一種基于遺傳算法引導(dǎo)Trust-Tech技術(shù)的配電網(wǎng)電容器配置方法
【專利摘要】本發(fā)明公開了一種基于遺傳算法引導(dǎo)Trust?Tech技術(shù)的配電網(wǎng)電容器配置方法，包括以下步驟：以配電網(wǎng)電容器運行期間的總費用最小為目標(biāo)函數(shù)，建立電容器配置的受約束非線性優(yōu)化模型；構(gòu)建潮流方程、節(jié)點電壓、線路熱極限和能夠安裝電容器的最大/最小數(shù)目的約束條件；群體中的每個個體都用二進(jìn)制字符串來表示，利用遺傳算法，以隨機(jī)搜索的方式確定初步最優(yōu)解，減少優(yōu)化層數(shù)；利用Trust?Tech技術(shù)，以逐層搜索的方式找到每一個區(qū)域的局部最優(yōu)解，直至滿足搜索條件。本發(fā)明在解決配電網(wǎng)中電容器配置問題時，克服優(yōu)化問題的強非線性、控制變量混合整數(shù)、傳統(tǒng)方法難以獲得全局最優(yōu)解、計算量結(jié)果隨機(jī)等難題。
【專利說明】
一種基于遺傳算法引導(dǎo)Trust-Tech技術(shù)的配電網(wǎng)電容器配置 方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及一種基于遺傳算法引導(dǎo)Trust-Tech技術(shù)的配電網(wǎng)電容器配置方法。
【背景技術(shù)】
[0002] 配電網(wǎng)是電力供應(yīng)的最后一個環(huán)節(jié)，若網(wǎng)絡(luò)中有大量的無功流動，造成配電網(wǎng)網(wǎng) 損增大，電壓質(zhì)量變低。因此，在有功傳輸功率不變情況下，盡量減小網(wǎng)絡(luò)中無功功率的傳 輸，這就需要在網(wǎng)絡(luò)中配置無功電源，使無功就地平衡，該方法經(jīng)濟(jì)有效，但是如何合理配 置無功電源是一個非常復(fù)雜的問題。
[0003] 配電網(wǎng)的無功優(yōu)化問題是多約束、含整數(shù)、帶有不確定性的大規(guī)模非線性規(guī)劃問 題。其目標(biāo)函數(shù)不可微，其控制變量既有連續(xù)變量(如，節(jié)點電壓，發(fā)電機(jī)的無功出力）又有 離散變量(如變壓器分接頭位置，補償電抗器和電容器的投切容量)優(yōu)化過程十分復(fù)雜。
[0004] 配電網(wǎng)的無功優(yōu)化方法可分為數(shù)學(xué)優(yōu)化方法和模擬進(jìn)化算法兩類。數(shù)學(xué)優(yōu)化方法 有:經(jīng)典法、線性規(guī)劃法、非線性規(guī)劃法、混合整數(shù)規(guī)劃方法等;傳統(tǒng)優(yōu)化方法在應(yīng)用時需要 對問題做某些簡化或假設(shè)，這往往會使得優(yōu)化結(jié)果與實際情況不符，從而限制了其應(yīng)用范 圍。模擬進(jìn)化算法主要有遺傳算法、禁忌算法、人工神經(jīng)網(wǎng)路算法、模糊優(yōu)化算法、粒子群算 法等。
[0005] 但這類算法的表現(xiàn)依賴于參數(shù)選擇且計算量較大，具有不能獲得全局最優(yōu)解，結(jié) 果隨機(jī)性等缺點。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明為了解決上述問題，提出了一種基于遺傳算法引導(dǎo)Trust-Tech技術(shù)的配電 網(wǎng)電容器配置方法，該方法針對配電網(wǎng)無功優(yōu)化問題的強非線性、控制變量為混合整數(shù)、傳 統(tǒng)方法難以獲得全局最優(yōu)解、計算量結(jié)果隨機(jī)等難題，基于Trust-Tech的動態(tài)分解點法可 以從一個已知的局部最優(yōu)解出發(fā)定位另一個局部最優(yōu)解，通過逐層計算，從中找出全局最 優(yōu)解，能夠在解空間中確定全局最優(yōu)解的開發(fā)區(qū)域并且指導(dǎo)Trust-Tech在開發(fā)區(qū)域中找到 全部的局部最優(yōu)解。該方法具有確定性，而不是傳統(tǒng)方法(GA等)那樣得到的結(jié)果具有隨機(jī) 性。
