【技术实现步骤摘要】
一种基于LSSVM负荷预测的电力系统无功优化方法及终端
[0001]本专利技术涉及电力系统无功优化
,尤其涉及一种基于LSSVM负荷预测的电力系统无功优化方法及终端。
技术介绍
[0002]电力系统在实际运行时,时刻都存在着电能质量问题,如电压偏差过大、运行损耗较大等。利用传统方式解决电能质量问题时,往往是利用电能质量问题发生后的上一时刻运行值寻求解决方案,而求解过程需要一定的时间,方案的获取与电网的运行存在时间差,无法满足实时调节电网运行状态的需求。
[0003]随着电力系统网架结构的庞大化与复杂化,每天都会产生大量的运行数据,合理运用这些数据,能够为电网运行调度、发电厂安排机组出力等带来有效的帮助。利用电力系统的历史运行数据,依据影响负荷变化的各类因素,对电力系统的负荷进行预测,是提高电力系统运行时的可靠性与经济性、提高用户侧的电能质量的重要手段。负荷预测分为长期负荷预测、中期负荷预测和短期负荷预测,但分类时并没有统一的标准。在进行负荷预测时,需要选取与负荷变化规律相关的特征量进行预测计算,如天气、温度、湿度等,同时还应考虑负荷的地理位置与运行时的日类型。传统的负荷预测方法有时间序列法、回归分析法等,这些方法有求解速度快、计算量小等优点,但在应用于大系统时,由于模型较为简单、无法满足预测的精度等局限性,从而限制了其运用范围。
[0004]随着计算机技术的不断发展,人工智能技术不断发展,将人工智能技术运用到电力系统运行调度是当下的研究热点。人工智能、机器学习等方面的发展,为负荷预测带来了新的求 ...
【技术保护点】
【技术特征摘要】
1.一种基于LSSVM负荷预测的电力系统无功优化方法,其特征在于,包括步骤:获取电力系统的目标预测节点的负荷历史数据集;使用最小二乘支持向量机模型基于所述负荷历史数据集对所述目标预测节点进行短期负荷预测,得到预测负荷值;基于所述预测负荷值使用改进蜉蝣算法进行计算,得到最优无功优化值。2.根据权利要求1所述的一种基于LSSVM负荷预测的电力系统无功优化方法,其特征在于,所述基于所述预测负荷值使用改进蜉蝣算法进行计算,得到最优无功优化值包括:获取所述电力系统的原始数据,所述原始数据包括原始负荷值;将所述预测负荷值替代所述原始负荷值,得到替代后的负荷值;基于所述替代后的负荷值使用改进蜉蝣算法进行计算,得到最优无功优化值。3.根据权利要求2所述的一种基于LSSVM负荷预测的电力系统无功优化方法,其特征在于,所述基于所述替代后的负荷值使用改进蜉蝣算法进行计算,得到最优无功优化值包括:初始化种群数量和最大迭代次数;确定所述电力系统的控制变量,并确定所述控制变量的取值范围;根据所述控制变量的取值范围随机生成雌雄蜉蝣种群,并将所述控制变量作为所述雌雄蜉蝣种群的位置;确定所述控制变量的初始值,并根据所述初始值进行潮流计算,得到初始总有功网损;将所述初始总有功网损确定为所述雌雄蜉蝣种群的适应度值,并初始化个体最优位置、全局最优位置和速度;基于所述雌雄蜉蝣种群、所述速度、所述位置和所述适应度值更新所述个体最优位置和所述全局最优位置,并基于所述雌雄蜉蝣种群确定优秀个体;将所述优秀个体作为新的雌雄蜉蝣种群;获取当前迭代次数,并判断所述当前迭代次数是否达到所述最大迭代次数,若是,则退出迭代,并输出最优解,若否,则根据所述新的雌雄蜉蝣种群返回所述基于所述雌雄蜉蝣种群、所述速度、所述位置和所述适应度值更新所述个体最优位置和所述全局最优位置步骤。4.根据权利要求3所述的一种基于LSSVM负荷预测的电力系统无功优化方法,其特征在于,所述雌雄蜉蝣种群包括雌蜉蝣种群和雄蜉蝣种群;所述位置包括第一位置和第二位置;所述适应度值包括第一适应度值和第二适应度值;所述速度包括第一速度和第二速度;所述基于所述雌雄蜉蝣种群、所述速度、所述位置和所述适应度值更新所述个体最优位置和所述全局最优位置,并基于所述雌雄蜉蝣种群确定优秀个体包括:按照雌蜉蝣速度更新规则更新所述雌蜉蝣种群的所述第一速度,得到第一更新后的速度,并根据所述第一更新后的速度对所述第一位置进行更新,得到第一更新后的位置;将所述第一更新后的位置进行潮流计算,得到第一新的总有功网损,并将所述第一新的总有功网损更新所述雌蜉蝣种群的所述第一适应度值,得到第一更新后的适应度值;将所述第一更新后的适应度值与所述个体最优位置进行适应度值比较,得到第一比较结果,根据所述第一比较结果更新所述个体最优位置;按照雄蜉蝣速度更新规则更新所述雄蜉蝣种群的所述第二速度,得到第二更新后的速
度,并根据所述第二更新后的速度对所述第二位置进行更新,得到第二更新后的位置;将所述第二更新后的位置进行潮流计算,得到第二新的总有功网损,并将所述第二新的总有功网损更新所述雄蜉蝣种群的所述第二适应度值,得到第二更新后的适应度值;将所述第二更新后的适应度值与所述个体最优位置以及所述全局最优位置进行适应度值比较,得到第二比较结果,根据所述第二比较结果更新所述个体最优位置和所述全局最优位置;将所述雌蜉蝣种群和所述雄蜉蝣种群按照适应度值进行交配操作,得到子代蜉蝣;按照适应度值从所述雌蜉蝣种群、所述雄蜉蝣种群和所述子代蜉蝣中筛选得到优秀个体。5.根据权利要求4所述的一种基于LSSVM负荷预测的电力系统无功优化方法,其特征在于,所述第一更新后的速度为:式中,g表示惯性权重系数,表示雌蜉蝣种群中的第i个雌蜉蝣个体在第n次迭代中的第j维度上的第一速度,a3表示正吸引系数,β表示雌雄蜉蝣种群的固定能见度系数,r
mf
表示雌蜉蝣种群与对应的雄蜉蝣种群的欧式距离,表示雄蜉蝣种群中第i个雄蜉蝣个体在第n次迭代中的第j维度上的第二位置,表示雌蜉蝣种群中第i个雌蜉蝣个体在第n次迭代中的第j维度上的第一位置,Levy(λ)表示跳跃步长服从Levy分布的随机搜索向量,表示矢量运算,gbest
j
表示第j维度上全局的最佳位置;所述第一更新后的位置为:所述第二更新后的速度为:式中,表示雄蜉蝣种群中的第i个雄蜉蝣个体在第n次迭代中的第j维度上的第二速度,a1表示个体认知成分的大小,a2表示社会认知成分的大...
【专利技术属性】
技术研发人员:高飞翎,周勋甜,余萃卓,朱晓杰,董润方,邵雪峰,周子旺,
申请(专利权)人:宁波市电力设计院有限公司,
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。