[发明专利]基于遗传算法的串联电容补偿装置不平衡电流优化方法

摘要

基于遗传算法的串联电容补偿装置不平衡电流优化方法，包括以下步骤：(1)根据串联电容补偿装置中电容器组的安装情况构建母本染色体；(2)根据实际需要，设置交叉和变异的约束条件、精英序列个数T、变异概率Pm、最大循环次数K以及适应度阈值F；(3)建立反映电容器组中不平衡电流大小的适应度函数公式，根据适应度函数公式计算染色体的适应度；(4)通过自交叉、变异和选择步骤不断对染色体进行优化；(5)根据最优子代染色体给出电容器组中电容器单元的调整方案。本发明通过采用遗传算法，快速找到有效降低电容器组不平衡电流的调整方案，提高了调整控制的确定性，缩短了串联电容补偿装置故障处理时间，提高了工作效率。

主权项

基于遗传算法的串联电容补偿装置不平衡电流优化方法，所述串联电容补偿装置中的电容器组采用对称H型接线，电容器单元对称的接在H臂的4个臂上，分别为A臂、B臂、C臂和D臂，每个H臂由n×m个电容器单元串并联而成，n个电容器单元串联成一个小组，又由m个小组并联组成一个H臂，在H型的桥接线上装有不平衡电流互感器，其特征在于，包括以下步骤：(1)染色体构建；对电容器组中的电容器单元进行顺序编号，A臂的电容器单元编号顺序如下表所示，B臂、C臂和D臂编号方法与A臂相同；按编号顺序，将电容器组中的电容器单元的电容量储存于一维数组中，一维数组形式为C＝[C_A‑1‑1,C_A‑1‑2,…,C_A‑1‑m,…,C_A‑j‑1,C_A‑j‑2,…,C_A‑j‑m,…,C_A‑n‑1,C_A‑n‑2,…,C_A‑n‑m,C_B‑1‑1,C_B‑1‑2,…,C_B‑1‑m,…,C_B‑j‑1,C_B‑j‑2,…,C_B‑j‑m,…,C_B‑n‑1,C_B‑n‑2,…,C_B‑n‑m,C_C‑1‑1,C_C‑1‑2,…,C_C‑1‑m,…,C_C‑j‑1,C_C‑j‑2,…,C_C‑j‑m,…,C_C‑n‑1,C_C‑n‑2,…,C_C‑n‑m,C_D‑1‑1,C_D‑1‑2,…,C_D‑1‑m,…,C_D‑j‑1,C_D‑j‑2,…,C_D‑j‑m,…,C_D‑n‑1,C_D‑n‑2,…,C_D‑n‑m]，式中，C_A‑j‑i表示A臂第i串联小组第j个电容器单元的电容量，该一维数组即为染色体；根据需要优化的串联电容补偿装置电容器组中的电容器单元初始排列方式作为母本，记录下对应编号下电容器单元的电容量，构建母本染色体；(2)设置交叉和变异的约束条件、精英序列个数T、变异概率Pm、最大循环次数K以及适应度阈值F；所述的交叉和变异的约束条件是指根据实际情况，确定电容器组中的电容器单元中是否允许被调整，允许调整的电容器单元用数字1编码，不允许调整的电容器单元用数字0编码，按步骤(1)所述的编号顺序将编码结果制成禁忌表；(3)自交叉所述的自交叉是指随机选取染色体中禁忌表编码为1的两个元素，并交换储存位置，得到新的染色体；每次循环对每一个染色体进行次独立不重复的自交叉，得到个新染色体；(4)变异利用rand函数为每一个新的染色体生成一个随机数，当生成的随机数小于变异概率Pm时，对所述的新染色体进行二次自交叉，得到子代染色体；当生成的随机数大于变异概率Pm时，保持染色体原有排序，即为子代染色体；(5)计算适应度并选择将子代染色体的各元素代入适应度函数公式，计算每个子代染色体的适应度，并根据适应度排名，选择适应度排名靠前的T个子代染色体作为精英序列，其余子代染色体被淘汰而舍弃；所述的染色体适应度公式如下：$\mathrm{fixness}\left(x\right)=|\frac{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\left(\frac{\underset{j=1}{\overset{n}{\mathrm{\Π}}}{C}_{A-j-i}}{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{C}_{A-j-i}}\right)}_i}{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\left(\frac{\underset{j=1}{\overset{n}{\mathrm{\Π}}}{C}_{A-j-i}}{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{C}_{A-j-i}}\right)}_i+\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\left(\frac{\underset{j=1}{\overset{n}{\mathrm{\Π}}}{C}_{A-j-i}}{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{C}_{A-j-i}}\right)}_i}-\frac{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\left(\frac{\underset{j=1}{\overset{n}{\mathrm{\Π}}}{C}_{C-j-i}}{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{C}_{C-j-i}}\right)}_i}{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\left(\frac{\underset{j=1}{\overset{n}{\mathrm{\Π}}}{C}_{C-j-i}}{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{C}_{C-j-i}}\right)}_i+\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\left(\frac{\underset{j=1}{\overset{n}{\mathrm{\Π}}}{C}_{C-j-i}}{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{C}_{C-j-i}}\right)}_i}|\×I;$所述的适应度即为串联电容补偿装置不平衡电流的大小，根据适应度函数公式求出的值越小，则串联电容补偿装置的不平衡电流越小，适应度越高；(6)判断判断是否满足循环终止条件，若满足终止条件，则进入下一步骤，否则，返回步骤(4)；所述的循环终止条件为：循环达到了预先设定的最大循环次数K，或T个精英序列中出现了适应度小于预先设定的适应度阈值F的子代染色体；(7)循环结束，输出T个精英序列的染色体及其适应度。