一種基于改進(jìn)cso算法的電力系統(tǒng)無功優(yōu)化方法
【專利摘要】本發(fā)明公開了一種基于改進(jìn)的CSO算法的電力系統(tǒng)無功優(yōu)化方法，所述算法是一種基于改進(jìn)縱橫交叉算法(ICSO)的群體智能搜索算法，主要包括橫向交叉、縱向交叉和差分變異三個算子。橫向交叉通過對種群內(nèi)的所有粒子進(jìn)行兩兩不重復(fù)配對，在配對粒子之間及其外緣實行搜索更新；縱向交叉是對所有維進(jìn)行配對，然后進(jìn)行算術(shù)交叉；差分變異通過對每個粒子進(jìn)行變異擾動、交叉，最后進(jìn)行擇優(yōu)選擇，三個算子通過選擇操作更新種群，不僅加快了收斂速度，同時保持了種群的多樣性。本發(fā)明的有益效果在于：本發(fā)明的改進(jìn)縱橫交叉算法(ICSO)收斂速度快、種群內(nèi)個體間信息交流完全、全局收斂能力強(qiáng)、粒子多樣性好，對于電力系統(tǒng)無功優(yōu)化這個高維度、多約束、非線性的復(fù)雜實際問題有著很好的適用性。
【專利說明】-種基于改進(jìn)CSO算法的電力系統(tǒng)無功優(yōu)化方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種電力系統(tǒng)無功優(yōu)化方法，尤其是涉及一種基于改進(jìn)cso(icso)算 法的電力系統(tǒng)無功優(yōu)化方法。

【背景技術(shù)】
[0002] 電力系統(tǒng)無功優(yōu)化對電力系統(tǒng)的高效、穩(wěn)定、經(jīng)濟(jì)運行有著極其重要的意義。作為 電力系統(tǒng)的一個典型優(yōu)化問題，無功優(yōu)化是指在滿足各種約束條件的基礎(chǔ)上，通過控制發(fā) 電機(jī)的極端電壓輸出、無功補(bǔ)償容量、有載調(diào)壓變壓器分接頭來合理配置電網(wǎng)的無功潮流 分布，使得網(wǎng)絡(luò)傳輸損耗最小，提高系統(tǒng)電壓質(zhì)量，進(jìn)而提高系統(tǒng)的安全性與經(jīng)濟(jì)性。這是 一個非線性、多維度、多約束、連續(xù)和非連續(xù)變量相結(jié)合的優(yōu)化問題。
[0003] 近年來，隨著智能算法的發(fā)展，越來越多的基于生物群體智能的優(yōu)化算法被用到 電力系統(tǒng)無功優(yōu)化問題上面來，如：粒子群算法（PS0)、進(jìn)化算法（EA)、遺傳算法（GA)、群搜 索算法（GS0)、人工蜂群算法（AC0)、蟻群算法（AC0)、差分算法（DE)等。
[0004] 這些算法雖各有特點，并在不同程度上面取得了一些進(jìn)展，但是對于電力系統(tǒng)無 功優(yōu)化這個多約束、非線性、高緯度的復(fù)雜優(yōu)化問題依然存在許多弊端。如：遺傳算法（GA) 運行時間長；粒子群算法（PS0)容易陷入局部最優(yōu)；進(jìn)化算法（EA)、人工蜂群算法（AC0)、 群搜索算法（GS0)等粒子多樣性差，控制參數(shù)多等。另外，許多算法全局收斂能力差，對于 無功優(yōu)化這個復(fù)雜模型的全局收斂能力不夠強(qiáng)，容易陷入局部最優(yōu)。
[0005] 因此，如何使得一種算法能夠高效、快速、精確地收斂到最優(yōu)解一直是一個技術(shù)難 題。


【發(fā)明內(nèi)容】

[0006] 本發(fā)明所要解決的技術(shù)問題，就是提供一種在保證粒子多樣性與算法收斂速度的 前提下，同時又具有強(qiáng)大全局收斂能力的基于改進(jìn)CS0算法的電力系統(tǒng)無功優(yōu)化方法。
[0007] 解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案是：
[0008] -種基于改進(jìn)CS0算法的電力系統(tǒng)無功優(yōu)化方法，其特征在于包括以下步驟：
[0009]S1，以系統(tǒng)有功網(wǎng)損最小為目標(biāo)函數(shù)，考慮等式約束和不等式約束，建立電力系統(tǒng) 無功優(yōu)化模型；
