基于比重變異粒子群算法的配電網(wǎng)無功優(yōu)化方法技術(shù)

本發(fā)明專利技術(shù)基于傳統(tǒng)的粒子群算法加入了比重變異的方法，當(dāng)找尋最優(yōu)解達(dá)到一定條件時(shí)，可根據(jù)每個(gè)粒子的情況對(duì)粒子的位置進(jìn)行變異，使粒子在搜索過程中避免陷入局部最優(yōu)；另外，本發(fā)明專利技術(shù)還對(duì)對(duì)傳統(tǒng)線性變化的慣性權(quán)重有所改進(jìn)，根據(jù)反饋值的大小動(dòng)態(tài)的改變，當(dāng)反饋值大于平均值時(shí)，w值將變大,粒子搜索范圍擴(kuò)大，反之，將在較小范圍搜索；這樣可以更加精確的對(duì)整個(gè)粒子空間進(jìn)行搜索，收斂速度也得到提高。經(jīng)驗(yàn)證，基于比重變異粒子群的配電網(wǎng)無功優(yōu)化方法，可結(jié)合配電網(wǎng)現(xiàn)有可控設(shè)備對(duì)配電網(wǎng)進(jìn)行高效管理，在運(yùn)行時(shí)能保證更高的收斂性和優(yōu)化程度。

【技術(shù)實(shí)現(xiàn)步驟摘要】

本專利技術(shù)涉及一種配電網(wǎng)無功優(yōu)化方法，具體涉及一種基于粒子群算法的配電網(wǎng)無功優(yōu)化方法。
技術(shù)介紹
近些年我國大力提倡可再生能源的使用與開發(fā)，分布式電源的接入和電動(dòng)汽車充電樁建設(shè)逐步增多。這些新變化對(duì)電網(wǎng)系統(tǒng)的電壓、損耗、可靠性都帶來不利的影響。為了降低這些影響，確保電網(wǎng)的供電質(zhì)量和系統(tǒng)經(jīng)濟(jì)安全運(yùn)行，需要對(duì)我國電網(wǎng)中已經(jīng)安裝的有載調(diào)壓的變壓器和無功補(bǔ)償裝置進(jìn)行調(diào)節(jié)和控制。根據(jù)算法要求，將可以控制的有載可調(diào)變壓器，無功補(bǔ)償裝置和發(fā)電機(jī)端電壓量化后作為控制變量，將網(wǎng)絡(luò)損耗或者節(jié)點(diǎn)電壓作為優(yōu)化目標(biāo)，通過相應(yīng)的算法找出最優(yōu)設(shè)置，從而達(dá)到優(yōu)化配電網(wǎng)系統(tǒng)的目的。傳統(tǒng)的無功優(yōu)化方法包括：粒子群算法算法(particle swarm optimization，PSO)、遺傳算法(Genetic Algorithm,GA)等，但是傳統(tǒng)的算法存在收斂性差，容易陷入局部最優(yōu)等不足之處。
技術(shù)實(shí)現(xiàn)思路
為了克服上述算法容易陷入局部最優(yōu)、收斂性差的和優(yōu)化程度不夠等缺點(diǎn)。本專利技術(shù)采用了基于比重變異粒子群算法，該算法能夠有效的避免陷入局部最優(yōu)，同時(shí)進(jìn)一步的提高了收斂速度和優(yōu)化深度。本專利技術(shù)提供的一種基于比重變異粒子群算法的配電網(wǎng)無功優(yōu)化方法，具體如下：建立配電網(wǎng)的無功優(yōu)化數(shù)學(xué)模型，即選取系統(tǒng)的有功網(wǎng)損作為適應(yīng)函數(shù)，公式如下：min