[发明专利]一种基于改进粒子群算法的电力系统无功优化方法

说明书

本发明公开了一种基于改进粒子群算法的电力系统无功优化方法，包括以下步骤：1)输入系统数据和优化算法参数并初始化种群；2)根据粒子群算法和差分进化算法种群中个体的位置信息进行潮流计算；3)更新粒子群算法和差分进化算法种群；4)比较两种群最优值的优劣并保存最佳个体的位置和相应适应值。本发明提出的动态无功优化方法能够时刻保证以网损值最小为依据分配工作时间，严格满足控制设备动作次数约束，解决了动态无功优化问题，具有数学模型简单清晰，易于理解，求解速度快，问题规模小的优点，较好地解决动态无功优化问题。

技术领域

本发明属于电力系统无功优化领域，特别是一种基于改进粒子群算法的电力系统无功优化方法。

背景技术

电力系统无功功率的合理分布是保证电压质量的基本条件。一方面，无功过剩将抬高系统电压，使电压越上限运行，从而危害系统和设备的安全运行，而且过多的无功备用也会造成不必要的投资。另一方面，无功功率不足将降低系统电压，使电压越下限运行，用电设备不能充分利用，系统一旦发生较大的扰动，就可能使电压低于临界电压，引发电压崩溃，系统因失去同步而瓦解导致一系列灾难性事故发生。

在现代大电网中，随着电力系统联网容量的增大和输电电压的提高，输电功率变化和高压线路的投切都将引起很大的无功功率变化，系统对无功功率和电压的调节和控制能力的要求越来越高。另一方面，由于受电力市场化变革的影响以及来自环境、经济和技术方面的制约，为了充分利用系统资源，现代电网越来越接近于极限运行状态，这使得电网缺乏灵活的调节能力，特别是在某些紧急运行情况下，电网更加脆弱，通过无功电压优化控制，不仅能改善电压质量，提高系统稳定性，还能降低有功网损，节约能源。

电力系统无功优化与控制是提高电压合格率、降低网损的重要措施，是保证系统安全、经济运行的一项有效手段。通过无功优化调度可以充分利用电力系统中的无功电源，优化电网的无功潮流分布，降低电网的有功损耗，并改善电压质量，提高电压稳定性。随着电力规模的不断扩大，用户对电能质量要求的提高。但是目前电力系统无功优化中粒子群算法收敛速度快，易陷入局部最优。

发明内容

本发明的目的是提供一种基于改进粒子群算法的电力系统无功优化方法。

实现本发明目的的技术解决方案为：一种基于改进粒子群算法的电力系统无功优化方法，包括以下步骤：

步骤1、输入系统数据和优化算法参数并初始化种群；系统数据包括发电机参数、负荷参数、变压器参数、无功补偿参数等，各类控制变量的上下限值以及各种约束条件，对控制变量随机产生的初始解群由粒子的控制变量及其上下限值决定，并设置迭代次数为0，即在控制变量约束范围内随机初始化两个种群中每个个体的位置。

步骤2、根据粒子群算法和差分进化算法种群中个体的位置信息进行潮流计算；

对不同位置的粒子，根据目标函数计算各自的潮流值，得出网络损耗值，进而得出最终的目标函数值，这一过程可以分为两个相互独立又相互联系的两个进程，一个是计算出某次迭代的电网潮流值，另一个是根据得出的潮流值对电网的网络参数重新进行修正，进行新一轮的电网潮流计算。

步骤3、更新粒子群算法和差分进化算法种群；

对两种算法种群的更新主要由三部分组成，第一部分为粒子先前速度的继承，表示粒子对当前自身运动状态的信任，依据自身的速度进行惯性运动，第二部分表示粒子本身的思考，即综合考虑自身以往的经历从而实现对下一步行为决策，它反映的是一个增强学习过程，第三部分表示粒子间的信息共享与相互合作，在搜索过程中粒子一方面记住它们自己的经验，同时考虑其同伴的经验，当单个粒子察觉同伴经验较好的时候，它将进行适应性的调整，寻求一致认知过程。

步骤4、比较两种群最优值的优劣并保存最佳个体的位置和相应适应值。具体是比较粒子群体中最佳个体和差分进化群体中最佳个体的优劣，选择最佳个体作为粒子群算法和差分进化算法的下一步进化的依据。