[发明专利]基于黄金混沌小生境粒子群算法的配电网无功优化方法

说明书

技术领域

本发明属于电力信息技术领域，其涉及一种基于黄金混沌小生境粒子群算法的配电网的无功优化方法。

背景技术

随着现代科技的发展，电力的地位也越来越突出，人们对电能质量的要求也越来越高，同时电力的安全性也受到越来越多的关注。电能作为被广泛应用的能源，节能减耗工作显得尤其重要。无功规划是电力系统安全运行的一个重要组成部分，主要是通过对电力系统的无功电源进行合理的配置，实现维持电网电压水平、改善电网稳定性、减少有功网络损耗及保证有较宽的运行裕度。近年来电力系统无功优化的越来越多，提出了大量的优化算法。目前群智能算法较为被看好，但是该类算法存在一个致命的缺点即全局搜索能力不强。以基本粒子群算法ParticleSwarmOptimization(PSO)为例，该算法容易陷入局部最优，所以算法最终效果与初始化的好坏有直接的关系。针对这个问题，各种改进的粒子群算法相应被提出，但其中绝大多数涉及到具体运用背景的先验知识，则很难推广开来，实现起来也较为困难，同时计算复杂也提高了很多。申请号为201210269543.4，名称为“一种基于小生境粒子群算法的配电网的无功优化方法”的专利申请公开了一种配电网无功优化方法，其基于小生境粒子群算法，具有较强的全局搜索能力，但存在以下缺陷：未考虑初始化的不利可能应起的不良影响，以及粒子群在搜索过程中存在的无效重复搜索等问题。

发明内容

为克服现有技术中存在的缺陷，本发明提供一种基于黄金混沌小生境粒子群算法的配电网的无功优化方法，其全局搜索能力强，容易实现，便于推广。具体的技术方案如下。

基于黄金混沌小生境粒子群算法的配电网无功优化方法，包括如下步骤：

步骤S1，建立无功规划数学模型，根据所述无功规划数学模型获得若干个粒子，所述若干个粒子的集合形成初始种群；

步骤S2，获取配电网系统的节点信息和支路信息，设置控制变量的个数及各控制变量的取值范围以及初始种群的群体规模；

步骤S3，对所述初始种群进行初始化并设置初始参数，获得初始粒子群；所述初始化是指在粒子取值范围内对所述初始种群中的粒子随机选择粒子的初始速度和初始位置，所述初始参数包括最大迭代次数和适应阈值；

步骤S4，对所述初始粒子群中的每个粒子进行潮流计算，计算所述初始粒子群中每个粒子的网损，获得每个粒子的适应度值、当前个体最优解pBest_i以及邻域最优解pBest_n,i；

步骤S5，根据每个粒子的适应度值，按照黄金分割判断方法将所述初始粒子群中的粒子分为标准粒子和混沌粒子，从而形成标准粒子群和混沌粒子群；

步骤S6，对所述混沌粒子群进行混沌变换，对所述混沌粒子群中的混沌粒子进行映射、迭代以及逆映射，从而得到变换粒子群；

步骤S7，设置惯性因子以及加速系数，根据所述惯性因子以及加速系数调整标准粒子群和变换粒子群中每个粒子的粒子速度和粒子位置，并对每个粒子中越界点的控制变量和状态变量进行调整，经调整后的粒子组成一更新粒子群；

步骤S8，对所述更新粒子群中每个粒子进行潮流计算，计算所述更新粒子群中每个粒子的综合费用；

步骤S9，若迭代次数已经达到最大迭代次数或前后两次迭代最优解的变化量小于设定的适应阈值，则执行步骤10；若不满足，则回到步骤5；

步骤S10，停止迭代，输出最优解和无功配置结果。

作为优化方案，所述步骤S1进一步包括：

选取系统的有功网损和无功设备投资的综合费用作为目标函数，并将节点电压越限及发电机无功出力越限以罚函数的形式添加到无功优化的数学模型中，如式（1）所示：