自适应和声粒子群搜索算法基本原理.doc

基于自适应和声粒子群算法的含分布式电源配电网无功优化 张 雪，王新超，亓孝武 山东大学电气工程学院 Abstract摘要: 分布式电源（Distributed Generation，DG）的接入对配电网的电压质量和经济运行带来很大的影响。将能够提供无功功率的DG与传统的电压调节手段相结合，针对包含DG的配电网无功优化问题，本文提出自适应和声粒子群搜索优化算法。首先建立了考虑经济因素的含DG的配电网多目标无功优化模型，其次在改进的和声搜索算法和粒子群算法基础上提出了一种混合算法——自适应和声粒子群搜索算法，最后以改进的IEEE33节点系统为仿真算例进行仿真分析，结果表明利用DG对电网进行无功补偿能够极大地降低网损、提高节点电压水平；相比于和声搜索算法和粒子群算法，本文所提算法具有全局搜索能力强、收敛精度高及收敛速度快的优点，可有效地对含DG的配电网进行无功优化。 引言 本文以研究含分布式电源接入的配电网无功优化为议题，分析了智能优化算法对此类问题的适应性，并针对含有DG的配电网无功优化问题，提出了一种混合优化算法——自适应和声粒子群算法（AHSPSO）。 当DG接入配电网，与传统无功优化手段相配合参与无功优化时，不仅要考虑对网损和电压质量的影响，还要考虑无功补偿设备的投资。 目标函数 本文以DG向电网提供的无功功率Q，无功补偿设备出力Q作为控制变量，负荷节点电压U为状态变量。系统有功网损P、节点电压偏移量V和Pinvest最少（无功补偿设备出力Q最小为目标， 等式约束条件 等式约束考虑为系统节点潮流平衡方程。 不等式约束条件 不等式约束条件可以分为控制变量约束和状态变量约束。 归一化处理及加权方法的采用 最终目标函数 自适应和声粒子群搜索算法基本原理 基本和声搜索算法 粒子群搜索算法 自适应和声粒子群搜索算法 在本章节，首先对和声搜索算法进行改进，然后结合PSO算法，提出一种混合算法——自适应和声粒子群算法。 AHSPSO算法在无功优化中的应用 各DG的无功出力QDG和各无功补偿设备的出力QC为控制变量，共同构成和声库中的和声在评价和声的优劣时，将无功优化的目标函数作为评价和声优美程度 算例分析 本文采用改进的 IEEE33 节点系统进行仿真分析 参数设置 仿真结果及分析 采用AHSPSO算法对含DG的配电网进行多目标无功优化，并与IHS和PSO算法相比较，在相同基本条件下，将三种算法分别连续运行50次，得到平均的优化结果如表1所示。表2给出了三种算法优化后各控制变量的最优值。 表１优化结果比较 网损/MW 网损下降率 电压偏差 电压偏差下降率 无功补偿 优化前 0.1282 - 5.1559 - 0 PSO 0.0731 42.98% 2.9406 42.97% 0.924 IHS 0.0714 44.31% 2.8442 44.84% 0.984 AHSPSO 0.0696 45.71% 2.6756 48.11% 1.050 表2 不同算法优化后各控制变量的值 控制变量 节点编号 PSO IHS AHSPSO DG1（MVar） 0.216 0. 399 0.500 DG2（MVar） 0.472 0. 470 0.500 C1（Mvar） 0.519 0.600 0.600 C2（MVar） 0.405 0.384 0.450 结论 通过对IEEE33 节点系统算例进行仿真计算，结果表明：1）采用DG与传统无功补偿手段相结合进行无功优化，能极大地降低网损、提高节点电压水平，增大无功补偿效果；2）本文所提算法能有效、快速地对含有DG的配网系统进行无功优化计算，该算法在电力系统无功优化中将有更好的应用前景。 关键词: 配电网；分布式电源；无功优化；粒子群算法；和声搜索算法 作者主要信息和联系方式: 张 雪（1989-），女，硕士研究生，研究方向为配电网无功优化。Email：zhangxue920201@126.com 王新超（1962-），男，副教授，研究方向为电力系统继电保护。Email：wangxinchao@ 亓孝武（1991-），男，硕士研究生，研究方向为电力变压器状态监测。Email：qixiaowu123@163.com Nanjing, 20-23Sep. 2010 2010 China International Conferenceon Electricity Distribution (CICED 2010) 2016China International Conference on Electricity Distribution (CICED 2016) Xi’an, 10-13 Aug, 2016 CICE