基于改进遗传算法的配电网无功优化_王淳

MATLAB实验遗传算法和优化设计

实验六 遗传算法与优化设计 一、实验目的 1. 了解遗传算法的基本原理和基本操作（选择、交叉、变异）； 2. 学习使用Matlab 中的遗传算法工具箱(gatool)来解决优化设计问题； 二、实验原理及遗传算法工具箱介绍 1. 一个优化设计例子 图1所示是用于传输微波信号的微带线(电极)的横截面结构示意图，上下两根黑条分别代表上电极和下电极，一般下电极接地，上电极接输入信号，电极之间是介质(如空气，陶瓷等)。微带电极的结构参数如图所示，W 、t 分别是上电极的宽度和厚度，D 是上下电极间距。当微波信号在微带线中传输时，由于趋肤效应，微带线中的电流集中在电极的表面，会产生较大的欧姆损耗。根据微带传输线理论，高频工作状态下（假定信号频率1GHz ），电极的欧姆损耗可以写成（简单起见，不考虑电极厚度造成电极宽度的增加）： 图1 微带线横截面结构以及场分布示意图 {} 28.6821ln 5020.942ln 20.942S W R W D D D t D W D D W W t D W W D e D D παπππ=+++-+++?????? ? ??? ??????????? ??????? (1) 其中πρμ0=S R 为金属的表面电阻率， ρ为电阻率。可见电极的结构参数影响着电极损耗，通过合理设计这些参数可以使电极的欧姆损耗做到最小，这就是所谓的最优化问题或者称为规划设计问题。此处设计变量有3个：W 、D 、t ，它们组成决策向量[W, D ,t ] T ，待优化函数(,,)W D t α称为目标函数。 上述优化设计问题可以抽象为数学描述： ()()min .. 0,1,2,...,j f X s t g X j p ????≤=? (2)

基于遗传算法区域电网无功优化

基于遗传算法区域电网无功优化 发表时间：2017-12-18T11:41:04.523Z 来源：《电力设备》2017年第24期作者：黄江武 [导读] 摘要：详细介绍了整数编码遗传算法的编码、选择、交叉、变异等操作。 （广东电网有限责任公司佛山供电局佛山 528000） 摘要：详细介绍了整数编码遗传算法的编码、选择、交叉、变异等操作。该编码不但可以降低算法的搜索空间，而且可以避免初始化及在遗传操作中生成的不可行解，同时也改进了遗传算法中惩罚函数对不等式约束条件的处理方法，加快收敛速度。将该算法用于IEEE30节点系统，结果表明，该方法降低了网络损耗，保证了电压合格率，实现了电力系统的无功优化，得到了满意的结果。 关键词：无功优化；遗传算法；电力系统 Abstract：The problems of reactive power optimization with genetic algorithm are discussed in detail in this paper．The crossover，mutation and inversion operations are proposed which not only reduces the search space，but also avoids the infeasible solutions produced during initialization and gene operations．Also improved genetic algorithm penalty function on the inequality constraints，speed up the convergence．The proposed genetic algorithm has been tested in at IEEE 30 bus power system．At the same time，based on the above genetic algorithm，network less of electric power systems call be effectively reduced，and then reactive power optimization call also be realized． Key words：Genetic Algorithms，Reactive Power Optimization，Power System 1 引言 无功优化通过调节电网中的各种设备来改变无功潮流在网络中的分布，目的是为了在满足约束条件的前提下，使系统的某个指标或多个指标达到最优，从而提高电力系统电压质量，降损节能，保证系统安全、经济运行。它涉及无功补偿装备投入地点的选择、无功补偿装置投入容量的确定和变压器分接头的调节配合等，是一个多约束的非线性规划问题。遗传算法在解决多变量、非线性、不连续、多约束问题时显示出其独特的优势，使得它在无功优化领域日益为人们所重视。 2 无功优化模型的建立 无功优化的基本思路是：在电力系统有功潮流调度已经给定的情况下，以无功补偿装置的无功补偿容量、有载调压变压器变比作为控制变量，以负荷节点电压作为状态变量，应用优化技术，寻求合理的无功补偿点和最佳无功补偿容量。其中普遍采用的是以系统有功网损 最小为目标函数的优化模型： 3.1 编码 编码的主要任务是建立解空间和染色体空间的一一对应关系。二进制码需要频繁的编码和解码，计算量大。本文采用的是整数编码。个体的编码长度等于其控制变量的个数。无功优化的控制变量为有载调压变压器的变比以及补偿装置的投切组数，只需对控制变量的变化范围进行编码。 IEEE30节点电力系统无功优化问题遗传算法编码为： 式中为变压器变比；为无功补偿量 3.2 选择、交叉和变异 选择操作是建立在群体中个体的适应度评估基础上的。优胜劣汰的选择机制使得适应度值大的解有较高的存活概率。本文采用了基于

