基于混合连续蚁群算法的可用输电能力研究.pdfVIP

第十一届全国电工数学学术年会论文集 基于混合连续蚁群算法的可用输电能力研究 李国庆1，吕志远1，齐伟夫2 方法．该方法将蚁群优化算法(ACO)的正反馈特性与实数遗传算法(GA)的进化策略相结合，克服了基本蚊群 算法只适用于离散问题的局限性，并提高了寻优的效率，全局的寻优能力和结果的稳定性．计算过程中，根据不 等式约束越界量的大小，动态调整罚函数，并采用强制寻优策略，提高了算法的收敛速度．最后以正EE．30节点 系统为例进行朋rC的仿真计算，结果表明了该算法的合理性和有效性． 关键词：可用输电能力；混合连续蚁群算法；遗传算法；动态调整罚函数；强制寻优 O引言 随着电力市场改革的不断深入，开放的输电网络给电力市场参与者提供了一个公平竞争的环 境，但输电网络的输送容量是有限的。为保证电力系统的安全稳定运行，同时满足电力市场经济 性的要求，准确计算输电网络的ATC是非常必要的。 术语IlJ。所谓A1℃，是指在现有的输电合同基础上，实际物理输电网络中剩余的、可用于商业使 减去现有输电协议量(ETc)(包括零售用户服务)和容量效益裕度(CBM)。 目前，A1rC的研究方法概括而言分为2类12J：基于概率的求解方法【3】和确定性的求解方法。 基于概率的求解方法可作为系统规划研究的有效工具，能为运行人员提供直观、重要及丰富的有 关输电能力的信息；但缺点是计算量大，且在大型互联电力系统中尤为明显，难以付诸实现。确 定性方法主要有直流潮流法、连续潮流法、最优潮流法等。直流法潮流计算速度快，但结果准确 度不高；连续潮流法迭代次数多，计算时间长，且结果比较保守；最优潮流法不但能考虑各种物 理约束，而且能克服连续潮流结果保守的缺陷，结果更为合理【4J。传统的优化算法在求解大规模 非线性多约束优化问题时存在计算时间长、鲁棒性差，容易陷入局部最优解等弊端：而现代智能 算法则具有较好的鲁棒性，且采用并行随机搜索策略，计算时间较短，适合处理非线性优化问题。 混合连续蚁群算法嘲(HcAcO)将基本蚁群算法16】与传统遗传算法【7相结合，既克服了蚁群 优化算法只适用于离散问题的局限性同，又解决了遗传算法收敛速度慢，容易陷入局部最优解的 缺点：且算法内含的信息正反馈、互激励机制，能够加快寻优进程，使得该算法在解决复杂问题 时比一般的智能算法更具有优势。 1．ATC的数学模型 在给定系统的运行状态下，ATC是指在非送电区域发电机有功出力和非受电区域负荷均不变 时，送电区域发电机有功出力与受电区域有功负荷同时增加，’在不违反系统各种约束条件下的最 大输电增量【4】。文献【4】列出了ATC计算的六种模型，本文采用极大化受电区域所有负荷节点有功 出力的累加值： 45 李国庆等：基于混合连续蚁群算法的可用输电能力研究 cATc2Ma)((∑吃△) (1) feL 潮流约束： 刊 吲 觚n 0 “ ) ％印 岛 钔 (2) 旧 血 瞄a 国 X呼 岛 喝 k． 。D乞匹闩 节点电压约束：