改进遗传算法的配电网无功优化(2)

菜单

1.1 无功优化配置的意义

无功功率平衡是指在电网运行的每一时刻，所有无功电源发出的无功功率等于所有负荷消耗的无功功率和系统中各环节无功功率的损耗之和。我们知道，要维持负荷的电压水平，就必须供给相应于该电压水平的无功功率。从根本上说，要维持整个系统的电压水平，就必须有足够的无功电源来满足系统负荷对无功功率的需求和优化系统中无功功率的损耗。如果系统无功电源不足，则会使电网处于低电压水平上的无功功率平衡，即依靠降低电压、减少负荷吸收的无功功率来弥补无功电源的不足。同样，如果由于电网缺乏调节手段使某段时间无功功率过剩，也会造成整个电网的运行电压过高。无功功率的平衡是保证电压质量的基本前提，电力系统的无功优化可以改善电压质量，使电网能安全、稳定、经济地运行。电压质量差，既对用户造成危害，同时也影响电力企业本身。应力求使电力系统运行电压接近电力设备的额定电压，通过合理分配无功来进行电压调度，从而降低线损，产生显著的经济效益和社会效益。但是由于城乡电网建设比较慢，许多城网的无功优化不足，调节手段落后，造成电压质量的严重下降和电能的大量浪费。

无功优化的目的就是使电力系统在保证电压质量的条件下，无功优化设备的布局和配置容量最合理，无功运行的网损最小。电网在进行有功规划和建设的同时，也要切实搞好无功的电力平衡和无功运行的优化。源.自|优尔,:论`文'网www.youerw.com

1.2 遗传算法

遗传算法(Genetic Algorithms-GA)是由美国密执安大学J．H．Holland教授于20世纪70年代提出的一种建立在自然选择原理和自然遗传机制上的迭代自适应概率性搜索方法。遗传算法的基本思想是将达尔文进化论引入到数学理论中，通过模拟生物进化过程来达到自学习与优化的目的。这种迭代自适应概率性搜索算法含有进化过程中的信息遗传思想及生物优胜劣汰的原则。遗传算法是基于自然界中自然遗传和自然选择的机制，是一种全新的随机搜索优化方法，与传统方法相比，该方法实现简单，对目标函数不要求可导、可微，且能方便地处理优化问题中的变量离散问题并能以较大概率达到全局最优解。由于遗传算法的这些优良特性，近年来遗传算法已经被广泛地应用于电力系统无功优化的求解。

遗传操作利用某种编码技术作用于被称为染色体的字符串，其基本思想是模拟由这些串组成群体的进化过程，核心操作是选择、交叉、变异。在遗传迭代过程中任何一代所得的最优解都可以作为整个问题的次优解，根据要求总能给出一个合理可行的优化解。用遗传算法进行无功优化，无需求导、求逆等复导数数学运算，且可以方便地引入各种约束条件，更有利于得到最优解，适合于处理混合非线性规划和多目标优化。近年来将遗传算法引入电力系统的无功优化中取得了一定的经验和成果。

阐述了遗传算法在电力系统无功优化中的应用，建立了无功优化模型，给出了遗传算法应用于无功优化的程序流程，对一个9节点系统分三种不同的计算方法进行了计算对比测试：常规潮流计算、传统的非线性规划法和遗传算法。测试结果表明：遗传算法可以有效的在整个解空间寻优，更有把握获得全局最优解，或者准全局最优解：算法原理和操作简单；鲁棒性好：由于每个个体都需要进行潮流计算，故遗传算法对大型电力系统所需的计算时间较长。文献[2][3][4]也对遗传算法应用于电力系统无功优化作了相似的研究。