配电网电容器优化的研究论文

《配电网电容器优化的研究论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、配电网电容器优化的研究论文摘要：电容器优化配置和投切是配电网络优化的一项重要内容。回顾了电容器优化配置和投切的研究历史和发展现状，侧重对电容器优化投切的各种算法进行了详细评述，分析了各种算法的特点及存在的问题，以促进该研究领域的进一步发展。关键词：配电网络电容器配置投切算法1引言电容器作为配电网无功补偿的重要设备，在配电系统中被广泛使用。通过合理地在配电系统中配置和控制电容器，可以提高配电系统的电压质量，改善功率因素，降低网络损耗.freel,GA）、模拟退火(SimulatedAnnealing,SA)以及禁忌搜索（TabuSerch,TS）等）在配电网电容器优化配置问题中得到

2、应用。相对于解析方法和数学规划方法来说，启发式方法以及专家系统方法直观，易于理解，实现起来简单，但是不能确保得到最优解；针对不同的配电系统负荷状态，将人工神经网络方法应用于电容器优化配置需要频繁训练样本，对于一个有一定规模的配电网，要得到所有可能的负荷模式是困难的，而训练样本也需要大量的时间；基于随机化优化技术的方法由于能有效处理不可微的目标函数，特别适合于解决组合优化问题，实践证明这些随机化优化方法具有比传统优化方法更好的全局寻优能力，但其收敛性及计算速度有待进一步提高。3电容器优化投切配电网电容器优化投切是用来决定配电系统中已安装的电容器组在不同负荷状态下的投切策略（对于可调

3、电容器组，还要决定投切的组数），以达到减小系统运行时功率或能量损耗目的的一种运行控制手段。按照运用的优化方法不同，可以将其分为以下几类。3.1传统数学规划算法1）非线性规划1982年，Grainger等率先用非线性规划解决电容器优化问题，用恒电流模型模拟负荷和电容器，构造了相应的数学模型，并进行了一系列的研究工作7-10。由于所构造的模型7-9无法考虑元件的电压静特性，故具有一定的局限性。1985年，Grainger11将研究推向深入，引入了标准化等效馈线的概念，解决了带旁支的较复杂配电网络的无功电压控制问题，将其分解为电容器和电压调节器两个子问题，用非线性规划法求解。在电容器子

4、问题中同时考虑了规划和运行，确定了在何处安装多大容量的电容器、以及如何控制这些固定的和可控的电容器以使年综合费用最低，即在考虑电容器安装费用的基础上通过优化投切电容器以最大限度地节约电能。上述文献中，只有文献9考虑到电容器的整数约束，且用分支定界法求解；其他文献7-8，10-11都把电容器的位置和大小当成连续变量，与实际情况不符。2）线性规划邓佑满12从实时控制角度研究电容器优化投切的台数问题，推导了其逐次线性整数规划模型，并提出了适合配电网电容器投切特点的对偶松弛解法和逐次归整法。所得模型简洁，求解过程无震荡现象，收敛快，计算量小。但优化结果依赖于网络的初始状态，对于同一个系统

5、，当电容器给定的初值不同时，其优化结果不同，同时逐次归整所引起的误差取决于电容器的单台容量。作者在文献13中进一步用模糊集中的梯形模糊数考虑了预测负荷值的不确定性，并用逐次线性整数规划优化三相不平衡系统的电容器投切。TengJH在文14,15中分别考虑在不平衡和平衡配电系统中如何利用常用的线性规划技术实现电容器的实时优化控制。3）二次规划iuKN和ChiangHD28研究了GA在三相不平衡配电网电容器优化配置及控制问题中的应用，构造了两级优化模型。一级优化用遗传算法确定一个可行解空间，二级优化采用基于灵敏度分析的启发式算法，用上一级所得到的可行解空间作为搜索的初值继续寻优。该方法

6、花费的时间比单纯使用GA要少，但解的精度有所降低。文献29提出改进的GA/TS混合算法并用于配电网电容器的实时投切，用GA求解初值，然后用TS求出最优解。陈星莺等30从经济运行的角度出发，以网损最小为目标函数建立了配电网无功优化控制问题，数学约束条件主要强调电容器投切次数的限制，采用模糊动态规划法计算配电网电容器的优化投切问题。混合算法可以将方法各自的优点充分发挥出来，而避开其缺点，从这一点来说，这类算法很有发展前途，但是如何对各种算法“取长补短”，发挥各自优势，仍需要进一步研究。4结论配电网电容器优化配置和投切问题大规模非线性组合优化问题。利用传统数学优化理论，方法成熟，收敛性

7、好，可以从理论上得到全局最优解，但是这些方法大都要求目标函数连续可微，因此在应用时需要做某些简化假设，这会使得优化结果和实际情况不符，从而限制了其应用范围。基于ANN的算法可以在很短的时间内得出结果，但其精度取决于样本，而要获得完整的样本较困难，而且需要较长的时间训练样本。基于SA的算法从理论上可以获得全局最优解，但存在算法依赖参数和计算量大的缺点，可以应用于对计算速度要求不高的电容器优化配置及计划投切。GA虽然具备全局寻优能力，但其收敛性和计算量大限制了其应用。基于TS的算法由