專利名稱：電力系統(tǒng)的無(wú)功優(yōu)化方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種電力系統(tǒng)的無(wú)功優(yōu)化方法，特別涉及一種智能群體和仿生計(jì)算應(yīng)用領(lǐng)域的電力系統(tǒng)中的無(wú)功優(yōu)化方法。
背景技術(shù)：
電壓是衡量電能質(zhì)量的重要指標(biāo)之一，電壓質(zhì)量對(duì)電力系統(tǒng)穩(wěn)定運(yùn)行、降低網(wǎng)絡(luò)損耗、保證工業(yè)和農(nóng)業(yè)生產(chǎn)安全、提高產(chǎn)品質(zhì)量等都有直接影響。提高電力系統(tǒng)輸電效率，降低網(wǎng)絡(luò)損耗是電力部門一直關(guān)心的問(wèn)題。電力系統(tǒng)無(wú)功優(yōu)化屬于復(fù)雜的多約束非線性組合優(yōu)化問(wèn)題，是保證電力系統(tǒng)安全與經(jīng)濟(jì)運(yùn)行的有效手段之一。其目標(biāo)是在保證滿足系統(tǒng)無(wú)功功率平衡和電網(wǎng)安全約束的前提下，通過(guò)合理調(diào)節(jié)發(fā)電機(jī)機(jī)端電壓、變壓器分接頭及投切無(wú)功補(bǔ)償設(shè)備，實(shí)現(xiàn)網(wǎng)損最小化且保持良好的電壓水平。近幾年提出的求解無(wú)功優(yōu)化問(wèn)題的人工智能方法很多，主要包括粒子群算法、人工神經(jīng)網(wǎng)絡(luò)、遺傳算法、模擬退火算法、混沌優(yōu)化算法等等。這些算法的基本原理都是基于一個(gè)初始種群，按照一定的方式搜索解空間，尋找最優(yōu)解。無(wú)功優(yōu)化面臨的關(guān)鍵問(wèn)題是:(1)更新種群時(shí)比較隨機(jī)(2)尋優(yōu)過(guò)程比較盲目(3)尋找最優(yōu)解時(shí)容易陷入局部最優(yōu)。如何朝著最優(yōu)解的方向引入種群多樣性，避免盲目隨機(jī)的問(wèn)題；如何設(shè)計(jì)種群規(guī)模、更新種群位置將直接決定算法跳出局部最優(yōu)解的能力。細(xì)菌覓食算法(Bacterial Foraging Algorithm, BFA)[亦有稱為細(xì)菌覓食優(yōu)化算法(BacterialForaging Optimization algorithm, BFO | | BF0A)]由 K.M.Passino 于 2002 年基于 Ecoli大腸桿菌在人體腸道內(nèi)吞噬食物的行為，提出的一種新型仿生類算法。該算法因具有群體智能算法并行搜索、易跳出局部極小值等優(yōu)點(diǎn)，成為生物啟發(fā)式計(jì)算研究領(lǐng)域的又一熱點(diǎn)。細(xì)菌覓食算法模仿大腸桿菌在人體腸道內(nèi)覓食行為，大腸桿菌的覓食行為分為以下幾個(gè)過(guò)程:(1)尋找可能存在食物源的區(qū)域(2)通過(guò)先驗(yàn)知識(shí)判斷是否該進(jìn)入該覓食區(qū)域(3)消耗掉一定量的食物后，或者覓食區(qū)域環(huán)境變得惡劣等不適合生存的條件出現(xiàn)，細(xì)菌死亡或遷移到令一個(gè)適合覓食的區(qū)域。細(xì)菌覓食在優(yōu)化算法上可以分為下列幾個(gè)步驟:(I)問(wèn)題可行解空間組成的細(xì)菌群體(2)設(shè)計(jì)評(píng)價(jià)函數(shù)(3)趨化、繁殖、遷徙等操作進(jìn)行群體更新和最優(yōu)解搜索。(4)新舊個(gè)體遵循自然界“優(yōu)勝劣汰，適者生存”原則形成新的種群再進(jìn)行趨化、繁殖、遷徙等操作，直到把最優(yōu)細(xì)菌個(gè)體找出。