[0007] 為了實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：
[0008] -種基于遺傳算法引導(dǎo)Trust-Tech技術(shù)的配電網(wǎng)電容器配置方法，包括以下步 驟：
[0009] (1)以配電網(wǎng)電容器運行期間的總費用最小為目標(biāo)函數(shù)，建立電容器配置的受約 束非線性優(yōu)化模型；
[0010] (2)構(gòu)建潮流方程、節(jié)點電壓、線路熱極限和能夠安裝電容器的最大/最小數(shù)目的 約束條件；
[0011] (3)利用遺傳算法，以隨機(jī)搜索的方式確定初步最優(yōu)解，減少優(yōu)化層數(shù)；
[0012] (4)利用Trust-Tech技術(shù)，以逐層搜索的方式找到每一個區(qū)域的局部最優(yōu)解，直至 滿足搜索條件。
[0013] 所述步驟(1)中，確定受約束非線性優(yōu)化模型，以電容器配置方案在運行期間系統(tǒng) 的總費用最小為目標(biāo)函數(shù)。
[0014] 優(yōu)選的，所述步驟（1)中，總費用包括有功功率損耗的費用，安裝電容器的費用和 替換電容器的費用。
[0015] 所述步驟⑴中，各部分費用的總和表示為：
[0016] f (x) =Closs+Ccap (N.4)
[0017] 其中：
[0018] 是一個時間段內(nèi)有功功率損耗的費用；
[0019]
€示電容器的相關(guān)費用；
[0020] Nil表不負(fù)荷水平;P/表不負(fù)荷水平11下的總功率損耗:Crp表不每千瓦時的有功功 率損耗費用;Dn表示負(fù)荷水平11的持續(xù)時間，N bus表示總的節(jié)點數(shù)，表示第η個節(jié)點的p 相上新安裝的電容器的規(guī)格表示第η個節(jié)點的ρ相上所更換的電容器的規(guī)格， ? Jc'l表示新安裝的電容器的費用，％ (<Γ ?表示更換電容器的費用。
[0021] 所述步驟(2)中，采用三相不平衡電力系統(tǒng)模型作為潮流方程，以潮流方程式為等 式約束。
[0022] 所述步驟(2)中，以每個節(jié)點的電壓約束，每條線路的熱極限約束，以及能夠安裝 的電容器的最大/最小電容器數(shù)目為不等式約束，具體為節(jié)點的電壓在相電壓幅值的上下 限內(nèi)，電流幅值在上下限之間，所有種類的電容器和每一種電容器的數(shù)目均在各自的上下 限內(nèi)。
[0023]所述步驟(3)中，具體步驟包括：
[0024] (3-1)隨機(jī)給出多條染色體，評估每一條染色體的適應(yīng)度函數(shù)；
[0025] (3-2)創(chuàng)建新種群，根據(jù)染色體的適應(yīng)度選擇雙親染色體，進(jìn)行交叉、變異，直到新 種群完整；
[0026] (3-3)輸出現(xiàn)種群中的最優(yōu)解。
[0027] 所述步驟(3-1)中，群體中的每個個體都用二進(jìn)制字符串來表示，字符串中包含著 候選電容器的規(guī)格和定位信息，適應(yīng)度函數(shù)定義為：
[0028] Fitnessi = fmax-fi
