本發(fā)明涉及一種動(dòng)態(tài)無功控制技術(shù)，特別涉及一種基于日實(shí)時(shí)的動(dòng)態(tài)無功優(yōu)化方法。

背景技術(shù)：

日實(shí)時(shí)的動(dòng)態(tài)電力系統(tǒng)無功優(yōu)化指在一天內(nèi)，當(dāng)電力系統(tǒng)中的負(fù)荷參數(shù)、線路參數(shù)和功率參數(shù)一定時(shí)，同時(shí)滿足系統(tǒng)變量約束條件(五個(gè)變量約束條件)，通過調(diào)節(jié)控制變量大小，即發(fā)電機(jī)端電壓、無功補(bǔ)償裝置的投切組數(shù)和變壓器的分接頭位置，使系統(tǒng)的有功網(wǎng)損達(dá)到最低。在包括以上一些基本措施外，還包括智能化算法進(jìn)行優(yōu)化和大數(shù)據(jù)處理分析過程，優(yōu)化了整個(gè)系統(tǒng)運(yùn)行過程，并將優(yōu)化思想運(yùn)用于實(shí)際工程中，更具有才實(shí)際參考價(jià)值。

舊時(shí)的動(dòng)態(tài)電力系統(tǒng)無功優(yōu)化是一個(gè)包括連續(xù)變量和離散變量的模型，是一個(gè)非線性的復(fù)雜問題，將其用通用的數(shù)學(xué)模型進(jìn)行表達(dá)，具體如下：

stk≤stk＝1,2,3...m

sck≤sck＝1,2,3...l(3)

式中vgit：各時(shí)段發(fā)電機(jī)的機(jī)端電壓；tt：各時(shí)段變壓器分接頭檔位位置。qcit：各時(shí)段無功補(bǔ)償裝置發(fā)出的無功功率。qgit:各時(shí)段發(fā)電機(jī)發(fā)出的有功功率，stk：一段時(shí)間內(nèi)k個(gè)有載變壓器分接頭動(dòng)作次數(shù)；sck：一段時(shí)間內(nèi)第k個(gè)電容器總動(dòng)作次數(shù)。

其中式(1)為目標(biāo)函數(shù)，表示為一天的電力系統(tǒng)有功網(wǎng)損最小值；式(2)為一天內(nèi)系統(tǒng)的功率等式方程；式(3)為動(dòng)態(tài)電力系統(tǒng)無功優(yōu)化的控制變量和狀態(tài)變量不等式約束條件。

針對(duì)于當(dāng)前的動(dòng)態(tài)電力系統(tǒng)無功優(yōu)化問題，很多學(xué)者研究時(shí)，都是只是單一的對(duì)節(jié)點(diǎn)電壓、節(jié)點(diǎn)電流、功率流動(dòng)等數(shù)據(jù)進(jìn)行單一分析，并沒有進(jìn)行系統(tǒng)的處理，而且大多都采用直接的方法進(jìn)行求解，如非線性內(nèi)點(diǎn)法，序列二次規(guī)劃算法。這些方法存在一定的缺陷：

若采用非線性內(nèi)點(diǎn)法和序列二次規(guī)劃算法，計(jì)算量均很大，導(dǎo)致運(yùn)行效率低，而都需要計(jì)算海森矩矩陣，求解復(fù)雜；

若只是單純采集記錄節(jié)點(diǎn)上的電流和電壓數(shù)據(jù)、以及功率流動(dòng)，不經(jīng)過系統(tǒng)性的分析，將會(huì)對(duì)優(yōu)化結(jié)果造成較大的誤差。特別是在實(shí)際的電力系統(tǒng)中，節(jié)點(diǎn)數(shù)很多，所測的數(shù)據(jù)很多，若不進(jìn)行一定技術(shù)處理，系統(tǒng)運(yùn)行正確率會(huì)受到影響。

而且當(dāng)前技術(shù)動(dòng)態(tài)無功優(yōu)化技術(shù)，大多是只調(diào)節(jié)有載調(diào)壓變壓器或者單單投切電容器，或者是變壓器和電容器同時(shí)動(dòng)作，前兩者對(duì)動(dòng)態(tài)無功優(yōu)化并沒有很大的改進(jìn)，而后者則減少了元件的使用壽命。故當(dāng)前技術(shù)還有待提高和發(fā)展。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明是針對(duì)動(dòng)態(tài)無功優(yōu)化存在的問題，提出了一種基于日實(shí)時(shí)的動(dòng)態(tài)無功優(yōu)化方法，解決現(xiàn)有的算法計(jì)算量巨大、效率差和正確率低以及設(shè)備元件壽命的問題。

