地区电网无功优化系统应用现状分析.docVIP

地区电网无功优化系统应用现状分析 　　摘要：地区电网无功系统的研发目的在于优化电网内无功潮流分布，以提高电压合格率并减少网损。文章总结比较了当前电网无功优化系统的常见算法；结合电网实际运行需要和无功优化系统的应用现状，从优化模型的搭建及维护、优化目标的选择、优化计算的时效性及优化系统的统计功能等四个方面对当前无功优化系统存在的问题进行了分析并有针对性地提出了解决的方案。 　　关键词：地区电网；无功优化；智能算法 　　作者简介：田义恒（1973-），男，山西朔州人，华北电力大学电气与电子工程学院硕士研究生，（北京#8194;102206）山西省电力公司朔州供电分公司，工程师。（山西#8194;朔州#8194;036002）任勇（1974-），男，山西太原人，华北电力大学电气与电子工程学院硕士研究生，（北京#8194;102206）山西省电力公司生产技术部，工程师。（山西#8194;太原#8194;030001） 　　中图分类号：TM714.3#8195;#8195;#8195;#8195;#8195;文献标识码：A#8195;#8195;#8195;#8195;#8195;文章编号：1007-0079（2011）30-0139-02 　　 　　电力系统无功优化是指在满足电力系统安全运行约束的前提下，通过优化控制发电机机端电压、无功电源配置以及可调变压器分接头的位置，从而达到改善电压质量、降低系统网损的目标，以保证电力系统安全、经济运行。受制于调控权限，对于地区电网来讲，其控制无功及电压的手段则更多依赖于无功电源配置和变压器分接头的调整。 　　电网无功优化问题是最优潮流的一个组成部分，是一个连续变量和离散变量相结合的、动态的、多目标的、多约束的非线性混合规划问题。现有无功优化数学模型中大多使用以网损最小为目标函数，并对电压变化范围进行约束。近年来考虑风电场的接入、交直流混合输电、电力市场模式下的经济性、电力系统自动化水平的提高等，无功优化数学模型、优化算法以及在线运行无功优化控制策略也都有针对性地进行了改进。 　　一、无功优化常用算法 　　由于电网无功优化问题的非线性、多目标及控制变量的离散和连续的混合特点，采用一般的数学方法很难满足其在线运行的要求。因此一些优化及智能算法被引入到这个问题领域以内，常见的算法主要有以下几类。 　　1.线性规划法 　　线性规划法计算速度快、数学模型简单直观，适用于在线计算。但是，由于它把系统实际优化模型作了局部线性近似处理，并对离散变量作了连续化处理，其计算的精度受到影响，在实际应用中可能出现计算结果不能在实际中得以实施的现象。[1] 　　2.非线性规划法[2] 　　简化梯度法是以极坐标下的牛顿潮流计算为基础，对等式约束使用拉格朗日乘数法处理，对不等约束则采用Kuhn-Tucker罚函数处理，沿着控制变量的负梯度方向进行寻优，具有一阶收敛性。这种算法原理简单、存储需求小，程序设计也较简单。但是也存在很多缺点，如：在计算过程中会出现锯齿现象、收敛性差，尤其是在接近最优点附近时收敛速度很慢；每次迭代都需要重新计算潮流，计算量很大、耗时较多；另外在采用罚函数处理不等式时罚因子的选取对算法的收敛速度影响较大。 　　3.混合整数规划法 　　混合整数规划是属于线性规划的一种，由于该方法对于离散变量的处理不够理想，在实际应用中若处理不当可能会导致目标函数的非正常变化及不等式约束的越限，影响了其实用价值。[1] 　　4.灵敏度分析法 　　该算法是利用牛顿拉夫逊潮流计算中的雅可比矩阵得到的系统状态变量对控制变量的灵敏度关系，能较好地实现系统有功损耗为最小的优化目标，[1]但是由于电网无功优化计算中需要考虑控制变量混合网架结构参数和无功负荷变化情况，因此在实际应用中一般不能单独使用，常结合其它算法进行求解。 　　5.模拟退火算法[3] 　　模拟退火算法可以有效地解决带约束的组合优化问题，并能以较大概率收敛到全局最优解。但是由于其计算参数比较难确定，算法的收敛性和收敛速度有可能不能保证，不适用于在线计算。 　　6.遗传算法[4] 　　遗传算法产生于20世纪80年代，它模拟了自然界中生物进化的选择和遗传，通过选择、杂交和变异等核心操作实现“优胜劣汰”。从多初值开始，沿多路径搜索实现全局或准全局最优，可以处理混合整数离散性问题，是一种当前广为应用的自适应优化方法。其缺点依然在于计算量比较大，计算时间长。 　　7.免疫算法[5] 　　免疫算法是一种多目标概率搜索算法，该算法模拟的是生物免疫系统的工作原理，将实际问题中的目标函数和约束条件比作抗原，将问题的解比作抗体，通过计算抗体之间、抗原与抗体之间的亲和度以及抗体浓度优先选择那些与抗原亲和性好且浓度小的个体进入下一代，从而实现促进