[发明专利]一种电力系统的最优潮流计算方法、装置及系统

说明书

本发明实施例公开了一种电力系统最优潮流的计算方法、装置及系统，包括初始化预设参数；利用初始化后的预设参数、差分进化算法以及粒子群优化算法对预先建立的最优潮流优化数学模型进行求解，得到最优潮流解；最优潮流优化数学模型为依据发电机的参数建立的、满足约束条件的、使机组耗煤成本最低的最优潮流优化数学模型；最优潮流优化数学模型包括目标函数及约束条件。可见，在优化前期粒子群优化算法具有较快的收敛速度，优化后期差分进化算法可以增强种群跳出局部最优解的能力，从而避免算法陷入局部最优解。通过粒子群优化算法和差分进化算法的混合算法对预先建立的最优潮流优化数学模型进行求解以得到收敛速度更快、精度更高的全局最优解。

技术领域

本发明实施例涉及电力系统调度自动化技术领域，特别是涉及一种电力系统的最优潮流方法、装置及系统。

背景技术

最优潮流是当系统的结构参数及负荷给定时，通过对控制变量的寻优选择，找到满足所有运行约束条件，并使系统的某一性能指标或目标函数达到最优时的潮流分布。

最优潮流是一个典型的大规模有约束非线性多峰值的非凸规划问题，针对这类问题的求解，国内外众多学者提出了各种不同的优化算法。传统的经典解算法如简化梯度法、牛顿法、二次规划法、解耦法和内点法等，对初值非常敏感且对优化目标及约束条件有一定的要求。故鉴于这类算法的以上缺点，又有人提出了新的求解最优潮流问题的算法，目前常用的算法为粒子群优化算法，克服了经典算法对初值敏感的缺点，该算法所依赖的参数较少，并且前期具有较快的收敛速度，但是后期由于所有粒子都向最优粒子靠近，种群因丧失多样性而易陷入局部最优，从而使得到的结果并不是全局最优解。

因此，如何提供一种解决上述技术问题的电力系统的最优潮流方法、装置及系统成为本领域的技术人员目前需要解决的问题。

发明内容

本发明实施例的目的是提供一种电力系统的最优潮流方法、装置及系统，在使用过程中使得到的最优解更加优化，进一步得到全局最优解。

为解决上述技术问题，本发明实施例提供了一种电力系统最优潮流的计算方法，包括：

初始化预设参数；

利用初始化后的预设参数、差分进化算法以及粒子群优化算法对预先建立的最优潮流优化数学模型进行求解，得到最优潮流解；其中：

所述最优潮流优化数学模型为依据发电机的参数建立的、满足约束条件的、使机组耗煤成本最低的最优潮流优化数学模型；所述最优潮流优化数学模型包括目标函数及所述约束条件。

可选的，所述预设参数包括最大迭代次数以及每个所述发电机的参数；

则，所述利用初始化后的预设参数、差分进化算法以及粒子群优化算法对预先建立的数学优化模型进行求解，得到最优潮流解的过程具体为：

S221：依据所述发电机的参数及所述算法基本参数随机初始化种群，并将所有粒子分成PSO种群和DE种群；

S222：采用所述粒子群优化算法对所述PSO种群中的各个第一粒子进行速度和位置的更新，并依据潮流计算及所述目标函数分别计算出所述PSO种群中的各个当前粒子的适应度值，依据各个所述当前粒子的适应度值找到所述PSO种群中的最优适应度值对应的PSO种群最优粒子；

S223：采用所述差分进化算法对所述DE种群的各个第二粒子进行变异、交叉和选择处理以产生新的粒子个体，并通过所述潮流计算及所述目标函数分别计算出所述DE种群中的各个当前粒子的适应度值，依据各个所述当前粒子的适应度值找到所述DE种群中的最优适应度值对应的DE种群最优粒子；

S224：比较所述PSO种群中的最优适应度值以及所述DE种群中的最优适应度值，并将DE种群最优粒子中适应度值最优的粒子作为当前最优粒子，并保留进入下一代；