[发明专利]基于混沌映射改进遗传算法的城乡电网无功优化方法

说明书

本发明公开了基于混沌映射改进遗传算法的城乡电网无功优化方法，该方法首先随机生成初始种群，既初始无功配置方案；其次，用混沌映射改进的遗传算法对初始种群进行搜索形成初始解集合；对初始解集进行择优，同时进行解向量的交叉，并将该代的最优解进行保留，有效增大选择的多样性，同时进一步加快了收敛速度；最后，比对解集合能否满足实际问题的约束条件，将能满足条件的视为备选解；该方法可以搜索出较优的无功配置方案。可以进一步提高城乡无功补偿的精度，相较于无功补偿前更为有效解决降低节点电压偏高问题和降低城乡电网功率损耗，也可为相关电网改造工程的同类问题提供一定的解决方案。

技术领域

本发明属于电力系统规划方法技术领域，涉及基于混沌映射改进遗传算法的城乡电网无功优化方法。

背景技术

随着城市的不断发展，城乡电网中各种用电设备也在飞速增长，在城乡电网规模逐渐扩大的情况下，保证电网无功功率的平衡以及对电网进行无功补偿是不可或缺的。如果电网中的无功功率失衡，用电设备就不能维持在额定情况下工作，从而影响用电设备的正常运行。合理的选择补偿装置，可以做到最大限度的减少网络的损耗，使电网质量提高。而对于配电网的无功补偿配置，需要解决的问题是在哪里安装、安装多大容量的无功补偿装置，这可通过建立和求解配电网无功补偿优化模型来实现，目前已形成了较为成熟的理论方法，并在实际电网中获得应用。传统无功优化配置研究，大多是在一定程度上针对电力系统无功不足问题的电容配置研究。但是，传统的无功补偿装置配置方法效率仍较为低下。因此，城乡电网迫切需要更为高效的无功补偿方案以减小线路功率损耗。遗传算法，通过模拟自然界中生命的进化过程，有指导的而不是盲目的进行搜索。遗传智能算法中的混沌映射改进遗传算法，即CGA，其基本思想是将混沌状态引入到优化变量中，再给其附加扰动，通过不断进化最后收敛到最合适个体，从而求得问题最优解。如何运用CGA解决城乡电网无功优化成为亟待解决的技术问题。

发明内容

本发明的目的是提供基于混沌映射改进遗传算法的城乡电网无功优化方法，该方法首先对待优化参数进行编码，选取适应度函数，再设定变量取值范围、种群规模、交叉率以及变异率；接着，对初始解集根据选择概率进行择优、交叉与变异，得到子代，并将该代的最优解进行保留，再进入下一代；然后将父代种群与子代种群进行结合后产生的新子代，再将产生的优于平均值的子代功率群体与混沌变量进行组合，得到的新的分配决策；最后，比对解集合能否满足终止条件，若不满足条件则进行下一轮迭代；该方法能搜索出较优的无功配置方案，可以更为有效解决电网的功率损耗问题，也可为相关电网改造工程的同类问题提供一定的解决方案。

本发明所采用的技术方案是，基于混沌映射改进遗传算法的城乡电网无功优化方法，具体按以下步骤实施：

步骤1，对种群规模、交叉概率、变异概率进行选取；

步骤2，对混沌初始值进行潮流计算形成初始解集合，并计算适应值；

步骤3，对初始解集合进行选择，同时进行解向量的交叉、变异，并将该代的最优解进行保留，形成新的解集集合；

步骤4，将父代种群与子代种群进行结合后得到新子代种群；

步骤5，选取部分子代潮流计算结果优秀的个体进行局部搜索，再将产生的优于平均值的子代潮流群体与混沌变量进行组合，得到的新的分配决策；

步骤6，重复步骤3～5，直至混沌优化的最大迭代次数；

步骤7，满足迭代终止条件后，对结果统计，输出最优配置方案。

本发明的特点还在于：

其中步骤1具体包括以下步骤：