一種基于多目標(biāo)聚類魚群算法配電網(wǎng)無功優(yōu)化方法
【專利摘要】一種基于多目標(biāo)聚類魚群算法配電網(wǎng)無功優(yōu)化方法，本發(fā)明步驟為：a、往程序中導(dǎo)入相關(guān)網(wǎng)架原始數(shù)據(jù)信息；該原始數(shù)據(jù)信息應(yīng)包括網(wǎng)架結(jié)構(gòu)中線路的電阻、電抗等電網(wǎng)靜態(tài)參數(shù)及各節(jié)點全天最大有功、無功負(fù)荷；b、進(jìn)行潮流計算，以獲得全部網(wǎng)架的有效數(shù)據(jù)集；c、采用k-均值聚類法，對靈敏度數(shù)據(jù)進(jìn)行聚類分析，以便能夠快速找到待補償點的范圍；d、調(diào)用兩個不同目標(biāo)的魚群，分別對兩個目標(biāo)函數(shù)進(jìn)行優(yōu)化，以獲得不同目標(biāo)條件下的最優(yōu)解；e、不同目標(biāo)魚群之間相互交換食物濃度，并轉(zhuǎn)入運行b步驟，直至獲得多個全局最優(yōu)解。本發(fā)明加快了算法的優(yōu)化速度，能夠有效降低系統(tǒng)功率損耗，提高電壓質(zhì)量、減少補償容量。
【專利說明】—種基于多目標(biāo)聚類魚群算法配電網(wǎng)無功優(yōu)化方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于配電網(wǎng)無功規(guī)劃領(lǐng)域，涉及基于多目標(biāo)聚類魚群算法配電網(wǎng)無功優(yōu)化方法【技術(shù)領(lǐng)域】。
【背景技術(shù)】
[0002]配電網(wǎng)直接面向客戶，影響廣泛。在實際系統(tǒng)中配電網(wǎng)的傳輸損耗占到總發(fā)電量的10%左右，通過無功規(guī)劃能夠明顯降低配電網(wǎng)的電能損耗、提高系統(tǒng)電壓質(zhì)量，保證電網(wǎng)安全穩(wěn)定運行。因此，配電網(wǎng)無功規(guī)劃具有重要的意義。而確定無功補償設(shè)備的位置及補償容量是解決該問題的關(guān)鍵。
[0003]配電網(wǎng)中電能損耗及電壓質(zhì)量與電容器的補償容量相關(guān)，若補償容量多則效果明顯，但是投資成本就高。所以，在規(guī)劃過程中不但要保證系統(tǒng)電壓質(zhì)量，而且需要考慮投資效益。因此，研究一種多目標(biāo)配電網(wǎng)無功規(guī)劃方法，合理考慮系統(tǒng)電能損耗和電容器的補償容量兩個相矛盾的子目標(biāo)，具有重要意義。
[0004]目前，傳統(tǒng)的無功規(guī)劃方法主要靈敏度法、功率矩法、人工智能算法。可是這些方法存在計算量大，存在維數(shù)災(zāi)的問題或者容易陷入局部最優(yōu)解?，F(xiàn)有的配電網(wǎng)無功其模型主要以系統(tǒng)電能損耗最小為目標(biāo)，但沒有考慮經(jīng)濟(jì)效益，可能造成投資浪費。另外有文獻(xiàn)將電能質(zhì)量與經(jīng)濟(jì)性兩個目標(biāo)函數(shù)整合成一個單目標(biāo)，但是相關(guān)系數(shù)難以確定。