[0010]S2,結(jié)合電力系統(tǒng)無功優(yōu)化模型初始化種群；
[0011]S3,執(zhí)行縱向交叉后進(jìn)入選擇操作；
[0012]S4,執(zhí)行橫向交叉后進(jìn)入選擇操作；
[0013]S5,執(zhí)行差分變異后進(jìn)入選擇操作；
[0014]S6,判斷達(dá)至終止條件否：若達(dá)到最大迭代次數(shù)，則結(jié)束循環(huán)，輸出結(jié)果；否則，轉(zhuǎn) 步驟3。
[0015] 所述的步驟S1中，系統(tǒng)有功網(wǎng)損最小的目標(biāo)函數(shù)式為：
[0016] 其中，Ploss為系統(tǒng)有功網(wǎng)損；Ui，Uj分別是節(jié)點i，j的電壓幅值；Gij，0ij分別為節(jié)點i，j之間的電導(dǎo)和電壓相角差；N指種群大?。?br> [0017] 等式約束式（2)為：
[0018]

【權(quán)利要求】
1. 一種基于改進(jìn)CSO算法的電力系統(tǒng)無功優(yōu)化方法，其特征在于包括以下步驟： S1，以系統(tǒng)有功網(wǎng)損最小為目標(biāo)函數(shù)，考慮等式約束和不等式約束，建立電力系統(tǒng)無功 優(yōu)化模型； 52, 結(jié)合電力系統(tǒng)無功優(yōu)化模型初始化種群； 53, 執(zhí)行縱向交叉后進(jìn)入選擇操作； 54, 執(zhí)行橫向交叉后進(jìn)入選擇操作； 55, 執(zhí)行差分變異后進(jìn)入選擇操作； 56, 判斷達(dá)至終止條件否：若達(dá)到最大迭代次數(shù)，則結(jié)束循環(huán)，輸出結(jié)果；否則，轉(zhuǎn)步驟 S3〇
2. 根據(jù)權(quán)利要求1所述的基于改進(jìn)CSO算法的電力系統(tǒng)無功優(yōu)化方法，其特征在于： 所述的步驟S1中，系統(tǒng)有功網(wǎng)損最小的目標(biāo)函數(shù)式為：
其中，Ploss為系統(tǒng)有功網(wǎng)損；％，Uj分別是節(jié)點i，j的電壓幅值；Gy 0 u分別為節(jié)點 i，j之間的電導(dǎo)和電壓相角差；N指種群大?。? 等式約束式為：
其中，Pgi和Pdi分別為節(jié)點i的有功輸出和有功負(fù)荷；Qgi和Q di分別節(jié)點i的無功輸出 和無功負(fù)荷；By為節(jié)點i，j之間的電納； 不等式約束為：
其中，Ugi. min和Ugi. max分別為發(fā)電機(jī)i的電壓上、下限；Qei. min和Qei. max分別為電容補(bǔ)償器 i的投切組數(shù)上、下限；KTi.min和KTi._分別為有載調(diào)壓變壓器i的抽頭位置上、下限；U u.min和Uu._分別為負(fù)荷節(jié)點i的電壓上、下限；(^._和Qei._分別為發(fā)電機(jī)i無功出力的上、 下限； 式（1)、（2)和（3)構(gòu)成電力系統(tǒng)無功優(yōu)化模型。
3. 根據(jù)權(quán)利要求1所述的基于改進(jìn)CS0算法的電力系統(tǒng)無功優(yōu)化方法，其特征在于： 所述的步驟S2初始化種群具體為： 設(shè)定種群大小N，控制變量數(shù)D，D即維數(shù)，包括：發(fā)電機(jī)機(jī)端電壓、Ug無功補(bǔ)償容量Q。、 有載調(diào)壓變壓器變比KT ;最大迭代次數(shù)Maxgen，縱向交叉率pv。，橫向交叉率ph。，差分交叉率 CK，在D維問題的搜索空間內(nèi)隨機(jī)初始化種群X，其中，第i個個體為Xi = [Xn，Xi2,. . . XiD]。
4. 根據(jù)權(quán)利要求1所述的基于改進(jìn)CSO算法的電力系統(tǒng)無功優(yōu)化方法，其特征在于： 所述步驟S3中，執(zhí)行縱向交叉具體包括以下子步驟： S3-1獲取父代種群，也即差分變異后得到的解，第一代為初始種群； S3-2對父代個體的每一維進(jìn)行歸一化處理，公式如下：
