專利名稱：基于改進差分進化算法的電力系統(tǒng)無功優(yōu)化方法
技術(shù)領域：
本發(fā)明涉及電力系統(tǒng)設計，尤其是提高電力系統(tǒng)輸電效率、降低網(wǎng)絡損耗配置實時性運行方法技術(shù)領域。
背景技術(shù)：
隨著國民經(jīng)濟的迅速發(fā)展，用電負荷也急劇增加，人們對電力系統(tǒng)運行的經(jīng)濟安全性要求也越來越高。因此，提高電力系統(tǒng)輸電效率，降低網(wǎng)絡損耗，是電力系統(tǒng)運行部門一直以來面臨的實際問題。電壓是衡量電能質(zhì)量高低的重要指標，電壓質(zhì)量的優(yōu)劣直接影響電網(wǎng)穩(wěn)定性及電力設備的安全運行，而電力系統(tǒng)無功優(yōu)化是保障電壓質(zhì)量的基本條件。 通過對電力系統(tǒng)無功電源的合理配置、變壓器檔位的調(diào)節(jié)，以及對無功負荷的最佳補償，即可以維持電壓水平，提高電力系統(tǒng)運行的穩(wěn)定性，又可以降低有功網(wǎng)損和無功網(wǎng)損，提高電力系統(tǒng)運行的經(jīng)濟性，因此電力系統(tǒng)無功優(yōu)化顯得尤為必要。到目前為止，尚沒有一種快速而完善的無功優(yōu)化計算方法，主要有傳統(tǒng)意義上的非線性規(guī)劃法、線性規(guī)劃法、混合整數(shù)規(guī)劃法以及動態(tài)規(guī)劃法，以及近來興起的一些智能算法如專家系統(tǒng)、遺傳算法、模擬退火算法、PSO算法、差分進化算法等等。無功優(yōu)化問題是個極其復雜的非線性規(guī)劃問題，其目標函數(shù)一般都與約束條件的非線性、控制變量的連續(xù)性與離散型相混合，電力系統(tǒng)無功優(yōu)化面臨的關鍵問題是對非線性函數(shù)的處理、算法的收斂性以及如何優(yōu)化問題中的離散變量。而傳統(tǒng)的優(yōu)化方法較難處理非線性規(guī)劃問題，且其對問題求解的初值選擇要求較高，只有初始點離全局最優(yōu)點較為接近時，才有可能找到真正的最優(yōu)，否則產(chǎn)生的解很有可能只是次優(yōu)解，且一旦問題的規(guī)模和維數(shù)變大時，其計算時間會急劇的增加。智能算法在電力系統(tǒng)無功優(yōu)化問題上顯示了強有效的能力，但也存在著容易陷入局部最優(yōu)的問題。隨著電力自動化水平的不斷提高，對無功優(yōu)化提出了很高的實時性要求，因此也需要算法能在更短的時間內(nèi)快速的求出最優(yōu)解。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種基于改進差分進化算法的電力系統(tǒng)無功優(yōu)化算法，該種算法具有快速、高效、穩(wěn)定的特點。本發(fā)明的具體步驟為a、確定優(yōu)化目標，建立電力系統(tǒng)無功優(yōu)化模型；b、輸入配電網(wǎng)原始數(shù)據(jù)，設定改進差分進化算法各控制參數(shù)，并隨機生成初始種群，計算初始種群所有個體適應度；設初始群體為< (i = 1，2，. . .，Np)，Np為種群規(guī)模，每個個體按如下公式計算得到U0ij =U1I + rand()*(Uuj -Ulj)式中rand()為
之間均勻分布隨機數(shù)；<、<分別為第j個變量的上限和下限；j = 1，2，. . .，D，D為無功優(yōu)化問題中控制變量的個數(shù)；C、對種群個體按適應度從大到小進行排序，設定前Ns個個體為優(yōu)良群體；
