[发明专利]基于集成学习的无功优化方法

说明书

本发明公开了一种基于集成学习的无功优化方法，包括步骤：(1)确定系统参数。(2)搭建电网无功优化模型；(3)构建集成学习优化器，具体步骤为：(3‑1)选择子优化器；(3‑2)构建集成优化器；(4)采用集成学习优化器求解无功优化模型，制定无功优化策略。本发明设计的基于集成学习的无功优化方法，构建集成学习优化器，提出了一种全新的优化求解思路。

技术领域

本发明涉及电子系统优化运行与控制领域，尤其涉及一种基于集成学习的无功优化方法。

背景技术

现代社会中，节能减排越来越受到人们的重视，我国政府非常重视节能，供电企业也应当响应国家政策。而对电网的无功实行优化是提升电能质量、减小电网网损、增强电网电力传送能力的紧要措施。

在当前的研究中，无功优化的目标函数现有的研究主要着眼于降低网损和提高电压质量。对此采用传统的数学解决方法，主要有：线性规划法、非线性规划方法等，这些方法各有其特点与优越性，但是对离散变量处理方面有一定限制。而对于无功优化的非线性与多目标以及大电网的复杂性，应用非线性规划法进行处理时候容易出现收敛性差现象。另一种解决方法是采用经典智能算法，人们通过观察大自然的一些动物行为(一般是群体物种)后，从中获得启发，便归纳总结出智能算法，但智能算法也存在搜索速度缓慢，且易陷于局部最优的缺点。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于集成学习的无功优化方法。本发明通过建立大电网的无功优化模型，并且构建集成学习的优化器，集成多种智能算法，求解无功优化模型，从而得到电网无功优化的策略。

本发明的目的能够通过以下技术方案实现：

一种基于集成学习的无功优化方法，包括步骤：

确定系统参数；

搭建电网无功优化的模型；

构建集成学习优化器；

采用集成学习优化器求解无功优化模型，制定无功优化策略。

本发明相较于现有技术，具有以下的有益效果：

1、本发明基于集成学习方法，通过构建学习优化器对无功电网模型进行求解，提出了一种全新的优化求解思路。

2、本发明解决了大电网无功优化模型求解速度慢以及难以寻找最优解的难题，且集成学习方法是经典智能算法与先进人工智能思想的结合，对于相似类型的离散优化问题具有极强的适应性，对类似优化模型具有很大的参考价值。

因此，一种集成多种智能算法，采用多个优化器集成优化的集成学习方法被采用用来解决上述问题，使无功优化模型能得到快速有效的求解，尤其在大规模的电网当中，决策变量较多，计算规模较大，采用集成学习的方法，能够使优化过程收敛速度加快，同时提高寻优搜索的精度无疑可以极大地节约计算资源和时间。

附图说明

图1是一种基于集成学习的无功优化方法的流程图。

图2是集成学习模型的流程图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例

如图1所示为一种基于集成学习的无功优化方法的流程图，包括如下步骤：

(1)确定系统参数。

系统的参数主要包括各无功投入容量Q_c、各变压器变比K_T，系统的网架结构，各节点的有功和无功负荷值，各发电机的有功出力P_G、各无功出力Q_G和各网络节点电压V。

(2)搭建电网无功优化模型，具体步骤为：