[发明专利]一种基于量子遗传算法的10kV配网无功优化方法

说明书

技术领域

本发明涉及电力技术领域，尤其涉及一种基于量子遗传算法的10kV配网无功优化方法。

背景技术

配电网是直接向用电客户供电的电力网络，10KV配电线路的电压质量显得尤为重要。作为影响电压的重要因素之一，解决好配电网络无功补偿的问题，对电网的安全性和降损节能有着重要意义。

配网无功补偿主要通过调节有载调压分接头和无功补偿容量投切控制器来实现，目前，无功优化方法主要是智能方法，智能方法的代表之一是遗传算法但遗传算法的计算效率低、优化速度慢、但参数选取不当时，会过早收敛于局部最优解。

因此现在需要新型的遗传算法以缩短运算周期提高计算效率，有机会跳出局部最优解，进入新的搜索空间，使得算法最终收敛于全局最优解。

发明内容

本发明提供了一种基于量子遗传算法的10kV配网无功优化方法，本发明能够缩短运算周期，提高计算效率，有机会跳出局部最优解，进入新的搜索空间，使得算法最终收敛于全局最优解。

为了实现上述目的本发明提供了以下技术特征：

一种基于量子遗传算法的10kV配网无功优化方法，包括：

构建电能有功网损最小的模型，模型的约束条件为系统潮流约束，潮流约束中的变量约束包括控制变量的约束条件和状态变量的约束条件；

基于量子遗传算法对所述控制变量进行量子比特概率幅编码，构建模型的个体，控制变量的参数不同，个体也随之不同；

随机产生初始种群，将初始种群作为当前种群；

对当前种群中的每个个体进行测量，获得每个个体的测量值，对每个个体进行适应度计算获得适应值；获得种群中最优个体及最优适应值、局部最优个体及局部适应值；

判断是否达到终止进化条件；

当达到终止进化条件则输出最优个体及最优适应值；

当未达到终止进化条件，则以随机抽取当前种群中两个个体，及与两个个体对应的局部最优解，将两个个体的局部最优解互换，利用量子交叉方法产生新个体，将新个体加入当前种群获得新种群，将新种群作为当前种群，再对当前种群中的每个个体进行测量，直到达到终止进化条件。

优选的，基于量子遗传算法对所述控制变量进行量子比特概率幅编码，构建模型的个体包括：

采用k个量子比特来表示分布式电源发电机机端电压，k取决于分布式电源发电机机端电压的量化精度；

采用l个量子比特的有载可调变压器变比分接头档位，l取决于接头调控范围的最大值；

采用m个量子比特的无功补充装置投切组数，m取决于投切组数调控范围的最大值；

将k个量子比特的分布式电源发电机机端电压、l个量子比特的有载可调变压器变比分接头档位和m个量子比特的无功补充装置投切组数，组成一个控制变量的个体。

优选的，对每个个体进行适应度计算获得适应值包括：

对每个个体进行测量，得到二进制编码，获得二进制个体；

在所述约束条件下，将所述二进制个体解码为十进制个体；

对种群每个十进制个体利用潮流计算方法进行计算，获得所有变量的值；

利用变量值代入适应度函数，获得适应值。

优选的，将两个个体的局部最优解互换，利用量子交叉方法产生新个体包括：

将其中一个个体作为第一个体，另外一个作为第二个体，与第一个体对应的局部最优解为第一最优目标，与第二个个体对应的局部最优解为第二最优目标；

将第一最优目标作为第二个体的局部最优目标，对第二个体进行一次量子旋转门更新；

将第二最优目标作为第一个体的局部最优目标，对第一个体进行一次量子旋转门更新；

还原各自的局部最优目标，生成新个体。

优选的，终止进化条件包括：

当前种群达到预设代数、所有个体适应值均一致或预设数量代数的适应值没有得到改善。

优选的，还包括：

当达到终止进化条件后，还输出所有变量的值。

本发明提供了一种基于量子遗传算法的10kV配网无功优化方法，首先构建有功网损最小的模型，对所述控制变量进行量子比特概率幅编码来构建模型解空间的个体，而不是直接采用控制变量数值本身进行编码，由于概率幅含义为全部可能状态的等概率相加，因此采用概率幅进行量子编码的长度，能够小于传统二进制编码的长度，从而提高算法的计算效率。