[发明专利]基于黄金分割云粒子群优化算法的风电系统无功规划方法

摘要

本发明公开了一种基于黄金分割云粒子群优化算法的风电系统无功规划方法，本发明通过建立无功规划的数学模型，确定目标函数；输入风电系统的原始数据从而形成初始种群；随机产生全部粒子，运用黄金分割评判准则将粒子群按其自适应度值分为三部分，对各部分粒子设置不同的惯性权重；通过粒子群优化算法，得到粒子新的位置和速度，在满足终止条件前反复将粒子同上述方法分成三部分并迭代，如此寻找最优解，从而实现风电系统的无功规划。本发明有效的提高了风电系统的节点电压水平，减小了电网的网损，通过以上算法保持了粒子的多样性，避免了在寻优时容易出现的早熟现象，并提高了寻优过程中的收敛速度；而且以上方法的计算量较小、可操作性较高。

主权项

基于黄金分割云粒子群优化算法的风电系统无功规划方法，其特征在于，包括以下步骤：S1：建立一含风机的电网中风机的产生功率数学模型、有功功率数学模型以及无功功率数学模型，将一给定的风电场风速V，代入产生功率数学模型中，得出所述风机产生的功率，并将得到的风机产生的功率代入所述有功功率数学模型以及无功功率数学模型得出所述风机输入所述电网的有功功率以及无功功率；S2：列出所述电网的节点导纳矩阵，并设定各节点的电压初值；S3：建立所述电网的无功规划的数学模型，包括无功规划的目标函数以及若干约束方程；S4：向潮流计算程序中输入所述电网的节点信息和支路信息，选择所述电网中控制无功规划的若干种变量，并分别输入所述若干种变量中每种变量的个数；设定所述若干种变量中每种变量的取值范围、粒子群的群体规模、最大迭代次数等数据，从而形成基于黄金分割的云粒子群优化算法的初始种群，所述初始种群中的任一粒子的位置以及飞行速度均可表示为由所述若干变量作为分量组成的一维向量；S5：随机产生粒子群中全部粒子的初始位置和初始速度，把所述全部粒子中的变量代入到所述潮流计算程序中得到所述电网的有功网损，从而进一步得到所述全部粒子中各粒子的自适应度值、所述粒子群中各个粒子的个体最优解以及所述粒子群的全局最优解，并设置最小适应阈值以及全部粒子中每种分量的有效值域；随机产生的全部粒子容易出现电压越界现象，对全部粒子中若干电压分量大于预设的电压最大有效值的粒子，将其若干电压分量设为预设电压最大有效值，对全部粒子中若干电压分量小于预设电压最小有效值的粒子，将其若干电压分量设为预设电压最小有效值；S6：给出黄金分割的两个评定要求fgolden1和fgolden2，并根据所述两个评定要求fgolden1和fgolden2建立黄金分割评判准则，如式： f GCPSO 1 = f goldenl f goldenl ≥ f golden 2 f golden 2 f golden 1 < f golden 2 f GCPSO 2 = f goldenl f golden 1 < f golden 2 f golden 2 f golden 1 ≥ f golden 2 式中，fGCPSO1和fGCPSO2为黄金分割准则中的两个黄金分割点;按当前粒子的自适应度值将所述粒子群分成三部分，其中：自适应度值高于fGCPSO1的这部分粒子为标准粒子，自适应度值介于fGCPSO1和fGCPSO2之间的这部分粒子为普通粒子，自适应度值低于fGCPSO2的这部分粒子为云粒子；S7：设定所述三部分粒子中每一部分粒子的惯性权重：对于所述云粒子，使用条件云发生器，使得所述云粒子中每个粒子动态自适应地产生惯性权重，来调整所述云粒子中每个粒子的位置以及飞行速度；对于所述标准粒子以及所述普通粒子，通过分别设置这两部分粒子的惯性权重，按照标准粒子群算法分别更新这两部分粒子中每个粒子的位置以及飞行速度；其中，至少有一个分量超过有效值域的粒子称为越界粒子，并且对越界粒子的若干越界分量进行如下调整：若所述若干越界分量中任一分量小于最小有效值，则把此分量设为最小有效值；若所述若干越界分量中任一分量大于最大有效值，则把此分量调整为最大有效值；S8：根据S7得到当前粒子群，把当前粒子群中的变量代入到所述潮流计算程序中得到当前所述电网的有功网损，并进一步得到当前粒子群中各粒子的适应度值、当前粒子群中各个粒子的个体最优解以及当前粒子群的全局最优解；S9：若当前所述粒子群已经达到最大迭代次数或所述粒子群迄今为止搜索到的全局最优解中的最优位置的自适应度值与S8中得到的当前粒子群的全局最优解的自适应度值满足预定的最小适应阈值，则执行步骤S10；若不满足，则回到步骤S6；其中，所述迄今为止搜索到的全局最优解不包括当前粒子群的全局最优解；S10：停止迭代，将迄今为止搜索到的所有全局最优解中的最优位置代入所述潮流计算程序中，得到电网的节点电压以及有功网损，其中，所述迄今为止 搜索到的所有全局最优解包括当前粒子群的全局最优解。