[0029] 其中FitneSSl是群體中的第i個個體的適應(yīng)度值，fmax是群體中所有個體的目標(biāo)函 數(shù)值中的最大值，h是群體中的第i個個體的目標(biāo)函數(shù)值。
[0030] 所述步驟(3-2)中，具體方法為：
[0031] (3-2-1)根據(jù)染色體的適應(yīng)度從種群中選擇兩條雙親染色體；
[0032] (3-2-2)對于選中用于繁殖下一代的雙親染色體，隨機(jī)地選擇兩個個體的相同位 置，按交叉概率在選中位置進(jìn)行交換來產(chǎn)生新的個體；
[0033] (3-2-3)以變異概率對新個體進(jìn)行變異；
[0034] (3-2-4)將新個體放入一個新的種群中，直到滿足終止條件。
[0035]所述步驟(4)中，以逐層搜索的方式找到每一個區(qū)域的局部最優(yōu)解，先從第一層開 始尋找所有局部最優(yōu)解，具體步驟為：
[0036] (4-1)構(gòu)造相應(yīng)的梯度系統(tǒng)，生成一個搜索方向從遠(yuǎn)離動力系統(tǒng)中穩(wěn)定平衡點并 向穩(wěn)定邊界方向進(jìn)行搜索；
[0037] (4-2)識別搜索方向上與穩(wěn)定邊界相交的逸出點，如果有逸出點存在，則從逸出點 開始對梯度系統(tǒng)進(jìn)行數(shù)值積分，沿著分解點穩(wěn)定流行的軌跡，直到尋找到某點使梯度系統(tǒng) 等于零，確定最小梯度點；
[0038] (4-3)利用最小梯度點計算對應(yīng)的分解點，該分解點連通初始穩(wěn)定平衡點與另一 個相鄰的穩(wěn)定平衡點，從找到的動態(tài)分解點周圍生成一點，該點位于相鄰穩(wěn)定平衡點的穩(wěn) 定域內(nèi)；
[0039] (4-4)根據(jù)生成的點對梯度系統(tǒng)進(jìn)行積分，得到一條收斂于相應(yīng)穩(wěn)定平衡點的軌 跡。
[0040] 所述步驟(4)中，將電容器配置的受約束非線性優(yōu)化模型構(gòu)造成一個相應(yīng)的非線 性動力學(xué)系統(tǒng)，使用步驟(3)中得到的初步最優(yōu)解作為初始值，在找到了所有第一層的局部 最優(yōu)解之后停止搜尋過程或達(dá)到最大數(shù)目的搜索方向或最大數(shù)目的局部最優(yōu)解之后停止 搜索過程。
[0041] 本發(fā)明的有益效果為：
[0042] (1)提出的由遺傳算法引導(dǎo)的Trust-Tech技術(shù)能夠幫助遺傳算法大大提升計算效 率并且能找到更好的解，改善啟發(fā)式算法的局部尋優(yōu)能力；
[0043] (2)Trust-Tech技術(shù)探索階段的核心特點是它能夠逐層的計算出所有的局部最優(yōu) 解，然后從中找出全局最優(yōu)解，如果初始點離全局最優(yōu)解較遠(yuǎn)，計算幾層局部最優(yōu)解之后可 以找到全局最優(yōu)解；
[0044] (3)由遺傳算法引導(dǎo)的Trust-Tech技術(shù)的另一個特點是它的求解過程具有確定 性，而不像啟發(fā)式算法那樣得到的解是隨機(jī)的，通過動態(tài)分解點來從一個已知的局部最優(yōu) 解出發(fā)來定位另一個局部最優(yōu)解；
[0045] (4)本發(fā)明在解決配電網(wǎng)中電容器配置問題時，克服優(yōu)化問題的強非線性、控制變 量混合整數(shù)、傳統(tǒng)方法難以獲得全局最優(yōu)解、計算結(jié)果隨機(jī)等難題，是將網(wǎng)絡(luò)損耗和運行成 本降低到最小的切實可行的方法。在優(yōu)化電網(wǎng)電壓分布，提高功率因數(shù)和提升系統(tǒng)傳輸能 力等方面效果顯著。
【附圖說明】
[0046]圖1是本發(fā)明的流程不意圖。
【具體實施方式】：
