基于遗传算法的配电网无功优化探讨.docVIP

基于遗传算法的配电网无功优化探讨 　　摘要：首先介绍了无功优化的定义及在配电网中的作用，然后介绍了经过改进的遗传算法在配电网无功补偿优化方面的应用，并且与传统遗传算法相比，改进的遗传算法解决了传统遗传算法过早收敛的问题，同时存在局部最优、计算复杂的缺点。 　　关键词：遗传算法；配电网；无功优化 　　作者简介：李晖（1981-），男，河北南宫人，国网青海省电力公司信息通信公司，助理工程师。（青海 西宁 810008） 　　中图分类号：TM726 文献标识码：A 文章编号：1007-0079（2014）06-0251-02 　　近年来由于我国电力负荷持续增加，电力部门对电网的经济高效运行越来越重视，特别是配电网的无功功率与电压息息相关，而电压又与电能质量密切相关，是衡量电能质量的关键标准。电压质量的好坏直接关系到电力系统能否稳定高效安全的运行。另外，电压质量对配电网的线路损耗、工农业的安全生产以及产品质量、人民的生活用电都有着重要影响，也是电力系统规划设计的重要任务。无功优化对改善电压质量以及电网的安全性和降损节能均具有非常重要的理论意义和现实意义。通常对配电网无功优化的方法主要包括线性与非线性的规划法、灵敏度法以及动态规划法等。以上方法的共同缺点是获取精确描述的数学模型比较困难，容易陷入局部最优解。所以可以采用人工智能方法中的遗传算法来实现配电网的无功优化。遗传算法能很好地处理约束，跳出局部最优，最终得到全局最优，具有全局搜索能力强、鲁棒性好、通用性强等特点，能很好地实现配电网的无功优化。 　　一、无功优化 　　无功优化是指采用多种优化方法，在保证满足运行约束的同时，谋求合理的无功补偿点和最佳补偿容量，即用尽量少的无功投入最大限度改善电压质量降低网损，最终实现整个供电系统经济高效地为用户供电。遗传算法无功优化的目标函数是有功网损最小，无功优化的数学模型中的变量可以分为两类分别是控制变量与状态变量。[1]本文数学模型中的状态变量选的是发电机的无功出力和负荷节点的电压。 　　无功优化的目标包括以下内容[2]：降低配电网的电能损耗，减少配电系统的运行费用；对无功进行合理分配，实现无功功率的平衡，从而改善电压质量；提供配网的配电容量。 　　一般情况下无功优化的数学模型应该用一个目标函数和一组约束条件来描述。[3] 　　一个恰当的目标函数对优化过程有很重要的作用。本文选取的目标函数是系统有功网损最小，定义为： 　　（1） 　　其中： 　　式（1）中：PL为有用功网络损耗的指标；为发电机无功出力越限的惩罚项；为节点电压幅值越限的惩罚项。 　　考虑节点有功和无功功率平衡约束，即系统潮流方程为： 　　（2） 　　（3） 　　选择发电机端电压UG，无功补偿容量Uc，可调节变压器分接头的位置Tt作为控制变量，下述为其约束条件： 　　（4） 　　（5） 　　（6） 　　选择发电机无功出力Qg，负荷节点电压UD作为状态变量，其约束条件为： 　　（7） 　　（8） 　　由于无功优化为多约束条件的非线性的数学模型，[4]所以无功优化的数学模型都比较复杂，而遗传算法正好弥补了这一缺点。本文对遗传算法进行了改进，增强了该算法的全局搜索能力与局部搜索能力，收敛速度更快。 　　二、改进的遗传算法 　　遗传算法是通过模拟达尔文生物进化论中的自然选择以及遗传学机理的生物进化过程而形成的计算模型。该模型利用自然进化规律中适者生存的法则演化出自适应全局优化概率搜索方法。1975年美国的J.Holland教授首先提出了遗传算法的概念，该算法可以直接对结构对象进行操作，通过将现实问题中的变化量进行编码生成染色体，与相应组的变量值的目标函数相对应，首先随机确定父代，然后进行评价和对比，选择那些比较优秀的个体，将这些优秀个体的染色体进行复制、交叉、变异等操作来产生下一代。[5，6]不断重复上述过程，直至找到最优的方案。该算法与求导和函数连续性相比限制条件很少；采用概率化的寻优方法具有更好的全局寻优能力，可以自动获得和指导需优化的搜索空间，不断通过自适应来调整搜索方向，没有确定的规则。 　　针对标准遗传算法应用于无功优化时易早熟即该算法对空间的探索能力是有限的，容易收敛到局部最优解且收敛速度较慢等缺点，在无功优化模型中通过对编码的方式方法进行改进，适应度函数以及运行的参数等多个方面进行改进来提高遗传算法的收敛速度以及局部搜索能力，克服早熟的缺点。[7] 　　1.编码方式的改进 　　遗传算法不能直接处理问题空间的参数，必须将其转换成遗传空间的由基因按一定结构组成的染色体，这一转换操作称为编码。遗传算法的编码方式对于连续型随机变量采用实数编码，而离散型变量用整数编码，个体编码长度等于其控制变量的个数，比二进制编码方式要短很多，优