基于并行動(dòng)態(tài)無功優(yōu)化蟻群算法的應(yīng)用

周鑫,劉柱揆,許守東

(云南電網(wǎng)公司電力研究院,昆明 650217)

基于并行動(dòng)態(tài)無功優(yōu)化蟻群算法的應(yīng)用

周鑫,劉柱揆,許守東

(云南電網(wǎng)公司電力研究院,昆明 650217)

為考慮負(fù)荷變動(dòng)下動(dòng)態(tài)無功優(yōu)化控制變量全天動(dòng)作次數(shù)的限制,針對(duì)其多目標(biāo)、強(qiáng)時(shí)空耦合的特點(diǎn),以全天電能損耗最小、變壓器分接頭和電容器投切次數(shù)最少為目標(biāo)函數(shù),通過改進(jìn)調(diào)節(jié)變量動(dòng)作的時(shí)間約束,提出一種更加實(shí)用的新模型。利用并行算法計(jì)算不同目標(biāo)函數(shù),并通過多種信息素交換方可得到多組的較優(yōu)解,增加了算法的靈活性和實(shí)用性。本文蟻群算法在尋優(yōu)過程中不僅計(jì)及整個(gè)網(wǎng)絡(luò)電能損耗的減少,而且改進(jìn)了蟻群間信息素交換規(guī)則,因此能夠較快地找到對(duì)電能損耗影響較大的節(jié)點(diǎn),提高搜索速度。通過IEEE14、IEEE30系統(tǒng)仿真計(jì)算驗(yàn)證了該模型及算法的有效性和可行性。結(jié)果表明該文模型及算法能夠有效的調(diào)節(jié)及分配控制變量的動(dòng)作次數(shù),對(duì)調(diào)節(jié)時(shí)機(jī)的選擇也更為準(zhǔn)確。

動(dòng)態(tài)無功優(yōu)化;并行蟻群算法;多目標(biāo)

1 前言

電力系統(tǒng)動(dòng)態(tài)無功優(yōu)化中不僅需要考慮系統(tǒng)全天負(fù)荷的變動(dòng),還要滿足控制設(shè)備動(dòng)作次數(shù)的要求。所以,其是一個(gè)大規(guī)模、非線性、多時(shí)段的混合整數(shù)規(guī)劃。由于問題本身的復(fù)雜性和矛盾性,電網(wǎng)在實(shí)際運(yùn)行中往往是根據(jù)經(jīng)驗(yàn)安排全天的動(dòng)作時(shí)間及次數(shù)。因此,如何在保證電能質(zhì)量的前提下通過合理控制變壓器分接頭和并聯(lián)電容器投切,引起了眾多研究人員的興趣。

目前,電力系統(tǒng)動(dòng)態(tài)無功優(yōu)化目標(biāo)函數(shù)主要為在滿足動(dòng)作次數(shù)的約束條件下使電網(wǎng)全天電能損耗最小[1-8]。在此基礎(chǔ)上,文獻(xiàn) [9]針對(duì)電力市場(chǎng)下無功服務(wù)的特點(diǎn),以有功網(wǎng)損電費(fèi)和無功輔助服務(wù)費(fèi)用的總和最小為目標(biāo),提出了計(jì)及無功費(fèi)用的日無功計(jì)劃數(shù)學(xué)模型。

在求解策略上主要通過數(shù)學(xué)方法及進(jìn)化算法[10-15]仿真分析。文獻(xiàn) [11-12]應(yīng)用內(nèi)嵌離散懲罰機(jī)制的非線性原對(duì)偶內(nèi)點(diǎn)法求解動(dòng)態(tài)無功優(yōu)化問題,較好的解決內(nèi)點(diǎn)法求解時(shí)存在維數(shù)災(zāi)的問題。文獻(xiàn) [13]提出一種改進(jìn)的禁忌搜索算法,將時(shí)間段的起始點(diǎn)和該段控制變量共同構(gòu)成解向量,達(dá)到整體上優(yōu)化的效果。文獻(xiàn) [14]根據(jù)設(shè)備的壽命將動(dòng)作次數(shù)轉(zhuǎn)化為經(jīng)濟(jì)成本,保證的經(jīng)濟(jì)效益,但這樣調(diào)節(jié)可能無法有效的提高電網(wǎng)的電能質(zhì)量,不能滿足電網(wǎng)的實(shí)際需要。文獻(xiàn)[15]將一天24h的負(fù)荷曲線按照劇烈程度分為相應(yīng)的階梯狀分布曲線,各分段對(duì)采用靜態(tài)無功優(yōu)化,有效的減少了計(jì)算時(shí)間。但是靜態(tài)分時(shí)段方法無法很好的從全局上考慮每次設(shè)備動(dòng)作的效果,全局尋優(yōu)能力較弱。