PL=Σi,j(Vi2+Vj2-2ViVjcosδij)Gij]]>上式中：PL為網(wǎng)絡(luò)有功損耗，Vi、Vj分別表示節(jié)點(diǎn)i和j的電壓，δij表示節(jié)點(diǎn)i和節(jié)點(diǎn)j之間的相角差，Gij表示節(jié)點(diǎn)i和節(jié)點(diǎn)j之間的電導(dǎo)；控制變量包括發(fā)電機(jī)機(jī)端電壓、變壓器檔位、無功補(bǔ)償?shù)瓤刂谱兞康取Ｈ缓笤龠M(jìn)行如下步驟：S1：對(duì)配電網(wǎng)無功優(yōu)化系統(tǒng)進(jìn)行初始化，獲取配電網(wǎng)系統(tǒng)的節(jié)點(diǎn)信息和支路信息；設(shè)置控制變量的個(gè)數(shù)，并對(duì)各控制變量的取值范圍、第一學(xué)習(xí)因子c1、第二學(xué)習(xí)因子c2、最大迭代次數(shù)Nmax以及初始種群的規(guī)模T進(jìn)行設(shè)置；S2：在設(shè)置完成的控制變量取值范圍內(nèi)，隨機(jī)初始化后得到一個(gè)種群數(shù)目為T的粒子群，并獲得初始粒子群每個(gè)粒子的位置X(i)和速度V(i)；S3：對(duì)初始粒子群進(jìn)行潮流計(jì)算，計(jì)算所述初始粒子群中每個(gè)粒子的網(wǎng)損PL(i)，取每個(gè)粒子的當(dāng)前網(wǎng)損PL(i)作為每個(gè)個(gè)體的初始最優(yōu)解Pi，并找出最小網(wǎng)損作為全局最優(yōu)解Pg；S4：判斷當(dāng)前迭代次數(shù)是否達(dá)到設(shè)定最大值Nmax，若達(dá)到最大值跳轉(zhuǎn)到步驟S11，否則轉(zhuǎn)到步驟S5；S5：根據(jù)迭代更新公式對(duì)當(dāng)前種群每個(gè)粒子的速度和位置進(jìn)行更新，生成一個(gè)新粒子群；S6：對(duì)新粒子群的每個(gè)粒子速度和位置進(jìn)行評(píng)價(jià)，判斷每個(gè)粒子的位置和速度是否超過設(shè)定值；如果超過設(shè)定值，則對(duì)該粒子進(jìn)行修正，并取其設(shè)定值作為該粒子的位置和速度；S7：對(duì)新粒子群進(jìn)行潮流計(jì)算，獲得每個(gè)粒子的網(wǎng)損；比較每個(gè)粒子更新前后的網(wǎng)損，取較小的為該個(gè)體最優(yōu)解，同時(shí)找出新的網(wǎng)損最小值，并和上次的全局最優(yōu)解比較，保留較小值作為新全局最優(yōu)解；S8：判斷全局最優(yōu)解是否保持n代沒有變化；若是，轉(zhuǎn)到步驟S9，否則轉(zhuǎn)到步驟S4；n值可選擇取6、7、8任一個(gè)數(shù)值；S9：對(duì)粒子群粒子的位置進(jìn)行比重變異；S10：對(duì)變異后的每個(gè)粒子速度和位置按S6所述的方法進(jìn)行評(píng)價(jià)和修正，再對(duì)變異粒子群按步驟S7所述方法進(jìn)行潮流計(jì)算并找出最新的個(gè)體最優(yōu)值和全局最優(yōu)值，然后跳轉(zhuǎn)到步驟S4；S11：停止迭代計(jì)算，保存?zhèn)€體最優(yōu)值和全局最優(yōu)值，同時(shí)保存全局最優(yōu)時(shí)對(duì)應(yīng)各控制變量的值；此時(shí)，全局最優(yōu)即為優(yōu)化理想結(jié)果，控制變量值即為最優(yōu)設(shè)置值。對(duì)于上述步驟：進(jìn)一步，所述步驟S9中比重變異的具體步驟如下：S91：將需要變異粒子對(duì)應(yīng)的適應(yīng)函數(shù)值用MATLAB自帶sort函數(shù)進(jìn)行升序排列，由此得到對(duì)應(yīng)的粒子順序；S92：將新序列的粒子帶入適應(yīng)函數(shù)求出每個(gè)粒子的函數(shù)反饋值PL(i)，即有功網(wǎng)損值；S93：計(jì)算出每個(gè)粒子的適應(yīng)度F(i)：S94：將每個(gè)粒子按照其適應(yīng)度比重進(jìn)行相應(yīng)變異：X(i)*＝X(i)+F(i)·randn；上式中：PL(i)為對(duì)應(yīng)粒子i的網(wǎng)損值；randn是MATLAB自帶的正態(tài)分布隨機(jī)函數(shù)。