專利名稱：一種改進(jìn)的免疫-粒子群優(yōu)化算法的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及配電網(wǎng)范圍內(nèi)統(tǒng)一優(yōu)化有源和無源濾波裝置的安裝地點及相應(yīng)的參 數(shù)，減小系統(tǒng)的損耗，將電壓、功率因數(shù)等保持在規(guī)定的范圍內(nèi)。
背景技術(shù)：
分布式發(fā)電(Distributed Generation, DG)是通過規(guī)模不大、分布在負(fù)荷附近的 發(fā)電設(shè)施進(jìn)行經(jīng)濟(jì)、高效、可靠的發(fā)電，在現(xiàn)代城市供電中有其獨有的環(huán)保和高效的優(yōu)勢。 但由于分布式電源通過逆變器接入電網(wǎng)，其開關(guān)器件頻繁的開通和關(guān)斷向電網(wǎng)注入了大量 的諧波和次諧波分量，導(dǎo)致電網(wǎng)中電壓和電流波形的嚴(yán)重失真，其負(fù)面效應(yīng)是電能質(zhì)量的 下降，同時嚴(yán)重影響著供、用電設(shè)備的安全經(jīng)濟(jì)運行且造成了巨大的經(jīng)濟(jì)損失。在用戶或電 網(wǎng)中裝設(shè)濾波器是抑制諧波的一種有效措施，可減少和控制注入電網(wǎng)的諧波電流和補(bǔ)償無 功損耗，以使配電網(wǎng)中各節(jié)點的諧波電壓滿足相應(yīng)的諧波標(biāo)準(zhǔn)。目前，在諧波治理的措施中廣泛采用無源濾波器(PPF)和有源電力濾波器(APF)。 前者承擔(dān)主要的諧波補(bǔ)償，而后者用來改善無源部分的濾波特性。這樣，考慮兩種濾波裝 置的優(yōu)化配置是目前工程應(yīng)用的必然選擇。但是，由于在綜合使用時各自的性能都會受到 部分影響，這樣對有源和無源濾波器的參數(shù)進(jìn)行優(yōu)化設(shè)計顯得非常重要。APF的容量及最 優(yōu)安裝位置應(yīng)該在滿足諧波治理標(biāo)準(zhǔn)的前提下，使注入電網(wǎng)的諧波電流值應(yīng)盡可能??；PPF 的結(jié)構(gòu)通常并不復(fù)雜，但設(shè)計卻需要考慮其無功補(bǔ)償性能及避免與電網(wǎng)發(fā)生諧振等因素， 這是個典型的多目標(biāo)、非線性優(yōu)化問題。已有的優(yōu)化設(shè)計方法中，有些假設(shè)條件較多，尋優(yōu)空間較小，尋優(yōu)能力不強(qiáng)，比如 進(jìn)化算法(EP)、遺傳算法(GA)等。粒子群算法(PSO)同其它們相比，具有算法簡單、收斂速 度快的優(yōu)點，這對解決分布式電網(wǎng)規(guī)劃這類大規(guī)模、帶有大量約束條件和離散變量的非線 性整數(shù)規(guī)劃問題非常有效，但因其收斂受參數(shù)和初始粒子分布影響較大，易陷入局部最優(yōu)。 而人工免疫優(yōu)化算法利用人工免疫系統(tǒng)抗體多樣性的機(jī)理和克隆選擇算子搜索抗體群，具 有很強(qiáng)的全局尋優(yōu)能力。為了適應(yīng)諧波源和網(wǎng)絡(luò)參數(shù)的隨機(jī)變化，尋求如何用最小代價在 電網(wǎng)中配置濾波器，并使之滿足抑制諧波要求顯得尤其重要。

發(fā)明內(nèi)容
為了克服目前優(yōu)化設(shè)計方法中，假設(shè)條件較多，尋優(yōu)空間較小易陷入局部最優(yōu)，尋 優(yōu)能力不強(qiáng)等不足，本發(fā)明公開的改進(jìn)的免疫-粒子群算法具有更大概率更快速度更精確 地獲得全局最優(yōu)解的優(yōu)勢，從而優(yōu)化配電網(wǎng)中有源和無源濾波裝置的安裝地點及相應(yīng)的參 數(shù)，減小系統(tǒng)的損耗，將電壓、功率因數(shù)等保持在規(guī)定的范圍內(nèi)，達(dá)到系統(tǒng)能量成本和濾波 裝置投資成本的最小化。