
S60,根据已更新的粒子群，通过遗传算子操作获得粒子个体最优值和当前种群的全局最优值作为无功设备的最佳补偿容量；
S70,判断计算结果是否达到收敛精度或最大迭代次数，若达到则输出当前所计算的无功设备的最佳补偿容量作为安装容量，若不达到则更新粒子返回步骤S50再次计算粒子适应度值，再次计算适应度值，更新粒子群。
2.根据权利要求1所述的电力系统无功设备配置地点和最佳补偿容量的优化方法，其特征在于，所述电力系统参数包括：将电力系统有功网损最小作为优化目标；将发电机机端电压幅值、无功补偿点的无功配置容量和可调变压器分接头位置作为控制变量；将负荷节点电压、发电机出力和支路传输功率作为状态变量。
3.根据权利要求2所述的电力系统无功设备配置地点和最佳补偿容量的优化方法，其特征在于，所述遗传量子粒子群算法参数初始化包括：随机初始化种群；设置种群规模、最大迭代次数，根据所述控制变量确定空间维度及其上下限。
4.根据权利要求3所述的电力系统无功设备配置地点和最佳补偿容量的优化方法，其特征在于，所述计算粒子适应度值包括：根据适应度函数计算粒子个体的适应度值，记录粒子个体最优值和全局最优值。
5.根据权利要求4所述的电力系统无功设备配置地点和最佳补偿容量的优化方法，其特征在于，所述更新粒群包括：重新计算粒子个体在此次迭代的适应度值，并更新粒子个体最优值和当前种群全局最优值。
6.根据权利要求5所述的电力系统无功设备配置地点和最佳补偿容量的优化方法，其特征在于，所述遗传算子操作包括将量子粒子群算法已更新的种群粒子作为遗传算法中浮点数编码的染色体，通过交叉算子操作使得粒子间进行信息交互，使粒子个体具备充分的位置更新机会。
<...
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。