[发明专利]一种含小型水电站的配电网系统的无功电压优化方法

说明书

本申请的一种含小型水电站的配电网系统的无功电压优化方法，包括以下步骤：计算含小型水电站的配电网系统中各节点的灵敏度；对各节点的灵敏度进行比对，选取灵敏度高于灵敏度阈值的节点为无功补偿侯选配置点；建立配电网无功优化模型、以电力系统视在功率网损最小为目标函数；利用粒子群—遗传融合算法对所述配电网无功优化模型进行求解，得到最佳无功补偿容量；通过反向等量配对原则调整含小型水电站的配电网系统的无功功率补偿量，对配电网系统进行网损补偿。本申请通过粒子群—遗传融合算法计算出最小的有功网损，改善配电网的电压分布，可以有效地降低电力系统损耗。

技术领域

本申请涉及电网降损技术领域，尤其涉及一种含小型水电站的配电网系统的无功电压优化方法。

背景技术

随着国民经济的迅速发展和用电量的增加，电网的经济运行也日益受到重视；而配电系统无功优化正是保证系统安全、经济运行的有效手段。对无功的合理优化不仅仅可以提高系统运行的电压水平，而且可以降低系统的有功网损和无功网损，提高电力系统的运行效率。

针对电力系统机组组合优化和配电网系统无功优化问题提出了如粒子群算法、遗传算法等的解决方案。粒子群算法(Particle Swarm Optimization，PSO)是一种基于群体智能的启发式算法。它收敛速度快、计算简单、通用性强，能方便地被用于求解带离散变量的非线性、不连续、多约束、多变量的复杂优化问题中。但粒子群算法存在容易陷入局部收敛的问题。遗传算法(Genetic Algorithm，GA)是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能够自适应地调整搜索方向。但由于单一的遗传算法编码不能全面将优化问题的约束表示出来，因此需要考虑对不可行解采用阈值，进而增加了工作量和求解时间，使得遗传算法效率通常低于其他传统的优化方法，遗传算法还存在容易出现过早收敛的问题。

电力系统无功优化是一个多变量、多约束、非连续性的混合非线性规划问题，因此如何综合设计优化算法进行复杂最优化问题的求解成为一个发展趋势。本申请提出一种含小型水电站的配电网系统的无功电压优化方法。

发明内容

本申请提供了一种含小型水电站的配电网系统的无功电压优化方法，以解决单一采用粒子群算法和遗传算法时存在上述的问题。

本申请采用的技术方案如下：

一种含小型水电站的配电网系统的无功电压优化方法，所述方法包括以下步骤：

计算含小型水电站的配电网系统中各节点的灵敏度；

对各节点的灵敏度进行比对，选取灵敏度高于灵敏度阈值的节点为无功补偿侯选配置点；

建立配电网无功优化模型，所述配电网无功优化模型以电力系统视在功率网损最小为目标函数；

利用粒子群—遗传融合算法对所述配电网无功优化模型进行求解，得到最佳无功补偿容量，所述最佳补偿容量对应的候选配置点为无功补偿点；

通过反向等量配对原则调整含小型水电站的配电网系统的无功功率补偿量，对配电网系统进行网损补偿。

进一步地，所述灵敏度包括待降的线路的传输功率对有功功率的灵敏度S_PG，可表示为：

其中，P_loss为有功功率损耗；P_Gi、V_i和θ_i分别为配电网中节点i的注入有功功率、电压幅值和电压相角；

将所述灵敏度S_PG进行变换得：