主动配电网运行方式及控制策略分析

主动配电网运行方式及控制策略分析 发表时间：2019-11-08T14:49:47.740Z 来源：《电力设备》2019年第13期作者：韩晓曦[导读] 摘要:分布式能源与新型负荷的逐步推广，深刻改变了电网的组成形式与运行方式，传统的配电网运行控制理论与技术不再完全适用。 (身份证号码：12010219850221XXXX 天津 300000) 摘要:分布式能源与新型负荷的逐步推广，深刻改变了电网的组成形式与运行方式，传统的配电网运行控制理论与技术不再完全适用。为适应新形势的发展，主动配电网加强了对电源侧、负荷侧和配电网的控制，强调对各种灵活性资源从被动处理到主动引导与主动利用。关键词：配电网；控制；分析本文从主动配电网的组成特点出发，结合主动配电网的运行方式分析和控制方式选择，梳理主动配电网的控制方法和手段，提出源网荷互动全局控制中心的功能设计，提出针对配电网运行数据、营销数据及电网外部数据的的数据中心支撑方案，从而支持多种形式能源接入的监视控制与双向互动，支持海量数据的处理与分析决策能力。全局控制中心主要包含全局协调优化、区域协调优化、分布式控制等内容，强调对配网运行的主动控制。通过运维支持服务、协同优 化控制、综合服务等实现全局协调优化功能，通过用能能量管理、电动汽车充电管理、储能管理、分布式能源管理等实现区域协调优化，通过储能、电动汽车、分布式能源等灵活性资源实现分布式就地控制。 1 主动配电网运行控制框架 1.1 主动配电网形态主动配电网重点关注能源生产的配给和综合利用，将其基础框架按照能源生产与消费层、能源传输层、能源管理大数据平台和能源管理应用层四个层面进行考虑。（1）能源生产与消费层为充电汽车、分布式发电、储能设备和“冷、热、电”联产构成的主动配电网能量流层，该层中的用户可是能源的生产者，也是能源的消费者，负荷具备柔性的调节能力。（2）能源传输层为主动配电系统的配电网络，具有拓扑结构灵活，潮流可控、设备利用率高等特点。（3）大数据平台使适应主动配电网特点的服务平台层，包括云平台、大数据处理技术和智能电网服务总线，支持能源生产、传输、消费等全过程的数据存储、分析、挖掘和管理。（4）能源管理应用层要求实现主动配电网各种运行与控制功能，主要有电网运行态势感知、全电压等级无功电压控制、自适应综合能源优化、分布式发电预测、馈线负荷预报、故障诊断隔离与恢复、合环冲击电流在线评估与调控、风险评估与状态检修等，同时是为能源全寿命周期提供优化控制决策和服务的集成调控—运检—营销于一体的智能决策支持系统。 1.2 控制方式选择系统控制方式对系统控制资源有着重要的影响，对系统运行的水平和可靠性起着决定性的作用。主动配电网目前的主要控制方式包括集中式、分散式、分层式等类型。其中，集中式控制利用传感器将网络潮流信息或设备状态数据上传至能源管理系统，能源管理系统利用分层分布协调控单元对分布式电源、开关等设备发布控制指令、管理电网运行。分散式控制通过分层分布式控制单元和本地协调控制器进行协调控制，其中分层分布式控制单元负责区域协调控制，本地协调控制器对本地设备状态信息进行采集，并及时给出控制命令。分层式控制融合了前述两种控制思想，通过部署顶层能源管理系统、中间层分层分布式控制单元和底层本地协调控制器等多层次控制器，进行协同工作，提高配电网管控效率。 1.3 运行控制架构 1.3.1 传统配电网运行控制架构传统配电网是电力系统向用户供电的最后一个环节，一般指从输电网接受电能，再分配给终端用户的电网。配电网一般由配电线路、配电变压器、断路器、负荷开关等配电设备，以及相关辅助设备组成。传统配电网供能模式简单，直接从高压输电网或降压后将电能送到用户。传统配电网中能源生产环节为集中式发电模式，能源传输环节为发输配的能量单向流动，能源消费环节为电网至用户的单向供需关系。 传统配电网运行控制完成变电、配电到用电过程的监视、控制和管理，一般包括应用功能、支撑平台、终端设备三个部分。应用功能一般包含运行控制自动化和用电管理自动化两块内容，实现对配电网的实时和准实时的运行监视与控制。支撑平台为各种配电网自动化及保护控制应用提供统一的支撑。终端设备采集、监测配电网各种实时、准实时信息，对配电一次设备进行调节控制，是配电网运行控制的基本执行单元。应用功能通过运行控制自动化和用电管理自动化完成配电网的运营管理。运行控制自动化主要包括配电SCADA、设备保护、停电管理、电网分析计算、负荷预测、电网控制、电能质量管理、网络重构、生产管理等功能。用电管理自动化监视用户电力负荷情况，涉及用电分析、用电监测、用电管理等环节。支持平台完成包括配电量测、用电量测、图形管理等功能数据的采集、分析、存储等，为系统运行提供数据支撑。终端应用包括电网侧和用户侧两个方面。在电网侧，通过包括RTU、传感测量设备、故障检测装置、馈线控制器等在内的二次设备对并联电抗器、开关/断路器等一次设备进行监察、测量、控制、保护和调节。在用户侧，通过电表等传感测量设备对用户的进行用电计量。 1.3.2 主动配电网运行控制架构与传统配电网运行控制相比，主动配电网运行控制形态考虑全局的优化控制目标，预先分析目标偏离的可能性，并拟定和采取预防性措施实现目标，同时通过互动服务满足用户用能的多样化需求。应用功能方面，通过互动控制模式实现配网系统的统筹优化控制，同时通过互动服务满足用户的多样化用能需求。数据平台方面，构建全网统一模型对所采集全网的各类数据进行数据整合、存储、计算、分析，服务，满足按需调用服务、公共计算服务要求。终端设备方面，充分利用就地控制响应速度快的优势，对配电节点的分布式能源和可控负载协调控制。结束语：

