[发明专利]基于改进遗传算法的交直流系统减载量优化方法

摘要

本发明公开了基于改进遗传算法的交直流系统减载量优化方法，包括低压减载量优化目标函数和约束条件以及低压减载量优化；低压减载量优化目标函数和约束条件包括目标函数、约束条件、电压指标约束和直流系统电压控制策略，低压减载量优化为基于改进遗传算法的低压减载量优化，包括改进遗传算法和改进遗传算法优化低压减载量流程。与现有技术相比，本发明的有益效果是：结合智能优化方法同时以损失成本最小为目标函数得出最优化策略。在大电网中，通过对联接非常重要负荷的节点减载，使重要节点未切负荷能够满足阀值约束，从而在第一时间切除部分负荷保证系统安全的情况下减小系统损失成本。本发明相比常规减载策略，提高了灵活性和适应性。

主权项

1.一种基于改进遗传算法的交直流系统减载量优化方法，包括低压减载量优化目标函数和约束条件以及低压减载量优化，其特征在于：(1)低压减载量优化目标函数和约束条件包括目标函数、约束条件、电压指标约束和直流系统电压控制策略，其中：所述目标函数为minF＝C₁S₁+C₂S₂+C₃S₃，其中，S₁、S₂和S₃分别为企业用电、工业用电和城镇农村家庭用电；C₁、C₂和C₃为成本控制系数；所述约束条件包括等式约束和不等式约束；其中，所述不等式约束为一个或多个安全性约束，包括控制变量约束和状态变量约束；所述电压指标约束为电压稳定性指标约束；所述直流系统电压控制策略为将直流控制方式对于电压稳定裕度的贡献添加到交替迭代潮流计算中；(2)低压减载量优化为基于改进遗传算法的低压减载量优化，包括改进遗传算法和改进遗传算法优化低压减载量流程，其中：改进遗传算法中的交叉因子自适应求取方法为：其中，f_fit(i)为需交叉个体的适应度，f_avg为所有交叉个体平均适应度，f_max为交叉个体最大适应度，P_cmax为最大交叉概率，P_cmin为最小交叉概率；改进遗传算法中的变异因子自适应求取方法为：其中，f_fit(i)为需变异个体的适应度，f_avg为所有变异个体平均适应度，f_max为变异个体最大适应度，P_mmax为最大变异概率，P_mmin为最小变异概率；其中，所述改进遗传算法优化低压减载量流程包括如下步骤：(1)初始化：输入交直流系统低压过载原始数据，确定遗传算法运行代数，交叉概率和变异概率上下限，确定每代样本个数，并随机产生初代群体；(2)适应度排序：对交直流系统与原始过载数据进行潮流计算；对初代种群数据进行潮流计算；将两种数据下潮流计算的控制变量值求差，并将结果代入目标函数，即得到适应度值并对其排序；(3)选择：计算所有上一代个体的适应度函数值后，利用轮盘赌法选择出数量等于每代群体数量的父代群体，从上一代中确定生成子代的父代群体；(4)交叉：根据自适应算法求取交叉概率并得出交叉点，将父代群体中的相邻个体两两交叉，包括首尾两个个体；(5)变异：针对10位二进制编码中的单独二进制位，求取自适应变异概率后，根据概率任意选定二进制位将其反置；(6)优选：繁殖变异之后，选择每代控制成本最小的个体；迭代完成后再次优选适应度最大个体，即为所求交直流系统低压减载量。