[发明专利]一种多目标无功优化方法、装置、计算机设备及存储介质

说明书

本申请实施例公开了一种多目标无功优化方法、装置、计算机设备及存储介质，其通过确定每个所述粒子的初始个体最优粒子与初始全局最优粒子，采用正态云发生器产生自适应惯性权重因子以平衡粒子群探索与开发能力，选取全局最优粒子，从而充分利用优秀非可行解和可行解所携带的方向性指导信息以使算法快速收敛到Pareto最优前端，并利用循环舍弃策略以保证Pareto解集分布的均匀性和多样性，获得一组更好地Pareto前沿、分布均匀的非劣解，从而给决策者提供了多样化选择的机会。

技术领域

本申请涉及电力电子技术领域，尤其涉及一种多目标无功优化方法、装置、计算机设备及存储介质。

背景技术

传统的无功优化问题是指在系统出力、网络结构给定的情形下，在允许电压偏移的合理范围内，通过改变发电机端电压、有载变压器变比和无功补偿容量来进行潮流调整，从而使系统的有功网损达到最小。

20世纪70年代后期以来，在全球范围内已连续发生了多次电压崩溃事故，在高峰负荷时期因缺少足够无功功率的支撑而引起的电压崩溃。一旦发生就很难挽回，将造成了巨大的经济损失和社会生活混乱，因此，在研究无功优化问题中有必要综合考虑系统的经济性和安全性于一体。

多目标优化问题的子目标之间存在着不可公度性以及相互冲突性，这些特点导致了多目标优化问题在理论上不会存在唯一的全局最优解，而是存在着一组Pareto最优解集。

基于上述分析，本发明采用了多种策略来改进粒子群优化算法，以此来适应多目标无功优化问题的求解。

发明内容

本申请提供了一种多目标无功优化方法、装置、计算机设备及存储介质，旨在获得一组更好地Pareto前沿、分布均匀的非劣解，从而给决策者提供了多样化选择的机会。

第一方面，本申请提供了一种多目标无功优化方法，其包括：

获取系统相关参数，根据第一预设规则选取预设个数的粒子生成第一初始种群，并确定每个所述粒子的初始个体最优粒子与初始全局最优粒子；

通过正态云发生器产生自适应惯性权重因子，并生成动态学习因子，根据第二预设规则对所述第一初始种群进行更新以形成第一新种群；

对所述第一新种群进行可行粒子群和不可行粒子群划分，并计算对应的可行非支配解和不可行非支配解，将所述不可行非支配解保存到不可行解集中，将所述可行非支配解保存到可行解集中，并根据第三预设规则在所述可行解集或不可行解集中选取当前全局最优粒子以及当前个体最优粒子；

将所述第一初始种群与所述第一新种群进行合并，形成第一合并种群，并对所述第一合并种群内的粒子进行非支配排序；

根据所述第一预设规则在所述第一合并种群中的选取预设个数的粒子生成第二初始种群，并将所述第二初始种群替换所述第一初始种群进行迭代运算；

判断所述迭代运算的次数是否达到预设迭代运算次数阈值；

若所述迭代运算的次数达到预设迭代运算次数阈值，输出可行解集中的Pareto前沿以及最优折衷解。

第二方面，本申请提供了一种多目标无功优化装置，其包括：

初始化单元，用于获取系统相关参数，根据第一预设规则选取预设个数的粒子生成第一初始种群，并确定每个所述粒子的初始个体最优粒子与初始全局最优粒子；

更新单元，用于通过正态云发生器产生自适应惯性权重因子，并生成动态学习因子，根据第二预设规则对所述第一初始种群进行更新以形成第一新种群；