[发明专利]基于自适应粒子群算法的柔性交流输电设备优化配置方法

权利要求书

1.一种基于自适应粒子群算法的柔性交流输电设备优化配置方法，其特征在于，包括：

建立柔性交流输电网络系统中柔性交流输电设备优化配置的多目标优化模型，其中，所述多目标优化模型包括系统电压稳定性、可用输电能力和综合投资费用，以及约束条件；

基于分布熵改进的自适应粒子群算法获取柔性交流输电网络系统中各柔性交流输电设备的配置数据；

所述多目标优化模型包括：

式中：J_ATC和LSI前的负号表示其目标函数以最小值为最优；h(x)为等式约束，即无功补偿后系统潮流平衡约束等；g(x)为不等式约束；

系统电压稳定性指标LSI_P和LSI_Q定义如下：

式中，δ＝δ_i-δ_j为发受端电压相角差，Z＝R+jX为节点间支路阻抗参数，U_i为节点i电压，P_j，Q_j分别表示受端节点j的有功功率和无功功率，LSI取值范围为0＜LSI＜1，其值越大表明该支路电压稳定程度越弱，易引起电压崩溃、系统失稳；

支路k电压稳定指标LSI_k定义如下：

LSI_k＝max(LSI_P,LSI_Q),k∈σ；

式中，σ为系统支路集合；

系统电压稳定性指标LSI定义如下：

所述柔性交流输电网络系统的可用输电能力定义为:

式中：P_M为基态潮流的有功负荷，λ_i,L为利用粒子群算法结合潮流求得满足系统稳定约束下的最大负荷增长比例；

所述综合投资费用定义如下：

f＝Bπ_maxP_loss+∑(C_F×S_F)；

式中，B为有功电价，取88.74$/MWh；π_max为电网年利用最大小时数，取3600h/年；S_F为FACTS设备运行容量；C_F为其单位容量的投资费用；表示系统有功网损，g_ij为节点i、j间线路电导，U和δ分别表示节点电压幅值和电压相位差；

所述约束条件包括功率平衡约束条件和不等式约束条件：

功率平衡约束条件如下式所示：

式中：P_Gi、P_Li分别为节点i的注入有功和有功负荷；Q_Gi、Q_Li、Q_Ci分别为节点i的注入无功、无功负荷和设备补偿无功；B_ij为节点i和j间电纳；

不等式约束条件如下式所示：

式中，S_ik、S_ik,max分别为线路的视在功率及热稳定极限；S为FACTS设备容量；下角标“max”和“min”分别为对应量的上、下限；λ₀和λ分别为优化前后电压稳定裕度；η为比例系数；

所述基于分布熵改进的自适应粒子群算法获取柔性交流输电网络系统中各柔性交流输电设备的配置数据包括：

基于柔性交流输电网络数据获取所述自适应粒子群算法的初始化参数，以及随机产生N个粒子的速度与位置；

基于潮流获取每个粒子对应的可用输电能力、电压稳定指标和综合投资的参数值；

基于分布熵更新所述自适应粒子群算法的惯性权重和学习因子；

基于所述惯性权重和所述学习因子更新各粒子的速度和位置，直至获取到各粒子的最优位置；

在迭代次数等于迭代次数的最大值时，得到优化配置数据；

所述基于分布熵更新所述自适应粒子群算法的惯性权重，包括：

Step1:迭代过程中，种群粒子间最大对角线距离为L(t)＝max||x_i(t),x_j(t)||₂，令x_i(t)和x_j(t)粒子间方向矢量为g(t)；

Step2:粒子在g(t)上投影得到集合y(t)，如下式所示：

y(t)＝g(t)^Tx(t)；

Step3:将g(t)按种群规模等分，统计各区间粒子投影数h_i(t)；

Step4:迭代过程中，种群分布熵E(t)采用下式计算：

s_i(t)＝h_i(t)/N；

Step5:迭代过程中，自适应惯性权重采用下式更新：

ω(E(t))＝1/(1+1.5e^-2.6E(t))；

在优化过程中，学习因子用于指导寻优粒子的速度更新如下式所示：

引入异步更新策略使学习因子适应变化的种群离散度，实现最优解搜索，式中，n和N_max分别为迭代次数及其最大值；c_1,ini和c_2,ini为学习因子初值，c_1,fin和c_2,fin为学习因子终值。

