一种配电网无功优化方法

摘要

本发明公开一种配电网无功优化方法，包括以下几个步骤：（1）建立风机的数学模型；（2）初始化节点电压；（3）建立无功规划数学模型，转化成多目标优化问题；（4）输入原始数据；（5）形成初始粒子群，初始化粒子速度和位置；（6）潮流计算，得到粒子适应值和当前最优值；（7）用小生境权重飞行时间法修正粒子速度和位置；（8）计算整个种群适应度，得到适应度值，并更新当前最优解pBest_id；（9）对个体粒子中越界点的控制变量进行调整，修正越界状态变量；；（10）判断是否满足终止条件，若满足则输出结果，否则返回（6）。

主权项

一种配电网无功优化方法，其基于小生境权重飞行时间粒子群优化算法，其特征在于，包括以下步骤：(1)建立风机的数学模型，给定风电场风速，并在此风速下确定风机输出的功率，$P_{\mathrm{wfarm}}=\left\{\begin{array}{cc}0& V>V_{\mathrm{co}}\mathrm{orV}<V_{\mathrm{ci}}\\ \frac{P_r(V_w^3-V_{\mathrm{ci}}^3)}{(V_r^3-V_{\mathrm{ci}}^3)}& V_{\mathrm{ci}}\le V\le V_r\\ P_r& V_r\le V\le V_{\mathrm{co}}\end{array}\right.,$其中，V为风速，V_co为切除风速；V_ci为切入风速；V_r为风机组额定风速；P_r为风机的额定功率；V_w为风机轮毂高度的风速；(2)在含风电场的电力系统中形成节点导纳矩阵，设定各节点电压初值；(3)建立无功规划的数学模型，将此数学模型看作是一个多目标优化问题，其中包括目标函数、功率约束方程；(4)获取系统节点信息和支路信息，获取控制变量的个数及各自的取值范围；(5)将无功功率的数学模型的解看成一个粒子，形成初始种群，获取粒子群的群体规模等参数，设置最大迭代次数，随机产生全部粒子及其自身的初始位置和初始速度；(6)对粒子群中的每个粒子带入进行潮流计算，计算群中每个粒子的网损，得到各粒子的适应度值和当前最优解pBest_id；(7)运用小生境权重飞行时间粒子群优化算法，调整粒子的速度和位置计算得到新的适应度值，并更新最优解pBest_ij；$V_{\mathrm{ij}}^{t+1}=w{V}_{\mathrm{ij}}^t+c_1{r}_1({\mathrm{pBest}}_{\mathrm{ij}}-X_{\mathrm{IJ}}^T);$w＝w₀‑Δw·t/t_max；$T_t=T_0(1-t_0\frac{t}{t_{\max }});$$X_{\mathrm{ij}}^{t+1}=X_{\mathrm{ij}}^t+V_{\mathrm{ij}}^t{T}_t;$式中：t为当前迭代次数，c₁为学习因子；r₁是介于[0,1]的随机数；V_ij∈[‑V_max,V_max]，V_max为粒子进化过程中得最大速度；w₀为权重系数的初始值；Δw权重系数变化率；t_max为最大迭代次数；T_t表示第t代粒子的飞行时间；T₀表示粒子最长飞行时间；t₀为比例系数，起调节作用；(8)对个体粒子中越界点的控制变量进行调整，修正越界状态变量；(9)若粒子群迭代次数已经达到最大迭代次数或粒子群迄今为止搜索到的最优位置满足预定的最小适应阈值，则执行步骤(10)；若不满足，则回到步骤(6)；(10)停止迭代，输出最优解和无功配置。