优潮流.pptVIP

最优潮流的不等式约束条件数目很多，按其性质的不同又可分成两大类： 第一类是关于自变量或控制变量u的不等式约束； 第二类是关于因变量即状态变量x以及可表示为x的函数的不等式约束条件，这一类约束可以通称为函数不等式约束。 以下分别讨论这两类不等式约束在算法中的处理方法。 (2)不等式约束条件的处理 * （2-1）控制变量不等式约束 控制变量的不等式约束比较容易处理，若按照 对控制变量进行修正，如果得到的 使得任一个 超过其限值时，则该越界的控制变量就被强制在相应的界上，即 * 控制变量按这种方法处理以后，按照库恩--图克定理，在最优点处简化梯度的第i个分量应有 式中，后面两个式子也可以这样来理解，即若对ui没有上界或下界的限制而容许继续增大或减小时，目标函数能进一步得到减小。 * （2-2）函数不等式约束 函数不等式约束 h(u,x)≤0 无法采用和控制变量不等式约束相同的办法来处理，因而处理起来比较困难。目前比较通行的一种方法是采用罚函数法来处理。 罚函数法的基本思路是将约束条件引入原来的目标函数而形成一个新的函数，将原来有约束最优化问题的求解转化成一系列无约束最优化问题的求解。具体做法略。 * 优点 简化梯度最优潮流算法是建立在牛顿法潮流计算的基础上的。利用已有的采用极坐标形式的牛顿法潮流计算程序加以一定的扩充，便可以得到这种最优潮流计算程序。这种算法原理比较简单，程序设计也比较简便。 (3)简化梯度最优潮流算法的分析 * 缺点： 首先是因为采用梯度法或最速下降法作为求最优点的搜索方向，最速下降法前后二次迭代的搜索方向总是互相垂直的，因此迭代点在向最优点接近的过程中，走的是曲折的路，即通称的锯齿现象。而且越接近最优点，锯齿越来越小，因此收敛速度很慢。 另一个缺点是因为采用罚函数法处理不等式约束而带来的。罚因子数值的选择是否适当，对算法的收敛速度影响很大。过大的罚因子会使计算过程收敛性变坏。 另外，每次迭代用牛顿法计算潮流，耗时很多，为此提出可用快速解耦法进行计算，不过为了求得拉格朗日乘子向量，又必须进行迭代等等。 * 在1984年由Sun D I提出的最优潮流牛顿算法，得到了国内外学者的高度评价，成为上世纪九十年代发展最优潮流程序时优先予以选用的算法之一。 2、最优潮流计算的牛顿算法 * 如同上面提到的梯度法或最速下降法，牛顿法是另一种求无约束极值的方法。 设无约束最优化问题 其极值存在的必要条件 ▽f(x)=0，在一般况下为一个非线性代数方程组。 (1)牛顿法的基本原理 * 现在用牛顿法对非线性代数方程组求解，于是得到优化的迭代格式为 式中▽f(x(k))为目标函数f(x)的梯度向量；k为迭代次数；H(x)= ▽2f(x)为目标函数f(x)的海森矩阵，是目标函数对于x的二阶导数，故牛顿法又称为海森矩阵法。 算法的收敛判据是，|| ▽f(x(k))|| ? 。 * 牛顿法在按上述的基本格式进行迭代时，其搜索方向为 可见这种方法与最速下降法比较，除了利用了目标函数的一阶导数之外，还利用了目标函数的二阶导数，考虑了梯度变化的趋势，因此所得到的搜索方向比最速下降法好，能较快地找到最优点。 牛顿法在有一个较好的初值，并且H(x(k))为正定的情况下，收敛速度极快，具有二阶收敛速度，这是该法的突出优点。 * 但是牛顿法的使用也受到一些限制： (i)要求f(x)二阶连续可微； (ii)每一步都要计算海森矩阵及其逆阵，内存量和计算工作量都很大。为此,对于变量维数很高的优化计算，实用上往往被迫转而采用不必直接求H及其逆阵的拟牛顿法(变尺度法) 。 * 通常用于解耦最优潮流，即把最优潮流问题分解为有功优化和无功优化两个子优化问题， 在求解方法上，针对有功优化和无功优化子问题呈现不同的特性而选择不同的求解算法。 电力系统的有功分量和有功潮流方程有着良好的线性关系，线性化的准确度一般较高，为此实用的单独的有功优化潮流往往采用线性规划方法求解。这样，解耦最优潮流的算法可以按照有功子优化问题采用线性规划方法，而无功子优化问题采用非线性规划方法的方式来组成，两个子优化问题交替迭代，实现有功、无功的综合优化。 （三）混合规划法 * 常规潮流计算中快速解耦算法的成功促使人们联想到在最优潮流计算问题中也可以引入有功、无功解耦技术，从而产生了另一类最优潮流计算模型，并称之为解耦最优潮流 (Decoupled OPF)。 值得注意的是和快速分解潮流算法不同，那里涉及的是在具体求解算法上的解耦简化处理，而这里要讨论的解耦最优潮流则是从问题的本身或问题的模型上把最优潮流这个整体的最优化问题分解成为有功优化和无