一種變電工程的先進(jìn)無功功率補(bǔ)償方法
【專利摘要】本發(fā)明公開了一種變電工程的先進(jìn)無功功率補(bǔ)償方法，涉及配電工程領(lǐng)域，包括初始化，編碼，潮流計(jì)算，計(jì)算適應(yīng)度值，選擇操作，交叉操作，變異操作，局部最優(yōu)判斷，災(zāi)變策略和終止準(zhǔn)則十個工藝步驟，該發(fā)明方法是基于遺傳算法的一種改進(jìn)型電網(wǎng)無功功率優(yōu)化補(bǔ)償方法，所述方法中通過對選擇操作、交叉操作和變異操作的進(jìn)一步改進(jìn)，避免了算法過早的收斂而得到局部最優(yōu)解，加快了收斂速度，客服了啟發(fā)式方法容易陷入死循環(huán)的缺點(diǎn)，該方法使得得到最優(yōu)解的難度大大降低，為算法的執(zhí)行提供了保障，同時能有效降低電網(wǎng)系統(tǒng)的有功網(wǎng)損，迭代時間和次數(shù)少，效率高。
【專利說明】一種變電工程的先進(jìn)無功功率補(bǔ)償方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及配電工程領(lǐng)域，具體涉及一種變電工程的先進(jìn)無功功率補(bǔ)償方法。
【背景技術(shù)】
[0002]近年來，我國電力工業(yè)發(fā)展迅速，隨著我國科學(xué)技術(shù)的進(jìn)步、人民生活水平的提高和國民經(jīng)濟(jì)的快速發(fā)展，電網(wǎng)朝超高電壓、長輸電距離、容量不斷增加的方向發(fā)展?，F(xiàn)代電力系統(tǒng)要求其運(yùn)行既經(jīng)濟(jì)又安全，這是因?yàn)槠浣ㄔO(shè)的規(guī)模大、建設(shè)的結(jié)構(gòu)較為復(fù)雜、電壓等級的要求也越來越高。如果電力系統(tǒng)在運(yùn)行中出現(xiàn)意外，就會給我國經(jīng)濟(jì)和安全造成不可估量的損失，申請?zhí)枮镃N201010281582.7公開了一種一種基于遺傳算法的企業(yè)配電網(wǎng)的無功優(yōu)化方法，包括以下步驟:(I)建立企業(yè)配電網(wǎng)的無功優(yōu)化模型；(2)確定企業(yè)配電網(wǎng)的最終無功優(yōu)化待補(bǔ)償點(diǎn)；(3)對企業(yè)配電網(wǎng)模型中的補(bǔ)償電容器的補(bǔ)償電容、可調(diào)變壓器的變比、發(fā)電機(jī)的機(jī)端電壓進(jìn)行染色體編碼，形成初始種群；(4)計(jì)算初始種群中滿足約束檢驗(yàn)的個體的適應(yīng)度值；(5)根據(jù)初始種群中的各個體適應(yīng)度值進(jìn)行選擇、自適應(yīng)地交叉和變異，產(chǎn)生新一代種群；(6)若新一代種群個體的最大適應(yīng)度值與其上代種群中個體
的最大適應(yīng)度值滿足關(guān)系式，則對新一代種群中適應(yīng)度值最大的個體進(jìn)行
染色體解碼，得到企業(yè)配電網(wǎng)模型的無功優(yōu)化結(jié)果并輸出；否則返回執(zhí)行步驟(4)，該發(fā)明方法計(jì)算速度較快，通用性強(qiáng)，對于企業(yè)配電網(wǎng)的無功優(yōu)化有較高的理論意義和應(yīng)用價值，但該方法并沒有有效的降低電網(wǎng)系統(tǒng)的有功網(wǎng)損，算法的迭代時間和次數(shù)改善不大，效率不聞。

【發(fā)明內(nèi)容】

[0003]本發(fā)明所要解決的問題是提供一種能夠有效降低電網(wǎng)系統(tǒng)的有功網(wǎng)損、迭代時間和次數(shù)少，效率高的變電工程的先進(jìn)無功功率補(bǔ)償方法。
