遗传算法在电容器优化配置中应用及改进.pdfVIP

遗传算法在电容器优化配置中的应用及改进 遗遗传传算算法法在在电电容容器器优优化化配配置置中中的的应应用用及及改改进进 1 2 3 桑清城 ，丁晓群 ，周玲 河海大学电气学院，江苏南京（210098） E-mail：qingcheng0536@163.com 摘 要 摘摘 要要：：遗传算法是一种有效的电力系统无功优化算法，本文在标准遗传算法的基础上对 遗传算法做了改进，采用了自适应的遗传杂交算子和变异算子。算例分析显示该算法较标准 遗传算法有较快的收敛速度，优化效果也有所改善。 关键词 关关键键词词：无功优化 标准遗传算法 自适应 灵敏度 1 11 引言 在电力系统中存在着大量的无功负荷，这些无功功率将降低系统的功率因数，增大线路 电压损失和电能损失无功分布是否合理直接影响着电力系统的安全和稳定，无功不足将导致 系统电压降低，用电设备利用不充分，严重时还会引起电压崩溃等事故。反之，无功过剩也 会恶化系统电压，危害系统和设备的安全，过多的无功备用也会浪费从而导致不必要的投资。 在电力系统中加装无功补偿设备可以达到降低网损的效果，合理的无功电源分配还可以提高 [1] 电网输送能力和改善电压质量 。 本文主要研究电容器优化配置问题，以系统的网损最小为目标函数，以灵敏度分析为辅 助手段，对电容器的安装位置和容量进行优化计算。应用遗传算法（GA），对杂交算子和 变异算子进行改进，并通过算例来验证改进后的遗传算法的优点。 2 22 数学模型 本文以系统网损最小作为优化目标。 网损目标 min f  P (Q ) Q P loss ci ci loss ,其中 为节点i 补充容量， 为线损。 潮流约束 P 0 flow ， 电压约束 U U U U U min i max，其中 max， min分别为母线电压的上限和下限。 3 33 灵敏度 灵敏度是系统的有功功率网损对各节点无功功率注入的偏导数，它表示了节点增加单 位容量的无功注入所能减少的系统有功损耗。其绝对值越大，表示所在节点i 处增加单位无 [2] 功补偿减少的有功损耗越多 。 电网有功网络损耗的表达式为 n n P  [ (PP QQ)  (QP PQ)] loss  jk j k j k jk j k j k j1 k1 - 1 - R   jk cos(  ) jk UU j k j k 式中 R   jk sin(  ) jk UU j k j k 采取近似处理后，灵敏度表达式为  P n loss  2 ( Q  P）  jk k