一種基于改進(jìn)型人工蜂群算法的配電網(wǎng)無功優(yōu)化方法
【專利摘要】本發(fā)明提出一種基于改進(jìn)型人工蜂群算法的配電網(wǎng)無功優(yōu)化方法，具體包括：建立配電網(wǎng)無功優(yōu)化模型，并設(shè)置約束條件；設(shè)置控制變量和狀態(tài)變量；初始化種群；隨機(jī)產(chǎn)生種群的初始位置，并計(jì)算其適應(yīng)度值；局部尋優(yōu)；更新蜜源位置并計(jì)算其適應(yīng)度值，保留最優(yōu)解；判斷終止條件，輸出最優(yōu)解。本發(fā)明將差分算法中的交叉和變異機(jī)制引入到人工蜂群算法中，適用配電系統(tǒng)的無功優(yōu)化，加快了收斂速度，提高人工蜂群算法的局部搜索能力，降低網(wǎng)絡(luò)損耗的效果，并降低電網(wǎng)的運(yùn)行成本。
【專利說明】
-種基于改進(jìn)型人工蜂群算法的配電網(wǎng)無功優(yōu)化方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于電力信息技術(shù)領(lǐng)域，尤其是一種基于改進(jìn)型人工蜂群算法的配電網(wǎng)無 功優(yōu)化方法。
【背景技術(shù)】
[0002] 電力系統(tǒng)無功優(yōu)化指給定已知量包括有功負(fù)荷、有功電源、潮流分布，通過優(yōu)化計(jì) 算確定系統(tǒng)中能夠滿足所有約束條件的系統(tǒng)最小有功網(wǎng)損值W及質(zhì)量電壓最優(yōu)值等。系統(tǒng) 的無序流動(dòng)，將會(huì)增加其有功損耗，當(dāng)系統(tǒng)一旦發(fā)生無功不足W及擾動(dòng)現(xiàn)象時(shí)，將使電壓水 平低下，當(dāng)?shù)陀谂R界電壓時(shí)，會(huì)產(chǎn)生電壓崩潰，從而導(dǎo)致系統(tǒng)因失去同步而崩潰的災(zāi)難性事 故。
[0003] 無功優(yōu)化問題是一個(gè)多變量、多約束的非線性數(shù)學(xué)規(guī)劃問題。它的操作系統(tǒng)包括 連續(xù)變量和離散變量，其中連續(xù)變量包括節(jié)點(diǎn)電壓;離散變量按有載調(diào)壓分接頭檔位、補(bǔ)償 電容器的投切組數(shù)。進(jìn)行無功優(yōu)化潮流即電壓控制一般要對(duì)發(fā)電機(jī)端電壓、可調(diào)變壓器變 比和節(jié)點(diǎn)步長(zhǎng)無功做綜合調(diào)整，W網(wǎng)損最小作為目標(biāo)函數(shù)，對(duì)無功功率進(jìn)行優(yōu)化控制，可W 改善系統(tǒng)電壓質(zhì)量，降低有功功率損耗，節(jié)約運(yùn)行成本。在滿足系統(tǒng)各種約束的條件下，來 實(shí)現(xiàn)無功功率在電網(wǎng)中的優(yōu)化配置，使電網(wǎng)的有功損耗最小。
[0004] 人工蜂群算法是一種新型的群智能算法，它具有原理簡(jiǎn)單、控制參數(shù)少、魯棒性強(qiáng) 而被廣泛應(yīng)用。但是該算法在捜索階段存在解的利用不足，收斂速度慢，容易陷入局部最優(yōu) 等問題，為了解決運(yùn)一問題。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明所解決的技術(shù)問題在于提供一種基于改進(jìn)型人工蜂群算法的配電網(wǎng)無功 優(yōu)化方法，將差分算法中的交叉和變異機(jī)制引入到人工蜂群算法中，加快了收斂速度，提高 人工蜂群算法的局部捜索能力，降低網(wǎng)絡(luò)損耗的效果，并降低電網(wǎng)的運(yùn)行成本。
[0006] 實(shí)現(xiàn)本發(fā)明目的的技術(shù)解決方案為：