[0004]為了實(shí)現(xiàn)上述目的，本發(fā)明采取的技術(shù)方案為:一種變電工程的先進(jìn)無功功率補(bǔ)償方法，其特征包括下述步驟:
[0005](I)初始化:隨機(jī)的生成一個種群，設(shè)定種群的規(guī)模，對計(jì)算中要用到的變量初始化為0，設(shè)定初始值；
[0006](2)編碼:采用混合的編碼方式，根據(jù)控制變量的不同類型確定采用是實(shí)數(shù)還是整數(shù)編碼的方式；
[0007](3)潮流計(jì)算:運(yùn)用P-Q分解法進(jìn)行潮流計(jì)算；
[0008](4)計(jì)算適應(yīng)度值:由目標(biāo)函數(shù)轉(zhuǎn)換過來的適應(yīng)度函數(shù)中，計(jì)算出所有個體的適應(yīng)度，找出種群X1Q)中的最優(yōu)個體，并把它標(biāo)記為f_ ；
[0009](5)選擇操作:根據(jù)選擇方式并結(jié)合精英策略對種群進(jìn)行選擇，具體就是對基本種群X1 (i)中的個體根據(jù)適應(yīng)度值選取M個個體，然后再根據(jù)小群體競爭法產(chǎn)生N-M個個體，即為初始種群X2 (i)；
[0010](6)交叉操作:根據(jù)交叉率和交叉方式對種群X2 (i)中的個體進(jìn)行交叉操作，其中交叉概率采用自適應(yīng)的概率，交叉方式采用改進(jìn)的啟發(fā)式交叉方式，經(jīng)過交叉得到種群X3(i);
[0011](7)變異操作:根據(jù)變異率變異方式對種群X3(i)中的個體進(jìn)行變異操作，其中變異概率采用的是動態(tài)的變異概率，變異方式則是采用小變異方法，經(jīng)過變異得到種群X3(i);
[0012](8)局部最優(yōu)判斷:這個操作不是每次迭代都進(jìn)行，它根據(jù)具體情況確定其次數(shù)。具體操作就是如果出現(xiàn)上面所說的情況，或者在重新生成的種群中有(80%-90%)的個體的適應(yīng)度值與平均適應(yīng)度值favg的偏差小于一個設(shè)定值，就認(rèn)為它陷入了局部最優(yōu)，這樣判斷標(biāo)志P=P+1，執(zhí)行步驟(9);否則，判斷標(biāo)志P=O，執(zhí)行步驟(10)；
[0013](9)災(zāi)變策略:由精英策略保留種群中的最優(yōu)個體，根據(jù)災(zāi)變策略形成新的種群，執(zhí)行步驟⑷；
[0014](10)終止準(zhǔn)則。如滿足終止條件則輸出最優(yōu)解，若不成立，則遺傳代數(shù)i=i+l返回步驟⑷。
[0015]優(yōu)選的，所述步驟(5)中選擇方式具體包括以下步驟:
[0016](I)首先在初始種群中隨機(jī)的產(chǎn)生M條染色體，然后根據(jù)適應(yīng)度函數(shù)計(jì)算每個個體的適應(yīng)度函數(shù)值，根據(jù)適應(yīng)度函數(shù)值選取N條染色體作為種群的一部分，其中N-M，且這N條染色體是根據(jù)適應(yīng)度值由大至小選取。
[0017](2)采用小群體競爭法，即隨機(jī)的選取一部分染色體，通過競爭得到最優(yōu)個體，將其中適應(yīng)度高的放入初始種群中，將得到的個體放入初始種群中；
[0018](3)重復(fù)⑵過程多次，得到剩余染色體，形成遺傳算法的初始種群。
[0019]優(yōu)選的，所述步驟(6)中交叉操作采用啟發(fā)式的算法交叉得到新個體。