遗传算法与优化问题(重要,有代码)

实验十遗传算法与优化问题 一、问题背景与实验目的 遗传算法（Genetic Algorithm—GA），是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型，它是由美国Michigan大学的J.Holland教授于1975年首先提出的．遗传算法作为一种新的全局优化搜索算法，以其简单通用、鲁棒性强、适于并行处理及应用范围广等显著特点，奠定了它作为21世纪关键智能计算之一的地位． 本实验将首先介绍一下遗传算法的基本理论，然后用其解决几个简单的函数最值问题，使读者能够学会利用遗传算法进行初步的优化计算．1．遗传算法的基本原理 遗传算法的基本思想正是基于模仿生物界遗传学的遗传过程．它把问题的参数用基因代表，把问题的解用染色体代表（在计算机里用二进制码表示），从而得到一个由具有不同染色体的个体组成的群体．这个群体在问题特定的环境里生存竞争，适者有最好的机会生存和产生后代．后代随机化地继承了父代的最好特征，并也在生存环境的控制支配下继续这一过程．群体的染色体都将逐渐适应环境，不断进化，最后收敛到一族最适应环境的类似个体，即得到问题最优的解．值得注意的一点是，现在的遗传算法是受生物进化论学说的启发提出的，这种学说对我们用计算机解决复杂问题很有用，而它本身是否完全正确并不重要（目前生物界对此学说尚有争议）． （1）遗传算法中的生物遗传学概念 由于遗传算法是由进化论和遗传学机理而产生的直接搜索优化方法；故而在这个算法中要用到各种进化和遗传学的概念． 首先给出遗传学概念、遗传算法概念和相应的数学概念三者之间的对应关系．这些概念如下： 序号遗传学概念遗传算法概念数学概念 1 个体要处理的基本对象、结构也就是可行解 2 群体个体的集合被选定的一组可行解 3 染色体个体的表现形式可行解的编码 4 基因染色体中的元素编码中的元素 5 基因位某一基因在染色体中的位置元素在编码中的位置 6 适应值个体对于环境的适应程度， 或在环境压力下的生存能力可行解所对应的适应函数值 7 种群被选定的一组染色体或个体根据入选概率定出的一组 可行解 8 选择从群体中选择优胜的个体， 淘汰劣质个体的操作保留或复制适应值大的可行解，去掉小的可行解 9 交叉一组染色体上对应基因段的 交换根据交叉原则产生的一组新解 10 交叉概率染色体对应基因段交换的概 率（可能性大小）闭区间[0,1]上的一个值，一般为0.65~0.90 11 变异染色体水平上基因变化编码的某些元素被改变