[0007] -種基于改進(jìn)型人工蜂群算法的配電網(wǎng)無功優(yōu)化方法，包括W下步驟：
[000引步驟1:建立配電網(wǎng)無功優(yōu)化模型，并設(shè)置約束條件，約束條件包括功率約束和變 量約束；
[0009] 步驟2:設(shè)置無功優(yōu)化模型的控制變量和狀態(tài)變量；
[0010] 步驟3:初始化種群，設(shè)置種群參數(shù)；
[0011] 步驟4:采用第一位置更新公式隨機(jī)產(chǎn)生種群的初始位置，并計(jì)算其適應(yīng)度值，用 貪婪選擇機(jī)制更新最優(yōu)蜜源，所述第一位置更新公式為：
[0012] xi,d=mind+ran山（0,1) X (maxd-mind)，
[0013]其中，每一個(gè)解Xi,d都用D維向量表示，mind、maxd分別表示為維數(shù)的下界、上界， randi(0,l)表示0至Ijl之間均勻分布的隨機(jī)值，i = l,2,. . . ,NP，NP表示種群大?。?br>[0014]步驟5:跟隨蜂根據(jù)概率公式并采用輪盤賭原則選擇某個(gè)雇傭蜂跟隨，并在該雇傭 蜂所在的蜜源附近進(jìn)行尋優(yōu)；
[0015] 步驟6:生成一個(gè)均勻分布的隨機(jī)值rand2(0,1)，
[0016] 若rand2(0，l)<prob(i)，則使用第二位置更新公式來更新vi,d，所述第二位置更 新公式為：
[0017] vi,d = Xa,d+L(A) X (xb,d-Xc,d),
[001引其中，VM表示更新后的蜜源位置，a，b，cG[l，N門且互不相等，L(A)表示為服從參 數(shù)入的萊維分布產(chǎn)生一個(gè)隨機(jī)捜索向量，即
'如為第t次迭代保留的的最
優(yōu)蜜源，U和V均服從正態(tài)分布 曰V=I，r表示為Gamma函數(shù)；
[0019] 若^11(12(0，1)>9的6。），則使用第^位置更新公式來更新巾1,<1，所述第^位置更 新公式為：
[0020] vi,d = Xi,d+ri,dX (xk,d-Xi,d),
[0021] 其中，XM是當(dāng)前個(gè)體蜜源位置，xk,d是隨機(jī)選擇的蜜源位置，k= I，2…NP, i聲k， Ti,d是隨機(jī)數(shù)，Ti,dG [-1，1]，d=l ,2.Jmax表示最大 迭代次數(shù)，t表示目前的迭代次數(shù)；
[0022] 步驟7:計(jì)算每一個(gè)種群的適應(yīng)度值，并采用貪婪選擇機(jī)制更新最優(yōu)蜜源；
[0023] 步驟8:根據(jù)限定值limit判斷種群是否陷入局部最優(yōu)，若種群適應(yīng)度值在經(jīng)過 limit次迭代后仍然沒有得到改進(jìn)，則判斷該種群陷入局部最優(yōu)，采用第一位置更新公式進(jìn) 行隨機(jī)捜索并計(jì)算適應(yīng)度值，采用貪婪選擇機(jī)制更新最優(yōu)蜜源;若否，轉(zhuǎn)到步驟9;
[0024] 步驟9:判斷是否達(dá)到最大迭代次數(shù)，若是，則輸出最優(yōu)解;若否，則轉(zhuǎn)到步驟4。
[0025] 進(jìn)一步的，本發(fā)明的基于改進(jìn)型人工蜂群算法的配電網(wǎng)無功優(yōu)化方法，步驟1中無 功優(yōu)化模型的目標(biāo)函數(shù)為：
[0026]
[0027] 其中，Ui為節(jié)點(diǎn)i處的電壓，Uj為節(jié)點(diǎn)j處的電壓，0ij為節(jié)點(diǎn)i、j之間的相角差，Gij為 節(jié)點(diǎn)i、j之間的電導(dǎo)，N為節(jié)點(diǎn)總數(shù)，Pioss表示無功損耗功率。
[0028] 進(jìn)一步的，本發(fā)明的基于改進(jìn)型人工蜂群算法的配電網(wǎng)無功優(yōu)化方法，步驟1中的 功率約束為：
