[发明专利]基于处理有功优化约束条件提高电能质量的方法

说明书

本发明公开了一种基于处理有功优化约束条件提高电能质量的方法，本发明建立电力系统有功优化数学模型，产生初始种群并且设置运行参数，确定包含罚系数的目标函数，选取全局最优解，更新罚系数，执行差异进化算法中的变异和交叉操作，产生新试验个体，计算个体适应度值及约束评估值，利用非贪婪选择策略，从新试验个体和原个体两者之间选取一个作为下一代新个体并更新全局最优解。将罚函数与非贪婪选择策略相结合，以确保个体向更可行的区域聚集以获得更优解。将该方法应用于求解电力系统有功优化，与差异进化算法结合后，在电力系统有功优化问题方面具有较好的搜索能力和收敛效果。

技术领域

本发明属于电力系统优化技术领域，特别涉及一种电力系统中提高电能质量的方法。

背景技术

电能与国民经济各部门有着不可分割的联系，因此提高电能质量具有非常重要的理论和现实意义。在电力系统优化运行的早期研究中，科学家只局限于系统的经济调度，也称电力系统经济运行。经研究表明，此方法不能全面地考虑安全约束使系统安全运行。针对该问题，就有学者提出最优潮流(Optimal Power Flow，简称OPF)问题。按照控制方式的不同，电力系统潮流优化分为有功优化和无功优化。有功优化就是调节发电机的有功功率输出P_G、发电机端电压幅值V_G、变压器的分接头选择T以及无功补偿器的无功投切Q_C这四个参数，使系统安全运行并且使某目标函数达到最优，其实质就是一个多变量、多约束、非线性、计算规模大且同时具有连续型和离散型变量的问题，由于数学模型复杂，约束条件多，要准确、快速地解决该问题是相当困难的。

Rainer Storn与Kenneth Price在遗传算法的基础上提出差异进化算法(Differential Evolution，DE)。DE算法也是模拟生物进化论的一种随机模型，基于种群中所有个体间的差异形成前进方向，随机交叉产生新个体并且使用贪婪选择机制选择优秀个体进入下一代，进而实现种群进化。

为提高电力系统的电能质量，对电力系统优化采用有功优化。在优化中，现有技术的常规方式是在初始化时就将控制变量设定在允许的上、下限内。而状态变量不能自身满足约束，必须要采取某种有效的方法进行处理。针对这个问题，普遍的约束处理方法是罚函数法，罚系数将惩罚超过约束的状态变量，越限越多，其适应度值越差，则越容易被淘汰，以此来保护搜索过程中可行的解。但罚函数法可以处理一些节点数目较小的系统，但是当节点数目较大时，则不能保证优化问题正确求解，不能获得电能质量的有效提高。同时，罚系数对结果影响很大，所以罚系数的选择和调节尤为重要。

因此，有必要在有功优化的应用中提出一种可靠的约束处理方法。

发明内容

本发明针对节点数目较大的电力系统，提高电能质量过程中，适应度值差，不能获得满足安全约束的控制变量以及电能质量的有效提高，本发明提供一种新颖的处理有功优化约束条件的方法，采用包含罚函数的非贪婪选择策略(FNG)，结合差异进化算法，以解决电力系统有功优化中的状态变量约束问题。

本发明解决上述技术问题的技术方案是，将罚函数法与非贪婪选择机制相结合，使目标函数包含惩罚变量后的罚函数，并将违反约束的情况作为选择个体的条件之一，引导个体在搜索过程中向更可行的区域聚集以获得满足系统安全运行的最优解。在双重保护的机制下，罚系数有选择性地惩罚违反约束的变量，并根据求解过程中的特点取动态值。因此，FNG在搜索过程中可以有效地处理约束条件，并且筛选出质量更高的解。将该方法与差异进化算法(DE)相结合可以得到包含FNG的差异进化算法(FNG-DE)，应用于求解电力系统有功优化具有良好的收敛性和鲁棒性。

本发明具体包括：一种基于处理有功优化约束条件提高电能质量的方法，其特征在于，包括步骤：