【發(fā)明內(nèi)容】

[0005]本發(fā)明目的在于，針對以上問題，提出基于多目標(biāo)聚類魚群算法配電網(wǎng)無功規(guī)劃，以實現(xiàn)有效處理靈敏度數(shù)據(jù)、收斂性好及多目標(biāo)的優(yōu)點。
[0006]本發(fā)明的目的是通過如下技術(shù)方案來實現(xiàn)的。
[0007]—種基于多目標(biāo)聚類魚群算法配電網(wǎng)無功優(yōu)化方法，本發(fā)明特征在于，步驟為:
[0008]a、往程序中導(dǎo)入相關(guān)網(wǎng)架原始數(shù)據(jù)信息；該原始數(shù)據(jù)信息應(yīng)包括網(wǎng)架結(jié)構(gòu)中線路的電阻、電抗等電網(wǎng)靜態(tài)參數(shù)及各節(jié)點全天最大有功、無功負(fù)荷；
[0009]b、進(jìn)行潮流計算，以獲得全部網(wǎng)架的有效數(shù)據(jù)集；
[0010]C、采用k_均值聚類法，對靈敏度數(shù)據(jù)進(jìn)行聚類分析，以便能夠快速找到待補償點的范圍；
[0011]d、調(diào)用兩個不同目標(biāo)的魚群，分別對兩個目標(biāo)函數(shù)進(jìn)行優(yōu)化，以獲得不同目標(biāo)條件下的最優(yōu)解；
[0012]e、不同目標(biāo)魚群之間相互交換食物濃度，并轉(zhuǎn)入運行b步驟，直至獲得多個全局最優(yōu)解；
[0013]建立包含無功補償容量最少、電能損耗損耗最小為目標(biāo)函數(shù)的優(yōu)化模型，即建立多目標(biāo)聚類魚群算法配電網(wǎng)無功優(yōu)化算法目標(biāo)函數(shù):
[0014]F=min (Ploss (V, Q)，Qci)；
[0015]上述目標(biāo)函數(shù)的約束條件為:
【權(quán)利要求】
1.一種基于多目標(biāo)聚類魚群算法配電網(wǎng)無功優(yōu)化方法，其特征在于，步驟為: a、往程序中導(dǎo)入相關(guān)網(wǎng)架原始數(shù)據(jù)信息；該原始數(shù)據(jù)信息應(yīng)包括網(wǎng)架結(jié)構(gòu)中線路的電阻、電抗等電網(wǎng)靜態(tài)參數(shù)及各節(jié)點全天最大有功、無功負(fù)荷； b、進(jìn)行潮流計算，以獲得全部網(wǎng)架的有效數(shù)據(jù)集； c、采用k-均值聚類法，對靈敏度數(shù)據(jù)進(jìn)行聚類分析，以便能夠快速找到待補償點的范圍； d、調(diào)用兩個不同目標(biāo)的魚群，分別對兩個目標(biāo)函數(shù)進(jìn)行優(yōu)化，以獲得不同目標(biāo)條件下的最優(yōu)解； e、不同目標(biāo)魚群之間相互交換食物濃度，并轉(zhuǎn)入運行b步驟，直至獲得多個全局最優(yōu)解； 建立包含無功補償容量最少、電能損耗損耗最小為目標(biāo)函數(shù)的優(yōu)化模型，即建立多目標(biāo)聚類魚群算法配電網(wǎng)無功優(yōu)化算法目標(biāo)函數(shù):
F=min (Ploss (V, Q)，Qci)； 上述目標(biāo)函數(shù)的約束條件為:

2.根據(jù)權(quán)利要求1所述的一種基于多目標(biāo)聚類魚群算法配電網(wǎng)無功優(yōu)化方法，其特征在于，在步驟b之后，要獲得全網(wǎng)的潮流數(shù)據(jù)及每個節(jié)點電能損耗對無功功率的靈敏度數(shù)據(jù)。
3.根據(jù)權(quán)利要求1所述的一種基于多目標(biāo)聚類魚群算法配電網(wǎng)無功優(yōu)化方法，其特征在于，在步驟c之后，采用k-均值聚類算法按照饋線對各個節(jié)點的靈敏度數(shù)據(jù)進(jìn)行篩選、分析，將各簇的中心節(jié)點作為進(jìn)行補償?shù)暮蜻x節(jié)點。
4.根據(jù)權(quán)利要求1所述的一種基于多目標(biāo)聚類魚群算法配電網(wǎng)無功優(yōu)化方法，其特征在于，在步驟d的之后，不同目標(biāo)的魚群分別對各自目標(biāo)函數(shù)進(jìn)行優(yōu)化；在優(yōu)化過程中，魚群仍然要對每次潮流計算后得到的靈敏度數(shù)據(jù)進(jìn)行聚類分析、魚群間交換食物濃度，更新公告板，以加快尋優(yōu)速度。
5.根據(jù)權(quán)利要求1所述的一種基于多目標(biāo)聚類魚群算法配電網(wǎng)無功優(yōu)化方法，其特征在于，在步驟e之后，不同目標(biāo)的魚群之間進(jìn)行食物濃度信息的交換，一方面可以避免魚群陷入局部最優(yōu)解， 另一方面可以獲得多個全局最優(yōu)解。
【文檔編號】H02J3/00GK103580023SQ201310624371
【公開日】2014年2月12日 申請日期:2013年11月28日 優(yōu)先權(quán)日:2013年11月28日
【發(fā)明者】周鑫, 李勝男, 劉柱揆, 許守東, 丁心志, 楊蕾, 邢超 申請人:云南電力試驗研究院（集團(tuán)）有限公司電力研究院, 云南電網(wǎng)公司技術(shù)分公司