其中，ie (l，N)，je (1，D) ;Pjmin和Pjmax分別為第j維控制變量的上、下限；k為當(dāng)前 代數(shù)； S3-3對種群中所有維進(jìn)行兩兩不重復(fù)配對，共有N/2對，相鄰的兩個數(shù)為配對的序號； S3-4按順序依次取出每一對，設(shè)屯，d2兩維被選中； S3-5在縱向交叉率pv。下，粒子X(i)的第屯和d2維執(zhí)行縱向交叉，公式如下： MSVC (i, dj) = r ? X (i, dj) + (1-r) ? X (i, d2) i G N (1, M), (11； d2 G N (1, D)； 其中，r為[0，1]上的均勻分布隨機(jī)數(shù);為粒子X(i)的第屯維子代； S3-6重復(fù)子步驟S3-4和步驟S3-5 d/2次； S3-7對MDV。進(jìn)行反歸一化，得到中庸解，公式如下： MSvc(i,j) =MSvc(i,j) ? (PJmax-PJmin)+PJmin ; 53- 8執(zhí)行選擇操作，獲得縱向交叉后的占優(yōu)解DSV。。
5. 根據(jù)權(quán)利要求1所述的基于改進(jìn)CS0算法的電力系統(tǒng)無功優(yōu)化方法，其特征在于： 所述步驟S4中，執(zhí)行橫向交叉具體包括以下子步驟： 54- 1獲取父代種群，也即縱向交叉的占優(yōu)解DSV。； S4-2對種群中的所有個體進(jìn)行兩兩不重復(fù)配對，共有N/2對，相鄰的兩個數(shù)為配對的 序號； S4-3按順序依次取出每一對，設(shè)粒子X(i)和X(j)被取出； S4-4在橫向交叉概率Ph。下對粒子X(i)和X(j)的第d維執(zhí)行橫線交叉，公式如下： MShc(i, d) = rj ? X(i, cD + d-rj) ? X(j, cD+Cj ? (X(i, d)-X(j, d)) MShc(j, d) = a ? X(j, d) + (l-r2) ? X(i, cD+q ? (X(j, d)-X(i, d)) 其中，d G (1，D) ;ri, r2為為[0, 1]上的均勻分布隨機(jī)數(shù)；Cl, c2為[-1，1]之間的均勻 分布隨機(jī)數(shù)；X(i，d)和X(j，d)分別為粒子i和j的第d維；MShc;(i，d)和MShc;(j，d)分別為 橫向交叉后的中庸解； S4-5重復(fù)步驟S4-3和步驟S4-4 N/2次； 54- 6執(zhí)行選擇操作，獲得橫向交叉后的占優(yōu)解DSh。。
6. 根據(jù)權(quán)利要求1所述的基于改進(jìn)CS0算法的電力系統(tǒng)無功優(yōu)化方法，其特征在于： 所述步驟S5中，執(zhí)行差分變異具體包括以下子步驟： 55- 1獲取父代種群，即橫向交叉的占優(yōu)解DSh。； S5-2對第k代中的每個個體;rf，i e (1，N)，按下式進(jìn)行變異操作： Zk+l =Xk +MF.{Xk +Xk) 1. V r2 r3 7 其中，A G (1，N)，r2 G (1，N)，r3 G (1，N),且 i 關(guān);關(guān) r2 關(guān) r3 ;MF G [〇? 05, 2],為縮 放因子；zf+1為個體zf的變異體； S5-3對種群中每個個體Xf進(jìn)行交叉操作，公式如下：
其中，CK為交叉概率，設(shè)為0.2;rnb⑴為[1，N]之間的一個隨機(jī)整數(shù)；巧+1為交叉后 得到的試驗向量； S5-4執(zhí)行選擇操作：計算試驗向量巧+1的適應(yīng)值，若較Zf更優(yōu)，則Xf+1 f t/f+1 ;否則， +1 X\ 〇
7.根據(jù)權(quán)利要求1-6任意一項所述的基于改進(jìn)CSO算法的電力系統(tǒng)無功優(yōu)化方法，其 特征在于：所述的選擇操作如下： 若中庸解MS⑴的適應(yīng)值優(yōu)于其父代X(i)，則DS(i) - MS(i);否則，DS(i) - X(i)。
【文檔編號】G06N3/00GK104348173SQ201410469609
【公開日】2015年2月11日 申請日期:2014年9月15日 優(yōu)先權(quán)日:2014年9月15日
【發(fā)明者】盧道遠(yuǎn), 陳冬灃, 歐周, 孟安波, 李專, 陳智慧 申請人:廣東電網(wǎng)公司揭陽供電局, 廣東工業(yè)大學(xué)