`[0020]優(yōu)選的，所述步驟(7)中所述變異操作采用小變異方法，確定變異概率后，對個體選擇的變異點(diǎn)進(jìn)行確定，變異量表示為=P1=(Xlmax-Xlmin) Xrand，rand〈Pm，其中，P1是變異量，Xlfflax, Xlfflin分別是變量的上下限，rand表示比變異概率小的一個隨機(jī)數(shù)。
[0021]采用本發(fā)明的技術(shù)方案，該發(fā)明方法是基于遺傳算法的一種改進(jìn)型電網(wǎng)無功功率優(yōu)化補(bǔ)償方法，通過采用遺傳編碼和精英策略，選取合適的編碼方式，大大提高了計(jì)算速度和以及解的精度，并有效的將最優(yōu)解以最快的速度解出來，所述方法中通過對選擇操作、交叉操作和變異操作的進(jìn)一步改進(jìn)，避免了算法過早的收斂而得到局部最優(yōu)解，加快了收斂速度，客服了啟發(fā)式方法容易陷入死循環(huán)的缺點(diǎn)，該方法使得得到最優(yōu)解的難度大大降低，為算法的執(zhí)行提供了保障，同時能有效降低電網(wǎng)系統(tǒng)的有功網(wǎng)損，迭代時間和次數(shù)少，效率聞。
【專利附圖】

【附圖說明】
[0022]圖1為本發(fā)明所述一種變電工程的先進(jìn)無功功率補(bǔ)償方法的流程圖。
【具體實(shí)施方式】
[0023](I)初始化:隨機(jī)的生成一個種群，設(shè)定種群的規(guī)模，對計(jì)算中要用到的變量初始化為0，設(shè)定初始值；
[0024](2)編碼:采用混合的編碼方式，根據(jù)控制變量的不同類型確定采用是實(shí)數(shù)還是整數(shù)編碼的方式；
[0025](3)潮流計(jì)算:運(yùn)用P-Q分解法進(jìn)行潮流計(jì)算；
[0026](4)計(jì)算適應(yīng)度值:由目標(biāo)函數(shù)轉(zhuǎn)換過來的適應(yīng)度函數(shù)中，計(jì)算出所有個體的適應(yīng)度，找出種群X1⑴中的最優(yōu)個體，并把它標(biāo)記為f_ ；
[0027](5)選擇操作:根據(jù)選擇方式并結(jié)合精英策略對種群進(jìn)行選擇，具體就是對基本種群X1 (i)中的個體根據(jù)適應(yīng)度值選取M個個體，然后再根據(jù)小群體競爭法產(chǎn)生N-M個個體，即為初始種群X2 (i)，其中，選擇方式具體包括以下步驟:
[0028]I)首先在初始種群中隨機(jī)的產(chǎn)生M條染色體，然后根據(jù)適應(yīng)度函數(shù)計(jì)算每個個體的適應(yīng)度函數(shù)值，根據(jù)適應(yīng)度函數(shù)值選取N條染色體作為種群的一部分，其中N-M，且N條染色體是根據(jù)適應(yīng)度值由大至小選取。
[0029]2)采用小群體競爭法，即隨機(jī)的選取一部分染色體，通過競爭得到最優(yōu)個體，將其中適應(yīng)度高的放入初始種群中，將得到的個體放入初始種群中；
[0030]3)重復(fù)(2)過程多次，得到剩余染色體，形成遺傳算法的初始種群。；
[0031](6)交叉操作:根據(jù)交叉率和交叉方式對種群X2 (i)中的個體進(jìn)行交叉操作，其中交叉概率采用自適應(yīng)的概率，交叉方式采用改進(jìn)的啟發(fā)式交叉方式，經(jīng)過交叉得到種群
X3 (i)，所述交叉率的公式為
【權(quán)利要求】
