CN116231673B 一种基于改进鲸鱼算法的配电网无功优化方法 （昆明理工大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN116231673B(45)授权公告日2025.07.01

(21)申请号202310219999.8

(22)申请日2023.03.08

(65)同一申请的已公布的文献号申请公布号CN116231673A

(43)申请公布日2023.06.06

(73)专利权人昆明理工大学

地址650093云南省昆明市五华区学府路

253号

(72)发明人刘志坚许荣彪郭成

(74)专利代理机构昆明鼎极知识产权代理事务所(普通合伙)53228

专利代理师陈波

(51)Int.CI.

H02J3/16(2006.01)

H02J3/50(2006.01)

H02J3/06(2006.01)

(56)对比文件

CN112560914A,2021.03.26CN115714397A,2023.02.24

审查员谭连敏

权利要求书3页说明书7页附图5页

(54)发明名称

一种基于改进鲸鱼算法的配电网无功优化

方法

(57)摘要

CN116231673B本发明公开了一种基于改进鲸鱼算法的配电网无功优化方法，包括：以有功网损和电压越界惩罚最小为目标函数，计及风电机组和无功补偿装置SVG的约束条件建立配电网无功优化模型；对各个节点的负荷进行处理，乘以一个负荷变化系数，作为处理后的电力负荷数据；依据处理后的电力负荷数据，获取配电网系统的潮流计算结果；基于改进鲸鱼算法对含风电机组和SVG的配电网进行无功优化，得到风电机组和SVG的无功出力。本发明通过建立配电网无功优化模型，引入非线性时变因子、随机学习策略和柯西变异策略提升鲸鱼算法的收敛速度和计算精度，得到含风电机组和SVG的IEEE33节点系统无功优化策略，合理协调风电机组和

CN116231673B

以有功网损和电压越限惩罚最小为目标

以有功网损和电压越限惩罚最小为目标

函数，计及风电机组和SVG的出力约束

建立无功优化模型

对系统负荷数据进行处理，模拟负荷24h内的变化情况，并基于matpower对

系统进行潮流计算

引入非线性时变因子、随机学习策略和柯西变异策略改善鲸鱼算法性能

基于改进鲸鱼算法对含风电和SVG的IEEE33节点系统进行无功优化

CN116231673B权利要求书1/3页

2

1.一种基于改进鲸鱼算法的配电网无功优化方法，其特征在于，包括：

以有功网损和电压越界惩罚最小为目标函数，计及风电机组和无功补偿装置SVG的约束条件建立配电网无功优化模型；

对各个节点的负荷进行处理，乘以一个负荷变化系数，作为处理后的电力负荷数据；依据处理后的电力负荷数据，获取配电网系统的潮流计算结果；

基于改进鲸鱼算法对含风电机组和SVG的配电网进行无功优化，得到风电机组和SVG的无功出力；

依据传统鲸鱼算法，引入非线性时变因子、自适应权值策略、随机学习策略和柯西变异策略，获得改进鲸鱼算法；

依据引入的非线性时变因子、自适应权值策略、随机学习策略和柯西变异策略进行位置更新，具体公式为：

x(t+1)=xrana(t)×@(t)-A×Drand,p0.5,|A|1

x(t+1)=xnew(t)×①(t)-A×D?,p0.5,|A|≤1

x(t+1)=D?ecos(2π1)+xnew(t)×(1-a(t)),p≥0.5

A=2ar-a,r∈rand[0,1]

式中：x(t+1)为鲸鱼更新后的位置，xrand(t)为鲸鱼任意位置，①(t)为自适应权值，A是调节算法全局勘测和局部寻优的重要参数；Drand=|c·xrana(t)-xnew?(t)|,c=2r,r为0到1之间的随机数，x(t)为鲸鱼当前位置，xnew?(t)为经过随机性学习策略后的最优个体；p为随机概率；xnew(t)为当前最优个体/当前最优个体经柯西变异后的新值；D?=|c·x*(t)-x(t)

|,x*(t)为当前最优个体，D?=|x*(t)-x(t)|,b=1为常量系数，1为-1到1之间的随机数；a表示非线性时变因子。

2.根据权利要求1所述的基于改进鲸鱼算法的配电网无功优化方法，其特征在于，所建立配电网无功优化模型，具体为：

有功网损P1oss:

电压越限惩罚△f:

综上，配电网无功优化模型的综合目标函数F为：

minF=△f+P1oss

式中：1、j为节点编号；n为配电网系统总节点数；G;为支路ij