為實現(xiàn)上述的目的，本發(fā)明所采用的技術(shù)方案是正交交叉算子初始化種群，在一 個區(qū)域量化，使相鄰兩個水平的差是相同的、均勻化，再利用正交表選擇出較小數(shù)且具有代 表性的個體作為子代個體，隨機(jī)生成新個體，加入到群體中，維持種群多樣性。自適應(yīng)慣性系數(shù)w，調(diào)整其大小可以改變搜索能力的強(qiáng)弱。逐步減少w值，較大的w值有利于提高算法 的收斂速度，而較小的w則可以提高算法的精度。既加快了收斂速度，同時保持了粒子群多 樣性，利用已有的歷史信息飛向全局最優(yōu)解。它的基本原理如下將粒子群進(jìn)化方程中引入免疫克隆算法，這樣每個抗體利用 已有的歷史信息飛向全局最優(yōu)解，Vki = wvk_1i++c2rand2 (Pg-Xk^1i)正交交叉算子初始化種群，設(shè)兩個父代個體B1 = {aia, ···, aljN}, a2 = {a2jl,…，a2,N}m = {min (aia, a2jl), ···, min (aljN, a2jN)}η = {max (aia, a2jl), ···, min (aljN, a2jN)}將空間{m，n}的每一個區(qū)域量化，使得相鄰兩個水平的差是相同的，再利用正交 表選擇出較小數(shù)且具有代表性的個體作為子代個體，加入到群體中。正交交叉算子可以相 當(dāng)少的實驗次數(shù)、非常短的實驗時間和很低的實驗費用得到滿意的實驗結(jié)果。采用自適應(yīng) 的慣性系數(shù)，對w進(jìn)行自適應(yīng)調(diào)整，即隨著迭代次數(shù)的增加，逐步減少w值。較大的w值有 利于提高算法的收斂速度，而較小的W則可以提高算法的精度。w(k) = [\.%l{\ + ek' km^)]式中，λ為正系數(shù)，用來調(diào)節(jié)W的變化速度；k為迭代次數(shù)；kmax為迭代次數(shù)的上 限。其有益效果是1)該算法具有更大概率更快速度獲得全局最優(yōu)解的優(yōu)勢。2)能在給定的電網(wǎng)范圍內(nèi)統(tǒng)一優(yōu)化有源和無源濾波裝置的安裝地點及相應(yīng)的參 數(shù)，減小系統(tǒng)的損耗，將電壓、功率因數(shù)等保持在規(guī)定的范圍內(nèi)，達(dá)到系統(tǒng)能量成本和濾波 裝置投資成本最小化的目的。3)大大減小了所需變流器的容量，從而達(dá)到了較好的濾波效果和樂觀的經(jīng)濟(jì)效 益，特別適合實際的工程應(yīng)用。下面結(jié)合附圖對本發(fā)明作進(jìn)一步說明。


附圖為算法流程圖。
具體實施例方式通過正交交叉算子初始化種群，使其均勻化，隨機(jī)生成新個體，維持種群多樣性。設(shè)兩個父代個體 al = {aia,…，aljN}, a2 = {a2a,…，a2,N} ；m = {min(aia, a2, i) ···, min(aljN, a2jN)}, η = {max (aia, a2a), min (au, a2,N)},將空間{m, n}的每一個 區(qū)域量化，使得相鄰兩個水平的差是相同的，再利用正交表選擇出較小數(shù)且具有代表性的 個體作為子代個體，加入到群體中。由于正交交叉算子可以相當(dāng)少的實驗次數(shù)、非常短的實 驗時間和很低的實驗費用得到滿意的實驗結(jié)果，所以本發(fā)明采用的正交算子生成的初始種 群能均勻地分布在解空間，提高種群的多樣性。在PSO算法中，假設(shè)粒子的總數(shù)為N，每個粒子在空間中有一個位置Xi,該粒子從Xi以速度Vi向前飛行，每個粒子在空間內(nèi)搜索到的最優(yōu)位置為Pi,整個粒子群在空間內(nèi)搜 索到的最優(yōu)位置為pg，Xi的第k次迭代的修正量為Vki= [vkn, Vki2,…，vkin]，則Vk
(1)式(1)中，k為迭代次數(shù)；Cl和C2為加速因子，rand!和rand2是兩個獨立的介于