[0029；
[0030；
[0031] 其中，Pi、Qi、Ui分別為節(jié)點(diǎn)i處注入的有功功率、無功功率和電壓，Uj為節(jié)點(diǎn)j處的 電壓，Gu、Bu、0i汾別為節(jié)點(diǎn)i、j處的電導(dǎo)、電納和相角差，N為節(jié)點(diǎn)總數(shù)。
[0032] 進(jìn)一步的，本發(fā)明的基于改進(jìn)型人工蜂群算法的配電網(wǎng)無功優(yōu)化方法，步驟1中的 變量約束為：
[0033]
[0034] 其中，UGk為發(fā)電機(jī)的電壓，UGk,min、UGk,max為可調(diào)發(fā)電機(jī)的上下限，Gk= I ,2 ,…Ng，Ng 為所有可調(diào)發(fā)電機(jī)節(jié)點(diǎn)總數(shù);Cl為不成電容器的投切組數(shù)，Cl,min、Ci,max為補(bǔ)償電容器投切組 數(shù)的上下限，il=l，2,…Ne, Nc為所有無功補(bǔ)償節(jié)點(diǎn)總數(shù);T功變壓器的分接頭檔位，L,min、 Tj,max為可調(diào)變壓器分接頭檔位的上下限，j = 1，2，…化，化為所有變壓器支路總數(shù);Ui為PQ節(jié) 點(diǎn)的電壓，化如。、化,。3功?9節(jié)點(diǎn)電壓的上下限，12=1，2，一化，化為?9節(jié)點(diǎn)總數(shù);舶功發(fā)電機(jī) 的無功出力，0時(shí),。1。、9時(shí),。3、為發(fā)電機(jī)無功出力的上下限，13=1，2^''抓。
[0035] 進(jìn)一步的，本發(fā)明的基于改進(jìn)型人工蜂群算法的配電網(wǎng)無功優(yōu)化方法，步驟2中的 控制變量包括發(fā)電機(jī)端電壓、有載調(diào)壓變壓器分接頭位置、并聯(lián)電容器和電抗器投切組 數(shù)。
[0036] 進(jìn)一步的，本發(fā)明的基于改進(jìn)型人工蜂群算法的配電網(wǎng)無功優(yōu)化方法，步驟2中的 狀態(tài)變量包括除平衡節(jié)點(diǎn)外的所有節(jié)點(diǎn)的電壓相角、除發(fā)電機(jī)或具有無功補(bǔ)償?shù)脑O(shè)備外的 節(jié)點(diǎn)的電壓模值。
[0037] 進(jìn)一步的，本發(fā)明的基于改進(jìn)型人工蜂群算法的配電網(wǎng)無功優(yōu)化方法，步驟3中的 種群參數(shù)包括種群大小NP和控制變量數(shù)D，其中種群數(shù)的一半為雇傭蜂數(shù)量，另一半為跟隨 蜂數(shù)量，控制變量數(shù)即維數(shù)，包括發(fā)電機(jī)端電壓、有載調(diào)壓變壓器變比、無功補(bǔ)償容量、最大 迭代次數(shù)MAX 口邸和限定值limit。
[0038] 進(jìn)一步的，本發(fā)明的基于改進(jìn)型人工蜂群算法的配電網(wǎng)無功優(yōu)化方法，步驟4和步 驟7中計(jì)算適應(yīng)度值的公式為：
[0039]
[0040] 其中，fi表示目標(biāo)函數(shù)，即配電系統(tǒng)的網(wǎng)損函數(shù)公式，fiti表示種群的適應(yīng)度值。
[0041] 進(jìn)一步的，本發(fā)明的基于改進(jìn)型人工蜂群算法的配電網(wǎng)無功優(yōu)化方法，步驟5中的 概率公式為：
[0042]
[0043] 其中，fiti表示種群的適應(yīng)度值，NP表示種群大小。
[0044] 本發(fā)明采用W上技術(shù)方案與現(xiàn)有技術(shù)相比，具有W下技術(shù)效果：
[0045] 1、本發(fā)明將差分算法中的交叉和變異機(jī)制引入到人工蜂群算法中，提高了種群的 多樣性，實(shí)現(xiàn)了多路徑捜索，防止算法陷入局部最優(yōu).