d、變異操作以優(yōu)良群體中隨機個體為基向量，引導變異向量的產(chǎn)生， Vf1 =<+廠叱-略&祐eP-，式中，Pelite為優(yōu)良群體。e、交叉操作根據(jù)優(yōu)良群體各維變量的分布區(qū)間，對優(yōu)良群體信息進行提取，從而通過對當前個體各維信息與群體信息的比較，來確定當前個體該維變量與變異向量的交叉概率。優(yōu)良群體的分布區(qū)間信息提取如下
權(quán)利要求
1. 一種基于改進差分進化算法的電力系統(tǒng)無功優(yōu)化方法，在實時性運行中提高電力系統(tǒng)輸電效率、降低網(wǎng)絡損耗配置，其步驟包含a、確定優(yōu)化目標，建立電力系統(tǒng)無功優(yōu)化模型；b、輸入配電網(wǎng)原始數(shù)據(jù)，設定改進差分進化算法各控制參數(shù)，并隨機生成初始種群，計算初始種群所有個體適應度；設初始群體為< (i = 1，2，. . .，Np)，Np為種群規(guī)模，每個個體按如下公式計算得到U^j -U1j + randQ*{u1^ -U1j)C、對種群個體按適應度從大到小進行排序，設定前Ns個個體為優(yōu)良群體；d、變異操作以優(yōu)良群體中隨機個體為基向量，引導變異向量的產(chǎn)生， Vf1 =<+汽<-略&祐，式中，Pelite為優(yōu)良群體；e、交叉操作根據(jù)優(yōu)良群體各維變量的分布區(qū)間，對優(yōu)良群體信息進行提取，從而通過對當前個體各維信息與群體信息的比較，來確定當前個體該維變量與變異向量的交叉概率；優(yōu)良群體的分布區(qū)間信息提取如下 對于所有個體< (i e [Ns+1, N])的每一維變量叫，若取值范圍在[mjl，mJh]的個體數(shù)少于Ns/%則認為該優(yōu)良群體信息是可靠的，“k”設為1，否則認為不可靠，“k”設為0 ；對于目標個體< 中的第j維變量％，當其在群體信息的取值范圍[！Ily Π!」之外時，無論該維群體信息是否可靠，都以概率1與變異向量進行交叉；若Hij在群體信息的取值范圍之內(nèi)，當該維群體信息可靠時，僅以極其微小的概率進行交叉，而當該維群體信息不可靠時，則以0. 5的概率與變異向量進行交叉；對于個體每一維元素IV交叉概率如下 f、計算交叉生成的試驗向量的適應度，并將其與目標向量進行比較，適應度高者成為下一代個體， 1 "W,其他g、判定是否滿足收斂條件，若滿足，則退出循環(huán)，輸出無功優(yōu)化結(jié)果；否則，返回步驟
全文摘要
本發(fā)明公開了一種基于改進差分進化(IDE)算法的電力系統(tǒng)無功優(yōu)化方法。包括以下步驟建立電力系統(tǒng)無功優(yōu)化模型；輸入電網(wǎng)參數(shù)，形成初始種群，計算種群所有個體的適應度；對種群個體按適應度從大到小排序，設定前Ns個個體為優(yōu)良群體；以優(yōu)良群體為基向量，引導群體變異操作；提取優(yōu)良群體信息，以此確定個體各維變量的交叉概率，指導種群的交叉操作，生成試驗向量；比較試驗向量與目標個體的適應度，優(yōu)者成為下一代個體，從而生出新一代群體。本發(fā)明的方法收斂速度快、計算精度高、穩(wěn)定性好、能有效地求解電力系統(tǒng)無功優(yōu)化問題，可用于電力系統(tǒng)提高電力系統(tǒng)輸電效率、降低網(wǎng)絡損耗配置實時性運行控制中。
文檔編號G06N3/00GK102222919SQ20111013006
公開日2011年10月19日 申請日期2011年5月19日 優(yōu)先權(quán)日2011年5月19日
發(fā)明者劉志剛, 曾學強 申請人:西南交通大學