[发明专利]电力系统无功优化方法、装置及设备

说明书

本发明公开了一种电力系统无功优化方法、装置及设备，该方法包括：获取电力系统中各节点的系统参数；根据各节点的系统参数、第一预设指标和聚类算法对电力系统各节点进行集群划分，以得到多个集群以及各集群的质心；根据各节点的系统参数和各集群的质心建立电力系统的无功优化模型；根据改进粒子群算法对无功优化模型进行优化，得到无功优化策略；其中，改进粒子群算法在每次迭代时的学习因子和权重系数根据迭代次数更新；根据无功优化策略对电力系统进行无功优化。通过不断更新学习因子和权重系数，能够根据迭代次数调整粒子群算法中粒子的更新速度，提高算法的优化效果，从而提高电力系统对带有分布式电源的电力系统的无功优化效果。

技术领域

本申请属于无功补偿技术领域，尤其涉及一种电力系统无功优化方法、装置及设备。

背景技术

近年来分布式电源(distributed generator，DG)在电网中所占的比重逐步增加，其接入对配电网的影响越来越不容忽视。

在传统的配电网中，主要是采取调节电容器组数或者有载调压变压器的方式来进行无功优化，但由于分布式电源存在随机性和波动性，导致传统的无功优化方法对带有分布式电源的电力系统的优化效果差。

发明内容

有鉴于此，本发明提供了一种电力系统无功优化方法、装置及设备，旨在解决对带有分布式电源的电力系统的无功优化效果差的问题。

本发明实施例的第一方面提供了一种电力系统无功优化方法，包括：

获取电力系统中各节点的系统参数；

根据各节点的系统参数、第一预设指标和聚类算法对电力系统各节点进行集群划分，以得到多个集群以及各集群的质心；

根据各节点的系统参数和各集群的质心建立所述电力系统的无功优化模型；

根据改进粒子群算法对所述无功优化模型进行优化，得到无功优化策略；其中，所述改进粒子群算法在每次迭代时的学习因子和权重系数根据迭代次数更新；

根据所述无功优化策略对所述电力系统进行无功优化。

本发明实施例的第二方面提供了一种电力系统无功优化装置，包括：

数据获取模块，用于获取电力系统中各节点的系统参数；

第一处理模块，用于根据各节点的系统参数、第一预设指标和聚类算法对电力系统各节点进行集群划分，以得到多个集群以及各集群的质心；

模型建立模块，用于根据所述各节点的系统参数和各集群的质心建立所述电力系统的无功优化模型；

第二处理模块，用于根据改进粒子群算法对所述无功优化模型进行优化，得到无功优化策略；其中，所述改进粒子群算法在每次迭代时的学习因子和权重系数根据迭代次数更新；

无功优化模块，用于根据所述无功优化策略对所述电力系统进行无功优化。

本发明实施例的第三方面提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面所述电力系统无功优化方法的步骤。

本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面所述电力系统无功优化方法的步骤。

本发明与现有技术相比存在的有益效果是：