此細(xì)菌即為問(wèn)題的最優(yōu)解。在電力系統(tǒng)中有多個(gè)節(jié)點(diǎn)，在無(wú)功優(yōu)化中控制變量有多個(gè)并且受著范圍的限制，這些特性和培養(yǎng)液中的細(xì)菌數(shù)量大，受環(huán)境影響大的特點(diǎn)具有很大的相似性，同時(shí)覓食算法具有操作簡(jiǎn)單、收斂速度快、易跳出局部解等特性，所以利用該算法研究電力系統(tǒng)無(wú)功優(yōu)化問(wèn)題具有較好的優(yōu)勢(shì)。

發(fā)明內(nèi)容
本發(fā)明針對(duì)上述的問(wèn)題，目的在于提供一種能夠朝著最優(yōu)解的方向引入種群，避免盲目隨機(jī)，跳出局部最優(yōu)解的電力系統(tǒng)的無(wú)功優(yōu)化方法，即、將細(xì)菌覓食算法與粒子群優(yōu)化算法相結(jié)合，具有快速、高效、穩(wěn)定等特點(diǎn)。本發(fā)明為了實(shí)現(xiàn)上述目的，可使用以下方案:本發(fā)明提供了一種電力系統(tǒng)的無(wú)功優(yōu)化方法，其特征在于，包括以下步驟:(I)采用牛頓-拉夫遜潮流計(jì)算程序?yàn)閮?yōu)化計(jì)算提供各狀態(tài)變量的值和網(wǎng)損值；(2)采用細(xì)菌覓食與粒子群結(jié)合的優(yōu)化算法優(yōu)化電力系統(tǒng)，建立電力系統(tǒng)的無(wú)功優(yōu)化模型，確定優(yōu)化目標(biāo)函數(shù)；(3)初始化細(xì)菌群體,初始化參數(shù)包括:細(xì)菌種群大小、控制變量個(gè)數(shù)、細(xì)菌位置、趨化算子次數(shù)、繁殖算子次數(shù)、遷徙算子次數(shù)、執(zhí)行繁殖的比例、執(zhí)行遷徙算子的概率。對(duì)細(xì)菌個(gè)體中的連續(xù)變量和離散變量進(jìn)行初始化，連續(xù)變量為發(fā)電機(jī)的機(jī)端電壓，離散變量包括:變壓器檔位、補(bǔ)償電容檔位，變壓器檔位對(duì)應(yīng)變壓器變比，補(bǔ)償電容檔位對(duì)應(yīng)補(bǔ)償電容量；
(4)調(diào)用牛頓-拉夫遜潮流計(jì)算程序得到的網(wǎng)損值記為適應(yīng)度值，記錄細(xì)菌個(gè)體的最優(yōu)值以及細(xì)菌群體的最優(yōu)值，將發(fā)電機(jī)的機(jī)端電壓為連續(xù)變量代入潮流計(jì)算程序，將可調(diào)變壓器變比、補(bǔ)償電容量通過(guò)變壓器檔位和補(bǔ)償電容檔位及調(diào)節(jié)步長(zhǎng)對(duì)應(yīng)轉(zhuǎn)換成變壓器變比和補(bǔ)償電容量再代入到潮流計(jì)算程序；(5)采用粒子群優(yōu)化算法，執(zhí)行趨化算子，將粒子的更新位置作為細(xì)菌個(gè)體的前進(jìn)步長(zhǎng)，將粒子的飛行速度作為細(xì)菌個(gè)體的更新方向，對(duì)細(xì)菌個(gè)體更新，更新時(shí)要限制位置和速度；(6)記錄細(xì)菌個(gè)體和細(xì)菌群體的最優(yōu)位置，趨化算子執(zhí)行完畢后執(zhí)行繁殖算子:將細(xì)菌個(gè)體按照?qǐng)?zhí)行趨化算子后的適應(yīng)度值按照由低到高排列，然后去除適應(yīng)度值較高的占總體細(xì)菌個(gè)體一半數(shù)量的細(xì)菌個(gè)體，保留另一半數(shù)量的適應(yīng)度較低的細(xì)菌個(gè)體，保留的細(xì)菌個(gè)體分裂成兩個(gè)新的細(xì)菌個(gè)體，新的細(xì)