文中首先根據(jù)我國(guó)110 kV及以上變壓器分接頭全天動(dòng)作次數(shù)需少于10次的規(guī)定[16-17],對(duì)模型進(jìn)行了研究,提出一種具有時(shí)間約束的新多目標(biāo)模型。然后針對(duì)該模型對(duì)多種群蟻群算法進(jìn)行討論,建立了一套新的搜索策略和信息交換規(guī)則,使蟻群能夠更加容易的得到多個(gè)全局最優(yōu)解,為實(shí)際系統(tǒng)的運(yùn)行增加了靈活性。

2 多目標(biāo)動(dòng)態(tài)無功優(yōu)化的數(shù)學(xué)模型

動(dòng)態(tài)無功優(yōu)化是一個(gè)多目標(biāo)問題,單目標(biāo)算法無法從整體上考慮動(dòng)態(tài)無功優(yōu)化的要求。為了提高電網(wǎng)運(yùn)行的可靠性、安全性、靈活性。本文選取系統(tǒng)全天電能損耗最小和調(diào)節(jié)設(shè)備動(dòng)作次數(shù)最少為目標(biāo)函數(shù),并改進(jìn)了調(diào)節(jié)設(shè)備動(dòng)作的時(shí)間約束,其目標(biāo)函數(shù)及約束條件表示如下：

(1)目標(biāo)函數(shù)

minF=(f1,f2) (1)

(2)約束條件[7]

PGi-PLi-Ui∑nj=1Uj(Gijcosδij+Bijsinδij)=0 (2)

QGi-QLi-Ui∑nj=1Uj(Gijsinδij-Bij-Bijcosδij)=0 (3)

QGimin≤QGi≤QGimax(4)

Vimin≤Vi≤Vimax(5)

QCimin≤QCi≤QCimax(6)

Timin≤Ti≤Timax(7)

式中：f1=min∑23i=0Ploss,t(Vt,Qt,Tt)Δt為系統(tǒng)全天電能損耗;f2=min∑23t=0(Tl,t⊕Tl,t+1|,|Cm,t⊕Cm,t+1|)為控制設(shè)備全天動(dòng)作次數(shù);PGi(QGi)、PLi(QLi)、Ui、Gij、Bij、δij分別為節(jié)點(diǎn)i的發(fā)電機(jī)有功(無功)出力、有功(無功)負(fù)荷、節(jié)點(diǎn)i電壓、節(jié)點(diǎn)i與節(jié)點(diǎn)j間電導(dǎo)和電納以及節(jié)點(diǎn)間的電壓相角差;QGimin(QGimax)、Vimin(Vimax)、Qcimin(Qcimax)、Timin(Timax)分別為發(fā)電機(jī)注入無功、節(jié)點(diǎn)電壓幅值、并聯(lián)電容器無功容量、變壓器變比的最小(最大)值。

電力系統(tǒng)動(dòng)態(tài)無功優(yōu)化主要是根據(jù)各時(shí)段負(fù)荷水平調(diào)節(jié)控制設(shè)備的狀態(tài),使系統(tǒng)的全天電能損耗達(dá)到最小。但考慮到電容器開關(guān)和OLTC分接頭等離散控制變量的使用壽命,必須對(duì)它們的全天動(dòng)作次數(shù)進(jìn)行限制。由于不同時(shí)段間控制設(shè)備的調(diào)節(jié)效率,與該時(shí)段負(fù)荷變化率幅度相關(guān)[18]。但文獻(xiàn)[18]對(duì)離散控制設(shè)備動(dòng)作區(qū)間是優(yōu)化初期就確定的,沒有根據(jù)控制設(shè)備的動(dòng)作情況對(duì)其進(jìn)行調(diào)整,而且相關(guān)參數(shù)是通過仿真得到,對(duì)于不同系統(tǒng)需重新進(jìn)行計(jì)算,增加了優(yōu)化過程的難度和工作量。因此,本文提出動(dòng)態(tài)調(diào)整離散控制設(shè)備動(dòng)作區(qū)間約束條件的方法。