2.一种基于自适应粒子群算法的柔性交流输电设备优化配置装置，其特征在于，包括：

优化模型建立模块，用于建立柔性交流输电网络系统中柔性交流输电设备优化配置的多目标优化模型，其中，所述多目标优化模型包括系统电压稳定性、可用输电能力和综合投资费用；

配置数据获取模块，用于基于分布熵改进的自适应粒子群算法获取柔性交流输电网络系统中各柔性交流输电设备的配置数据；

所述多目标优化模型包括：

式中：J_ATC和LSI前的负号表示其目标函数以最小值为最优；h(x)为等式约束，即无功补偿后系统潮流平衡约束等；g(x)为不等式约束；

系统电压稳定性指标LSI_P和LSI_Q定义如下：

式中，δ＝δ_i-δ_j为发受端电压相角差，Z＝R+jX为节点间支路阻抗参数，U_i为节点i电压，P_j，Q_j分别表示受端节点j的有功功率和无功功率，LSI取值范围为0＜LSI＜1，其值越大表明该支路电压稳定程度越弱，易引起电压崩溃、系统失稳；

支路k电压稳定指标LSI_k定义如下：

LSI_k＝max(LSI_P,LSI_Q),k∈σ；

式中，σ为系统支路集合；

系统电压稳定性指标LSI定义如下：

所述柔性交流输电网络系统的可用输电能力定义为:

式中：P_M为基态潮流的有功负荷，λ_i,L为利用粒子群算法结合潮流求得满足系统稳定约束下的最大负荷增长比例；

所述综合投资费用定义如下：

f＝Bπ_maxP_loss+∑(C_F×S_F)；

式中，B为有功电价，取88.74$/MWh；π_max为电网年利用最大小时数，取3600h/年；S_F为FACTS设备运行容量；C_F为其单位容量的投资费用；表示系统有功网损，g_ij为节点i、j间线路电导，U和δ分别表示节点电压幅值和电压相位差；

约束条件包括功率平衡约束条件和不等式约束条件：

功率平衡约束条件如下式所示：

式中：P_Gi、P_Li分别为节点i的注入有功和有功负荷；Q_Gi、Q_Li、Q_Ci分别为节点i的注入无功、无功负荷和设备补偿无功；B_ij为节点i和j间电纳；

不等式约束条件如下式所示：

式中，S_ik、S_ik,max分别为线路的视在功率及热稳定极限；S为FACTS设备容量；下角标“max”和“min”分别为对应量的上、下限；λ₀和λ分别为优化前后电压稳定裕度；η为比例系数；

所述配置数据获取模块包括：

参数初始化单元，用于基于柔性交流输电网络数据获取所述自适应粒子群算法的初始化参数，以及随机产生N个粒子的速度与位置；

参数值获取单元，用于基于潮流获取每个粒子对应的可用输电能力、电压稳定指标和综合投资的参数值；

惯性权重更新单元，用于基于分布熵更新所述自适应粒子群算法的惯性权重和学习因子；

最优位置获取新单元，用于基于所述惯性权重和所述学习因子更新各粒子的速度和位置，直至获取到各粒子的最优位置；

配置数据获取新单元，用于在迭代次数等于迭代次数的最大值时，得到优化配置数据；

所述惯性权重更新单元基于分布熵更新所述自适应粒子群算法的惯性权重，包括：

Step1:迭代过程中，种群粒子间最大对角线距离为L(t)＝max||x_i(t),x_j(t)||₂，令x_i(t)和x_j(t)粒子间方向矢量为g(t)；

Step2:粒子在g(t)上投影得到集合y(t)，如下式所示：

y(t)＝g(t)^Tx(t)；

Step3:将g(t)按种群规模等分，统计各区间粒子投影数h_i(t)；

Step4:迭代过程中，种群分布熵E(t)采用下式计算：

s_i(t)＝h_i(t)/N；

Step5:迭代过程中，自适应惯性权重采用下式更新：

ω(E(t))＝1/(1+1.5e^-2.6E(t))；

在优化过程中，学习因子用于指导寻优粒子的速度更新如下式所示：

引入异步更新策略使学习因子适应变化的种群离散度，实现最优解搜索，式中，n和N_max分别为迭代次数及其最大值；c_1,ini和c_2,ini为学习因子初值，c_1,fin和c_2,fin为学习因子终值。