[发明专利]一种电力系统无功优化方法及系统

摘要

本发明提供一种电力系统无功优化方法及系统，包括输入电网信息数据以及相关算法参数，取发电机端电压、无功补偿装置的补偿电容值和变压器支路变比组成控制变量，产生初始种群，将初始种群中每个向量代入牛拉法潮流计算系统各节点的电压发电机节点的无功功率，计算适应度值大小，变异操作，加入协方差矩阵学习机制的交叉操作，选择操作，计算每个试验向量适应度值的大小，若试验向量适应度值小于目标向量适应度值，则保留该试验向量进入下一代种群，且其对应的缩放因子和交叉控制参数保持不变进入下一代，否则，目标向量直接进入下一代，且按照双峰分布参数设置产生下一代的缩放因子和交叉控制参数；达到最大迭代次数时输出最终的优化结果。

主权项

一种电力系统无功优化方法，其特征在于：包括以下步骤，1)输入电网信息数据以及相关算法参数；2)产生初始种群，包括取发电机端电压V_G、无功补偿装置的补偿电容值B和变压器支路变比K组成控制变量X＝[V_G,B,K]，以调整范围作为搜索空间，随机产生有NP个个体的初始种群，令当代进化代数G＝1，其中NP为种群数；3)适应度值的计算，包括利用牛顿拉夫逊潮流法为初始种群的每个个体计算适应度值大小，如下式式中，F为目标函数；P_loss为系统有功网损；M、N和N_l分别为负荷节点数、PV节点数和系统支路数；λ₁和λ₂分别为对负荷节点电压越界和对发电机无功越界的惩罚因子；k表示支路的编号，a和b为第k条支路两端对应的节点，V_a和V_b为节点a和b的节点电压，G_k为支路电导，δ_ab为节点间电压相角差；V_p、Q_Gq分别为第p个负荷节点的节点电压和第q个PV节点的发电机无功出力；V_plim和Q_Gqlim分别为V_p和Q_Gq的取值范围，V_pmax和V_pmin为V_p的上下界，Q_Gqmax和Q_Gqmin为Q_Gq的上下界；4)变异操作，包括为当代种群的每个目标向量X_i,G产生变异向量V_i,G:V_i,G＝X_r1,G+F(X_r2,G‑X_r3,G)式中，G代表目前的进化代数；r1,r2,r3为在区间[1,NP]内随机产生的互不相同的整数，作为表示种群中不同个体的索引号，且与当前目标向量的索引号i不同；F是区间[0,2]之间的实数，用来控制差异向量(X_r2,G‑X_r3,G)的缩放；5)加入协方差矩阵学习机制的交叉操作，包括根据协方差矩阵学习的概率pb，协方差矩 阵中个体站种群的比例ps，如果随机数rand(0,1)>＝pb，则直接将当代种群中的目标相量X_i,G和变异向量V_i,G进行交叉操作得到试验向量U_i,G如下式，式中，rand为服从在[0,1]之间均匀分布的随机数，j为分量序号；CR为交叉概率，通常在[0,1]之间取值；l_i为从序列[1,2,…,D]中随机选择的维数变量索引，D是向量维数；如果随机数rand(0,1)<pb，则根据比例ps，按照协方差矩阵学习机制得到试验向量U_i,G；6)选择操作，利用牛顿拉夫逊潮流法计算每个试验向量适应度值的大小，并比较每个试验向量适应度值和其对应目标向量的适应度值的大小，若试验向量适应度值小于目标向量适应度值，则保留该试验向量进入下一代种群，且其对应的缩放因子F_i,G和交叉控制参数CR_i,G保持不变进入下一代，F_i,G+1＝F_i,G,CR_i,G+1＝CR_i,G；否则，目标向量直接进入下一代，且按照双峰分布参数设置产生下一代的缩放因子F_i,G+1和交叉控制参数CR_i,G+1；7)终止条件判断，包括以最大迭代次数为终止条件，达到最大迭代次数，则输出最终的优化结果，否则令G＝G+1，继续转至步骤4)。