基于模糊混合进化算法的多个facts元件协调控制 multi-facts coordinated control based on fuzzy hybrid evolutionary algorithm.pdfVIP

第30卷第5期 电力自动化设备 V01．30No．5 ElP(。tri(。PowerAutomation 2010年5月 Equipment Mav2010 基于模糊混合进化算法的多个FACTS元件协调控制 刘 青，李丽英，王增平． (华北电力大学电力系统保护与动态安全监控教育部重点实验室，河北保定071003) 摘要：针对多个FACTS装置的控制器之间存在的负交互影响。通过将模糊理论、协同进化算法和免疫算法 相结合，提出一种模糊混合多目标进化算法求解FAC髑元件的协调控制问题。在求解过程中．利用模糊集理 论建立模糊多目标优化模型，确定整体的优化目标。采用协同进化算法对各FACTS元件控制器的参数进行 种群划分，以克服常规进化算法在问题规模扩大时易于出现的早收敛现象。在优化过程中。结合多种群合作 策略和免疫算法保持解的多样性，最终得到控制参数的Pareto最优解集。对静止同步串联补偿器与静止同步 补偿器2种FACTS装置的控制器进行了协调设计。仿真结果表明。与常规进化算法相比。所提方法能同时实 现影响分析与参数优化功能．且收敛快速．稳定性好。 关键词：模糊集：免疫算法：协同进化算法：FACTS控制器；协调控制 中图分类号：TM761；TP273+．4文献标识码：A 0引言 1模糊混合多目标进化算法 随着电力系统中FACTS装置的Et益增多．由于多个FACTS控制器的协调控制系统是具 FAC偈装置的多个控制回路之间以及不同的有非线性、时变性和不确定性并存的多变量系统．难 FACTS控制器之间会存在交互影响．从而破坏电力系以用精确的数学模型进行描述。因此利用模糊理论 统稳定性[卜-¨。因此必须研究多机电力系统中多个 并结合协同进化算法和免疫算法的优点．提出了混 FACTS控制器的协调控制方法．以保证电力系统的 合多目标进化算法．用于提高算法的计算速度和收 安全稳定及灵活运行。 目前．针对多个FACTS控制器的协调控制方法 骤进行说明。 主要有多目标进化算法[12】和非线性最优变目标[n]等 方法。由于多个FACTS控制器的协调控制问题属于 能建立模糊多目标优化模型．然后利用混合多目标 多种群的多目标优化问题．常规进化算法的最大缺 进化算法对2种控制器的控制参数．即比例和积分 点是当问题规模扩大时．计算搜索时间长且易于过 增益进行参数优化。 早收敛。而协同进化算法本质上是一种并行算法，将 步骤2利用协同进化算法并依据问题域划分 优化问题分解为一系列子系统优化问题．各子系统 种群。问题域的划分可以按照控制元件的种类串联 分别同时进行优化．再整体进行协调．可以克服常规 型或并联型进行划分．也可以按照控制功能如电压 进化算法计算时间长的缺点。因此协同进化算法已 控制或潮流控制等功能进行划分。本文按照控制元 经用于有效地求解电力系统中的电网规划和无功优 件的种类进行划分，即将SSSC的控制作为种群肘h 化等各种优化问题[14-15]。免疫算法利用免疫系统的 STATCOM的控制作为种群尬。 抗体多样性和自我调节功能来保持群体的多样性． 步骤3初始化2个种群。在2个种群中分别选 克服了寻优过程的早熟现象．也已运用于电力系统 择第l条染色体(表示控制参数)。并随机选择种群 的无功优化【16]及配电网重构【171等领域。