[0046] 2、本發(fā)明增強(qiáng)了算法的局部捜索能力，加快了收斂速度，提高全局最優(yōu)值概率；
[0047] 3、本發(fā)明適用于配電系統(tǒng)的無功優(yōu)化，能夠更大程度地減少電網(wǎng)的運(yùn)行成本。
【附圖說明】
[0048] 圖1是本發(fā)明的基于改進(jìn)型人工蜂群算法的配電網(wǎng)無功優(yōu)化方法流程圖；
[0049] 圖2是本發(fā)明的IEEE30節(jié)點(diǎn)電力系統(tǒng)結(jié)構(gòu)圖。
【具體實(shí)施方式】
[0050] 下面詳細(xì)描述本發(fā)明的實(shí)施方式，所述實(shí)施方式的示例在附圖中示出，其中自始 至終相同或類似的標(biāo)號(hào)表示相同或類似的元件或具有相同或類似功能的元件。下面通過 參考附圖描述的實(shí)施方式是示例性的，僅用于解釋本發(fā)明，而不能解釋為對(duì)本發(fā)明的限制。
[0051] 本發(fā)明提出了一種基于改進(jìn)型人工蜂群算法的配電網(wǎng)無功優(yōu)化方法，其流程圖如 圖1所示，具體包括W下步驟：
[0052] 步驟1:建立配電網(wǎng)無功優(yōu)化模型，并設(shè)置約束條件，約束條件包括功率約束和變 量約束。
[0053] 配電網(wǎng)無功優(yōu)化模型是研究無功優(yōu)化問題的基礎(chǔ)，該配電網(wǎng)由發(fā)電機(jī)、變壓器、輸 電線和負(fù)荷等組成。
[0054] 無功優(yōu)化模型的目標(biāo)函數(shù)為：
[0化5]
[0056] 其中，Ui為節(jié)點(diǎn)i處的電壓，Uj為節(jié)點(diǎn)j處的電壓，0ij為節(jié)點(diǎn)i、j之間的相角差，Gij為 節(jié)點(diǎn)i、j之間的電導(dǎo)，N為節(jié)點(diǎn)總數(shù)，Pioss表示無功損耗功率。
[0057] 功率約束為：
[0化引 [0化9]
[0060] 其中，Pi、化、Ui分別為節(jié)點(diǎn)i處注入的有功功率、無功功率和電壓，Gij、Bij、0u分別 為節(jié)點(diǎn)i、j處的電導(dǎo)、電納和相角差，N為節(jié)點(diǎn)總數(shù)。
[0061] 變量約束為：
[0062]
[006引片:下，化止，UGk,min、UGk,max為可調(diào)發(fā)電機(jī)的上下限，Gk = 1,2 ,…Ng ,Ng 為所有可調(diào)發(fā)電機(jī)節(jié)點(diǎn)總數(shù);Cl為補(bǔ)償電容器的投切組數(shù)，Cl,min、Ci,max為補(bǔ)償電容器投切組 數(shù)的上下限，il=l，2,…Ne, Nc為所有無功補(bǔ)償節(jié)點(diǎn)總數(shù);T功變壓器的分接頭檔位，L,min、 Tj,max為可調(diào)變壓器分接頭檔位的上下限，j = 1，2，…化，Nt為所有變壓器支路總數(shù);Ui為PQ 節(jié)點(diǎn)的電壓，化如。、化,。3功?9節(jié)點(diǎn)電壓的上下限，12=1，2，一化，化為?9節(jié)點(diǎn)總數(shù);舶功發(fā)電 機(jī)的無功出力，Qci, min、QGi, max為發(fā)電機(jī)無功出力的上下限，13=1,2,…Ng。
[0064] 步驟2:設(shè)置無功優(yōu)化模型的控制變量和狀態(tài)變量。
[0065] 所述控制變量包括發(fā)電機(jī)端電壓、有載調(diào)壓變壓器分接頭位置、并聯(lián)電容器和電 抗器投切組數(shù)。
[0066] 所述狀態(tài)變量包括除平衡節(jié)點(diǎn)外的所有節(jié)點(diǎn)的電壓相角、除發(fā)電機(jī)或具有無功補(bǔ) 償?shù)脑O(shè)備外的節(jié)點(diǎn)的電壓模值。
