五、最小化潮流计算及潮流计算中的自动调整要点.ppt

五 最小化潮流及 潮流计算中的特殊问题 内容提要 最小化潮流算法 带有最优乘子的牛顿潮流算法 潮流计算中的特殊问题 节点类型的相互转换和多VQ节点问题 带负荷调压变压器抽头的调整 中枢点电压控制 联络线功率的控制 无功电压和网损问题 负荷静态特性 一、最小化潮流算法 潮流计算问题在数学上可以表示为求某一个由潮流方程构成的函数的最小值问题，以此代替代数方程组的直接求解，称之为非线性规划潮流计算法。 该方法的显著特点是从原理上保证了计算过程永远不会发散。 数学规划原理和牛顿潮流算法的有机结合——带有最优乘子的牛顿算法，简称最优乘子法。有效的解决了病态电力系统的潮流计算问题。 潮流计算和非线性规划 潮流计算问题概括为求解如下的非线性代数方程组fi(x)＝gi(x)－bi＝0 或 f(x)＝0 构造标量函数 或 若非线性代数方程组的解存在，则标量函数F（x）的最小值应该成为零。 解代数方程组的问题转化为求非线性多元函数的最小值问题。于是潮流计算问题归为无约束非线性规划问题。 问题求解的步骤 确定一个初始估计值x(0); 置k＝0； 从x(k)出发，按照能使目标函数下降的原则，确定一个搜索或寻优方向?x(k) ； 沿着?x(k)的方向确定能使目标函数下降得最多的一个点，决定移动的步长。由此得到一个新的迭代点x(k+1）＝x(k)＋μ(k)?x(k) 校验F(x(k+1))<ε是否成立。如成立，则x(k+1)就是所要求的解；否则，令k＝k＋1，转向步骤（3），重复循环计算。 求解说明 式中:μ为步长因子，其数值的选择应使目标函数下降最多，用算式表示，即为 F(k+1)＝F(x(k+1))＝F(x(k)＋μ*(k) ?x(k)) ＝minF(x(k)＋μ(k) ?x(k)) 由上可见，为了求得问题的解，关键要解决两个问题： （1）确定第k次迭代的搜索方向?x(k) （2）确定第k次迭代的最优步长因子μ*(k) 二、带有最优乘子的牛顿潮流算法 搜索方向?x(k)的确定:利用常规牛顿算法每次迭代所求出的修正量向量?x(k)＝－J（x(k)）-1f(x(k))作为搜索方向，并称之为目标函数在x(k)处的牛顿方向。 最优步长因子μ*(k)的确定：目标函数看作步长因子的一元函数 F(k+1)＝F(x(k)＋μ(k)?x(k))＝Φ(μ(k))关键是写出Φ(μ(k))的解析表达式，然后μ*(k) 由下式得 计算步长公式的推导 采用直角坐标的潮流方程的泰勒展开式可以表示为： f(x)＝ys－y(x)＝ys－y(x(0))－J(x(0))?x－y(?x)＝0 引入标量乘子μ以调节变量x的修正步长 f(x)＝ys－y(x(0))－J(x(0))(μ?x)－y(μ?x)  ＝ys－y(x(0))－μJ(x(0))?x－μ2y(?x)＝0 定义三个向量 a＝[a1,a2,…,an]T＝ys－y(x(0)) b＝[b1,b2,…,bn]T＝－J(x(0))?x c＝[c1,c2,…,cn]T ＝－y(? x) 计算步长公式的推导（续） 目标函数改写为 将F(x)对μ求导，并令其等于零，求得μ* 将上式展开，可得 程序框图 在现有的采用直角坐标的牛顿法潮流程序中，增加计算最优乘子的部分，得到上述应用非线性规划原理的算法。 计算分析 根据牛顿法迭代公式J(x(k))?x(k)＝ ys－y(x(k)) 对于c=－y(? x) ，和y(x)有类似的形式 对于第K+1次迭代的潮流偏差量， ys－y(x(k＋1))可以简化： ys－ y(x(k＋1)) ＝ ys－ y(x(k)＋μ(k)x(k)) ＝ys－[y(x(k))+μ(k)J(x(k))?x(k)+(μ(k))2y(?x(k))] =a(k)+ μ(k)b(k)+ (μ(k))2c(k) 具体应用，三种情况 从一定的数值出发，原来的潮流问题有解。 从一定的数值出发，原来的潮流问题无解。 不论迭代多少次，μ(k)的值始终在1.0附近摆动，但目标函数却不能降为零或不断波动。 三、潮流计算中的自动调整 单一准则控制：调整系统中单独的一个参数或变量以使系统的某一个准则得到满足。例如： 自动调整带负荷调压变压器的抽头，以保持变压器某侧节点或远方节点的电压为规定值。 自动调整移相变压器的移相以保持该移相变压器的有功功率为规定值。 自动调整互联系统中某一个区域的一个（或数个）节点的有功出力以保持本区域和其它区域间的净交换有功功率为规定值。 PV节点无功越界，PQ节点电压越界。 自动调