菌個(gè)體繼承所有原保留的細(xì)菌個(gè)體的特性，并維持細(xì)菌群體數(shù)量的不變；(7)執(zhí)行完繁殖算子后，細(xì)菌群體執(zhí)行遷徙算子，將滿足遷徙算子的概率的細(xì)菌個(gè)體丟棄，同時(shí)在滿足控制變量范圍內(nèi)的任意位置生成新的細(xì)菌個(gè)體再進(jìn)行步驟(5)的趨化操作；(8)重復(fù)步驟(5)到步驟(7)，達(dá)到根據(jù)趨化算子次數(shù)，繁殖算子次數(shù)和遷徙算子次數(shù)的次數(shù)后，輸出無(wú)功優(yōu)化結(jié)果，即、完成優(yōu)化目標(biāo)。發(fā)明效果本發(fā)明提供的一種電力系統(tǒng)的無(wú)功優(yōu)化方法，針對(duì)電力系統(tǒng)無(wú)功優(yōu)化具有非線性、多控制變量、多約束條件、連續(xù)變量和離散變量混雜的特點(diǎn)，引入了細(xì)菌覓食與粒子群結(jié)合算法來(lái)處理電力系統(tǒng)的無(wú)功優(yōu)化的問(wèn)題，該算法具有群體智能算法的并行搜索、易跳出局部極小值等特點(diǎn)，可以避免種群更新時(shí)盲目隨機(jī)、收斂速度慢和易陷入局部最優(yōu)解的缺點(diǎn)。在執(zhí)行趨化算子時(shí)，引入了粒子群算法可以避免計(jì)算細(xì)菌個(gè)體間距帶來(lái)的復(fù)雜性和細(xì)菌前進(jìn)方向的隨機(jī)性，以粒子的自身認(rèn)知以及群體的整體認(rèn)知來(lái)改變細(xì)菌群體，經(jīng)過(guò)細(xì)菌間協(xié)同合作和知識(shí)共享來(lái)決定細(xì)菌的下一步的運(yùn)動(dòng)。執(zhí)行繁殖算子時(shí)，可以朝著最優(yōu)解的方向引入種群，避免盲目隨機(jī)的問(wèn)題，加快了算法的收斂速度。執(zhí)行遷徙算子時(shí)，可以在不破壞當(dāng)前最優(yōu)解結(jié)構(gòu)的情況下，增加了細(xì)菌到達(dá)最優(yōu)解的概率。遷徙算子的引入不但增加了跳出局部最優(yōu)解的可能性，而且使算法具有較好的收斂性。綜上所述，本發(fā)明的方法跳出局部最優(yōu)解的能力強(qiáng)，收斂速度快、收斂性能好、穩(wěn)定性強(qiáng)，能有效求解電力系統(tǒng)無(wú)功優(yōu)化的問(wèn)題。


圖1是基于細(xì)菌覓食與粒子群優(yōu)化算法的電力系統(tǒng)無(wú)功優(yōu)化流程圖。
圖2是采用不同算法的目標(biāo)函數(shù)收斂曲線。
具體實(shí)施例方式以下結(jié)合附圖對(duì)本發(fā)明所涉及的一種電力系統(tǒng)的無(wú)功優(yōu)化方法的優(yōu)選實(shí)施例做詳細(xì)闡述，但本發(fā)明并不僅限于該實(shí)施例。為了使公眾對(duì)本發(fā)明有徹底的了解，在以下本發(fā)明優(yōu)選實(shí)施例中詳細(xì)說(shuō)明了就具體的細(xì)節(jié)。實(shí)施方式1:下面以IEEE14節(jié)點(diǎn)仿真系統(tǒng)為例，說(shuō)明該發(fā)明的具體實(shí)施。節(jié)點(diǎn)網(wǎng)絡(luò)參數(shù)來(lái)源于[張伯明，陳壽孫，嚴(yán)正.高等電力網(wǎng)絡(luò)分析[M].北京:清華大學(xué)出版社，309— 310]。該系統(tǒng)共有14個(gè)節(jié)點(diǎn)，20條支路，5臺(tái)發(fā)電機(jī)，3臺(tái)可調(diào)變壓器以及一個(gè)補(bǔ)償電容節(jié)點(diǎn)。