电力系统中协同进化法无功优化探究.docVIP

电力系统中协同进化法无功优化探究 　　摘要：协同进化法是针对无功优化问题的非线性、非连续性等特点以及大范围内无功优化控制变量较多的问题等提出的相应算法和求解步骤。协同进化法是利用分解协调的思想，将无功优化问题分解为一系列相互联系的子优化问题，分解过后的子优化问题都对应一个进化法中的一个种群，各个种群通过共同的系统模型相互作用、共同进化，从而使整个系统不断演进，最终使问题得到解决。本文主要是对协同进化法在电力系统中的无功优化进行一个简要的研究、探索。 　　关键词：电力系统；协同进化法；无功优化；常规算法 　　Abstract: The method for collaborative evolution is reactive power optimization, the continuity of the nonlinear characteristics and big range of reactive power optimization control variable more problems, put forward the corresponding algorithm and solving steps. Co-evolutionary method is using the idea of decomposition and coordination, reactive power optimization problem into a series of interconnected son optimization problem, son of optimization problem after decomposition are corresponding to a evolution law of a population, each population through the common model of the system, the interaction between evolution together, so that the entire system development, so as to make the problem solved. This paper is mainly for collaborative evolution method in electric power system of reactive power optimization for a brief research, exploration. 　　Key Words: Electric power system; Co-evolutionary method; Reactive power optimization; Conventional algorithms 　　 　　 电力系统中的电压和无功功率的研究是现代电网规划和系统运行所面临的重要课题。电力系统的无功优化是在给定的电网潮流方式下，通过调整系统中发电机的无功出力，以及有载调压变压器的分接头位置和可调电容器组等元器件，让系统中的各个状态量都在限制值内，同时保证电网有功网损耗最小。无功优化问题是一个多变量、非线性、非连续性问题，在不同电压等级电网中无功又有不同的特点。而电力系统中无功优化的常规算法忽略了无功优化问题的结构性特征，而且计算时间过长，不能找到最优先可行的求解步骤来解决电力系统中无功优化的问题。因此，为了得到更好的优化效果，缩短计算的时间，找到更适合解决无功优化问题的求解方法，在进行无功优化问题的计算时也做了大量的研究，比如：遗传算法、免疫算法等现代启发式寻优方法都弥补了传统算法的不足。但是，随着电力系统规模的不断增大、电压等级的不断升高，传统算法以及人工智能算法均存在着内存不足、收敛速度慢等问题。最终，我们找到了一个新的算法――协同进化算法。协同进化算法是近年来国际上关注的一个热点，它主要是借鉴自然界中的协同进化机制，将一个复杂的问题分解成若干个相对简单的子问题，然后将分解好的子问题分配给多个子群体分别进行操作，而且子群体之间需要定期进行信息交换，通过竞争或者合作的关系共同完成优化问题的求解。对于较大规模的电力系统而言，无功优化通常采用可投切电容器组、有载调压变压器、发电机无功出力等控制手段，因此，控制的变量数较多，采用协同进化法求解则非常的适合。 　　一.电力系统无功优化数学模型 　　 电力系统的无功优化是指在给定的运行方式下，将电源的有功出力固定，然后改变发电机/调相机的无功出力和有载调压变压器的分接头档位以及无功补偿设备，让整个系统满足系统运行电压合格率最高、运行有功网损最小等要求。