電力系統(tǒng)無功優(yōu)化智能算法研究

陳來迎 林雨

摘要：文章分析了無功優(yōu)化的意義，能夠降低網(wǎng)損，有助于提高用戶的體驗感和電力公司的經(jīng)濟效益。再對電力系統(tǒng)無功優(yōu)化模型進行了分析，闡述了4種不同情境下無功優(yōu)化模型，其中包含著多個約束條件和多個變量，可知求解電力系統(tǒng)無功優(yōu)化比較復(fù)雜。最后對遺傳算法、粒子群算法和模擬退火算法進行了詳細分析，分析了其原理和優(yōu)缺點。每一種智能算法各有其優(yōu)點和缺點，所以智能算法選擇問題上要通過綜合的考慮，如果算法選擇不巧當(dāng)，將會嚴重影響電力系統(tǒng)無功優(yōu)化模型結(jié)果的準確度。

關(guān)鍵詞：電力系統(tǒng);無功優(yōu)化;智能算法

中圖分類號：TM711

文獻標識碼：A

文章編號：1001-5922（ 2020）06-0078-04

隨著我國在電力需求上的不斷增多，對電力系統(tǒng)的重視程度越來越高。其中對電力系統(tǒng)無功優(yōu)化進行研究可以避免電壓崩潰、損壞絕緣等事故的發(fā)生，保證電力系統(tǒng)能夠更加安全、高效、經(jīng)濟的運行[1]。無功優(yōu)化智能算法決定著解決問題的精確度，于是本文將對智能算法進行研究，有利于電力系統(tǒng)無功優(yōu)化智能算法的選擇。

1 無功優(yōu)化的意義

無功優(yōu)化具有重要的意義，主要從2個角度進行分析，第1個就是站在用戶的角度，電力系統(tǒng)最主要、最基本的目的就是向用戶提供安全、經(jīng)濟、優(yōu)質(zhì)的電能，且在人們的日常生活中有著不可或缺的作用，必須要確保電能質(zhì)量，其中電壓就是一種衡量電能質(zhì)量的的標準，因為電力的質(zhì)量好壞就會直接的影響電力系統(tǒng)穩(wěn)定運行、電網(wǎng)損耗等，所以對電壓質(zhì)量進行改進將有助于電力系統(tǒng)更加高效、安全的運行。改善電壓質(zhì)量的基本條件就是合理分布和無功功率平衡。第2個就是站在輸電公司的角度進行分析。隨著我國生活的不斷提高，用電量發(fā)生了非常大的改變，電量不斷急劇上升，而且電網(wǎng)在運行過程中的電損越發(fā)的被重視，電網(wǎng)公司所面臨的一種重要問題是提高輸電效率和經(jīng)濟性。電力系統(tǒng)的無功優(yōu)化在一定程度上可以降低網(wǎng)損，有助于電力系統(tǒng)的經(jīng)濟性，能夠讓電力公司得到更多的經(jīng)濟效益和利潤。

所以，對電力系統(tǒng)的無功優(yōu)化，不僅可以提高電力系統(tǒng)的穩(wěn)定運行和維持電壓水平，更有利于用戶的生產(chǎn)發(fā)展和日常生活;而且還可以降低電網(wǎng)損耗，能夠提高電力公司的經(jīng)濟效益和利潤。因此，對電力系統(tǒng)無功優(yōu)化進行研究具有重要的現(xiàn)實意義和理論意義。

2 無功優(yōu)化模型的介紹

對于不同的工程，所需要的無功優(yōu)化模型將會不一樣，每種無功優(yōu)化模型的作用不同，于是本文將介紹幾種典型的電力系統(tǒng)無功優(yōu)化模型。

2.1 無功優(yōu)化模型考慮網(wǎng)損及電壓質(zhì)量的情景

在考慮網(wǎng)損及電壓質(zhì)量的情景下建立無功優(yōu)化模型時，主要會從兩個不同的角度建立目標函數(shù)。其中第1種就是考慮到經(jīng)濟性的原因，即成本最小化，就是要將網(wǎng)損控制在最小值時其經(jīng)濟性更優(yōu)，于是以網(wǎng)損最小為目標函數(shù)[2]。第2種就是考慮到安全性[3]。這兩種不同角度下建立的無功優(yōu)化模型有所不同，于是分別對模型進行介紹。

1）以網(wǎng)損最小為目標函數(shù)，其目標函數(shù)為：

2.4 無功優(yōu)化模型考慮分布式電源接入的情景

隨著人們需求的不斷上升，電網(wǎng)智能化快速發(fā)展，在電力系統(tǒng)中加入了各種的分布式電源，在此情景中建立無功優(yōu)化模型將會有新的需求。于是各位相關(guān)的研究人員提出了不同的無功優(yōu)化模型，其中較為