[0047]下面結(jié)合附圖與實施例對本發(fā)明作進(jìn)一步說明。
[0048] 如圖1所示，基于遺傳算法引導(dǎo)Trust-Tech技術(shù)將分為兩個階段應(yīng)用于電容器配 置問題：
[0049]利用遺傳算法的探索階段和利用Trust-Tech技術(shù)的開發(fā)階段。
[0050] Trust-Tech技術(shù)的核心特點是它能通過逐層搜索的方式找到所有的局部最優(yōu)解 并在其中找到全局最優(yōu)解。如果初始點不靠近全局最優(yōu)解，則要進(jìn)行幾層局部最優(yōu)解的搜 索計算來尋找全局最優(yōu)解。因此，第一階段的目標(biāo)是減少Trust-Tech計算的層數(shù)。
[0051] 第一階段:探索階段
[0052] 遺傳算法有很多不同的類型。他的優(yōu)點之一是不需要光滑的適應(yīng)度函數(shù)，本階段 采用的是隨機(jī)搜索而不是遵循特定方向的搜索。
[0053]遺傳算法的步驟
[0054]第1步，隨機(jī)給出η條染色體(一組可行解）
[0055] 第2步，評估每一條染色體X的適應(yīng)度函數(shù)
[0056] 第3步，創(chuàng)建一個新種群，通過重復(fù)進(jìn)行下面的步驟直到這個新種群完整
[0057] 3.1 [選擇]根據(jù)染色體的適應(yīng)度從種群中選擇兩條雙親染色體(適應(yīng)度越好，被選 中的幾率越高）
[0058] 3.2[交叉]對于選中用于繁殖下一代的雙親染色體，隨機(jī)地選擇兩個個體的相同 位置，按交叉概率在選中位置進(jìn)行交換來產(chǎn)生新的個體(子代）
[0059] 3.3[變異]以變異概率對新個體進(jìn)行變異
[0060] 3.4 [接受]將新個體放入一個新的種群中
[0061]第4步，如果上面的條件滿足，則停止，并返回現(xiàn)種群中的最優(yōu)解，否則，跳轉(zhuǎn)到第2 步。
[0062]階段一的終止判據(jù)
[0063] 當(dāng)目標(biāo)函數(shù)下降速度減慢時，遺傳算法即可終止。這里提出一個判據(jù)，描述如下： 觀察發(fā)現(xiàn)在遺傳算法的前期階段，目標(biāo)函數(shù)值急速下降，隨著計算的進(jìn)行目標(biāo)函數(shù)下降速 度變得相對平緩。如果可以得到每一代的下降速度，就可以根據(jù)這些值來確定終止判據(jù)。然 而，由于遺傳算法的隨機(jī)和離散等特點，簡單地描述單一一代的速度是遠(yuǎn)遠(yuǎn)不夠的。例如， 目標(biāo)函數(shù)值可能在幾代中保持平緩，但經(jīng)過幾代后，目標(biāo)函數(shù)值的改變(變好或變壞)可能 非常劇烈。為了捕捉到目標(biāo)函數(shù)值的這些變化，可以將得到的這些代分成幾個部分，并且將 速度特性與每一部分相結(jié)合。在遺傳算法中，種群的多樣性對全局搜索能力有很重要的影 響。目標(biāo)函數(shù)值的差異可以反映種群的多樣性，它可以衡量計算的"生命力"。第i部分的生 命力定義如下：
[0064]
[0065] 其中，^ €_分別表示這一部分各代的目標(biāo)函數(shù)的最大值，最小值和平 I I 均值。
[0066] 這部分的寬度(包含的代的數(shù)目）隨i增加的函數(shù)表示如下：
[0067] Gen(i) =r · Gen(i-l)
[0068] 其中r是增長率。給定Gen(0)，可以得到相應(yīng)的V(0)和之后的每一個V(i)。計算每 一部分的V(i)/V(0)值，并預(yù)定義一個閾值，這里稱之為終止率。直到V(i)/V(0)的值小于預(yù) 定義的閾值遺傳算法停止。
[0069]第二階段:開發(fā)階段
