[发明专利]一种降低多馈入直流换相失败风险的动态无功补偿配置方法

权利要求书

1.一种降低多馈入直流换相失败风险的动态无功补偿配置方法，其特征在于，包括：

步骤1，建立直流距离耦合度指标，确定电网无功补偿的薄弱区域和关键故障；

步骤2，建立换相失败风险降低效果指标和动态无功补偿灵敏度指标，确定动态无功补偿装置候选安装节点；

步骤3，基于步骤1建立的直流距离耦合度指标和步骤2建立的换相失败风险降低效果指标和动态无功补偿灵敏度指标，采用MOEA/D算法求解降低直流换相失败风险的无功配置优化模型；具体方法是：采用MOEA/D算法求解降低直流换相失败风险的无功配置优化模型；降低直流换相失败风险的无功配置优化模型的目标函数可表示为

minf＝[f₁,f₂]

其中，

式中：f₁表示动态无功补偿安装前后，直流换相失败风险的差值；f₂表示动态无功补偿装置的成本；δ_i＝0、1，表示节点i是否安装动态无功补偿装置；为动态无功补偿装置的安装费用；为动态无功补偿单价；C_{ins_0}和C_{pur_0}都取0；Q_i为动态无功补偿的容量；H是动态无功补偿候选节点集合；

为了能够同时对动态无功补偿装置的地点和容量进行优化，采用混合编码的方式进行编码求解，变量的编码方式如下：

为了避免算法向差异大的目标过度进化，需要对各目标函数值进行归一化处理：

式中：f_i、f′_i分别为目标函数的真实值和归一化值；f_i^max、f_i^min为真实值的上下限；

MOEA/D作为一种新型的多目标优化算法，与NSGA-II和MOGLS算法相比，计算复杂度更低；设置MOEA/D算法的初始参数，根据每次迭代得到的种群，配置动态无功补偿，由暂态仿真得到目标函数值，代入MOEA/D算法，得到下一次迭代的种群，循环迭代直至迭代次数达到限定值g_enmax，即可得到所有的Pareto最优解；

步骤4，采用熵权法对所得到的Pareto最优解进行评估，选出最优折中解；具体方法是：采用熵权法对所得到的Pareto最优解进行评估，选出最优折中解；对于有s个评价指标，t个评价对象的评估问题解决步骤如下：

步骤5.1、将非模糊评价矩阵R'＝(r′_ij)_s×t通过下式标准化；得到标准化评价矩阵R，R＝(r_ij)_s×t；

步骤5.2、第i个评价指标的熵定义为：

式中，并假定，当f_ij＝0时，f_ijlnf_ij＝0；

步骤5.3、第s个评价指标的熵定义为：

步骤5.4、利用熵权值k_i对矩阵R进行归一化约束，得到属性矩阵B＝(b_ij)_s×t＝(k_i×r_ij)_s×t；

步骤5.5、求理想点负理想点为(0,0,…,0)^T；第j个方案与理想点的贴近度：

将T_j从小到大排序，T_j越小，与理想点的贴近程度越高，方案更优；该方案就是最优折中解。