進(jìn)一步，所述步驟S5中，粒子的速度和位置的迭代更新公式如下：vi,d,k+1＝L(wvi,d,k+c1rand1(Pi,k-xi,d,k)+c2rand2(Pg,k-xi,d,k))，xi,d,k+1＝xi,d,k+vi,d,k+1X(i)＝[VG,i,QC,i,TN,i]＝[VG1,i...VGn,i,Qc1,i...Qcn2,i,TN1,i...TNn3,i]上式中：k和k+1表示迭代次數(shù)，i表示粒子編號(hào)，d表示第d維數(shù)分量；x和v分別表示粒子位置和速度；c1和c2為學(xué)習(xí)因子；rand1和rand2為隨機(jī)變量；Pi,k和Pg,k分別為粒子個(gè)體最優(yōu)解和全局最優(yōu)解；w為慣性權(quán)重，L為收縮因子；其中，第一學(xué)習(xí)因子c1他第二學(xué)習(xí)因子c2影響粒子向個(gè)體最優(yōu)和整體最優(yōu)粒子的飛行速度；其中，慣性權(quán)重w計(jì)算公式如下：w=wmax-wmax-wminNmax,N=1wmax-wmax-wminNmax+(PL(i)-Pave)rand,N>1]]>式中：wmax、wmin分別為慣性權(quán)重w的最大值和最小值，一般分別取0.9和0.4；Nmax和N分別為最大更新次數(shù)和當(dāng)前更新次數(shù),PL(i)為有功網(wǎng)損，Pave為整個(gè)群體平均有功網(wǎng)損，rand為隨機(jī)函數(shù)。其中，收縮因子L計(jì)算公式如下：第一學(xué)習(xí)因子c1、第二學(xué)習(xí)因子c2計(jì)算公式如下：c1=1-NNmax,c2=1+NNmax,]]>上式中：c1和c2為學(xué)習(xí)因子，Nmax和N分別為最大更新次數(shù)和當(dāng)前更新次數(shù)。進(jìn)一步，所述步驟S2中，配電系統(tǒng)中控制參數(shù)對(duì)應(yīng)于粒子的位置如下式所示：X＝[VG,QC,TN]＝[VG1...VGn1,Qc1...Qcn2,TN1...TNn3]其中，第i代粒子位置是：X(i)＝[VG,i,QC,i,TN,i]＝[VG1,i...VGn,i,Qc1,i...Qcn2,i,TN1,i...TNn3,i]上式中:VG表示發(fā)電機(jī)機(jī)端電壓，QC表示無功補(bǔ)償量，TN表示有載可調(diào)變壓器檔位。進(jìn)一步，所述步驟S6中，對(duì)粒子群的每個(gè)粒子速度和位置進(jìn)行評(píng)價(jià)，即保持：Vmin≤VG,i≤VmaxQmin≤QC,i≤QmaxTmin≤TN,i≤Tmax]]>其中，Vmin、Vmax，Qmin、Qmax、Tmin、Tmax分別表示電壓、補(bǔ)償電容和變壓器調(diào)節(jié)的上下限；由于在實(shí)際優(yōu)化過程中無功補(bǔ)償量和可調(diào)變壓器的檔位都不是連續(xù)變化的，就需要對(duì)其評(píng)價(jià)并進(jìn)行離散化，即，通過自帶函數(shù)將原來的非整數(shù)四舍五入變?yōu)檎麛?shù)。有益效果：本專利技術(shù)通過加入比重變異，可以根據(jù)每個(gè)粒子的情況對(duì)粒子進(jìn)行變異，使粒子在搜索過程中避免陷入局部最優(yōu)，使優(yōu)化結(jié)果更好改進(jìn)粒子群算法具有更好的收斂性和優(yōu)化程度；并且，該方法對(duì)配電網(wǎng)的無功優(yōu)化也是實(shí)際可行的。