具體步驟如下:步驟Sl-1:采用牛頓-拉夫遜潮流計(jì)算程序?yàn)閮?yōu)化計(jì)算提供各狀態(tài)變量的值和網(wǎng)損值；步驟Sl-1可以由以下步驟組成:步驟S1-101:形成節(jié)點(diǎn)導(dǎo)納矩陣。步驟S1-102:`設(shè)各節(jié)點(diǎn)電壓初值Pf〕、電壓相角。步驟S1-103:求修正方程式中的不平衡量有功功率Λ P1、無(wú)功功率AQp步驟S1-104:求修正方程式的系數(shù)矩陣一雅克比矩陣J。步驟S1-105:解修正方程式，求解各節(jié)點(diǎn)的電壓變化量，即0或^,(1))。步驟S1-106:計(jì)算各節(jié)點(diǎn)的電壓新值，即修正后的值Ff1 =Vtw+AViC0)，^(1) =4(0) + Δ￡5!(0)。步驟S1-107:運(yùn)用各節(jié)點(diǎn)的電壓新值由第三步開始進(jìn)入到下一次的迭代。步驟S1-108:計(jì)算平衡節(jié)點(diǎn)的功率和線路功率。步驟S1-2:建立無(wú)功優(yōu)化模型，由于提高電力系統(tǒng)輸電效率，降低網(wǎng)絡(luò)損耗是電力系統(tǒng)運(yùn)行部門面臨的實(shí)際問(wèn)題。故以系統(tǒng)網(wǎng)絡(luò)最小為無(wú)功優(yōu)化數(shù)學(xué)模型，考慮到在優(yōu)化過(guò)程中，狀態(tài)變量發(fā)電機(jī)無(wú)功出力和節(jié)點(diǎn)電壓會(huì)出現(xiàn)越限的情況，采用懲罰因子的形式進(jìn)行處理。系統(tǒng)無(wú)功優(yōu)化模型mm / =尸 + Λ' Σ + ^ Σ d )'
IeNpn v ,max z,mini^Ng >^ ,max
式中，minf為目標(biāo)函數(shù)，代表最小網(wǎng)損值，Pltjss為系統(tǒng)有功網(wǎng)損，λ v、Aq分別為PQ節(jié)點(diǎn)電壓和發(fā)電機(jī)無(wú)功出力的越限懲罰因子；NPQ、Ng分別為PQ節(jié)點(diǎn)總數(shù)與發(fā)電機(jī)節(jié)點(diǎn)總數(shù)。其中，Pltjss > Vijlim ,Qijlim可分別表示為以下形式:
權(quán)利要求
1.一種電力系統(tǒng)的無(wú)功優(yōu)化方法，其特征在于，包括以下步驟: (1)采用牛頓-拉夫遜潮流計(jì)算程序?yàn)閮?yōu)化計(jì)算提供各狀態(tài)變量的值和網(wǎng)損值； (2)建立細(xì)菌覓食優(yōu)化算法與粒子群算法結(jié)合的所述電力系統(tǒng)無(wú)功優(yōu)化模型，確定優(yōu)化目標(biāo)函數(shù)； (3)初始化細(xì)菌群體，初始化參數(shù)包括:細(xì)菌種群大小、控制變量個(gè)數(shù)、細(xì)菌位置、趨化算子次數(shù)、繁殖算子次數(shù)、遷徙算子次數(shù)、執(zhí)行繁殖的比例、執(zhí)行遷徙算子的概率； 對(duì)細(xì)菌個(gè)體中的連續(xù)變量和離散變量進(jìn)行初始化，連續(xù)變量為發(fā)電機(jī)的機(jī)端電壓，離散變量包括:變壓器檔位、補(bǔ)償電容檔位；變壓器檔位對(duì)應(yīng)變壓器變比，補(bǔ)償電容檔位對(duì)應(yīng)補(bǔ)償電容量； (4)調(diào)用所述牛頓-拉夫遜潮流計(jì)算程序得到的所述網(wǎng)損值記為適應(yīng)度值，記錄所述細(xì)菌個(gè)體的最優(yōu)值以及所述細(xì)菌群體的最優(yōu)值，將所述發(fā)電機(jī)的機(jī)端電壓為所述連續(xù)變量代入所述潮流