[发明专利]电力系统稳定器参数的智能优化方法

说明书

技术领域

本发明涉及一种电力技术领域的控制方法，具体是一种电力系统稳定器参数的智能优化方法。

背景技术

电力系统主要通过阻尼控制器来抑制系统的低频振荡，提高其小扰动稳定性。电力系统稳定器是常用的阻尼控制器，是一种附加励磁控制，其实质是提供励磁系统一个附加信号，通过励磁系统去增加发电机的阻尼转矩。它可以使用发电机转子速度、加速功率或系统频率，以及这些信号的组合作为输入信号。电力系统稳定器对机间振荡有很好的阻尼效果，对电力系统的安全稳定运行起着至关重要的作用。为更好的抑制低频振荡，有时需要合理调整电力系统稳定器的参数，多机的电力系统稳定器参数的优化配置已经引起了国内外研究人员的广泛关注。电力系统稳定器的参数设计方法主要包括相位补偿法和优化方法。优化方法是在相位补偿法的基础上发展起来的，这类方法可以转化为数学问题进行计算，主要有线性规划法、非线性规划法和全局优化方法等等，其中又以全局优化方法最为流行。

加装电力系统稳定器后，整个闭环系统状态矩阵的特征值决定了整个系统在稳定运行点的稳定性，每个共轭复数特征值对应系统时域响应的一个振荡模式。在优化中，往往选取系统中的机电振荡模式，并以这些振荡模式的阻尼比作为优化的评价标准，阻尼比越大，说明系统抑制低频振荡的效果越好。由于电力系统的运行状态经常发生变化，往往需要选择几种典型的运行方式进行综合优化，以多运行方式下各机电振荡模式的最小阻尼比作为优化目标函数。

多机电力系统稳定器参数配置是复杂的高维非线性离散优化问题，是传统的基于连续函数的优化方法所无法求解的。近些年来的研究热点主要集中在采用各种启发式的人工智能优化方法对电力系统稳定器参数进行优化配置。

经对现有技术的文献检索发现，王德意等在《电力系统及其自动化学报》2006，18(3)：59-62上发表的“基于遗传算法的电力系统稳定器参数优化”文中提出了将遗传算法应用于电力系统稳定器的参数优化，使用二进制编码方式对电力系统稳定器参数进行编码，采用最优保留策略，单点交叉和基本位变异等遗传算法的基本操作，对单机无穷大系统中的电力系统参数进行仿真优化。其不足在于遗传算法本身的种群缺少多样性，在优化过程中容易出现“早熟”现象；如何在优化过程中提高优化效率的同时，增强全局搜寻能力，需要进一步的研究。

发明内容

本发明针对上述现有技术中的不足，提供了一种电力系统稳定器参数的智能优化方法，在传统量子遗传算法的基础上，结合粒子群优化方法，针对电力系统稳定器参数优化的特点，在编码、形成二进制序列、量子门更新等方面进行了改进，增强了计算效率和全局寻优能力。

本发明是通过如下技术方案实现，包括如下步骤：

步骤一、根据需要优化的电力系统稳定器参数确定单个染色体的长度，对每个参数使用限定在第一象限的量子位角度进行编码，量子位角度在[5°～85°]之间平均随机生成，将所有参数编码按固定顺序排列形成第一代染色体，根据种群规模形成第一代种群，种群规模等于染色体数量，并确定最大迭代次数和优化的目标值；

步骤二、针对当前种群(第一次迭代时指步骤一所形成的第一代种群，否则为步骤五返回的最新种群)中所有染色体的每个量子位角度生成[0°～90°]之间的随机数，根据随机数同量子位角度的大小关系进行塌陷操作，形成二进制序列，并转换为十进制表示的多组电力系统稳定器参数，参数的组数等于染色体个数；

步骤三、采用步骤二测量得到的多组十进制参数分别对电力系统稳定器进行配置，得到每组参数的各运行方式下系统机电振荡模态阻尼比最小值，该最小值就是该组参数对应染色体的适应度值，并记录每个染色体在迭代过程中的历史最优二进制解和在迭代过程中所有染色体的全局最优二进制解；

步骤四、根据步骤三所得的适应度值、染色体历史最优二进制解和全局最优二进制解，使用类粒子群优化方法对量子门进行更新；

步骤五、如果达到最大迭代次数或者全局最优二进制解对应的适应度值达到优化的目标值，则输出最优解对应的电力系统稳定器参数，优化步骤结束，否则回到步骤二。