3 求解無功優(yōu)化智能算法

通過上文模型的分析，可以得到電力系統(tǒng)無功優(yōu)化在數(shù)學(xué)上是一個復(fù)雜的混合非線性規(guī)劃問題，其中包含著多個變量和約束條件，控制變量還包含著兩種，分別為離散變量和連續(xù)變量，而且還是一個多峰值的函數(shù)，所以在求解時會非常的復(fù)雜，其中計算量很大。求解無功優(yōu)化問題有不同的方法，每種方法適用的范圍不一樣，需要選擇最為合適的方法才能得到理想的結(jié)果。一般情況下有分為2種優(yōu)化算法，分別為常規(guī)優(yōu)化算法和智能優(yōu)化算法，表1即為2種算法的優(yōu)缺點比較。智能算法能夠解決離散變量，能夠以較大的概率搜多到全局最優(yōu)解，在實際應(yīng)用過程中具有較為廣泛的應(yīng)用，于是本文將對智能算法進行研究，分析了幾種智能算法的特點，有助于電力系統(tǒng)無功優(yōu)化時選擇最為合適的智能算法，從而得到更加準確的最優(yōu)解。

3.1 遺傳算法

遺傳算法是一種智能，也屬于一種仿生算法，是根據(jù)生物在進化和遺傳中的規(guī)律所得到的。其原理是將需要優(yōu)化的問題進行編碼成染色體，優(yōu)化問題的目標函數(shù)轉(zhuǎn)為染色體適應(yīng)度函數(shù)，目的在于產(chǎn)生初始染色體種群，將其作為基礎(chǔ)，再進行繁衍等，就會生產(chǎn)出下一代的染色體。下一代的染色體經(jīng)過結(jié)構(gòu)化的交換彼此信息，與第一代染色體相比其染色體將會更加優(yōu)異。于是依照此規(guī)律就會生產(chǎn)出很多代的染色體，生物在繁衍過程中會存在優(yōu)勝劣汰，于是存活下來的質(zhì)量會更好。再解碼這些染色體，于是就可以得叨最初問題的解。

遺傳算法的優(yōu)點：魯棒性能夠強，功能強大;遺傳算法尋優(yōu)能力非常的強，所以其比較適合飲應(yīng)用于求解多約束、大規(guī)模、多變量、非線性離散問題，即其能夠求解非常困難的離散問題，而且不會存在“維數(shù)災(zāi)”的問題。

遺傳算法的缺點：其屬于隨機概率尋優(yōu)算法，需要隨機訪問很多不同的路徑，所以在計算過程中優(yōu)化速度會比較慢，尤其是對非常大型的電力系統(tǒng)無功優(yōu)化計算時會消耗很長的時間。另外，雖然遺傳算法找到全局最優(yōu)解時是以較大的概率進行尋找，但是對于全局搜索能力還是存在缺陷，所以還會存在局部最優(yōu)解現(xiàn)象。于是就有學(xué)者正對該缺陷進行研究，提出改進的辦法，林廣明等人設(shè)計了與個體適應(yīng)度相關(guān)的變異概率和與進化代數(shù)相關(guān)的交叉概率，從而提高了遺傳算法的收斂性能[7]。

3.2 粒子群算法

粒子群算法是一種智能算法，其本質(zhì)是來源于鳥群捕食行為。通過模擬社會系統(tǒng)，在多維解空間中構(gòu)建“粒子群”，于是每個粒子就會不斷的對方向和速度進行改正，跟蹤自己或者群體發(fā)現(xiàn)的最優(yōu)解[8-9]。粒子群算法和遺傳算法比較相像，剛開始都是一組隨機解，然后以迭代的方式不斷搜尋最優(yōu)解。兩者的區(qū)別就是粒子群算法沒有變異和交叉操作，而是每個粒子不斷的跟隨最優(yōu)的粒子進行搜索。

公式（8）中Ci和C2為加速因子，w為慣性因子，rand（）在0-1之間的隨機數(shù)，其中粒子速度要小于或者等于粒子的最大速度。

粒子群算法與其它的算法相比較，有以下的優(yōu)勢：具有較好的收斂性，計算速度比遺傳算法的快，而且不會受到問題維數(shù)的限制，能夠很大程度上尋找到全局最優(yōu)解;另外，粒子群算法的原理是比較簡單的，能夠與其他算法進行融合。劉述奎等人研究電力系統(tǒng)無功優(yōu)化問題時就采用了粒子群算法，提高了問題計算的精確度、收斂穩(wěn)定性，還提高了計算時間[11]。