在對(duì)每個(gè)時(shí)段優(yōu)化時(shí),首先根據(jù)各控制設(shè)備剩余的調(diào)整次數(shù)及之后時(shí)段的負(fù)荷率差值,重新計(jì)算當(dāng)前時(shí)段的控制設(shè)備可動(dòng)作次數(shù),如式(8)～(10)。

式中：FT-t為T-t時(shí)段的負(fù)荷率差值;Ts表示T時(shí)段無需動(dòng)作時(shí)間,分別對(duì)應(yīng)于式(9)、(10)中的Ta、Tn;AT為T時(shí)段離散控制設(shè)備總剩余可動(dòng)作次數(shù),每一時(shí)段優(yōu)化后均對(duì)其進(jìn)行計(jì)算;Tl,t為第l個(gè)變壓器分接頭t時(shí)段的檔位值,式(9)表示只允許變壓器分接頭在Ta個(gè)相鄰時(shí)段動(dòng)作一次,本文認(rèn)為分接頭每調(diào)節(jié)一檔即動(dòng)作一次。Cm,t為第m個(gè)電容器開關(guān)t時(shí)段的狀態(tài),式(10)表示只允許電容器在Ts個(gè)相鄰時(shí)段動(dòng)作一次,本文采用實(shí)際變電站電容器“先投先切、后投后切”的原則[19],并對(duì)不同精度的目標(biāo)設(shè)定不同的時(shí)間間隔。

3 蟻群算法求解策略

3.1 蟻群算法[20]

螞蟻優(yōu)化算法本身是一種迭代算法,但它并不是簡(jiǎn)單的迭代,當(dāng)前的迭代總是利用以前迭代的信息,即模擬了信息正反饋原理。由于正反饋原理和啟發(fā)式算法相互作用,使得蟻群算法有著較強(qiáng)的全局收斂性,并在解決TSP問題中的到了驗(yàn)證。

3.2 啟發(fā)因子選擇

為了反映各控制變量對(duì)總電能損耗變化的影響程度,本文選取電容器無功對(duì)電能損耗的靈敏度[21]及流過變壓器的電流為能見度因子。

3.3 基于雙種群蟻群算法的動(dòng)態(tài)無功優(yōu)化

本文在蟻群算法具有內(nèi)在的并行性和加強(qiáng)學(xué)習(xí)的特點(diǎn)的基礎(chǔ)上,結(jié)合動(dòng)態(tài)無功優(yōu)化的特點(diǎn)采用改進(jìn)的雙種群蟻群算法,運(yùn)用不同的螞蟻種群分別計(jì)算兩個(gè)不同的目標(biāo)函數(shù),并根據(jù)所需可行解的個(gè)數(shù)自動(dòng)調(diào)整約束條件的數(shù)值從而得到幾組可行解,增加了運(yùn)行地靈活性。

3.3.1 目標(biāo)函數(shù)的轉(zhuǎn)化

本文把動(dòng)態(tài)無功優(yōu)化問題設(shè)計(jì)成類似于TSP (Traveling Salesman Problem)問題的模式,并適當(dāng)?shù)奶幚砑s束條件,從而使該問題可以運(yùn)用蟻群算法求解。螞蟻優(yōu)化算法中,每個(gè)優(yōu)化方案均由一只螞蟻?zhàn)哌^的路徑表示。每次優(yōu)化的所有狀態(tài)對(duì)應(yīng)于TSP問題中的各個(gè)城市,而兩個(gè)狀態(tài)之間的決策對(duì)應(yīng)于TSP中直接連接兩個(gè)城市的路徑。相應(yīng)的目標(biāo)函數(shù)式(1)中的f1、f2可以分別寫成TSP問題模式：

式中：π(k)代表每只螞蟻在第k次調(diào)節(jié)控制設(shè)備時(shí)選擇的狀態(tài)集合;Qt,π(k)、 Tt,π(k)分別代表在t時(shí)段對(duì)應(yīng)的補(bǔ)償容量及變壓器分接頭的變比向量的狀態(tài)集合;∑β(k,t)代表每只螞蟻在t時(shí)刻第k次調(diào)節(jié)控制設(shè)備時(shí)設(shè)備的調(diào)節(jié)次數(shù)的狀態(tài)集合。

3.3.2 信息素更新規(guī)則

本文采用與文獻(xiàn) [18]相同的單種群蟻群算法狀態(tài)轉(zhuǎn)移概論和搜索策略,并對(duì)種群間信息素交換方式進(jìn)行改進(jìn),為了保持種群的多樣性在更新過程中需要考慮每個(gè)控制變量的種群密度系數(shù)如式(21)、(22)所示[22];在一次搜索完成之后,則加強(qiáng)上次搜索的較優(yōu)信息素濃度。假設(shè)現(xiàn)有n個(gè)控制變量。

