遗传算法在配电网无功优化中的运用.docVIP

遗传算法在配电网无功优化中的运用 刘强 中学 当配电网中的注入功率和负荷功率给定的情况下，配电网无功优化将使得配电 网的供电可靠性和经济性达到理想最优解，其方法是投入无功补偿设备。无功优 化是一个非线性的计算问题，使用传统算法求解时，计算过程效率低并且结果 很难收敛。本文采用遗传算法(Genetic Algorithm)作为无功优化问题的算法 并根据实际耍求编写了应用程序，结合陕西某工业区的具体例子，利用遗传算 法进行配电网无功优化，对于实际工程的运用具有很大价值。 关键词： 遗传算法;无功优化;配电网; 刘强，四安高新唐南中学。 一、引言 无功优化是电力系统中配电网经济运行的重要保障［1］。无功优化给电网运行带 来了以下作用： 使电网能够维持末端用户侧电压的稳定，各个节点电压趋于恒定，提高了 供电可靠性各； 提高整个电网的功率因数； 降低电网运行的线路损耗； 对于有功和无功的分配，使其合理化； 对于电能质量中包含的电压和波形以及频率，均有改善作用； 降低了电网建设的成木［2］。 二、遗传算法的简介和计算流程 遗传算法根据生物进化论发展而来，最初在1975年由美国的J. Holland教授提 出［3］。 遗传算法中的“染色体”就是某个问题的解，在算法中用二进制为编码的串来 表示。在遗传算法的计算过程中，最开始用一组随机产生的“染色体”代表初始 解，把这群“染色体”在问题的环境屮进化繁衍，按照优胜劣汰的规则，从屮 选出适应环境的优质“染色体”体”，再次进行迭代变异，如此往复，达到最 适合环境的解，即最优解［4］。遗传算法的计算流程可以归纳为图1。 图1遗传算法流程图 三、无功优化及其计算过程 木文釆用浮点数编码形式对数字串进行逐一编码，这样所形成的浮点数数字串 能较用二进制数编码表示的数字串简化，故而遗传算法相应的计算量会降低， 提高丫计算速度，增加丫计算效率。该参数需要进行编码和解码的优化，因此， 在解的精度上也不存在问题。用一组环境内可行的电容器组补偿方案作为一个种 群，来进行数值计算，种群可表示为： 其屮，单一个电容器的无功优化补偿方案计作一个个体X,，可以表达为: （SC为补偿节点i的电容器补偿容量）（2） 在适应度函数的建立方面，可以将适应度函数表示为: 其中，C、1X是一个足够大的数，其作用是将转化后的适应度函数值为正数。在本 文利用的遗传算法中，寻找最优解是严格按公式（4）来求解的，此时，可知式 ⑷ 的最优解就是式(5)的最优解。其中， 其中，punish是总惩罚因子;punish^电压越界惩罚因子;punishh是补偕容量越 界惩罚因子。需要排除不符合运行条件的解，此时系数ka, kb可取为一个很大的 正数或无穷大。如此，不满足不等式约朿的解将会使目标函数值F达到非常大， 从而被排除在可行解之外。此计算方案能够很好地象征遗传算法，惩罚措施使不 满足环境条件的个体的适应度变得很低，大大降低其繁衍的可能性，最终进行 了优胜劣汰。 在选择操作方面，论文采用赌盘扇区选择方法。比例算子为:n 其中，Fi为所需的目标函数值，其结果是由该种群中每一个电容器补偿方案代入 无功优化目标函数后而计算得出的。假设该补偿方案求得的目标函数值越大，就 可认为其适应度越大，故被随机选中的概率也越高。本文根据PIS将轮盘分解为 不同的相皮扇区，计算机先随机产生一个数r/l (i=l, 2, 3 n),然后计算 机判断r：属于哪一个扇区，则在配对库中找出与该扇区对应的个体进行配对。 经过如此往复，随机选择n次之后，n个新的无功补偿方案就可以被得出。计算 机中的遗传算法再分别根据预先设定的变异概率和交叉概率对这n个新个体进 行两两配对进化繁衍后，将其转换回十进制编码形式，这样一个变异后被选择 的新种群就产生了。 !1!陕西某工业区配电网无功优化计算 !1! 陕西某工业 区配电网无功优化计算 为验证本文给出的无功优化算法的有效性，利用电网实际运行数据，本文利用 遗传算法，对于陕丙省某工业园区的配电网进行无功优化计算。 (一)配电网实际原始数据 该电网基本情况如下： 电网的基准功率是100MVA，配电网有三个电压等级，分别是:220k V、110k V 和 10k Vo 220k V母线上共存在六路进线，将其并联后可以等效成1条220k V输电线 路。同理共有110k V母线上可以等效为6条输电线。10k V出线存在13条。 有14条变压器支路，其中括两条三绕组变压器等效支路。 配电网含22个节点，21条支路。将所有节点的电压范围设定为基准值的 0.9-1.07。其中，电压等级为220k V节点有1个、110k V的节点有7个、10k V 的节点有13个、另存在1个三绕组变压器的虚拟等效节点，其电压等级假定为 lk V。 虚拟发电机一台，