粒子群优化算法在电力系统无功优化中的应用

《粒子群优化算法在电力系统无功优化中的应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、天津大学硕十学位论文第一章绪论输出的无功功率补偿，减少了电网电源向感性负荷提供并由线路输送的无功功率，也就减少了无功功率在电网中的流动。我们知道，流经供电线路的电流1包括有功电流分量IP和无功电流IQ，TI扣焉，线路功率损耗为△P=312Rj3(1ez+I口2)R=3Ip2R+3Io2R，当无功电流IQ减少，则线路损耗随之减少，可以降低线路和变压器因无功功率造成的电能损耗。1．2无功优化的意义以及研究现状电力系统无功优化是指满足系统各种运行约束的条件下，通过优化计算，确定发电机的机端电压、有载调压

2、变压器的分接头位和无功补偿设备投入等，以达到系统有功网损最小等目标函数。无功优化是通过调节电网中的各种设备来改变无功潮流在网络中的分布，从而达到降损节能的目的。电力系统的无功功率是保证电力系统质量的必要条件，无功功率在电力系统中的合理分配是充分利用无功电源，改善电压质量，减少网络损耗和提高电压稳定性的重要措旄。无功优化是通过无功补偿地点的选择，无功补偿容量的确定，变压器分接头的调节和发电机端电压的配合，使系统满足各种约束条件，如有功网损最小、节点电压水平和电压稳定安全约束等，因此，无功优化不仅具有

3、经济性的意义，而且也具有安全性的意义。无功优化一直是电力系统的重要研究内容。近几十年来，人们对此进行了大量的研究，并取得了一定的成果。就无功优化的方法而言，大致可以分为常规优化方法和人工智能方法两类。电力系统无功功率常规优化方法是从某个初始点出发，按照一定的轨迹不断改进当前解，最终收敛于最优解。这类优化方法有线性规划法、非线性规划法及动态规划法等。在所有规划方法中，线性规划法是发展最为成熟的一种方法。无功优化虽然是一个非线性问题，但可以采用局部线性化的方法，将非线性目标函数和安全约束逐次线性化，仍

4、可以将线性规划法用于求解无功优化问题。其中提出的较为经典的方法是利用牛顿一拉夫逊潮流计算中的雅可比矩阵来得到系统状态变量对控制变量的灵敏度关系的“灵敏度分析法”。在进行无功优化时，利用灵敏度矩阵可以方便地引人各种约束条件，并能够较好地实现系统有功损耗为最小的优化目标。总体来说，线性规划法的数学模型简单直观，物理概念清晰，计算速度快，同时出于线性规划方法本身的完善性，使它的计算规模受到较少的限制。但由于它把系统实际优化模型作了线性近似处理，并对离散变量作了连续化处理，使计天津大学硕士学何论文第一章绪

5、论算结果往往与电力系统实际情况有差异。由于无功优化问题自身的非线性，所以非线性规划法最先被运用到电力系统无功优化之中，最具代表性的是简化梯度法。它以极坐标形式的牛顿潮流计算为基础，对等式约束用拉格朗日乘数法处理，对不等式约束用Kuhn．Tucker罚函数处理，沿着控制变量的负梯度方向进行寻优，具有一阶收敛性。这种算法原理比较简单，存储需求小，程序设计也比较简单。但也有很多缺点：在计算过程中会出现锯齿现象，收敛性较差，尤其是在接近最优点附近收敛速度很慢；每次迭代都需要重新计算潮流，计算量很大，耗时较

6、多。动态规划法是研究多阶段决策过程最优解的一种有效方法，它按时间或空间顺序将问题分解为若干相互联系的阶段，依次对它每一阶段做出决策，最后获得整个过程的最优解。动态规划对目标函数和约束条件没有严格限制，所得的最优解也常常是全局最优解。其次，动态规划法在一定的条件下也可以解决一些与时间无关的静态规划中的最优化问题，只要人为地引人“时段”因素，就可以将其转化为一个多阶段决策问题，用多阶段决策过程来求解比较容易，计算步骤也比较清楚。但动态规划法也存在缺陷，它随状态变量个数增加出现的“维数灾”问题和难以构成

7、一个实际问题的动态数学规划模型，这些都限制了它在更广泛范围内推广应用。上述用于无功优化的方法都不同程度的存在以下问题：1．依赖于精确的数学模型，但精确的数学模型比较复杂，难以适应实时控制的要求，而粗略的数学模型又存在较大误差。2．对初始点的要求比较严格，只有初始点离全局最优点较近时，才可能达到真正的最优，否则产生的只能是次优解，甚至是不可行解。3．基于导数信息的无功优化方法对目标函数和约束条件有一定的限制，如连续和可微等，必要时需做简化和近似处理。4．“维数灾”问题难以解决。针对这些问题，人们逐渐

8、把人工智能方法运用到无功优化研究邻域。人工智能包括现代启发式搜索算法、专家系统和人工神经元网络等。现代启发式搜索算法中的禁忌搜索算法(TabuSearchAlgorithm，TS)、模拟退火算法(SimulatedAnnealing。SA)、遗传算法(GeneticAlgorithm，GA)等在电力系统无功优化中的应用已取得了大量的研究成果。与严格的数学优化方法不同，以上方法可以很好地处理离散的、非线性问题。目前，这些方法已初步应用到电力系统中，在一定程度上提高了计算的收敛性和速度