[发明专利]基于遗传算法的限流器优化配置方法

权利要求书

1.一种基于遗传算法的限流器优化配置方法，其特征在于，包括：

步骤S1，采用电力系统软件对系统中各节点进行三相短路电流计算，按照限流目标统计出所述系统中的所有短路电流超标节点；

步骤S2，确定各所述短路电流超标节点所对应的所有限流器可靠启动支路，所述限流器可靠启动支路为具备支持限流器可靠启动能力的支路；

步骤S3，计算出所述限流器可靠启动支路加装所述限流器后的灵敏度、并依据灵敏度计算结果筛选出各所述短路电流超标节点的候选支路；

步骤S4，基于遗传算法进行限流器配置方案分析，得出N个限流器优化配置方案，利用遗传算法进行迭代的最大迭代次数是根据限流器加装总数M得出的；

步骤S5，当N＞1时，计算各个所述限流器优化配置方案的限流效果评价指标K并采用具有最高K值的限流器优化配置方案。

2.如权利要求1所述的基于遗传算法的限流器优化配置方法，其特征在于，所述限流目标为三相短路电流标幺值阈值。

3.如权利要求2所述的基于遗传算法的限流器优化配置方法，其特征在于，包括：所述步骤S3包括：

步骤S31，计算出所述限流器可靠启动支路加装限流器后的灵敏度，得到各个所述限流器可靠启动支路的灵敏度计算结果；

步骤S32，按灵敏度由大到小的顺序，取前a条所述限流器可靠启动支路作为所述短路电流超标节点的候选支路。

4.如权利要求3所述的基于遗传算法的限流器优化配置方法，其特征在于，所述步骤S4包括：

步骤S41，根据需安装快速开关型限流器的个数确定最大迭代次数；

步骤S42，初始化遗传算法的交叉概率、变异概率、所述最大迭代次数和种群大小；初始化所述候选支路的种群并作为父代种群；

步骤S43，获取父代种群的灵敏度，计算父代种群中每个个体的适应度，所述个体的适应度的计算方式是取灵敏度和值最高值；

步骤S44，根据轮盘赌技术从父代种群中选出两个父代个体；

步骤S45，根据交叉概率对选出的两个父代个体进行交叉操作，得到两个子代个体；

步骤S46，根据变异概率对得到的两个子代个体实施单点变异，得到两个新的子代个体并计算其适应度；

步骤S47，比较得到的新子代个体的适应度和与其对应的父代个体的适应度，选择适应度较高的两个个体加入子代种群；

步骤S48，判断子代种群个体大小是否等于遗传算法的种群大小，若相等则进入步骤S49，否则返回步骤S44；

步骤S49，合并子代种群和父代种群，并从合并种群中选出与遗传算法的种群大小数量相等的个体组成新的父代种群；

步骤S410，判断遗传算法是否满足最大迭代次数，若满足，则停止算法并输出步骤S9中新父代种群里适应度最高的个体作为最优调度；否则将步骤S3中的父代种群替换为步骤S9中的新父代种群进行迭代。

5.如权利要求4所述的基于遗传算法的限流器优化配置方法，其特征在于，所述限流效果评价指标K的表达式如下：

其中，N_n为所述系统中短路电流超标节点和裕度不足节点的总数目；ε_i为其中节点i的限流效果权重系数，对于短路电流超标节点i，ε_i＝1，对于裕度不足节点i，θ_i为所述节点i的短路电流裕度，

其中，I_set为短路电流限制目标值，I_i'为限流后所述节点i的三相短路电流值。

6.如权利要求5所述的基于遗传算法的限流器优化配置方法，其特征在于，裕度不足代表所述节点i的限流裕度低于10％。

7.如权利要求6所述的基于遗传算法的限流器优化配置方法，其特征在于，所述步骤S5以后，还包括：

当N＝1时，采用所述限流器优化配置方案。