本發(fā)明的技術(shù)方案為：一種基于日實(shí)時(shí)的動(dòng)態(tài)無功優(yōu)化方法，具體包括如下步驟：

1)用數(shù)據(jù)采集器測量系統(tǒng)，一周內(nèi)每天采集各負(fù)荷節(jié)點(diǎn)的節(jié)點(diǎn)電壓值vi、節(jié)點(diǎn)電流值ii以及各個(gè)的功率流動(dòng)數(shù)值有功功率值pi和無功功率值qi；將所測量到的數(shù)據(jù)，上傳云端，運(yùn)用負(fù)荷預(yù)測，預(yù)測出某一天的負(fù)荷數(shù)據(jù)；

2)確定以網(wǎng)損和分接頭調(diào)整次數(shù)以及電容器投切組數(shù)為電力系統(tǒng)動(dòng)態(tài)優(yōu)化目標(biāo)的數(shù)學(xué)模型：

式中：目標(biāo)函數(shù)f，minf表示為一天的電力系統(tǒng)有功網(wǎng)損最小值，plosst為t時(shí)段的有功網(wǎng)損，vt為t時(shí)段的負(fù)荷節(jié)點(diǎn)電壓，tt為t時(shí)段的有載變壓器的分接頭的位置，ct為電容器投切組數(shù)；

動(dòng)態(tài)優(yōu)化過程的功率平衡公式為：

式中：pgit為t時(shí)段發(fā)電機(jī)發(fā)出的有功功率；plit為t時(shí)段負(fù)荷所消耗的有功功率；bij為節(jié)點(diǎn)i和j之間的電納，gij為節(jié)點(diǎn)ij之間的電導(dǎo)；qgit為t時(shí)段發(fā)電機(jī)的無功出力；qlit為t時(shí)段負(fù)荷消耗的無功功率；qcit為t時(shí)刻的無功補(bǔ)償?shù)娜萘?，δijt為t時(shí)段節(jié)點(diǎn)i和節(jié)點(diǎn)j之間的電角度；

3)確定動(dòng)態(tài)優(yōu)化過程的各變量約束條件：

動(dòng)態(tài)優(yōu)化過程的變量約束不等式為：

stk≤stk＝1,2,3...m

sck≤sck＝1,2,3...l

式中：vgi.ti為各個(gè)時(shí)段發(fā)電機(jī)的機(jī)端電壓；ti.ti為各個(gè)時(shí)段變壓器分接頭檔位位置。qgi.ti為各個(gè)時(shí)段發(fā)電機(jī)發(fā)出的有功功率；stk為一段時(shí)間內(nèi)k個(gè)有載變壓器分接頭動(dòng)作次數(shù)；sck為一段時(shí)間內(nèi)第k個(gè)電容器投切動(dòng)作的次數(shù)；ng為系統(tǒng)中發(fā)電機(jī)數(shù)量；nt為系統(tǒng)中有載變壓器數(shù)量；nc為系統(tǒng)中無功補(bǔ)償裝置的組數(shù)；st為系統(tǒng)中變壓器分接頭動(dòng)作次數(shù)的限制；sc為系統(tǒng)中無功補(bǔ)償裝置動(dòng)作次數(shù)的上限值；m為系統(tǒng)中有載變壓器數(shù)量；l為系統(tǒng)中無功補(bǔ)償裝置的安裝數(shù)量；

4)確定動(dòng)態(tài)無功優(yōu)化控制策略：以小時(shí)為單位，將測得的負(fù)荷曲線劃分為24段，并通過數(shù)據(jù)分析，求得每一時(shí)刻負(fù)荷用電量，利用智能化算法，對(duì)t時(shí)段的負(fù)荷進(jìn)行靜態(tài)無功優(yōu)化，記錄各個(gè)控制變量及有功網(wǎng)損的值；

