专利名称：电力系统多目标无功优化方法
技术领域：
本发明属于电力系统无功优化领域，特别涉及电力系统多目标无功优化方法，本发明设计一种基于密母(MemetiC)算法的电力系统多目标无功优化方法。
背景技术：
无功优化，就是当系统的结构参数及负荷情况给定时，通过对某些控制变量的优化，所能找到的在满足所有指定约束条件的前提下，使系统的某一个或多个性能指标达到最优时的无功调节手段。无功优化问题是从最优潮流的发展中逐渐分化出的一个分支问题。在电力系统中对电网进行无功优化可以控制电压水平和降低有功损耗。常用的无功/ 电压控制手段包括调节发电机机端电压、调整有载调压变压器分接头位置、调节并联电容器和电抗器投切组数等。无功功率运行规划是利用无功补偿设备来改善系统无功运行状况，即控制电压水平和降低有功损耗。在数学上，无功优化是典型的多目标优化问题，具有多目标性、非线性、不连续、不确定因素较多等特点。多变量、多约束的混合非线性规划问题，其控制变量，既有连续变量 (发电机机端电压)，又有离散变量(有载调压器分接头档位，补偿电容器、电抗器的投切组数)，求解难度很大。
发明内容
针对背景技术中提到的多目标优化问题的求解复杂度高以及Memetic算法在求解多目标优化问题中的优势，本发明提出了一种基于Memetic算法的电力系统多目标无功优化方法。Memetic算法是求解多目标无功优化问题的最好方法之一，Memetic算法是一种在局部最优子空间上进行的特殊类型遗传搜索算法，它在遗传算法中加入了局部优化方法。由于遗传算法和局部优化方法具有互补性，所以，Memetic算法的性能比单独运行遗传算法或局部优化方法优良。本发明充分利用了 Memetic算法的已有优势，改进算法使其适应于多目标优化问题，并将其应用于电力系统的多目标无功优化的实际问题。电力系统多目标无功优化方法包括以下步骤I)为原始电网参数变量赋值；2)构造由系统无功优化控制变量组成的个体向量，初始化种群；3)根据已经进行初始化的种群和电网参数进行潮流计算，并计算所有目标函数值；4)改进Memetic算法用于多目标无功优化；5)优化过程结束，输出优化结果。所述原始电网参数包括电网固有数据、可调电压的发电机机端电压、变压器变比、 无功补偿设备的位置、无功补偿设备的容量以及所有控制变量约束条件和状态变量约束条件；
电网固有数据包括电网网络结构、支路数据、各节点负荷和发电机有功出力。所述无功优化控制变量包括发电机机端电压、有载调压变压器分接头位置以及并联电容器和电抗器的投切组数。所述步骤2)包括以下步骤21)由系统无功优化控制变量组成个体向量；22)对种群中的所有个体向量分别随机生成符合约束条件的初始值。所述步骤3)具体包括以下步骤31)根据步骤2)中已经进行初始化的种群和电网参数进行潮流计算；32)计算步骤2)中已经进行初始化的种群的所有个体的所有目标函数值，目标函数值包括有功网损、电压偏移和惩罚项。所述步骤31)中潮流计算的计算公式为
权利要求
1.电力系统多目标无功优化方法，其特征在于，包括以下步骤1)为原始电网参数变量赋值；2)构造由系统无功优化控制变量组成的个体向量，初始化种群；3)根据已经进行初始化的种群和电网参数进行潮流计算，并计算所有目标函数值；4)改进Memetic算法用于多目标无功优化；5)优化过程结束，输出优化结果。
2.根据权利要求I所述的电力系统多目标无功优化方法，其特征在于，所述原始电网参数包括电网固有数据、可调电压的发电机机端电压、变压器变比、无功补偿设备的位置、 无功补偿设备的容量以及所有控制变量约束条件和状态变量约束条件；电网固有数据包括电网网络结构、支路数据、各节点负荷和发电机有功出力。
3.根据权利要求I所述的电力系统多目标无功优化方法，其特征在于，所述无功优化控制变量包括发电机机端电压、有载调压变压器分接头位置以及并联电容器和电抗器的投切组数。
4.根据权利要求I所述的电力系统多目标无功优化方法，其特征在于，所述步骤2)包括以下步骤21)由系统无功优化控制变量组成个体向量；22)对种群中的所有个体向量分别随机生成符合约束条件的初始值。
5.根据权利要求I所述的电力系统多目标无功优化方法，其特征在于，所述步骤3)具体包括以下步骤31)根据步骤2)中已经进行初始化的种群和电网参数进行潮流计算；32)计算步骤2)中已经进行初始化的种群的所有个体的所有目标函数值，目标函数值包括有功网损、电压偏移和惩罚项。
6.根据权利要求5所述的电力系统多目标无功优化方法，其特征在于，所述步骤31)中潮流计算的计算公式为
7.根据权利要求I所述的电力系统多目标无功优化方法，其特征在于，所述步骤4)具体包括以下步骤41)根据Pareto支配概念，比较个体向量的优劣，并按照快速排序法构造种群的非支配解集，寻找每次迭代中出现的Pareto最优解；42)计算非支配解集中个体拥挤度距离；43)按照Pareto支配关系中的比较关系更新精英集，同时结合个体拥挤度距离控制精英集的大小；44)按Memetic算法进行个体进化，即更新各控制变量的值，重新构造优化方案；45)判断种群优化终止条件是否满足，若收敛条件满足，转入步骤5)，否则，返回步骤41)。
8.根据权利要求7所述的电力系统多目标无功优化方法，其特征在于，所述个体拥挤度是指种群中给定个体周围的个体密度；个体拥挤度距离是指在h维目标空间中，取个体 C沿着每个目标的两边相邻个体之间的水平距离，并将C个这样的水平距离相加作为个体C 的拥挤距离dco
9.根据权利要求7所述的电力系统多目标无功优化方法，其特征在于，所述Pareto支配概念包括以下概念1)Pareto支配关系S指所有可行解组成的集合，对于第一决策变量u和第二决策变量 V,且u e S, V e S,若满足
全文摘要
本发明公开了属于电力系统无功优化领域的电力系统多目标无功优化方法。本发明通过改进Memetic算法以适应多目标优化，并应用于电力系统的多目标无功优化问题，最终求解多目标问题的Pareto最优解集；判断算法收敛条件是否满足，若满足则优化结束并输出优化结果。本发明的有益效果为本发明提出了解决多目标无功优化问题的一种算法，在发挥Memetic算法融合了局部搜索和进化计算、具有较高的全局搜索能力等已有优势的同时，更适于解决多目标问题，提高了搜索效率并改善了算法的鲁棒性。
文档编号H02J3/18GK102611119SQ20121006726
公开日2012年7月25日 申请日期2012年3月14日 优先权日2012年3月14日
发明者李元诚, 李彬 申请人:华北电力大学