LDW―PSO算法及其在电网无功优化中应用.docVIP

LDW―PSO算法及其在电网无功优化中应用 　　摘要：利用LDWPSO算法解决了输配电网的无功优化补偿问题。阐述了无功优化补偿的数学模型以及LDWPSO算法优化步骤。工程实例验证表明，该方法降低了网损，且所有节点电压都满足要求，在节能降耗方面具有较大优势。 　　关键词关键词：电网；无功优化补偿；线性权重递减粒子群算法；电能损耗 　　中图分类号：TP312文献标识码：A文章编号文章编号2014）005006503 　　基金项目基金项目：福建省高校产学合作科技重大项目（2010H6002）；福建省自然科学基金项目（2012J05107）； 福建省教育厅科技项目（JA12230）；福建工程学院基金项目（GYZ10053、GYZ11070） 　　作者简介作者简介：鄢仁武（1981-），男，博士，福建工程学院信息科学与工程学院讲师，研究方向为计算机应用、电气工程。0引言 　　无功功率对保证电力系统可靠性、优质性和经济性有巨大作用。对电力系统进行无功补偿及平衡，不仅能保证电压质量，而且能够提高电力系统运行的稳定性和安全性，充分发挥经济效益[1]。 　　目前，对无功优化的研究主要集中在：对非线性函数处理、算法收敛性、优化问题解决中的离散变量等。传统优化补偿技术主要有：等网损微增率准则[2]、简化梯度法[3]、线性规划法[4]等。传统无功优化补偿方法过于依赖精确的数学模型，精确的数学模型较复杂，很难适应负荷的快速变化，而粗略的数学模型又存在远离真实情形的弊端。本文采用粒子群算法实现无功优化，由于标准粒子群优化算法容易早熟收敛于局部最优解，文中引入惯性权重解决这一问题[5]。 　　1线性权重递减粒子群算法优化步骤 　　线性权重递减粒子群算法（LDWPSO）优化收敛过程如下： 　　（1）初始化粒子群参数，包括种群个体数量，C1、C2以及w取值，设定最大迭代次数[6]。 　　（2）根据变量上下限随机初始化粒子的位置和速度。 　　（3）算出各粒子适应度值，若比自身最佳适应度更好，则用该值替换自身pBest。 　　（4）将每个粒子的最佳适应度和pBest[g]比较，若较好则将该粒子索引号赋值给g。 　　（5）根据式（1）更新每个粒子速度，并约束在[-Vmax，Vmax]区间内，再根据式（2）更新每个粒子位置[7]。V[i]=w×V[i]+C1×rand（）×（pBest[i]-X[i]）+ 　　C2×Rand（）×（pBest[g]-X[i]）（1） 　　X[i]=X[i]+V[i]（2）其中： 　　X[i] =（X[i]1，X[i]2，…，X[i]n）― 粒子i当前位置； 　　V[i] =（V[i]1，V[i]2，…，V[i]n）― 粒子i当前飞行速度； 　　pBest[i] =（pBest[i]1，pBest[i]2，…，pBest[i]n）―― 粒子i经历的最好位置，过去的迭代中，粒子i在这个位置上具有最好的适应值（fitness），即个体极值； 　　w――惯性权重； 　　g――全局最有粒子索引，pBest[g]即为全局极值； 　　C1、C2――学习因子，为常数； 　　rand（）和Rand（）――[0，1]上的随机数； 　　w控制粒子上一轮迭代速度对这一轮迭代速度的影响。这里引入线性权重递减PSO，权重递减公式为：w=（wi-we）（imax-i）1imax+we（3）其中wi为惯性权重的起始值，we为其终止值[89]。 　　粒子在不断以不同速度变换位置时，自身速度受到最大速度（Vmax）的限制，当V[i]超过Vmax时将被强行定为Vmax。 　　（6）若误差小于特定值或达到最大迭代次数，输出结果。否则跳转到步骤（3）。 　　2无功优化补偿数学模型及优化步骤 　　输配电网无功优化补偿，最重要的是确定其目标函数。经过不断探索，主要得出以下两种无功优化补偿的目标函数[10]：不计无功补偿设备费用，以系统网损最小为主要目的；以系统运行最优为目标函数，计入系统补偿后减小的网损费用和添加的补偿设备费用，以计入以上费用后经济效益最优为目的[1112]。本文以系统运行最优为目标函数。 　　（1）系统网损最小的目标函数。minf=ΔPΣ（Qc1，Qc2，…，Qcn）（4）（2）系统总费用最低。minf=Floss+Fc 　　=βτmaxΔPΣ（Qc1，Qc2，…，Qcn）+（Ka+Ke）KcQcΣ（5）式中： 　　Qc1，Qc2，…，Qcn ―― 各个节点的无功补偿量； 　　ΔPΣ ――系统各支路有功网损之和； 　　β―― 每度电能损耗单价； 　　τmax ―― 年最大负荷损耗小时数； 　　Ka ――补偿设备的折旧维护率； 　　Ke ――补偿设备的投资回收率；