[0070] Trust-Tech 優(yōu)化技術(shù)（Transformation Under Stability-retaining Equilibria Characterization)的一個突出的特點是它能以一種確定性的方式有條不紊 的搜尋非線性優(yōu)化問題的全部局部最優(yōu)解。它的另外一個重要的特點是它能夠逐層的向外 搜索局部最優(yōu)解，從一個局部最優(yōu)解開始，找到其周邊第一圈的局部最優(yōu)解，然后找第二層 的局部最優(yōu)解，以此類推。
[0071 ] Trust-Tech優(yōu)化方法是一種基于動力學(xué)的方法，能夠高效的找出多個局部最優(yōu)解 從而從中選出最好的解。
[0072] Trust-Tech解下述無約束優(yōu)化問題：
[0073] minC(x) (N.1)
[0074] xeRn
[0075] 其中C:Rn-R是一個有下界的函數(shù)并且擁有有限個局部最優(yōu)解.該問題的難點的 是求得C(x)的多個或是全部的局部最優(yōu)解。
[0076]對于(N. 1)描述的無約束優(yōu)化問題，考慮其對應(yīng)的動力學(xué)系統(tǒng)
[0077] r(/) = -VC(x) fj\[,2)
[0078] 其中xeRn.可以看出優(yōu)化問題（N.1)的每一個局部最優(yōu)解都對應(yīng)于梯度系統(tǒng) (N. 2)的一個穩(wěn)定平衡點?；谶@種轉(zhuǎn)換，就能通過求解梯度系統(tǒng)(N.2)的穩(wěn)定平衡點來求 解優(yōu)化問題(N. 1)的局部最優(yōu)解。
[0079] Trust-Tech技術(shù)在這一階段有重要的作用，它以逐層搜索的方式找到每一個區(qū)域 的局部最優(yōu)解。為了從無約束優(yōu)化問題的一個局部最優(yōu)解開始，定位另一個局部最優(yōu)解，這 里提出一種基于Trust-Tech的動態(tài)分解點方法(DDP)。局部最優(yōu)解，記為 Xs可以通過一種優(yōu) 化方法找到，如內(nèi)點法，梯度法或SPQ方法。
[0080]給定:一個無約束優(yōu)化問題和一個局部最優(yōu)解，記為
[0081 ]目標(biāo):找到第一層的所有局部最優(yōu)解 [0082]步驟0.構(gòu)造相應(yīng)的梯度系統(tǒng)
[0083] 步驟1.生成一個搜索方向從遠(yuǎn)離是梯度系統(tǒng)(N. 2)的一個穩(wěn)定平衡點）并向 穩(wěn)定邊界)的方向進(jìn)行搜索。
[0084] 步驟2.識別搜索方向上與穩(wěn)定邊界?/彳(X、1)相交的逸出點。
[0085] 步驟3.如果步驟2中的逸出點存在，記為Xe，則另一個相應(yīng)的穩(wěn)定平衡點（局部最 優(yōu)解)也存在(該逸出點必然位于一個分解點的穩(wěn)定流形上）。
[0086] 步驟4.從逸出點Xe3開始對系統(tǒng)(N. 2)進(jìn)行數(shù)值積分，沿著分解點穩(wěn)定流形的軌跡， 直至某一點，該點使梯度系統(tǒng)(N. 2)等于零(或近似等于零）。
[0087] 步驟5.利用步驟4中得到的最小梯度點計算相應(yīng)的分解點，該分解點連通初始穩(wěn) 定平衡點g與另一個相鄰的穩(wěn)定平衡點，其穩(wěn)定邊界交合于M(<)。
[0088] 步驟6 .從找到的動態(tài)分解點周圍生成一點，該點位于相鄰穩(wěn)定平衡點的穩(wěn)定域 內(nèi)，如步驟5所述。
[0089] 步驟7.從步驟6中生成的點開始對系統(tǒng)(N. 2)進(jìn)行積分，得到一條收斂于相應(yīng)穩(wěn)定 平衡點（另一個局部最優(yōu)解)的軌跡。
[0090] 將上述提出的兩階段方法應(yīng)用于配電網(wǎng)的電容器配置問題。