[0067] 本實(shí)施例中采用的是IE邸30系統(tǒng)，如圖2所示，該系統(tǒng)包括PV節(jié)點(diǎn)、PQ節(jié)點(diǎn)和平衡 節(jié)點(diǎn)、可調(diào)變壓器的抽頭、發(fā)電廠的無功出力、無功補(bǔ)償裝置。其中包括41條支路、21個(gè)負(fù)荷 節(jié)點(diǎn)、6臺(tái)發(fā)電機(jī)、4臺(tái)可調(diào)變壓器及2個(gè)并聯(lián)電容無功補(bǔ)償點(diǎn)。
[0068] 步驟3:初始化種群，設(shè)置種群參數(shù)。
[0069] 人工蜂群算法有=種蜂，分別為雇傭蜂、跟隨蜂、偵查蜂;其中它們的任務(wù)是在蜂 巢周圍隨機(jī)捜索蜜源，并比較捜索前后食物源的豐富程度;選擇豐富的蜜源作為捜索目標(biāo) 后會(huì)返回蜂巢與其他蜜蜂分享食物源信息，雇傭蜂會(huì)通過跳舞的形式傳達(dá)蜜源的信息;跟 隨蜂會(huì)根據(jù)雇傭蜂提供的信息按照概率選擇優(yōu)質(zhì)的蜜源進(jìn)行開采;越豐富的蜜源被選擇的 概率越大，然后跟隨蜂和雇傭蜂一樣進(jìn)行領(lǐng)域捜索，并選擇較好的解。當(dāng)一個(gè)蜜源經(jīng)過多次 開采后仍沒有改進(jìn)，雇傭蜂將會(huì)放棄該蜜源并轉(zhuǎn)成偵查蜂進(jìn)行跳躍式隨機(jī)捜索。
[0070] 所述種群參數(shù)包括種群大小NP和控制變量數(shù)D，其中，種群數(shù)的一半為雇傭蜂數(shù) 量，另一半為跟隨蜂數(shù)量;控制變量數(shù)即維數(shù)，表示為待優(yōu)化的參數(shù)，包括發(fā)電機(jī)端電壓、有 載調(diào)壓變壓器變比、無功補(bǔ)償容量和最大迭代次數(shù)。
[0071] 步驟4:采用第一位置更新公式隨機(jī)產(chǎn)生種群的初始位置，并計(jì)算其適應(yīng)度值，用 貪婪選擇機(jī)制更新最優(yōu)蜜源，所述第一位置更新公式為：
[0072] Xi,d=mind+randi(0,1) X (maxd-mind)，
[0073] 其中，每一個(gè)解xi,d都用D維向量表示，mind、maxd分別表示為維數(shù)的下界、上界， randi(0,l)表示0至Ijl之間均勻分布的隨機(jī)值，i = l,2,. . . ,NP，NP表示種群大小。
[0074] 其中，計(jì)算適應(yīng)度值的公式為：
[0075]
[0076] 其中，fi表示目標(biāo)函數(shù)，即配電網(wǎng)的網(wǎng)損函數(shù)公式，fiti表示種群的適應(yīng)度值。
[0077] 步驟5:跟隨蜂根據(jù)概率公式并采用輪盤賭原則選擇某個(gè)雇傭蜂跟隨并在該蜜源 附近進(jìn)行局部尋優(yōu)；
[0078] 加:杰/.V 氣為；
[0079]
[0080] 其中，fiti表示種群的適應(yīng)度值，NP表示種群大小。
[0081 ] 步驟6:生成一個(gè)均勻分布的隨機(jī)值rand2(0，1)，
[0082] 若rand2(0，l)<prob(i)，則使用第二位置更新公式來更新vi,d，所述第二位置更 新公式為：
[008；3] vi,d = Xa,d+L(入）X (xb,d-Xc,d)，
[0084] 其中，VM表示更新后的蜜源位置，a，b，cG [I，N門且互不相等，L(A)表示為服從參 數(shù)入的萊維分布產(chǎn)生一個(gè)隨機(jī)捜索向量，目[
'xbt為第t次迭代保留的的 最優(yōu)蜜源，U和V均服從正態(tài)分布：
， Ov=I，r表示為Gamma函數(shù)；
[0085] 若rand2(0，1)>prob(i)，則使用第S位置更新公式來更新Vi,d，所述第S位置更 新公式為：