本專利技術(shù)還通過對(duì)傳統(tǒng)線性變化慣性權(quán)重公式的改進(jìn)，根據(jù)反饋值的大小動(dòng)態(tài)的改變，當(dāng)反饋值大于平均值時(shí)，w值將變大,這樣粒子搜索范圍就擴(kuò)大；相反當(dāng)反饋值小于平均值時(shí)w值就變小，粒子將在較小范圍搜索；這樣可以更加精確的對(duì)整個(gè)粒子空間進(jìn)行搜索，收斂速度也得到提高。附圖說明圖1基于比重變異粒子群算法的流程圖；圖本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種基于比重變異粒子群算法的配電網(wǎng)無功優(yōu)化方法，其特征在于：建立配電網(wǎng)的無功優(yōu)化數(shù)學(xué)模型，然后進(jìn)行如下步驟：S1：對(duì)配電網(wǎng)無功優(yōu)化系統(tǒng)進(jìn)行初始化，獲取配電網(wǎng)系統(tǒng)的節(jié)點(diǎn)信息和支路信息；設(shè)置控制變量的個(gè)數(shù)，并對(duì)各控制變量的取值范圍、第一學(xué)習(xí)因子c1、第二學(xué)習(xí)因子c2、最大迭代次數(shù)Nmax以及初始種群的規(guī)模T進(jìn)行設(shè)置；S2：在設(shè)置完成的控制變量取值范圍內(nèi)，隨機(jī)初始化后得到一個(gè)種群數(shù)目為T的粒子群，并獲得初始粒子群每個(gè)粒子的位置X(i)和速度V(i)；S3：對(duì)初始粒子群進(jìn)行潮流計(jì)算，計(jì)算所述初始粒子群中每個(gè)粒子的網(wǎng)損PL(i)，取每個(gè)粒子的當(dāng)前網(wǎng)損PL(i)作為每個(gè)個(gè)體的初始最優(yōu)解Pi，并找出最小網(wǎng)損作為全局最優(yōu)解Pg；S4：判斷當(dāng)前迭代次數(shù)是否達(dá)到設(shè)定最大值Nmax，若達(dá)到最大值跳轉(zhuǎn)到步驟S11，否則轉(zhuǎn)到步驟S5；S5：根據(jù)迭代更新公式對(duì)當(dāng)前種群每個(gè)粒子的速度和位置進(jìn)行更新，生成一個(gè)新粒子群；S6：對(duì)新粒子群的每個(gè)粒子速度和位置進(jìn)行評(píng)價(jià)，判斷每個(gè)粒子的位置和速度是否超過設(shè)定值；如果超過設(shè)定值，則對(duì)該粒子進(jìn)行修正，并取其設(shè)定值作為該粒子的位置和速度；S7：對(duì)新粒子群進(jìn)行潮流計(jì)算，獲得每個(gè)粒子的網(wǎng)損；比較每個(gè)粒子更新前后的網(wǎng)損，取較小的為該個(gè)體最優(yōu)解，同時(shí)找出新的網(wǎng)損最小值，并和上次的全局最優(yōu)解比較，保留較小值作為新全局最優(yōu)解；S8：判斷全局最優(yōu)解是否保持n代沒有變化；若是，轉(zhuǎn)到步驟S9，否則轉(zhuǎn)到步驟S4；S9：對(duì)粒子群粒子的位置進(jìn)行比重變異；S10：對(duì)變異后的每個(gè)粒子速度和位置按S6所述的方法進(jìn)行評(píng)價(jià)和修正，再對(duì)變異粒子群按步驟S7所述方法進(jìn)行潮流計(jì)算并找出最新的個(gè)體最優(yōu)值和全局最優(yōu)值，然后跳轉(zhuǎn)到步驟S4；S11：停止迭代計(jì)算，保存?zhèn)€體最優(yōu)值和全局最優(yōu)值，同時(shí)保存全局最優(yōu)時(shí)對(duì)應(yīng)各控制變量的值。...

