【技术实现步骤摘要】
一种基于PSO-SCA和图论辅助的二阶段动态无功优化方法
本专利技术属于电力系统动态无功优化领域,具体涉及一种用正弦余弦算法(SCA)扰动的改进粒子群算法(PSO)和图论辅助的想法进行二阶段动态无功优化方法。
技术介绍
随着社会的发展,用电量急剧增加。由于不同的设备对无功功率的需求不同,产生了无功功率在系统中分配不均匀的现象,这会造成电压波动,不利于电力系统的安全稳定,因此电力系统无功优化是降低网络的运行损耗、提高电压合格率的有效措施。电力系统无功优化是在给定结构参数和负荷条件下,在满足所有规定约束条件的前提下,通过调节多个控制变量来优化一个或多个性能指标的运行,其中控制变量包括发电机电压幅值,有载调压变压器抽头和补偿电容的档位,其中发电机电压幅值是连续变量,有载调压变压器抽头和补偿电容的档位认为是离散变量才更符合实际的要求。当前无功优化主要有两个研究方面:静态无功优化和动态无功优化。在电力系统当中,有载调压变压器抽头和补偿电容的档位不能频繁调整,以有载调压变压器抽头为例:有研究表明35kV的电力系统有载调压 ...
【技术保护点】
1.一种基于PSO-SCA和图论辅助的二阶段动态无功优化方法,其特征在于,包括以下步骤:/n步骤1:第一阶段采用PSO-SCA对电力系统每个时间段进行静态无功优化,在每个时间段内认为负荷的信息是不变的;/n针对粒子群算法易于陷入局部最优的情况,在速度更新和位置更新后对位置信息增加SCA扰动,如式(1)、(2)所示,比较扰动的适应度值,将扰动的最优适应度值和位置信息的适应度值进行比较,选取适应度较小的位置信息;/n
【技术特征摘要】
1.一种基于PSO-SCA和图论辅助的二阶段动态无功优化方法,其特征在于,包括以下步骤:
步骤1:第一阶段采用PSO-SCA对电力系统每个时间段进行静态无功优化,在每个时间段内认为负荷的信息是不变的;
针对粒子群算法易于陷入局部最优的情况,在速度更新和位置更新后对位置信息增加SCA扰动,如式(1)、(2)所示,比较扰动的适应度值,将扰动的最优适应度值和位置信息的适应度值进行比较,选取适应度较小的位置信息;
其中
式中:xik+1、xik分别为粒子的第i维在第k+1次和第k次迭代时的位置,Pik为粒子的第i维在第k次迭代在时的最优解,r2为[0,2π]之间的随机数,r3为[0,2]之间的随机数,a为一个随机常数,一般为3,kmax为迭代最大次数;
步骤2:选取每个时间段内目标函数结果较好的数次结果;其中第一个时刻选取适应度最优的那个解,其余时刻选择若干个适应度较好的解;
步骤3:基于图论辅助的第二阶段动态无功优化,得到一组符合实际情况的优化调度策略;
如果不限制调整次数,则选取各个时刻的最优解组成调度方案即可,但这样会导致有载调压变压器和补偿电容器调整次数过于频繁;因此需要在结果集合中选取更符合实际情况的一组优化调度策略;以有载调压变压器抽头位置调整次数和电容器调整次数最小为优化目标,进行第二阶段的优化;第二阶段目标函数和约束条件如下:
其中
式中:Tmt和Tmt-1分别表示t时刻和t-1时刻第m个有载调压变压器的档位,Cmt和Cmt-1分别表示t时刻和t-1时刻第m个电容器的档位;式(5)表示某一个电容器在一个时间段内的调整次数不能超过最大调整数;式(6)表示某一个有载调压变压器的调整次数在一个时间段内不能超过最大调整数;
步骤4:第二阶段动态无功优化问题和图论问题的转化;
考虑到某一时刻的各个解和下一时刻各个解都有联系、所有解组成全部状态寻优空间,且各个解之间是通过状态变量实现转移,因此把各个...
【专利技术属性】
技术研发人员:王占山,王琳,万富康,杨东升,
申请(专利权)人:东北大学,
类型:发明
国别省市:辽宁;21
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。