[0091] 在實際的配電網(wǎng)中，為了確定最優(yōu)的電容器配置方案，構(gòu)造一個如下所示的受約 束非線性優(yōu)化問題。
[0092] minf(x)
[0093] s.t.h(x)=0
[0094] g(x)^〇 (N.3)
[0095] 其中f (x)是目標(biāo)函數(shù)，這里的x表示狀態(tài)和控制向量，x=[xs，xc]。其中xs = [Vi, V2,…，Vn,··· ,δη]是由每個節(jié)點的每相電壓幅值和相角組成的狀態(tài)向量，Xc;= [ti,i, t1>2,…，tn,c]是由各節(jié)點上電容器的存在與否組成的控制向量(值為1表示存在，值為0表示 不存在）。目的是求得在等式約束和不等式約束下(h(x)和g(x))最小化目標(biāo)函數(shù)值所對應(yīng) 的電容器配置方案。
[0096] 目標(biāo)函數(shù)
[0097]電容器配置方案的有效性評判標(biāo)準(zhǔn)是其運行期間系統(tǒng)的總費用，其中包括有功功 率損耗的費用，安裝電容器的費用和替換電容器的費用。系統(tǒng)中各部分費用的總和可以表 示為：
[0098] f(x)=Ci〇ss+Ccap (N.4)
[0099] 其中：
[0100] ='Σ??"(?)是一個時間段內(nèi)有功功率損耗的費用
[0101 ]('哪=^^ +心^:^表示電容器的相關(guān)費用
[0102] Νιι表不負(fù)荷水平;./f表不負(fù)荷水平11下的總功率損耗:Crp表不每千瓦時的有功功 率損耗費用;Dn表示負(fù)荷水平11的持續(xù)時間，Nbus表示總的節(jié)點數(shù)，表示第η個節(jié)點的p 相上新安裝的電容器的規(guī)格。表示第η個節(jié)點的ρ相上所更換的電容器的規(guī)格。 表示新安裝的電容器的費用，表示更換電容器的費用。
[0103] 等式約束
[0104] 在電容器配置的問題中，潮流方程式作等式約束，潮流方程采用三相不平衡電力 系統(tǒng)模型(三相配電線路，變壓器/調(diào)節(jié)器，接地/不接地負(fù)荷等），可以更實際的反應(yīng)實際配 電系統(tǒng)以便給出實用的電容器配置方案。
[0105] 不等式約束
[0106] 受電力系統(tǒng)設(shè)備的限制，出于經(jīng)濟(jì)上的考量或者限于相關(guān)的管理條例，可行的電 容器配置方案需要讓所有的狀態(tài)變量值滿足不等式約束，包括每個節(jié)點的電壓約束，每條 線路的熱極限約束，還有能夠安裝的電容器的最大/最小電容器數(shù)目。
[0107] 電壓約束
[0108] 每個節(jié)點的電壓約束可以表示為
[0109] vf < v： <vr (N"5)
[0110] 其中和表示節(jié)點η的p相電壓幅值的上下界。
[0111] 熱極限約束：
[0112]對于第i條線路的p相，其熱極限定義為：
[0113] iti<if<ir (N 61
[0114] 與電壓約束相似，/產(chǎn)和/Γ.表示電流幅值的上下界。
[0115] 電容器的數(shù)量限制：
[0116] 給定一個電容器的數(shù)量范圍可以縮小搜索空間同時將計算限制在一個實際的場 景內(nèi)，電容器的數(shù)目限制可以表示為：
[0117]
(Ν.7]
[0118] 其中Capmin和Capmax分別表不所有種類的電容器和每一種電容器的數(shù)目的上下限， k是總的節(jié)點數(shù)目，C所有可用的電容器型號的數(shù)目，t是之前提到的控制變量。
[0119] 對于電容器配置問題，依照上述兩階段算法所描述的過程來實現(xiàn)，有以下特點需 要注意：