5)根據(jù)優(yōu)化結(jié)果，計(jì)算t和t+1時(shí)段的變壓器和電容器的投切組數(shù)的差值，并乘以各時(shí)段的負(fù)荷系數(shù)；

6)以電容為例，按大小順序排列，選出其中符合操作規(guī)定的組數(shù)；

7)記錄規(guī)定時(shí)刻的組數(shù)，即為電容器動(dòng)作的時(shí)刻，動(dòng)作時(shí)刻段的投切組數(shù)即為動(dòng)態(tài)無功優(yōu)化策略；

8)根據(jù)獲得分析的數(shù)據(jù)進(jìn)行處理，有載調(diào)壓變壓器調(diào)節(jié)動(dòng)作次數(shù)和電容器投切動(dòng)作次數(shù)，間隔性操作，即第一時(shí)段進(jìn)行有載調(diào)壓變壓器操作，第二時(shí)段則進(jìn)行電容器投切，分段操作，如此避免元件的連續(xù)動(dòng)作。

所述步驟4)中智能化算法采取三角骨架差分算法，將變壓器和電容器的調(diào)節(jié)所需要調(diào)節(jié)的具體量，作為一空間整體，中間任意一個(gè)個(gè)體位置代表具體的變壓器的投切組數(shù)和無功補(bǔ)償裝置投切的數(shù)量，具體優(yōu)化交叉公式如下：

式中：在交叉操作過程中，如果隨機(jī)產(chǎn)生數(shù)vij^k小于cr或者維數(shù)j＝q，那么取值是高斯變異中的vij^k，如若不符合要求，進(jìn)行下一步操作，將個(gè)體最優(yōu)值與位置極值進(jìn)行交叉操作，其交叉操作的概率取固定值0.4；個(gè)體最優(yōu)值以概率的形式及參與到新的實(shí)驗(yàn)向量中；q取值為(1，d)之間的任意取值，d為空間維度數(shù)；vij^k為第k次迭代時(shí)，第i個(gè)粒子的第j維變量的當(dāng)前速度；

其中概率表達(dá)式為：

(1-cr-1/d)x0.4

交叉因子自適應(yīng)表達(dá)式為：

式中：是代表在種群迭代g之后個(gè)體的更新數(shù)量，r^g表示種群迭代g之后種群中更新的個(gè)體數(shù)量占種群數(shù)的比例，cr為交叉系數(shù)，取值為0.8；np為種群數(shù)目；

基于高斯變異的變異操作，對(duì)三角骨架差分算法進(jìn)行優(yōu)化變異：在進(jìn)行變異操作時(shí)，先在種群中隨機(jī)選擇三個(gè)不同個(gè)體，將三個(gè)個(gè)體的位置(xij、xik、xiw)進(jìn)行兩兩組合相減，求絕對(duì)值，對(duì)三個(gè)絕對(duì)值求平均值；三角骨架差分算法的具體優(yōu)化變異公式如下：

μ＝((xij+xik+xiw))/3

δ＝(|xij-xik|+|xij-xiw|+|xik-xiw|)/3

vi^k＝n(μ,δ)

式中：n是以μ為均值的，以δ為標(biāo)準(zhǔn)差的一個(gè)高斯分布的函數(shù)，j,k,w三個(gè)是種群中隨機(jī)取樣的三個(gè)不同的個(gè)體。

本發(fā)明的有益效果在于：本發(fā)明基于日實(shí)時(shí)的動(dòng)態(tài)無功優(yōu)化方法，直接從電網(wǎng)中讀取所需數(shù)據(jù)，利用智能化算法有效節(jié)省運(yùn)算時(shí)間，科學(xué)權(quán)衡各無功控制器的變化狀態(tài)，實(shí)時(shí)反映電網(wǎng)變化情況。對(duì)未來的動(dòng)態(tài)無功優(yōu)化領(lǐng)域提供最堅(jiān)實(shí)的理論基礎(chǔ)，以大數(shù)據(jù)為支撐，以科學(xué)的運(yùn)行機(jī)制實(shí)現(xiàn)電網(wǎng)的動(dòng)態(tài)無功優(yōu)化，進(jìn)而產(chǎn)生巨大的經(jīng)濟(jì)利益。