式中：Dj,k表示控制變量j在第k次調(diào)節(jié)設(shè)備時(shí)的動(dòng)作次數(shù);fk為控制變量k的種群密度;(t)為螞蟻第k次調(diào)節(jié)時(shí)節(jié)點(diǎn)t的信息素;ek表示多樣性系數(shù)隨搜索次數(shù)的增長(zhǎng)影響度成指數(shù)增長(zhǎng);β、χ為常數(shù)。τij(t+n)表示完成一次搜索后節(jié)點(diǎn)的信息素;Di為控制變量在上次搜索過程中所動(dòng)作的次數(shù)。

為了使不同種群在不同時(shí)間段能有效的收斂于最優(yōu)解,本文采用信息素的橫向交換和縱向更新規(guī)則[22],并對(duì)其進(jìn)行改進(jìn)。在每次搜索開始前讀取以前時(shí)段的相應(yīng)最優(yōu)解的信息素濃度,并在搜索完成后,對(duì)不同種群之間相應(yīng)的最優(yōu)解進(jìn)行信息交換。(22)

式中：τm,ij(t,k)為種群m在t時(shí)刻第k組可行解中控制變量 i的信息素初始濃度Em,i,T,k為種群m在t時(shí)刻以前控制變量i在第k組最優(yōu)解中的動(dòng)作次數(shù);En,i,t,k-1為種群n在t時(shí)刻控制變量在第k-1組最優(yōu)解中的動(dòng)作次數(shù)。e為常數(shù),表示兩個(gè)種群的信息交換量隨著尋優(yōu)過程逐漸增加。

3.3.3 并行蟻群算法流程圖

圖1 并行蟻群算法的動(dòng)態(tài)無功優(yōu)化流程圖

4 算例分析

文中計(jì)算程序采用Matlab7.0環(huán)境編制,采用IEEE14[23]、IEEE30[19]節(jié)點(diǎn),對(duì)所建模型與算法進(jìn)行仿真。全天24h負(fù)荷曲線如下圖2所示：

圖2 系統(tǒng)負(fù)荷率分布曲線

4.1 調(diào)節(jié)設(shè)備動(dòng)作時(shí)間約束的影響

以文中模型算法、文獻(xiàn) [23]模型算法、無時(shí)間約束模型為例,全天能耗最小為目標(biāo)函數(shù),對(duì)表1、表2分別采用負(fù)荷曲線1、2,對(duì)IEEE14測(cè)試系統(tǒng)進(jìn)行仿真計(jì)算。

表1 IEEE14系統(tǒng)3種模型下的動(dòng)態(tài)無功優(yōu)化結(jié)果

表2 IEEE14系統(tǒng)2種模型下的動(dòng)態(tài)無功優(yōu)化結(jié)果

從表1中可以看出,若采用文獻(xiàn)模型及算法, IEEE14系統(tǒng)3組變壓器分接頭全天動(dòng)作次數(shù)分別為6、14、8。在多種群蟻群算法無時(shí)間約束模型條件下,變壓器全天調(diào)節(jié)次數(shù)分別為7、14、1,動(dòng)作總次數(shù)相比較少,但全天電能損耗略小,說明本文算法在動(dòng)作時(shí)間及動(dòng)作幅度的選擇上更為準(zhǔn)確,能夠有效的收斂于全局最優(yōu)解。

但結(jié)果仍無法滿足系統(tǒng)實(shí)際運(yùn)行中變壓器全天動(dòng)作次數(shù)需少于10次的要求,通過分析表1、表2可以得知,在兩種負(fù)荷條件下,與文獻(xiàn)模型、無時(shí)間約束模型相比,本文模型仿真結(jié)果全天電能損耗分別增加0.16 MW·h、0.19 MW·h、0.09 MW·h,而變壓器的動(dòng)作次數(shù)明顯減少,各變壓器調(diào)節(jié)時(shí)間和調(diào)節(jié)次數(shù)也更加均勻,可以有效減少變壓器在短時(shí)間內(nèi)產(chǎn)生的電弧,使其有充分的冷卻時(shí)間,延長(zhǎng)變壓器壽命。

4.2 多目標(biāo)結(jié)果的分析計(jì)算

采用文中提出的多目標(biāo)模型的多種群蟻群算法以全天電能損耗最小、變壓器分接頭和電容器投切次數(shù)最少為目標(biāo)函數(shù),每個(gè)種群得到3組解為條件,對(duì)IEEE14、IEEE30測(cè)試系統(tǒng)進(jìn)行仿真,部分計(jì)算結(jié)果見表3、表4。