之間的隨機(jī)數(shù);w為慣性系數(shù)，調(diào)整其大小可以改變搜索能力的強(qiáng)弱。算法的迭代終 止條件選為最大迭代次數(shù)或粒子群迄今為止搜索到的最優(yōu)位置的適應(yīng)度值滿足預(yù)定的最 小適應(yīng)度閾值。由于粒子都是根據(jù)全體粒子和自身的搜索經(jīng)驗向著最優(yōu)解的方向“飛行”，在較大 的慣性系數(shù)的作用下，粒子有可能會缺乏對最優(yōu)解的精細(xì)搜索而導(dǎo)致搜索精度不高。采用 自適應(yīng)的慣性系數(shù)，按式⑵對w進(jìn)行自適應(yīng)調(diào)整，即隨著迭代次數(shù)的增加，逐步減少w值。 較大的w值有利于提高算法的收斂速度，而較小的w則可以提高算法的精度。
(2)式中，λ為正系數(shù)，用來調(diào)節(jié)w的變化速度；k為迭代次數(shù)；kmax為迭代次數(shù)的上 限。為了加快收斂速度，同時保持粒子群多樣性，提出了改進(jìn)的免疫-粒子群優(yōu)化算 法，將粒子群進(jìn)化方程中引入免疫克隆算法，這樣每個抗體利用已有的歷史信息飛向全局 最優(yōu)解，從而得到算法的表達(dá)式
)(3)改進(jìn)后的算法大大減少了運行時間，提高了算法精度。含分布式發(fā)電的電網(wǎng)中無功補(bǔ)償和濾波裝置統(tǒng)一優(yōu)化配置的數(shù)學(xué)模型目標(biāo)函數(shù)的建立(1)在裝設(shè)濾波裝置后，要使電網(wǎng)諧波含量在符合國家標(biāo)準(zhǔn)的基礎(chǔ)上，越小越好。 因此，本發(fā)明以電網(wǎng)各母線的諧波電壓總畸變率THDUi為其中的目標(biāo)函數(shù)，即 式中i為電網(wǎng)母線標(biāo)號，N為網(wǎng)絡(luò)總的節(jié)點數(shù)，h為諧波次數(shù)，H為考慮的最高諧 波次數(shù)；Uli為第i點的基波電壓有效值，Uhi為在第i點h次諧波電壓有效值。在尋優(yōu)過程 中，加入約束條件如下
(6)(2)通過比較計算可以得到無功功率注入對系統(tǒng)有功損耗影響較大的那些節(jié)點， 并把它們作為無源濾波器的預(yù)裝位置，這樣就可以在不影響優(yōu)化質(zhì)量的條件下大大縮小算 法的搜索空間，從而節(jié)省了計算量和計算時間。為此，定義系統(tǒng)有功網(wǎng)損費用的目標(biāo)函數(shù)和 約束條件如下 Uifflin ^ Ui ^ Uifflax(9)其中k為單位網(wǎng)損費用，P(Xi，Ui)為系統(tǒng)有功網(wǎng)損；Uimin和Uimax分別為節(jié)點i的 電壓上下限值。(3)通過采用無源濾波器和有源濾波器的數(shù)學(xué)模型，得到投資費用最小的目標(biāo)函 數(shù)f3(x)為
(10)式中，aij; bi表示是否安裝濾波器支路山，12，I3分別為無源濾波器的電容C、電感 L和電阻R所對應(yīng)的單位價格因子，& (Si)為有源濾波器的費用與濾波器額定容量之間的函 數(shù)關(guān)系。由于電力電子裝置等非線性負(fù)荷的功率因數(shù)對系統(tǒng)濾波裝置優(yōu)化配置的影響主 要表現(xiàn)在濾波裝置的最小額定安裝容量上，根據(jù)參考文獻(xiàn)可知，第i節(jié)點的最小電容器額 定安裝容量應(yīng)為補(bǔ)償?shù)幕o功容量Q1與諧波無功容量Qhi之和，即
(11) 其中沿= 。+的，Q1為補(bǔ)償?shù)幕o功容量，Qhi為補(bǔ)償?shù)闹C波無功容量；I
Az-
和Ihi為第i節(jié)點的基波電流和第h次諧波電流，Ci為第i節(jié)安裝的濾波器的電容值。