[0086] Vi,d = Xi,d+ri,dX (xk,d-xi,d)，
[0087] 其中，Xi,d是當(dāng)前個(gè)體蜜源位置，Xk,d是隨機(jī)選擇的蜜源位置，k= I，2…NP，i聲k， ri,d是隨機(jī)數(shù)，ri,dG [-1，1]，d=l ,2...D;p;rob(i)=a+(l-a)*(Tmax-t)/Tmax，Tmax表示最大 迭代次數(shù)，t表示目前的迭代次數(shù)。
[0088] 步驟7:計(jì)算每一個(gè)種群的適應(yīng)度值，并采用貪婪選擇機(jī)制，比較Xi,d和Vi,d的適應(yīng) 度值，如果Xi, d優(yōu)于Vi, d，則用Xi, d代替Vi, d，更新最優(yōu)蜜源。
[0089] 步驟8:根據(jù)限定值limit判斷種群是否陷入局部最優(yōu)，若種群適應(yīng)度值在經(jīng)過 limit次迭代后仍然沒有得到改進(jìn)，則判斷該種群陷入局部最優(yōu)，采用第一位置更新公式進(jìn) 行隨機(jī)捜索并計(jì)算適應(yīng)度值，采用貪婪選擇機(jī)制更新最優(yōu)蜜源;若否，轉(zhuǎn)到步驟9。
[0090] 步驟9:判斷是否達(dá)到最大迭代次數(shù)，若是，則輸出最優(yōu)解;若否，則轉(zhuǎn)到步驟4。
[0091] 在本實(shí)施例中，采用如圖2所示的IE邸30節(jié)點(diǎn)系統(tǒng)進(jìn)行仿真。I邸E30節(jié)點(diǎn)為國際的 一個(gè)標(biāo)準(zhǔn)網(wǎng)絡(luò)系統(tǒng)，應(yīng)用官方給定的具體參數(shù)進(jìn)行計(jì)算。I邸E30節(jié)點(diǎn)標(biāo)準(zhǔn)系統(tǒng)有41條支路、 21個(gè)負(fù)荷節(jié)點(diǎn);6臺(tái)發(fā)電機(jī)、4臺(tái)可調(diào)變壓器及2個(gè)并聯(lián)電容無功補(bǔ)償點(diǎn)。節(jié)點(diǎn)1，2,5,8,11，13 為發(fā)電機(jī)節(jié)點(diǎn)，在發(fā)電機(jī)節(jié)點(diǎn)中，節(jié)點(diǎn)1設(shè)為平衡節(jié)點(diǎn)；節(jié)點(diǎn)2，5，8，11，13為PV節(jié)點(diǎn)；其余的 為PQ節(jié)點(diǎn)。發(fā)電機(jī)端電壓的取值范圍在0.95~1.10之間連續(xù)取值;有載調(diào)壓變壓器調(diào)節(jié)范 圍為0.9~1.1，分16個(gè)檔，調(diào)節(jié)步長(zhǎng)為0.0125;節(jié)點(diǎn)10、24為并聯(lián)電容器，初始狀態(tài)各補(bǔ)償點(diǎn) 的并聯(lián)電容器全部投入，無功補(bǔ)償裝置范圍為[0,0.5]，調(diào)節(jié)補(bǔ)償為0.5。
[0092] 本實(shí)施例取人工蜂群種群大小NP為20,雇傭蜂和跟隨蜂各取10,維度D為12,最大 迭代次數(shù)MAX 口邸=150,限定值Iimit = IOO,采用粒子群優(yōu)化算法所得的系統(tǒng)網(wǎng)絡(luò)損耗值 為5.1734MW，采用傳統(tǒng)人工蜂群優(yōu)化算法所得的系統(tǒng)網(wǎng)絡(luò)損耗值為4.2510MW，采用本發(fā)明 的改進(jìn)型人工蜂群優(yōu)化算法所得的系統(tǒng)網(wǎng)絡(luò)損耗值為4.0326MW。通過比較發(fā)現(xiàn)，本發(fā)明所 采用的改進(jìn)型人工蜂群算法具有更優(yōu)的捜尋功能，能夠有效的降低有功功率網(wǎng)絡(luò)損耗值。