[0120] 在第一階段，群體中的每個個體都用二進(jìn)制字符串來表示，字符串中包含著候選 電容器的規(guī)格和定位信息，適應(yīng)度函數(shù)定義為：
[0121] Fitnessi = fmax-fi (N. 8)
[0122] 其中FitneSSl是群體中的第i個個體的適應(yīng)度值，fmax是群體中所有個體的目標(biāo)函 數(shù)值中的最大值，h是群體中的第i個個體的目標(biāo)函數(shù)值。
[0123] 在第二階段，最優(yōu)化問題(N.3)被構(gòu)造成了一個相應(yīng)的非線性動力學(xué)系統(tǒng)，使用第 一階段中得到的解作為其初始值，在找到了所有第一層的局部最優(yōu)解之后停止搜尋過程， 也可以在達(dá)到了最大數(shù)目的搜索方向或最大數(shù)目的局部最優(yōu)解之后停止搜索過程。
[0124] 上述雖然結(jié)合附圖對本發(fā)明的【具體實施方式】進(jìn)行了描述，但并非對本發(fā)明保護(hù)范 圍的限制，所屬領(lǐng)域技術(shù)人員應(yīng)該明白，在本發(fā)明的技術(shù)方案的基礎(chǔ)上，本領(lǐng)域技術(shù)人員不 需要付出創(chuàng)造性勞動即可做出的各種修改或變形仍在本發(fā)明的保護(hù)范圍以內(nèi)。
【主權(quán)項】
1. 一種基于遺傳算法引導(dǎo)Trust-Tech技術(shù)的配電網(wǎng)電容器配置方法，其特征是：包括 以下步驟： (1) 以配電網(wǎng)電容器運行期間的總費用最小為目標(biāo)函數(shù)，建立電容器配置的受約束非 線性優(yōu)化模型； (2) 構(gòu)建潮流方程、節(jié)點電壓、線路熱極限和能夠安裝電容器的最大/最小數(shù)目的約束 條件； (3) 利用遺傳算法，以隨機(jī)搜索的方式確定初步最優(yōu)解，減少優(yōu)化層數(shù)； (4) 利用Trust-Tech技術(shù)，以逐層搜索的方式找到每一個區(qū)域的局部最優(yōu)解，直至滿足 搜索條件。2. 如權(quán)利要求1所述的一種基于遺傳算法引導(dǎo)Trust-Tech技術(shù)的配電網(wǎng)電容器配置方 法，其特征是:所述步驟(1)中，確定受約束非線性優(yōu)化模型，以電容器配置方案的有效性評 判標(biāo)準(zhǔn)是其運行期間系統(tǒng)的總費用最小為目標(biāo)函數(shù)。3. 如權(quán)利要求1所述的一種基于遺傳算法引導(dǎo)Trust-Tech技術(shù)的配電網(wǎng)電容器配置方 法，其特征是:所述步驟(2)中，采用三相不平衡電力系統(tǒng)模型作為潮流方程，以潮流方程式 為等式約束。4. 如權(quán)利要求1所述的一種基于遺傳算法引導(dǎo)Trust-Tech技術(shù)的配電網(wǎng)電容器配置方 法，其特征是:所述步驟(2)中，以每個節(jié)點的電壓約束，每條線路的熱極限約束，以及能夠 安裝的電容器的最大/最小電容器數(shù)目為不等式約束，具體為節(jié)點的電壓在相電壓幅值的 上下限內(nèi)，電流幅值在上下限之間，所有種類的電容器和每一種電容器的數(shù)目均在各自的 上下限內(nèi)。5. 如權(quán)利要求1所述的一種基于遺傳算法引導(dǎo)Trust-Tech技術(shù)的配電網(wǎng)電容器配置方 法，其特征是:所述步驟(3)中，具體步驟包括： (3-1)隨機(jī)給出多條染色體，評估每一條染色體的適應(yīng)度函數(shù)； (3-2)創(chuàng)建新種群，根據(jù)染色體的適應(yīng)度選擇雙親染色體，進(jìn)行交叉、變異，直到新種群 完整； (3-3)輸出現(xiàn)種群中的最優(yōu)解。6. 