附圖說明

圖1為本發(fā)明基于日實(shí)時(shí)的動(dòng)態(tài)無功優(yōu)化方法流程圖。

具體實(shí)施方式

本發(fā)明是由負(fù)荷狀態(tài)采集器連接到各負(fù)荷點(diǎn)，采集各負(fù)荷大數(shù)據(jù)，進(jìn)行處理，并傳輸給無功控制裝置以及變壓器分接頭。電力系統(tǒng)動(dòng)態(tài)無功優(yōu)化是對(duì)狀態(tài)變量、控制變量調(diào)節(jié)。根據(jù)大數(shù)據(jù)的分析，優(yōu)化指導(dǎo)整個(gè)電力網(wǎng)絡(luò)的運(yùn)行。

如圖1所示基于日實(shí)時(shí)的動(dòng)態(tài)無功優(yōu)化方法流程圖，具體包括以下步驟：

步驟s1：用數(shù)據(jù)采集器測量系統(tǒng)，一周內(nèi)每天采集各負(fù)荷節(jié)點(diǎn)的節(jié)點(diǎn)電壓值vi、節(jié)點(diǎn)電流值ii以及各個(gè)的功率流動(dòng)數(shù)值有功功率值pi和無功功率值qi。

步驟s2：將所測量到的數(shù)據(jù)，上傳云端，運(yùn)用負(fù)荷預(yù)測，預(yù)測出某一天的負(fù)荷數(shù)據(jù)。

步驟s3：確定以網(wǎng)損和分接頭調(diào)整次數(shù)以及電容器投切組數(shù)為電力系統(tǒng)動(dòng)態(tài)優(yōu)化目標(biāo)的數(shù)學(xué)模型：

式中：目標(biāo)函數(shù)f，minf表示為一天的電力系統(tǒng)有功網(wǎng)損最小值。plosst為t時(shí)段的有功網(wǎng)損，vt為t時(shí)段的負(fù)荷節(jié)點(diǎn)電壓，tt為t時(shí)段的有載變壓器的分接頭的位置，ct為電容器投切組數(shù)。

動(dòng)態(tài)優(yōu)化過程的功率平衡公式為：

式中：pgit為t時(shí)段發(fā)電機(jī)發(fā)出的有功功率；plit為t時(shí)段負(fù)荷所消耗的有功功率；bij為節(jié)點(diǎn)ij之間的電納，gij為節(jié)點(diǎn)ij之間的電導(dǎo)；qgit為t時(shí)段發(fā)電機(jī)的無功出力；qlit為t時(shí)段負(fù)荷消耗的無功功率；qcit為t時(shí)刻的無功補(bǔ)償?shù)娜萘?，δijt為t時(shí)段節(jié)點(diǎn)i和節(jié)點(diǎn)j之間的電角度。

步驟s4：確定動(dòng)態(tài)優(yōu)化過程的各變量約束條件：

動(dòng)態(tài)優(yōu)化過程的變量約束不等式為：

stk≤stk＝1,2,3...m

sck≤sck＝1,2,3...l

式中：vgi.ti為各個(gè)時(shí)段發(fā)電機(jī)的機(jī)端電壓；ti.ti為各個(gè)時(shí)段變壓器分接頭檔位位置。qgi.ti為各個(gè)時(shí)段發(fā)電機(jī)發(fā)出的有功功率。stk為一段時(shí)間內(nèi)k個(gè)有載變壓器分接頭動(dòng)作次數(shù)；sck為一段時(shí)間內(nèi)第k個(gè)電容器投切動(dòng)作的次數(shù)；ng為系統(tǒng)中發(fā)電機(jī)數(shù)量；nt為系統(tǒng)中有載變壓器數(shù)量；nc為系統(tǒng)中無功補(bǔ)償裝置的組數(shù)；st為系統(tǒng)中變壓器分接頭動(dòng)作次數(shù)的限制；sc為系統(tǒng)中無功補(bǔ)償裝置動(dòng)作次數(shù)的上限值；m為系統(tǒng)中有載變壓器數(shù)量；l為系統(tǒng)中無功補(bǔ)償裝置的安裝數(shù)量。

步驟s5：確定動(dòng)態(tài)無功優(yōu)化控制策略。以小時(shí)為單位，將測得的負(fù)荷曲線劃分為24段，并通過數(shù)據(jù)分析，求得每一時(shí)刻負(fù)荷用電量。利用智能化算法，對(duì)t時(shí)段的負(fù)荷，進(jìn)行靜態(tài)無功優(yōu)化，記錄各個(gè)控制變量及有功網(wǎng)損的值。