[0093] W上所述僅是本發(fā)明的部分實(shí)施方式，應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人 員來說，在不脫離本發(fā)明原理的前提下，還可W做出若干改進(jìn)，運(yùn)些改進(jìn)應(yīng)視為本發(fā)明的保 護(hù)范圍。
【主權(quán)項(xiàng)】
1. 一種基于改進(jìn)型人工蜂群算法的配電網(wǎng)無功優(yōu)化方法，其特征在于，包括以下步驟： 步驟1:建立配電網(wǎng)無功優(yōu)化模型，并設(shè)置約束條件，約束條件包括功率約束和變量約 束； 步驟2:設(shè)置無功優(yōu)化模型的控制變量和狀態(tài)變量； 步驟3:初始化種群，設(shè)置種群參數(shù)； 步驟4:采用第一位置更新公式隨機(jī)產(chǎn)生種群的初始位置，并計(jì)算其適應(yīng)度值，用貪婪 選擇機(jī)制更新最優(yōu)蜜源，所述第一位置更新公式為： xi,d=mind+randi(0,1) X (maxa-mina), 其中，每一個(gè)解xi,d都用D維向量表示，mind、maxd分別表示為維數(shù)的下界、上界，randi (〇，1)表示0到1之間均勻分布的隨機(jī)值，i = l，2,...，NP，NP表示種群大??； 步驟5:跟隨蜂根據(jù)概率公式并采用輪盤賭原則選擇某個(gè)雇傭蜂跟隨，并在該雇傭蜂所 在的蜜源附近進(jìn)行尋優(yōu)； 步驟6:生成一個(gè)均勾分布的隨機(jī)值rand2(0,1)， 若瓜11(12(0，1)<?仰13(1)，則使用第二位置更新公式來更新^,(1，所述第二位置更新公式 為： Vi, d 一 Xa, d+L (λ ) X ( Xb, d_Xc, d )， 其中，Vl,d表示更新后的蜜源位置，a，b，ce[l，NP]且互不相等，L(A)表示為服從參數(shù)λ 的萊維分布產(chǎn)生一個(gè)隨機(jī)搜索向量，SP為第t次迭代保留的最優(yōu)蜜 源，u和v均服從正態(tài)分布:u~N(0,〇u2)，V~Ν(0，σν 2))ν=1，Γ 表示為Ga_a函數(shù)； 若rand2(0，l)多prob(i)，則使用第三位置更新公式來更新Vl,d，所述第三位置更新公式 為： Vi, d - Xi，d+Γ?，d X ( Xk, d_Xi，d )， 其中，Xi,d是當(dāng)前個(gè)體蜜源位置，Xk,d是隨機(jī)選擇的蜜源位置，k = l，2···ΝΡ，;?辛k，ri,d是 隨機(jī)數(shù)，ri,de [-1,1]，d = 1,2'"D;prob(i) = α+(l-a)*(Tmax_t)/Tmax，Tmax表示最大迭代 次數(shù)，t表示目前的迭代次數(shù)； 步驟7:計(jì)算每一個(gè)種群的適應(yīng)度值，并采用貪婪選擇機(jī)制更新最優(yōu)蜜源； 步驟8:根據(jù)限定值limit判斷種群是否陷入局部最優(yōu)，若種群適應(yīng)度值在經(jīng)過limit次 迭代后仍然沒有得到改進(jìn)，則判斷該種群陷入局部最優(yōu)，采用第一位置更新公式進(jìn)行隨機(jī) 搜索并計(jì)算適應(yīng)度值，采用貪婪選擇機(jī)制更新最優(yōu)蜜源;若否，轉(zhuǎn)到步驟9; 步驟9:判斷是否達(dá)到最大迭代次數(shù)，若是，則輸出最優(yōu)解;若否，則轉(zhuǎn)到步驟4。2. 根據(jù)權(quán)利要求1所述的基于改進(jìn)型人工蜂群算法的配電網(wǎng)無功優(yōu)化方法，其特征在 于，步驟1中無功優(yōu)化模型的目標(biāo)函數(shù)為：其中，Ui為節(jié)點(diǎn)i處的電壓，Uj為節(jié)點(diǎn)j處的電壓，Θ i」為節(jié)點(diǎn)i、j之間的相角差，Gi j為節(jié)點(diǎn) i、j之間的電導(dǎo)，N為節(jié)點(diǎn)總數(shù)，Plciss表示無功損耗功率。