1.一種變電工程的先進(jìn)無功功率補(bǔ)償方法，其特征包括下述步驟: (1)初始化:隨機(jī)的生成一個種群，設(shè)定種群的規(guī)模，對計(jì)算中要用到的變量初始化為O，設(shè)定初始值； (2)編碼:采用混合的編碼方式，根據(jù)控制變量的不同類型確定采用是實(shí)數(shù)還是整數(shù)編碼的方式； (3)潮流計(jì)算:運(yùn)用P-Q分解法進(jìn)行潮流計(jì)算； (4)計(jì)算適應(yīng)度值:由目標(biāo)函數(shù)轉(zhuǎn)換過來的適應(yīng)度函數(shù)中，計(jì)算出所有個體的適應(yīng)度，找出種群X1⑴中的最優(yōu)個體，并把它標(biāo)記為f_ ； (5)選擇操作:根據(jù)選擇方式并結(jié)合精英策略對種群進(jìn)行選擇，具體就是對基本種群X1(i)中的個體根據(jù)適應(yīng)度值選取M個個體，然后再根據(jù)小群體競爭法產(chǎn)生N-M個個體，即為初始種群X2Q)； (6)交叉操作:根據(jù)交叉率和交叉方式對種群X2(i)中的個體進(jìn)行交叉操作，其中交叉概率采用自適應(yīng)的概率，交叉方式采用改進(jìn)的啟發(fā)式交叉方式，經(jīng)過交叉得到種群X3(i)； (7)變異操作:根據(jù)變異率變異方式對種群X3(i)中的個體進(jìn)行變異操作，其中變異概率采用的是動態(tài)的變異概率，變異方式則是采用小變異方法，經(jīng)過變異得到種群X3(i)； (8)局部最優(yōu)判斷:這個操作不是每次迭代都進(jìn)行，它根據(jù)具體情況確定其次數(shù)。具體操作就是如果出現(xiàn)上面所說的情況，或者在重新生成的種群中有(80%-90%)的個體的適應(yīng)度值與平均適應(yīng)度值favg的偏差小于一個設(shè)定值，就認(rèn)為它陷入了局部最優(yōu)，這樣判斷標(biāo)志P=P+1，執(zhí)行步驟(9);否則，判斷標(biāo)志P=O，執(zhí)行步驟(10)； (9)災(zāi)變策略:由精英策略保留種群中的最優(yōu)個體，根據(jù)災(zāi)變策略形成新的種群，執(zhí)行步驟⑷； (10)終止準(zhǔn)則。如滿足終止條件則輸出最優(yōu)解，若不成立，則遺傳代數(shù)i=i+l返回步驟⑷。
2.根據(jù)權(quán)利要求1所述的一種變電工程的先進(jìn)無功功率補(bǔ)償方法，其特征在于:所述步驟(5)中選擇方式具體包括以下步驟: (1)首先在初始種群中隨機(jī)的產(chǎn)生M條染色體，然后根據(jù)適應(yīng)度函數(shù)計(jì)算每個個體的適應(yīng)度函數(shù)值，根據(jù)適應(yīng)度函數(shù)值選取N條染色體作為種群的一部分，其中N-M，且這N條染色體是根據(jù)適應(yīng)度值由大至小選取。 (2)采用小群體競爭法，即隨機(jī)的選取一部分染色體，通過競爭得到最優(yōu)個體，將其中適應(yīng)度高的放入初始種群中，將得到的個體放入初始種群中； (3)重復(fù)(2)過程多次，得到剩余染色體，形成遺傳算法的初始種群。
3.根據(jù)權(quán)利要求1所述的一種變電工程的先進(jìn)無功功率補(bǔ)償方法，其特征在于:所述步驟(6)中交叉操作采用啟發(fā)式的算法交叉得到新個體。
4.根據(jù)權(quán)利要求1所述的一種變電工程的先進(jìn)無功功率補(bǔ)償方法，其特征在于:所述步驟(7)中所述變異操作采用小變異方法，確定變異概率后，對個體選擇的變異點(diǎn)進(jìn)行確定，變異量表示為:Pi= (Xlmax-Xlmin) Xrand,rand〈Pm,其中，P1是變異量,Xlmax、Xlmin分別是變量的上下限，rand表示比變異概率小的一個隨機(jī)數(shù)。
【文檔編號】H02J3/18GK103618317SQ201310541126
【公開日】2014年3月5日 申請日期:2013年11月5日 優(yōu)先權(quán)日:2013年11月5日
【發(fā)明者】顧華, 俞學(xué)成 申請人:蘇州市華安普電力工程有限公司