【技术实现步骤摘要】
电力系统无功优化方法、装置及设备
[0001]本申请属于无功补偿
，尤其涉及一种电力系统无功优化方法、装置及设备。
技术介绍
[0002]近年来分布式电源(distributed generator，DG)在电网中所占的比重逐步增加，其接入对配电网的影响越来越不容忽视。
[0003]在传统的配电网中，主要是采取调节电容器组数或者有载调压变压器的方式来进行无功优化，但由于分布式电源存在随机性和波动性，导致传统的无功优化方法对带有分布式电源的电力系统的优化效果差。
技术实现思路
[0004]有鉴于此，本专利技术提供了一种电力系统无功优化方法、装置及设备，旨在解决对带有分布式电源的电力系统的无功优化效果差的问题。
[0005]本专利技术实施例的第一方面提供了一种电力系统无功优化方法，包括：
[0006]获取电力系统中各节点的系统参数；
[0007]根据各节点的系统参数、第一预设指标和聚类算法对电力系统各节点进行集群划分，以得到多个集群以及各集群的质心；
[0008]根据...
【技术保护点】
【技术特征摘要】
1.一种电力系统无功优化方法，其特征在于，包括：获取电力系统中各节点的系统参数；根据各节点的系统参数、第一预设指标和聚类算法对电力系统各节点进行集群划分，以得到多个集群以及各集群的质心；根据各节点的系统参数和各集群的质心建立所述电力系统的无功优化模型；根据改进粒子群算法对所述无功优化模型进行优化，得到无功优化策略；其中，所述改进粒子群算法在每次迭代时的学习因子和权重系数根据迭代次数更新；根据所述无功优化策略对所述电力系统进行无功优化。2.根据权利要求1所述的电力系统无功优化方法，其特征在于，所述根据改进粒子群算法对所述无功优化模型进行优化，得到无功优化策略，包括：根据所述无功优化模型建立粒子群并对其进行初始化；根据所述粒子群中每个粒子的当前位置和第一适应度函数确定每个粒子的当前适应度；根据预设公式、当前迭代次数和最大迭代次数更新所述改进粒子群算法的学习因子和权重系数；根据所述粒子适应度值和更新公式，更新当前的粒子位置并确定更新后每个粒子的适应度；针对每个粒子，将该粒子经过所有位置中适应度最大的位置记为该粒子的局部最优解；取各粒子的局部最优解中适应度最大的局部最优解作为全局最优解；判断是否满足迭代结束条件，若满足则输出全局最优解，并将其作为无功优化策略；反之，则跳转至根据预设公式更新所述改进粒子群算法的学习因子和权重系数的步骤进行迭代。3.根据权利要求2所述的电力系统无功优化方法，其特征在于，所述预设公式为：其中，ω为所述改进粒子群算法每次迭代时的权重系数，g为所述改进粒子群算法的当前迭代次数，g
max
为所述改进粒子群算法最大迭代次数，c1和c2为所述改进粒子群算法每次迭代时的学习因子，ω
max
、ω
min
、c
1max
、c
1min
、c
2max
、c
2min
为所述改进粒子群算法的预设参数。4.根据权利要求2所述的电力系统无功优化方法，其特征在于，所述无功优化模型包括目标函数和约束条件；所述方法还包括：将所述目标函数作为所述改进粒子群算法的第一适应度函数；所述目标函数如下：
其中，F为所述目标函数，α1和α2为所述目标函数的权值，f1和f2所述目标函数的子函数，i为所述电力系统的节点序号，n为所述电力系统的节点总数，U
i
为节点i的电压，U
pu
为基准电压，G
ij
为节点i和节点j之间的电导，U
j
为节点j的电压，θ
ij
为节点i和节点j的电压相角差；所述更新公式如下：其中，g为所述改进粒子群算法的当前迭代次数，为第g+1次迭代时第i个粒子的速度，ω为所述改进粒子群算法每次迭代时的权重系数，为第g次迭代时第i个粒子的速度，c1和c2为所述改进粒子群...
【专利技术属性】
技术研发人员：尹瑞，时珉，胡雪凯，王铁强，王一峰，罗蓬，胡鹏飞，朱鹏程，
申请(专利权)人：国家电网有限公司国网河北能源技术服务有限公司国网河北省电力有限公司浙江大学，
类型：发明
国别省市：
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。