表3 多種群蟻群算法IEEE14優(yōu)化結(jié)果

表4 多種群蟻群算法IEEE30節(jié)點(diǎn)優(yōu)化結(jié)果

表3為IEEE14節(jié)點(diǎn)仿真計(jì)算結(jié)果,K、M分別代表螞蟻種群1、2。從表3中可以得出種群1的優(yōu)化結(jié)果隨著變壓器分接頭的減少全天能耗也隨之變化。種群2中M1、M2動(dòng)作次數(shù)相同而全天能耗的不同。從M3與K2對(duì)比可以發(fā)現(xiàn),M3的動(dòng)作次數(shù)相對(duì)較少但效果較好。分析表4同樣可以發(fā)現(xiàn),M3與K1相比動(dòng)作總次數(shù)少一次,優(yōu)化效果卻較好。通過分析有兩點(diǎn)原因,1.電容器動(dòng)作次數(shù)及補(bǔ)償容量的不同;2.兩個(gè)種群通過交換信息素互相學(xué)習(xí)加強(qiáng)了蟻群算法的全局尋優(yōu)性能。在本文多目標(biāo)算法中可以根據(jù)需要可以得到不同目標(biāo)函數(shù)的幾組近似解,從而能夠?yàn)橄到y(tǒng)的實(shí)際運(yùn)行提供了不同的方案。

5 結(jié)束語

本文建立了動(dòng)態(tài)無功優(yōu)化的新模型,提出了一種新的雙種群蟻群算法,通過對(duì) IEEE14、IEEE30系統(tǒng)進(jìn)行仿真計(jì)算,結(jié)果驗(yàn)證了模型及算法的正確性、有效性,并得出如下結(jié)論：

1)模型考慮了動(dòng)態(tài)調(diào)節(jié)設(shè)備的動(dòng)作時(shí)間約束,能夠有效的保證變壓器全天的動(dòng)作次數(shù)要求,并可以更加合理的分配分配變壓器、電容器動(dòng)作次數(shù)。

2)根據(jù)蟻群算法的并行性,采用雙種群群算法蟻群算法計(jì)算多目標(biāo)問題,為運(yùn)行人員同時(shí)提供多組較優(yōu)解,增加了算法的靈活性和全局尋優(yōu)能力。

[1] 胡澤春,王錫凡.配電網(wǎng)無功優(yōu)化的分時(shí)段控制策略[J].電力系統(tǒng)自動(dòng)化,2002,26(6)：45-49.

[2] 王秀麗,李正文,胡澤春,等.高壓配電網(wǎng)無功/電壓的日分段綜合優(yōu)化控制 [J].電力系統(tǒng)自動(dòng)化,2006,30 (7)：5-29.

[3] Youman Deng,Xiaojuan Ren.A Heuristic and Algorithmic Combined Approach for Reactive Power Optimization With Time-Varying Load Demand in Distribution Systems[J]. IEEE Transaction on Power Systems,2002,17(4)：1068 -1072.

[4] 王淳,程浩忠,陳懇.配電網(wǎng)動(dòng)態(tài)無功補(bǔ)償?shù)恼w優(yōu)化算法 [J].電工技術(shù)學(xué)報(bào),2008,23(2)：109-114.

[5] 賴永生,劉明波.電力系統(tǒng)動(dòng)態(tài)無功優(yōu)化問題的快速解藕算法 [J].中國(guó)電機(jī)工程學(xué)報(bào),2008,28(7)：32-39.

[6] Liang R H,Cheng C K.Dispatch of main transformer ULTC and capacitors in a distribution system[J].IEEE Trans on Power Delivery,2001,16(4)：625-630.

[7] 蔡昌春,丁曉群,王寬,等.動(dòng)態(tài)無功優(yōu)化的簡(jiǎn)化方法及實(shí)現(xiàn) [J].電力系統(tǒng)自動(dòng)化,2008,32(5)：43-46.

[8] 任曉娟,鄧佑滿,趙長(zhǎng)城,等.高中壓配電網(wǎng)動(dòng)態(tài)無功優(yōu)化算法的研究 [J].中國(guó)電機(jī)工程學(xué)報(bào),2003,23(1)：31-36.