有源濾波器的容量Si由所補(bǔ)償?shù)母鞔沃C波電流值決定，而與基波電流無關(guān)，其容 量決定于所補(bǔ)償?shù)目傊C波電流有效值，即 在實際情況中，要使三個目標(biāo)函數(shù)同時到達(dá)最小值是不可能存在的，而只能通過 協(xié)調(diào)各函數(shù)之間的關(guān)系，盡量使它們同時達(dá)到比較優(yōu)的解。因此，本發(fā)明采用線性加權(quán)的方 式給出綜合目標(biāo)函數(shù)，使多目標(biāo)優(yōu)化問題轉(zhuǎn)化為單目標(biāo)優(yōu)化問題?？贵w親和度的計算罰函數(shù)法的基本思想是根據(jù)約束的特點構(gòu)造某種懲罰函數(shù)，并將懲罰函數(shù)添加到 目標(biāo)函數(shù)中，使約束優(yōu)化問題的求解轉(zhuǎn)化為無約束優(yōu)化問題的求解。本發(fā)明采用在目標(biāo)函 數(shù)中引入罰函數(shù)來計算算法中用到的抗體親和度，即 F = V-frf2-f2-[ Σ γ,-G,·+ Σ CjHj]
(13) 式中，V為一適當(dāng)大的正整數(shù)，r,和C1是罰因子，其他參數(shù)如下所示g,=k =
4/’
/O
Uh max , ^hi > "A max Uhi ^ Uhmax
THDUi - Cthdu , THDUi > Cthdu 0,THDUi < Cthdu
(14)
(15) Gi = max[0,
= h,-
(16) 在求出抗體親和度后，依次進(jìn)行優(yōu)化算法搜索，也就是對濾波器的安裝位置、類型 和容量大小以及其他參數(shù)進(jìn)行尋優(yōu)，最后達(dá)到網(wǎng)絡(luò)各節(jié)點電壓和諧波電壓含有率和畸變率 滿足要求，并且最優(yōu)的經(jīng)濟(jì)效益。
權(quán)利要求
改進(jìn)的免疫-粒子群優(yōu)化算法的基本原理將粒子群進(jìn)化方程中引入免疫克隆算法，引進(jìn)正交交叉算子和自適應(yīng)慣性系數(shù)。具體實現(xiàn)如下通過正交交叉算子初始化種群，在一個區(qū)域量化，使相鄰兩個水平的差是相同的、均勻化，再利用正交表選擇出較小數(shù)且具有代表性的個體作為子代個體，隨機(jī)生成新個體，加入到群體中，維持種群多樣性。調(diào)整自適應(yīng)慣性系數(shù)w大小可以改變搜索能力的強(qiáng)弱。逐步減小w值，較大的w值有利于提高算法的收斂速度，而較小的w則可以提高算法的精度，算法的迭代終止條件選為最大迭代次數(shù)或粒子群迄今為止搜索到的最優(yōu)位置的適應(yīng)度值滿足預(yù)定的最小適應(yīng)度閾值。這樣每個抗體利用已有的歷史信息飛向全局最優(yōu)解。
2.根據(jù)權(quán)利要求1所述的改進(jìn)的免疫-粒子群優(yōu)化算法，其特征是使初始種群解能 均勻地分布在解空間，提高種群的多樣性，且具有更大概率更快速度更精確獲得全局最優(yōu) 解的優(yōu)勢；同時該算法大大減少了運行時間，提高了算法精度。
全文摘要
本發(fā)明公開了一種改進(jìn)的免疫-粒子群優(yōu)化算法，即引進(jìn)正交交叉算子和自適應(yīng)慣性系數(shù)，從而來優(yōu)化配置電網(wǎng)中的濾波裝置。正交交叉算子是通過在一個區(qū)域量化，使得相鄰兩個水平的差是相同的，再利用正交表選擇出較小數(shù)且具有代表性的個體作為子代個體，加入到群體中，維持種群多樣性。自適應(yīng)慣性系數(shù)w可以進(jìn)行自適應(yīng)調(diào)整，隨著迭代次數(shù)的增加，逐步減少w值，較大的w值有利于提高算法的收斂速度，而較小的w則可以提高算法的精度。仿真結(jié)果表明，該算法能在給定的電網(wǎng)范圍內(nèi)統(tǒng)一優(yōu)化有源和無源濾波裝置的安裝地點及相應(yīng)的參數(shù)，減小系統(tǒng)的損耗，將電壓、功率因數(shù)等保持在規(guī)定的范圍內(nèi)，達(dá)到系統(tǒng)能量成本和濾波裝置投資成本最小化的目的。
文檔編號H02J3/00GK101882237SQ201010172339
公開日2010年11月10日 申請日期2010年5月14日 優(yōu)先權(quán)日2010年5月14日
發(fā)明者夏向陽 申請人:長沙理工大學(xué)