3. 根據(jù)權(quán)利要求1所述的基于改進(jìn)型人工蜂群算法的配電網(wǎng)無功優(yōu)化方法，其特征在 于，步驟1中的功率約束為：其中，Pi、Qi、Ui分別為節(jié)點(diǎn)i處注入的有功功率、無功功率和電壓，Uj為節(jié)點(diǎn)j處的電壓， 6"』^、01汾別為節(jié)點(diǎn)1、」處的電導(dǎo)、電納和相角差4為節(jié)點(diǎn)總數(shù)。4. 根據(jù)權(quán)利要求1所述的基于改進(jìn)型人工蜂群算法的配電網(wǎng)無功優(yōu)化方法，其特征在 于，步驟1中的變量約束為：其中，UGk為發(fā)電機(jī)的電壓，UGk,min、UGk,max為可調(diào)發(fā)電機(jī)的上下限，Gk= 1，2，…Ng，Ng為所 有可調(diào)發(fā)電機(jī)節(jié)點(diǎn)總數(shù)為不成電容器的投切組數(shù)，為補(bǔ)償電容器投切組數(shù)的 上下限，11 = 1，2，-教，價(jià)為所有無功補(bǔ)償節(jié)點(diǎn)總數(shù);1'」為變壓器的分接頭檔位，1'」,_、1'」,_ 為可調(diào)變壓器分接頭檔位的上下限，j = 1，2，"·Ντ，Ντ為所有變壓器支路總數(shù);U^PQ節(jié)點(diǎn)的 電壓，Ui,min、Ui,max為PQ節(jié)點(diǎn)電壓的上下限，i 2=l，2,…Nl，Nl為PQ節(jié)點(diǎn)總數(shù);QGi為發(fā)電機(jī)的無 功出力，QGi,min、QGi,max為發(fā)電機(jī)無功出力的上下限，i3 = 1，2,…Ng。5. 根據(jù)權(quán)利要求1所述的基于改進(jìn)型人工蜂群算法的配電網(wǎng)無功優(yōu)化方法，其特征在 于，步驟2中的控制變量包括發(fā)電機(jī)端電壓、有載調(diào)壓變壓器分接頭位置、并聯(lián)電容器和電 抗器投切組數(shù)。6. 根據(jù)權(quán)利要求1所述的基于改進(jìn)型人工蜂群算法的配電網(wǎng)無功優(yōu)化方法，其特征在 于，步驟2中的狀態(tài)變量包括除平衡節(jié)點(diǎn)外的所有節(jié)點(diǎn)的電壓相角、除發(fā)電機(jī)或具有無功補(bǔ) 償?shù)脑O(shè)備外的節(jié)點(diǎn)的電壓模值。7. 根據(jù)權(quán)利要求1所述的基于改進(jìn)型人工蜂群算法的配電網(wǎng)無功優(yōu)化方法，其特征在 于，步驟3中的種群參數(shù)包括種群大小NP和控制變量數(shù)D，其中種群數(shù)的一半為雇傭蜂數(shù)量， 另一半為跟隨蜂數(shù)量，控制變量數(shù)即維數(shù)，包括發(fā)電機(jī)端電壓、有載調(diào)壓變壓器變比、無功 補(bǔ)償容量、最大迭代次數(shù)MAXITER和限定值1 imi t。8. 根據(jù)權(quán)利要求1所述的基于改進(jìn)型人工蜂群算法的配電網(wǎng)無功優(yōu)化方法，其特征在 于，步驟4和步驟7中計(jì)算適應(yīng)度值的公式為：其中，fi表示目標(biāo)函數(shù)，即配電系統(tǒng)的網(wǎng)損函數(shù)公式，行^表示種群的適應(yīng)度值。9.根據(jù)權(quán)利要求1所述的基于改進(jìn)型人工蜂群算法的配電網(wǎng)無功優(yōu)化方法，其特征在 于，步驟5中的概率公式為：其中，fiti表示種群的適應(yīng)度值，NP表示種群大小。
【文檔編號(hào)】G06Q10/04GK105956706SQ201610300670
【公開日】2016年9月21日
【申請(qǐng)日】2016年5月9日
【發(fā)明人】岳東, 高 浩, 秦媛
【申請(qǐng)人】蘇州泛能電力科技有限公司