[9] 舒雋,張粒子,劉易,等.電力市場(chǎng)下日無功計(jì)劃優(yōu)化模型和算法的研究 [J].中國(guó)電機(jī)工程學(xué)報(bào),2005,25 (13)：80-85.

[10] Hus YY,Lu F C.A combined artificial neural network-fuzzy dynamic programming approach to reactive power/voltage control in a distribution substation[J].IEEE Transaction on Power Systems.1998,13(4)：1265-1271.

[11] 繆楠林,劉明波,趙維興.電力系統(tǒng)動(dòng)態(tài)無功優(yōu)化并行算法及其實(shí)現(xiàn) [J].電工技術(shù)學(xué)報(bào),2009,24(2)：150 -157.

[12] 劉明波,朱春明,錢康齡,等.計(jì)及控制設(shè)備動(dòng)作次數(shù)約束的動(dòng)態(tài)無功優(yōu)化算法 [J].中國(guó)電機(jī)工程學(xué)報(bào),2004, 24(3)：34-40.

[13] 攝偉,劉健,周艷.考慮時(shí)段優(yōu)化的地區(qū)電網(wǎng)無功電壓優(yōu)化控制 [J].電力系統(tǒng)自動(dòng)化,2009,33(4)：31-35.

[14] 張勇軍,俞悅,任震,等.實(shí)時(shí)環(huán)境下動(dòng)態(tài)無功優(yōu)化建模研究 [J].電網(wǎng)技術(shù),2004,28(12)：12-15.

[15] 方興,郭志忠.配電網(wǎng)時(shí)變無功優(yōu)化方法 [J].電力系統(tǒng)自動(dòng)化,2005,29(9)：40-45.

[16] 許有方.華中電網(wǎng)500 kV樞紐變電站的有載調(diào)壓器和靜止無功補(bǔ)償器 [J].電網(wǎng)技術(shù),2003,27(6)：68-70.

[17] 楊斌文,劉芳.有載分接開關(guān)的質(zhì)量檢測(cè)、運(yùn)行管理與故障處理 [J].變壓器,2009,46(2)：47-49.

[18] 周鑫,諸弘安,馬愛軍.基于多種群蟻群算法的多目標(biāo)動(dòng)態(tài)無功優(yōu)化研究 [J].電網(wǎng)技術(shù),2012,36(7)：231 -236.

[19] 顏偉,田甜,張海兵.考慮相鄰時(shí)段投切次數(shù)約束的動(dòng)態(tài)無功優(yōu)化啟發(fā)式策略 [J].電力系統(tǒng)自動(dòng)化,2008,32 (10)：71-75.

[20] Dorigo M,Maniezzo V,Colorni A.Ant system：optimization by a colony of cooperating agents[J].IEEE Transactions on SMC,1996,26(1)：29-41.

[21] 陳珩.電力系統(tǒng)穩(wěn)態(tài)分析 (第二版)[M].北京：中國(guó)電力出版社,1995.

[22] 崔遜學(xué).多目標(biāo)進(jìn)化算法及其應(yīng)用 (第一版)[M].北京：國(guó)防工業(yè)出版社,2006.

[23] LIU Fang,C.Y.Chung,K.P.Wong.Hybrid Immune Genetic Method for Dynamic Reactive Power Optimization[J]. Power System Technology,2006.PowerCon 2006,Oct 22-26.2006：1-6.

To consider the control variables limits in a day of the dynamic reactive power optimization which load changes,according to the characteristic of the a space-time close coupled a new model for dynamic reactive power optimization is proposed,which the objective functions is minimum power loss throughout the day and the minimum switching operations,by limits of regulation time.In order to get different target groups of the better solutions,many kinds of way are used to change the pheromone.The colony optimization search strategy of ACOA is improved,they can find compensation buses that have a greater impact on network on network losses and improve the search speed.Test on IEEE 14bus、IEEE 30bus systems demonstrate the efficiency of the proposed model and algorithm. The results show that the model and algorithm can effectively control the regulation and distribution of the number of variables.

Dynamic Reactive Power Optimization;Dual-Ant Colony algorithm;Multi-objective

TM74

B

1006-7345(2014)01-0098-05

2013-12-03

周鑫 (1984),男,碩士,工程師,云南電網(wǎng)公司電力研究院,主要從事勵(lì)磁及保護(hù)工作 (e-mail)zhouxin8421@126.com。

Dynamic Reactive Power Optimization on the Basis of Dual-Ant Colony algorithm

ZHOU Xin,LIU Zhukui,XU ShouDong

(Yunnan Electric Power Research Institute,Kunming 650217)