步驟s6：根據(jù)優(yōu)化結(jié)果，計(jì)算t和t+1時(shí)段的變壓器和電容器的投切組數(shù)的差值，并乘以各時(shí)段的負(fù)荷系數(shù)。

步驟s7：以電容為例，按大小順序排列，選出其中符合操作規(guī)定的組數(shù)。

步驟s8：記錄規(guī)定時(shí)刻的組數(shù)，即為電容器動(dòng)作的時(shí)刻，動(dòng)作時(shí)刻段的投切組數(shù)即為動(dòng)態(tài)無功優(yōu)化策略。

步驟s9：根據(jù)獲得分析的數(shù)據(jù)進(jìn)行處理，有載調(diào)壓變壓器調(diào)節(jié)動(dòng)作次數(shù)和電容器投切動(dòng)作次數(shù)，間隔性操作。即第一時(shí)段進(jìn)行有載調(diào)壓變壓器操作，第二時(shí)段則進(jìn)行電容器投切，分段操作，如此可以避免元件的連續(xù)動(dòng)作，減少元件的損耗，提高元件的使用壽命。

將智能化優(yōu)化算法與電力系統(tǒng)相結(jié)合，智能化優(yōu)化算法本文采取三角骨架差分算法，這種三角骨架差分算法和之前的算法進(jìn)行比較，個(gè)體最優(yōu)值以概率的形式及參與到新的實(shí)驗(yàn)向量中。將變壓器和電容器的調(diào)節(jié)所需要調(diào)節(jié)的具體量，作為一空間整體，中間任意一個(gè)個(gè)體位置代表具體的變壓器的投切組數(shù)和無功補(bǔ)償裝置投切的數(shù)量，對(duì)其進(jìn)行智能化優(yōu)化算法，其算法的具體優(yōu)化交叉公式如下：

式中：在交叉操作過程中，如果隨機(jī)產(chǎn)生數(shù)vij^k小于cr或者j＝q(維數(shù))，那么取值是高斯變異中的vij^k，如若不符合要求，進(jìn)行下一步操作，將個(gè)體最優(yōu)值與位置極值進(jìn)行交叉操作，其交叉操作的概率取固定值0.4。個(gè)體最優(yōu)值以概率的形式及參與到新的實(shí)驗(yàn)向量中；q取值為(1，d)之間的任意取值，d為空間維度數(shù)；vij^k為第k次迭代時(shí)，第i個(gè)粒子的第j維變量的當(dāng)前速度。

其中概率表達(dá)式為：

(1-cr-1/d)x0.4

本文中交叉因子自適應(yīng)表達(dá)式為：

式中：是代表在種群迭代g之后個(gè)體的更新數(shù)量，r^g表示種群迭代g之后種群中更新的個(gè)體占種群數(shù)的比例，cr為交叉系數(shù)，在(0,1)之間，本文取固定值0.8，d為空間維度數(shù)；np為種群數(shù)目。

基于高斯變異的變異操作，對(duì)三角骨架差分算法進(jìn)行優(yōu)化變異。在進(jìn)行變異操作時(shí)，先在種群中隨機(jī)選擇三個(gè)不同個(gè)體，將三個(gè)個(gè)體的位置(xij、xik、xiw)進(jìn)行兩兩組合相減，求絕對(duì)值，對(duì)三個(gè)絕對(duì)值求平均值。在該智能算法初始過程中，每個(gè)個(gè)體差異很大，所以將重點(diǎn)放在全局搜索；在搜索后期，個(gè)體之間差異較小，將會(huì)逐漸收斂。

三角骨架差分算法的具體優(yōu)化變異公式如下：

μ＝((xij+xik+xiw))/3

δ＝(|xij-xik|+|xij-xiw|+|xik-xiw|)/3

vi^k＝n(μ,δ)

式中：n是以μ為均值的，以δ為標(biāo)準(zhǔn)差的一個(gè)高斯分布的函數(shù)。j,k,w三個(gè)是種群中隨機(jī)取樣的三個(gè)不同的個(gè)體。隨機(jī)選取的個(gè)體即為選取三個(gè)個(gè)體的位置向量。