如權(quán)利要求5所述的一種基于遺傳算法引導(dǎo)Trust-Tech技術(shù)的配電網(wǎng)電容器配置方 法，其特征是:所述步驟(3-1)中，群體中的每個個體都用二進(jìn)制字符串來表示，字符串中包 含著候選電容器的規(guī)格和定位信息，適應(yīng)度函數(shù)定義為： FitnGSSi - f max-f i 其中Fi tnessi是群體中的第i個個體的適應(yīng)度值，fmax是群體中所有個體的目標(biāo)函數(shù)值 中的最大值，A是群體中的第i個個體的目標(biāo)函數(shù)值。7. 如權(quán)利要求15所述的一種基于遺傳算法引導(dǎo)Trust-Tech技術(shù)的配電網(wǎng)電容器配置 方法，其特征是:所述步驟(3-2)中，具體方法為： (3-2-1)根據(jù)染色體的適應(yīng)度從種群中選擇兩條雙親染色體； (3-2-2)對于選中用于繁殖下一代的雙親染色體，隨機(jī)地選擇兩個個體的相同位置，按 交叉概率在選中位置進(jìn)行交換來產(chǎn)生新的個體； (3-2-3)以變異概率對新個體進(jìn)行變異； (3-2-4)將新個體放入一個新的種群中，直到滿足終止條件。8. 如權(quán)利要求1所述的一種基于遺傳算法引導(dǎo)Trust-Tech技術(shù)的配電網(wǎng)電容器配置方 法，其特征是:所述步驟(4)中，以逐層搜索的方式找到每一個區(qū)域的局部最優(yōu)解，先從第一 層開始尋找所有局部最優(yōu)解，具體步驟為： (4-1)構(gòu)造相應(yīng)的梯度系統(tǒng)，生成一個搜索方向從遠(yuǎn)離帝都系統(tǒng)中穩(wěn)定平衡點并向穩(wěn) 定邊界方向進(jìn)行搜索； (4-2)識別搜索方向上與穩(wěn)定邊界相交的逸出點，如果有逸出點存在，則從逸出點開始 對梯度系統(tǒng)進(jìn)行數(shù)值積分，沿著分解點穩(wěn)定流行的軌跡，直到尋找到某點使梯度系統(tǒng)等于 零，確定最小梯度點； (4-3)利用最小梯度點計算對應(yīng)的分解點，該分解點連通初始穩(wěn)定平衡點與另一個相 鄰的穩(wěn)定平衡點，從找到的動態(tài)分解點周圍生成一點，該點位于相鄰穩(wěn)定平衡點的穩(wěn)定域 內(nèi)； (4-4)根據(jù)生成的點對梯度系統(tǒng)進(jìn)行積分，得到一條收斂于相應(yīng)穩(wěn)定平衡點的軌跡。9. 如權(quán)利要求1所述的一種基于遺傳算法引導(dǎo)Trust-Tech技術(shù)的配電網(wǎng)電容器配置方 法，其特征是:所述步驟(4)中，將電容器配置的受約束非線性優(yōu)化模型構(gòu)造成一個相應(yīng)的 非線性動力學(xué)系統(tǒng)，使用步驟(3)中得到的初步最優(yōu)解作為初始值，在找到了所有第一層的 局部最優(yōu)解之后停止搜尋過程或達(dá)到最大數(shù)目的搜索方向或最大數(shù)目的局部最優(yōu)解之后 停止搜索過程。10. 如權(quán)利要求1所述的一種基于遺傳算法引導(dǎo)Trust-Tech技術(shù)的配電網(wǎng)電容器配置 方法，其特征是:所述步驟(1)中，總費用包括有功功率損耗的費用，安裝電容器的費用和替 換電容器的費用。
【文檔編號】H02J3/18GK105896557SQ201610257714
【公開日】2016年8月24日
【申請日】2016年4月22日
【發(fā)明人】吳健, 孫偉, 吳奎華, 楊波, 梁榮, 馮亮, 鄭志杰, 楊慎全, 張曉磊, 李昭, 李凱, 張雯, 劉淑莉, 鄧少治, 杜鵬
【申請人】國網(wǎng)山東省電力公司經(jīng)濟(jì)技術(shù)研究院, 國家電網(wǎng)公司