【技術(shù)特征摘要】
1.一種基于比重變異粒子群算法的配電網(wǎng)無功優(yōu)化方法，其特征在于：建立配電網(wǎng)的無功優(yōu)化數(shù)學(xué)模型，然后進(jìn)行如下步驟：S1：對(duì)配電網(wǎng)無功優(yōu)化系統(tǒng)進(jìn)行初始化，獲取配電網(wǎng)系統(tǒng)的節(jié)點(diǎn)信息和支路信息；設(shè)置控制變量的個(gè)數(shù)，并對(duì)各控制變量的取值范圍、第一學(xué)習(xí)因子c1、第二學(xué)習(xí)因子c2、最大迭代次數(shù)Nmax以及初始種群的規(guī)模T進(jìn)行設(shè)置；S2：在設(shè)置完成的控制變量取值范圍內(nèi)，隨機(jī)初始化后得到一個(gè)種群數(shù)目為T的粒子群，并獲得初始粒子群每個(gè)粒子的位置X(i)和速度V(i)；S3：對(duì)初始粒子群進(jìn)行潮流計(jì)算，計(jì)算所述初始粒子群中每個(gè)粒子的網(wǎng)損PL(i)，取每個(gè)粒子的當(dāng)前網(wǎng)損PL(i)作為每個(gè)個(gè)體的初始最優(yōu)解Pi，并找出最小網(wǎng)損作為全局最優(yōu)解Pg；S4：判斷當(dāng)前迭代次數(shù)是否達(dá)到設(shè)定最大值Nmax，若達(dá)到最大值跳轉(zhuǎn)到步驟S11，否則轉(zhuǎn)到步驟S5；S5：根據(jù)迭代更新公式對(duì)當(dāng)前種群每個(gè)粒子的速度和位置進(jìn)行更新，生成一個(gè)新粒子群；S6：對(duì)新粒子群的每個(gè)粒子速度和位置進(jìn)行評(píng)價(jià)，判斷每個(gè)粒子的位置和速度是否超過設(shè)定值；如果超過設(shè)定值，則對(duì)該粒子進(jìn)行修正，并取其設(shè)定值作為該粒子的位置和速度；S7：對(duì)新粒子群進(jìn)行潮流計(jì)算，獲得每個(gè)粒子的網(wǎng)損；比較每個(gè)粒子更新前后的網(wǎng)損，取較小的為該個(gè)體最優(yōu)解，同時(shí)找出新的網(wǎng)損最小值，并和上次的全局最優(yōu)解比較，保留較小值作為新全局最優(yōu)解；S8：判斷全局最優(yōu)解是否保持n代沒有變化；若是，轉(zhuǎn)到步驟S9，否則轉(zhuǎn)到步驟S4；S9：對(duì)粒子群粒子的位置進(jìn)行比重變異；S10：對(duì)變異后的每個(gè)粒子速度和位置按S6所述的方法進(jìn)行評(píng)價(jià)和修正，再對(duì)變異粒子群按步驟S7所述方法進(jìn)行潮流計(jì)算并找出最新的個(gè)體最優(yōu)值和全局最優(yōu)值，然后跳轉(zhuǎn)到步驟S4；S11：停止迭代計(jì)算，保存?zhèn)€體最優(yōu)值和全局最優(yōu)值，同時(shí)保存全局最優(yōu)時(shí)對(duì)應(yīng)各控制變量的值。2.根據(jù)權(quán)利要求1所述的配電網(wǎng)無功優(yōu)化方法，其特征在于：所述步驟S9中比重變異的具體步驟如下：S91：將需要變異粒子對(duì)應(yīng)的適應(yīng)函數(shù)值用MATLAB自帶sort函數(shù)進(jìn)行升序排列，由此得到對(duì)應(yīng)的粒子順序；S92：將新序列的粒子帶入適應(yīng)函數(shù)求出每個(gè)粒子的函數(shù)反饋值PL(i)，即有功網(wǎng)損值；S93：計(jì)算出每個(gè)粒子的適應(yīng)度F(i)：S94：將每個(gè)粒子按照其適應(yīng)度比重進(jìn)行相應(yīng)變異：X(i)*＝X(i)+F(i)·randn上式中：PL(i)為對(duì)應(yīng)粒子i的網(wǎng)損值；randn是MATLAB自帶的正態(tài)分布隨機(jī)函數(shù)。3.根據(jù)權(quán)利要求1所述的配電網(wǎng)無功優(yōu)化方法，其特征在于：所述步驟S5中，粒子的速度和位置的迭代更新公式如下：vi,d,k+1＝L(wvi,d,k+c1rand1(Pi,k-xi,d,k)+c2rand2(Pg,k-xi,d,k))，xi,d,k+1＝xi,d,k+vi,d,k+1，X(i)＝[VG,i,QC,i,TN,i]＝[VG1...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：范廣博，王青云，胡清，
申請(qǐng)(專利權(quán))人：南京工程學(xué)院，
類型：發(fā)明
國別省市：江蘇;32