[发明专利]一种电力系统无功优化方法与装置

说明书

技术领域

本发明涉及电力系统技术领域，特别是涉及一种电力系统无功优化方法与装置。

背景技术

电力系统无功优化是一个离散、非线性、多目标混合整数规划问题。在进行多目标决策时，各目标函数有可能是相互冲突的，要同时使它们一起达到最优不太可能，因此，为了找到一个对各个目标都较为合适的一组解，我们必须根据各个目标之间的关系，明确总目标函数中各个目标的权重，将多个子目标线性加权组合为单一目标。这种方法的优点是便于计算，缺点是难以确定各目标函数的权重。

长期以来，国内外众多学者为解决无功优化问题做了大量的研究工作，提出了很多算法，这些算法对解决多目标无功优化问题提供了新途径。但是传统算法在处理无功优化问题上具有一定的局限性，不方便处理离散变量，易陷入局部最优解且收敛速度慢，而人工智能算法具有较强的全局搜索能力且能处理含有离散约束条件的多目标无功优化，因此人工智能算法在无功优化问题中得到了广泛的研究和应用。其中，人工智能算法包括粒子群算法，遗传算法，免疫算法和混合算法。

Kennedy和Eberhart博士于1995通过对鸟群觅食行为的研究，提出一种仿生智能计算技术——粒子群优化算法，该算法具有依赖参数较少、简单易行、收敛速度快等优点。但标准粒子群算法在进化过程中也存在初值敏感性、易陷入局部极值点和搜索精度不高等缺点。可见，如何提高粒子群算法整体寻优性能，实现电力系统的无功优化，是本领域技术人员亟待解决的问题。

发明内容

本发明实施例的目的是提供一种电力系统无功优化方法与装置，可以实现电力系统的无功优化目标。

为解决上述技术问题，本发明实施例提供一种电力系统无功优化方法，包括：

S10：初始化目标参数，获取一个粒子的初始速度和初始位置；

S11：依据所述目标参数和约束条件，建立电力系统无功优化的目标函数；

S12：利用建立的组合混沌序列，对所述粒子的所述初始速度和所述初始位置进行组合混沌操作，得到混沌初始粒子群中各个粒子各自对应的父代速度和父代位置；并将所述混沌初始粒子群作为父代粒子群；

S13：利用所述目标函数，计算所述父代粒子群中各粒子的适应度，确定出粒子最优位置和种群最优位置；

S14：依据设置的更新规则，对所述父代速度和所述父代位置进行更新操作，得到子代速度和子代位置；并依据所述子代速度和惯性权重规则，调整所述子代粒子群的惯性权重；

S15：对所述子代粒子群中各粒子进行混沌化处理；

S16：利用所述目标函数，计算所述混沌化处理后的子代粒子群中各粒子的适应度，保留适应度最优的粒子作为下一次迭代的父代粒子群，完成对所述粒子最优位置和所述种群最优位置的更新；

S17：判断迭代次数是否达到预设的最大迭代次数；若否，则返回所述S14；若是，则执行S18；

S18：输出最优解。

可选的，所述约束条件包括系统功率约束条件和不等式约束条件；

所述系统功率约束条件的公式如下，

其中，N为系统中的节点数；V_i、V_j分别是第i节点和第j节点电压幅值；P_Gi、Q_Gi分别为第i台发电机有功功率和无功功率；P_Li、Q_Li分别为第i节点有功功率负荷和无功功率负荷；δ_ij为节点i和节点j之间的相角差；G_ij、B_ij分别为节点i和节点j之间互导纳的实部和虚部；

所述不等式约束条件的公式如下，

其中，V_i为节点电压约束，T_k为变压器分接头约束，Q_i为无功补偿约束。

可选的，所述目标函数包括系统网络损耗目标函数、节点电压偏移目标函数和静态电压稳定裕度目标函数；

所述系统网络损耗目标函数的公式如下，

其中，G_ij为i、j节点之间的支路电导；V_i、V_j分别为i、j节点的电压模值；θ_ij为i、j节点之间的电压相角差；N_L为系统总节点数；

所述节点电压偏移目标函数的公式如下，