基于改进差分进化算法的电力系统网损最小无功优化方法技术方案

本发明专利技术公开一种基于改进差分进化算法的电力系统网损最小无功优化方法，步骤为：将分布式电源接入电网中；建立电力系统无功优化的数学模型；初始化种群，设置参数；对初始种群中的每个个体进行变异操作，根据变异策略以及变异放缩因子，得到变异种群；将变异种群与父辈种群进行交叉操作，得到试验种群；分别对试验种群和父辈种群中每个个体的基因进行潮流计算，根据目标函数计算个体适应度；按照选择策略，将试验种群与父辈种群个体的适应度进行比较，选择适应度更好的作为下一代个体；迭代次数达到最大时计算当前个体的适应度，输出最优结果。本发明专利技术方法解决了电力系统无功优化问题，有效降低系统网损，提高节点电压的质量，减少系统运行成本。少系统运行成本。少系统运行成本。

【技术实现步骤摘要】
基于改进差分进化算法的电力系统网损最小无功优化方法


[0001]本专利技术属于电力系统信息
，具体涉及一种基于改进差分进化算法的电力系统网损最小无功优化方法。

技术介绍

[0002]随着全球范围内能源危机以及环境污染日益严重，清洁能源如太阳能、风能的利用受到广泛关注，与之相应的分布式发电技术也迅速发展。分布式电源的接入会影响电网中潮流的分布，电网中的无功潮流分布是影响电网安全稳定运行的重要因素。无功不足会导致系统的电压降低，使用电设备的工作电压无法达到额定电压，甚至严重时会造成电压崩溃，引起大面积的停电事故；无功过剩不仅浪费资源而且容易引起系统电压的升高，超过设备的安全电压，影响设备的使用寿命。
[0003]无功优化是指在电力系统中有充裕的无功电源时，通过对无功功率的调控，实现电力系统中无功潮流的合理分布。合理的无功分布可以减小系统的有功损耗并且改善电压的质量。无功优化问题是一个复杂的非线性规划问题，其目标函数和约束条件都是非线性的，而且约束条件较多；此外，其控制变量也有数量多和类型多的特点，不仅有离散变量如变压器分接头的位置，还有大量的连续变量如发电机的机端电压等。因此无功优化问题的求解是非常困难的。
[0004]近年来，许多智能优化方法被引入求解无功优化的问题，如遗传算法、粒子群算法以及模拟退火算法等，但这些算法都有计算效率低以及收敛时间长等缺点，在众多算法中，差分进化算法在优化性能上比其他算法更好，但是传统的差分进化算法将变异放缩因子设置为常数，不能随着迭代的进行而自适应调整，若变异放缩因子过大，则会导致算法的收敛速度变慢，全局最优解的精度降低；若变异放缩因子过小，会导致种群的多样性降低，容易出现早熟的现象。

