[发明专利]基于改进免疫粒子群算法的大型光伏电站无功优化方法

摘要

本发明涉及一种基于改进免疫粒子群算法在大型光伏电站无功优化中的应用，属于光伏电站控制技术领域。本发明的方法包括以下步骤步骤1)建立光伏电站稳态运行模型并对电压进行分析，所述模型中包括站内集电线路，升压变压器，输电线路阻抗；步骤2)建立多目标无功优化模型，并对多目标进行模糊处理；步骤3)采用改进免疫粒子群算法进行求解。本发明提供的一种基于改进免疫粒子群算法的大型光伏电站无功优化方法，能够明显改善并网点电压和站内电压分布，且在电站出力较大时，可明显降低站内有功损耗。

主权项

一种基于改进免疫粒子群算法的大型光伏电站无功优化方法，其特征在于：该方法包括以下步骤：步骤1)建立光伏电站稳态运行模型并对电压进行分析，所述模型中包括站内集电线路，升压变压器，输电线路阻抗；步骤2)建立多目标无功优化模型，包括并网点电压波动最小、光伏发电单元出口电压偏差最小、以及有功损耗最小的无功优化模型，并将多目标问题转化为单目标问题；步骤3)采用改进免疫粒子群算法进行求解，具体包括以下步骤：步骤3‑1)输入算法参数和系统参数，算法参数包括权重系数最大值wmax，最小值wmin；学习因子c1，c2；权重系数λ；系统参数包括线路电阻电抗，光照强度；步骤3‑2)随机生成N个粒子的速度和位置，通过潮流计算得到各个粒子的适应度F(x)，将各粒子的目前位置设置为历史最优xbest，选择适应度最高粒子为全局最优gbest；步骤3‑3)通过以下公式更新权重系数，wi(t+1)=wmin+(wmax-wmin)emi(t)-1emi(t)+1]]>mi(t)=f(gbest)-f(xi)f(gbest)+f(xi)]]>其中，wmax，wmin为惯性权重最大值和最小值；wi(t+1)为粒子i所对应的惯性权重；f(x)为适应度评价函数；mi(t)调节系数；通过以下公式更新粒子速度和位置；vij(t+1)＝wvij(t)+c1r1[xbestij(t)‑xij(t)]+c2r2[gbest(t)‑xij(t)]xij(t+1)＝xij(t)+vij(t+1)其中，t为进化代数，vij，xij为第i个粒子的速度和位置的第j维分量；gbest为全局最优，表示粒子群所找到的最优位置；xbest为局部最优，表示某粒子历史上所寻找到的最优位置；w为惯性权重；c1，c2为学习因子，r1，r2为随机数；步骤3‑4)判断还是否满足算法终止条件，若满足则算法结束，若不满足，则跳转至下一步；步骤3‑5)随机生成M个粒子，与原来N个粒子组成M+N的种群；计算新种群各个粒子的适应度和浓度；步骤3‑6)更新全局最优和局部最优，当粒子适应度大于全局最优时，则当前粒子为全局最优，当粒子适应度大于局部最优时，当前位置为局部最优，将适应度最大的若干粒子存入记忆库中；步骤3‑7)根据以下公式计算各粒子的期望选择概率，以轮盘赌的选择方式从M+N个粒子中选择出N个粒子；Pi=αAiΣAi+(1-α)1/CiΣ1/Ci]]>其中，α为常数，抗原抗体亲和力为Ai＝f(xi)，Ci为抗体浓度；步骤3‑8)将记忆库中的粒子与新的种群合并，并返回步骤3‑4)。