3.3 模擬退火算法

該算法原理就是對物體的溫度進行適當(dāng)?shù)目刂?，然后通過利用雙向隨機搜多技術(shù)，對范圍內(nèi)進行粗略搜索，還會對局部進行精確搜索，用來尋找最優(yōu)解，并且該算法的原理比較簡單。模擬退火算法在理論上屬于全局最優(yōu)算法，其計算結(jié)果較為準確。其缺點在于CPU時間比較長，當(dāng)電力系統(tǒng)的規(guī)模變大或者是復(fù)雜性變大時，所需的CPU時間將會更長。關(guān)維國等人通過模擬退火算法，通過使用設(shè)置閥值方式控制循環(huán)過程，結(jié)果表明，使用模擬退火算法有利于網(wǎng)損的降低，各個節(jié)點電壓穩(wěn)定性有所提高[12]。

通過對上述3種智能算法的分析，每一種智能算法都會有各自的缺點和優(yōu)點，所以在電力系統(tǒng)無功優(yōu)化時，其所選擇何種算法需要根據(jù)實際的情景進行選擇，然后考慮智能算法的優(yōu)缺點。一個合理的算法才能夠得到更為準確的結(jié)果。表2即為3種智能算法的優(yōu)缺點。

4 結(jié)語

綜上所述，無功優(yōu)化在電力系統(tǒng)中具有非常重要的作用，能夠帶給用戶和電力公司更多的便利和效益。無功優(yōu)化模型非常復(fù)雜，會面臨多個約束條件、多個變量等，所以在進行計算時會非常復(fù)雜，主要選擇最為合適的智能算法。文章介紹了3種智能算法，其中各有優(yōu)缺點，綜合來看，粒子群算法在應(yīng)用過程中比較容易實現(xiàn)，且其全局搜索能力較強，尋找問題最優(yōu)解將會更加的準確和快捷，但是其在選擇參數(shù)時需要依賴經(jīng)驗。隨著在電力系統(tǒng)無功優(yōu)化智能算法上的不斷改進和研究，新的智能算法將不斷涌現(xiàn)，求解電力系統(tǒng)無功優(yōu)化模型將會更加精準化。

參考文獻

[1]熊玉輝，電力系統(tǒng)無功優(yōu)化[D].南昌：南昌大學(xué)，2005.

[2]徐曉靜，孫明燦，陳慶春，等，同步關(guān)合技術(shù)在無功補償中的應(yīng)用[J].高壓電器，2007，43（5）：333-335.

[3]金立軍，安世超，廖黎明，等.國內(nèi)外無功補償研發(fā)現(xiàn)狀與發(fā)展趨勢[J].高壓電器，2008，44（5）：463-465.

[4]戴彥，倪以信，文福拴，等.電力市場下的無功電價研究[J].電力系統(tǒng)自動化，2000，24（5）：9-14.

[5] Du X， Yin Q， Zhang A， et al.Fast Computing Modelfor Multi- objective Reactive Power Optimization[C]//Power and Energy Engineering Conference （APPEEC），2010 Asia-Pacific.IEEE. 2010.

[6]陳海焱.含風(fēng)電機組的配網(wǎng)無功優(yōu)化[J].中國電機工程學(xué)報，2008，28（7）：40-45.

[7]蔣金良，林廣明，歐陽森，等，改進災(zāi)變遺傳算法及其在無功優(yōu)化中的應(yīng)用[J].華南理工大學(xué)學(xué)報（自然科學(xué)版）（3）：99-104.

[8] Eberhart R， Kennedy J.A new optimizer using parti-cle swarm theory[C]// MHS'95.Proceedings of the SixthIntemational Symposium on Micro Machine and HumanScience.IEEE.2002.

[9] Kennedy J，Eberhart R.Particle swarm optimization[C]，/Proceedings of lCNN'95- International Conferenceon Neural Networks.IEEE. 1995.

[10] Shi Y.A Modified Particle Swarm Optimizer[C]//Proc.of lEEE lCEC conference， Anchorage. 1998.

[11]劉述奎，基于自適應(yīng)聚焦粒子群算法的電力系統(tǒng)無功優(yōu)化[D].成都：西南交通大學(xué)，2009.

[12]關(guān)維國，戴永彬，呂娓基于改進模擬退火算法的配電網(wǎng)無功優(yōu)化方法[J].遼寧工學(xué)院學(xué)報，2006，26（2）：73-75.

作者簡介：陳來迎（1963-），男，漢族，山東濟南人，大學(xué)本科，高級工程師，研究方向：電網(wǎng)建設(shè)方面。