計(jì)算程序，將所述可調(diào)變壓器變比、所述補(bǔ)償電容量通過(guò)所述變壓器檔位和所述補(bǔ)償電容檔位及對(duì)應(yīng)的調(diào)節(jié)步長(zhǎng)轉(zhuǎn)換成變壓器變比和補(bǔ)償電容量再代入到所述潮流計(jì)算程序； (5)采用粒子群優(yōu)化算法，執(zhí)行趨化算子，將粒子的更新位置作為所述細(xì)菌個(gè)體的前進(jìn)步長(zhǎng)，將所述粒子的飛行速度作為所述細(xì)菌個(gè)體的更新方向，對(duì)所述細(xì)菌個(gè)體進(jìn)行更新，更新時(shí)要限制所述位置和所述速度； (6)記錄所述細(xì)菌個(gè)體和所述細(xì)菌群體的最優(yōu)位置，并在執(zhí)行完趨化算子后，執(zhí)行繁殖算子:將所述細(xì)菌個(gè)體按照?qǐng)?zhí)行趨化算子后的所述適應(yīng)度值按照由低到高排列，然后去除適應(yīng)度值較高的占總體所述細(xì)菌個(gè)體一半數(shù)量的所述細(xì)菌個(gè)體，保留另一半數(shù)量的適應(yīng)度較低的所述細(xì)菌個(gè)體，保留的所述細(xì)菌個(gè)體分裂成兩個(gè)新的細(xì)菌個(gè)體，所述新的細(xì)菌個(gè)體繼承所有原保留的所述細(xì)菌個(gè)體的特性，并維持所述細(xì)菌群體數(shù)量的不變； (7)所述繁殖算子執(zhí)行完畢后，所述細(xì)菌群體執(zhí)行遷徙子，丟棄滿足所述遷徙算子的概率的所述細(xì)菌個(gè)體，同時(shí)在滿足控制變量的范圍內(nèi)的任意位置生成新的細(xì)菌個(gè)體再進(jìn)行步驟(5)的趨化操作； (8)重復(fù)步驟(5)到步驟(7)，達(dá)到設(shè)置的所述趨化算子次數(shù)，所述繁殖算子次數(shù)和所述遷徙算子次數(shù)后，輸出無(wú)功優(yōu)化結(jié)果，即、完成所述優(yōu)化目標(biāo)。
全文摘要
本發(fā)明將細(xì)菌覓食算法與粒子群優(yōu)化算法相結(jié)合，運(yùn)用于電力系統(tǒng)的無(wú)功優(yōu)化中，步驟包括采用牛頓-拉夫遜潮流計(jì)算程序?yàn)閮?yōu)化計(jì)算提供各狀態(tài)變量的值和網(wǎng)損值；建立無(wú)功優(yōu)化模型；初始化細(xì)菌群體；調(diào)用潮流迭代程序評(píng)價(jià)記錄細(xì)菌的適應(yīng)度和最優(yōu)值；進(jìn)行趨化操作；保留優(yōu)良群種并繁殖；進(jìn)行遷徙操作，細(xì)菌以一定的概率死亡或重生；更新細(xì)菌群體，到達(dá)規(guī)定的迭代次數(shù)后，輸出無(wú)功優(yōu)化結(jié)果。本發(fā)明以最優(yōu)解的方向引入種群，避免盲目隨機(jī)的問(wèn)題，能超越局部最優(yōu)解，將現(xiàn)有的細(xì)菌覓食優(yōu)化算法與粒子群優(yōu)化算法相結(jié)合，通過(guò)控制發(fā)電機(jī)，無(wú)功補(bǔ)償設(shè)備的無(wú)功出力、可調(diào)變壓器的分接頭來(lái)降低網(wǎng)損，具有快速收斂、高效、穩(wěn)定的特點(diǎn)，適用于求解電力系統(tǒng)無(wú)功優(yōu)化的問(wèn)題。
文檔編號(hào)H02J3/18GK103199544SQ20131009977
公開日2013年7月10日 申請(qǐng)日期2013年3月26日 優(yōu)先權(quán)日2013年3月26日
發(fā)明者簡(jiǎn)獻(xiàn)忠, 侯一欣, 范建鵬, 嚴(yán)軍 申請(qǐng)人:上海理工大學(xué)