技术实现思路

[0005]针对现有技术中存在的上述不足，本专利技术要解决的问题是提供一种可使目标函数的收敛性更好、优化程度更高的基于改进差分进化算法的电力系统网损最小无功优化方法。
[0006]为解决上述技术问题，本专利技术采取的技术方案是：
[0007]本专利技术提供一种基于改进差分进化算法的电力系统网损最小无功优化方法，包括以下步骤：
[0008]1)将分布式电源接入电网中；
[0009]2)建立电力系统无功优化的数学模型，模型包括目标函数以及约束条件；
[0010]3)初始化种群，设置参数；
[0011]4)进行寻优循环运算，对初始种群中的每个个体进行变异操作，根据变异策略以及变异放缩因子，得到变异种群；
[0012]5)将得到的变异种群与父辈种群进行交叉操作，根据交叉方式以及交叉概率因子，得到一个试验种群；
[0013]6)分别对试验种群和父辈种群中每个个体的基因进行潮流计算，根据目标函数计算个体适应度；
[0014]7)按照选择策略，将试验种群与父辈种群个体的适应度进行比较，选择适应度更好的作为下一代个体；
[0015]8)在寻优循环运算过程中，判断当前迭代次数是否达到最大迭代次数，若是，计算当前个体的适应度，输出最优结果；否则，返回步骤4)。
[0016]步骤1)中将分布式电源接入电网中，电网加入分布式电源之后节点类型发生变化，在潮流计算中，分布式电源为光伏发电和风力发电两种方式；
[0017]光伏发电并网时等效为PI节点，在潮流计算过程中，每次迭代时计算出PI节点的无功出力，第k次迭代的无功功率用Q
k
表示：
[0018][0019]式中，I表示注入节点的电流，e
k
‑1和f
k
‑1分别表示第k
‑
1次迭代节点电压的实部和虚部，P
G
表示分布式电源的有功功率；
[0020]风力发电并网等效为PQ(V)节点，分布式发电机的无功功率为：
[0021][0022]式中，V
G
是分布式发电机的机端电压，X
m
是发电机励磁电抗，X
k
是发电机定子和转子的漏抗之和。
[0023]步骤2)中将系统的网损作为模型的目标函数，约束条件包括功率约束以及变量约束。处理模型中的状态变量，引入两个惩罚函数，分别是节点电压越界罚函数和无功出力越界罚函数，总的目标函数为：
[0024][0025]式中，P
loss
为系统的网损；z1、z2分别为罚函数的惩罚系数；ΔU
i
、ΔQ
Gi
分别为节点电压以及功率的偏差；U
imax
、U
imin
、Q
Gimax
、Q
Gimin
分别为节点电压和无功功率的上界和下界；
[0026]系统的有功网损为：
[0027][0028]节点电压越界罚函数为：
[0029][0030]无功出力越界罚函数为：
[0031][0032]等式约束条件为:
[0033][0034]式中，P
i
、Q
i
分别为节点的有功和无功功率，U
i
表示节点电压，G
ij
、B
ij
分别是节点i和j之间的电导和电纳，δ
ij
是节点i和j之间的相位差；
[0035]变量约束条件为：
[0036][0037]式中，N
G
、N
t
、N
c
、N
b
分别是系统中可调发电机的总数、变比可调变压器的总数、无功补偿的节点总数以及系统中所有的节点总数集合；V
Gi
、V
Gimax
、V
Gimin
分别是发电机的机端电压以及其上、下限；T
i
、T
imax
、T
imin
分别是可调变压器分接头的位置以及其上、下限；Q
ci
、Q
cimax
、Q
cimin
分别是无功补偿容量以及其上、下限；U
i
、U
imax
、U
imin
分别是节点电压以及其上、下限。
[0038]步骤3)中设置电力系统以及差分进化算法的参数，电力系统的参数包括节点数、节点参数矩阵、支路数、支路参数矩阵、潮流计算误差精度、基准电压、基准功率以及约束变量的上下限；差分进化算法的参数包括种群的大小N、最大的迭代次数T、变异放缩因子F以及交叉概率因子CR。
[0039]步骤3)中初始化种群，变量指定的搜索范围是初始种群是随机生成的：
[0040][0041]式中，rand(0,1)是分布在区间[0,1]的随机数。
[0042]步骤4)中变异操作是从种群中随机选择三个个体，其中两个个体差分运算后，经过适当的放缩与选出的第三个个体进行求和，得到一个变异的个体，具体过程是每个个体产生三个各不相等的整数r1,r2,r3,并且r1≠r本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进差分进化算法的电力系统网损最小无功优化方法，其特征在于包括以下步骤：1)将分布式电源接入电网中；2)建立电力系统无功优化的数学模型，模型包括目标函数以及约束条件；3)初始化种群，设置参数；4)进行寻优循环运算，对初始种群中的每个个体进行变异操作，根据变异策略以及变异放缩因子，得到变异种群；5)将得到的变异种群与父辈种群进行交叉操作，根据交叉方式以及交叉概率因子，得到一个试验种群；6)分别对试验种群和父辈种群中每个个体的基因进行潮流计算，根据目标函数计算个体适应度；7)按照选择策略，将试验种群与父辈种群个体的适应度进行比较，选择适应度更好的作为下一代个体；8)在寻优循环运算过程中，判断当前迭代次数是否达到最大迭代次数，若是，计算当前个体的适应度，输出最优结果；否则，返回步骤4)。2.根据权利要求1所述的基于改进差分进化算法的电力系统无功优化方法，其特征在于：步骤1)中将分布式电源接入电网中，电网加入分布式电源之后节点类型发生变化，在潮流计算中，分布式电源为光伏发电和风力发电两种方式；光伏发电并网时等效为PI节点，在潮流计算过程中，每次迭代时计算出PI节点的无功出力，第k次迭代的无功功率用Q
k
表示：式中，I表示注入节点的电流，e
k
‑1和f
k
‑1分别表示第k
‑
1次迭代节点电压的实部和虚部，P
G
表示分布式电源的有功功率；风力发电并网等效为PQ(V)节点，分布式发电机的无功功率为：式中，V
G
是分布式发电机的机端电压，X
m
是发电机励磁电抗，X
k
是发电机定子和转子的漏抗之和。3.根据权利要求1所述的基于改进差分进化算法的电力系统无功优化方法，其特征在于：步骤2)中将系统的网损作为模型的目标函数，约束条件包括功率约束以及变量约束。处理模型中的状态变量，引入两个惩罚函数，分别是节点电压越界罚函数和无功出力越界罚函数，总的目标函数为：式中，P
loss
为系统的网损；z1、z2分别为罚函数的惩罚系数；ΔU
i
、ΔQ
Gi
分别为节点电压以及功率的偏差；U
imax
、U
imin
、Q
Gimax
、Q
Gimin
分别为节点电压和无功功率的上界和下界；系统的有功网损为：
节点电压越界罚函数为：无功出力越界罚函数为：等式约束条件为:式中，P
i
、Q
i
分别为节点的有功和无功功率，U
i
表示节点电压，G
ij
、B
ij
分别是节点i和j之间的电导和电纳，δ
ij
是节点i和...

【专利技术属性】
技术研发人员：黄川，薛思萌，钟栗广，蒋和军，白挺玮，闫春生，张幼明，许小鹏，王畅，杨璐羽，王达，刘丹，
申请(专利权)人：辽宁电能发展股份有限公司，
类型：发明
国别省市：