基于遗传算法的无功优化与控制

毕业设计（论文）题目：基于遗传算法的无功优化与控制 学生姓名： 学号： 班级: 专业：电气工程及其自动化 指导教师： 201 年月

基于遗传算法的无功优化与控制 学生姓名： 学号： 班级: 所在院(系): 指导教师： 完成日期:

基于遗传算法的无功优化与控制 摘要 电力系统无功功率的有效优化与合理控制既能提高电力系统运行时的电压质量，也能有效减少网损，节约能源，是保证电力系统安全经济运行的重要措施,对电网调度和规划具有重要的指导意义。 无功优化的核心问题主要集中在数学模型和优化算法两方面，其中数学模型问题是根据解决问题的重点不同来选取不同的目标函数；而优化算法的研究则大量集中在提高计算速度、改善收敛性能上。本文选取有功网损最小作为数学模型的目标函数，数学模型的约束条件有各节点的注入有功、无功功率的等式约束和各节点电压、发电机输出无功功率、可调变压器变比、并联补偿电容量、发电机机端电压均在各自的上下限之内的不等式约束，优化方法采用遗传算法。设计和编制了牛顿拉夫逊直角坐标matlab潮流计算程序以及遗传算法无功优化的matlab潮流计算程序。通过IEEE30节点系统的算例分析，得出基于遗传算法的无功优化能有效降低系统网损、提高电压水平，验证了该算法在解决多变量、非线性、不连续、多约束问题时的独特优势，并指出了该算法的不足之处以及如何改善。 关键词：牛顿拉夫逊法，无功优化，遗传算法

REACTIVE POWER OPTIMIZATION BASED ON GENETIC ALGORITHM ABSTRACT Reactive power with reasonable optimization and control of Power system can not only improve the stability of power system, but also effectively reduce network losses and save energy. It ensures the safety and economic operation of power systems and improve the voltage quality. It is important for planning departments on grid reactive power scheduling. Reactive power optimization focuses on mathematical models and optimization algorithms. The mathematical model is selected depending on the focus of problem-solving. Optimization algorithm is concentrated in improving the calculation speed and improve the convergence performance. This paper selects the active power loss minimum objective function as a mathematical model, the constraints of mathematical model are each node of the injected active and reactive power equality constraint and the node voltage and reactive power of generator output, adjustable transformer ratio, parallel capacitance compensation, the generator terminal voltage within the respective upper and lower limits of the inequality constraints, optimization method using genetic algorithms. Design Cartesian coordinate Newton Raphson power flow calculation method and genetic algorithm matlab calculate the reactive power optimization procedures. Through a numerical example of the IEEE 14 node system, we can draw reactive power optimization based on genetic algorithm can effectively reduce system loss and improve voltage level and verify the algorithm have unique advantages to solve multivariable, nonlinear, discontinuous, multi-constraint problem. Key words: Newton Raphson method; reactive power optimization; genetic algorithm

配电网无功功率优化研究

配电网无功功率优化研究 摘要 配电网的无功功率的有效优化与合理控制既能提高电力系统运行时的电压质量，也能有效减少网损，节约能源，是保证电力系统安全经济运行的重要措施,对电网调度和规划具有重要的指导意义。 无功优化的核心问题主要集中在数学模型和优化算法两方面，其中数学模型问题是根据解决问题的重点不同来选取不同的目标函数；而优化算法的研究则大量集中在提高计算速度、改善收敛性能上。本文选取有功网损最小作为数学模型的目标函数，数学模型的约束条件有各节点的注入有功、无功功率的等式约束和各节点电压、发电机输出无功功率、可调变压器变比、并联补偿电容量、发电机机端电压均在各自的上下限之内的不等式约束，优化方法采用遗传算法。设计和编制了牛顿拉夫逊直角坐标matlab 潮流计算程序以及遗传算法无功优化的matlab潮流计算程序。通过IEEE30节点系统的算例分析，得出基于遗传算法的无功优化能有效降低系统网损、提高电压水平，验证了该算法在解决多变量、非线性、不连续、多约束问题时的独特优势，并指出了该算法的不足之处以及如何改善。 关键词：牛顿拉夫逊法，无功优化，遗传算法

Research of Reactive Power Optimization Distribution Network ABSTRACT Reactive power with reasonable optimization and control of Power system can not only improve the stability of power system, but also effectively reduce network losses and save energy. It ensures the safety and economic operation of power systems and improve the voltage quality. It is important for planning departments on grid reactive power scheduling. Reactive power optimization focuses on mathematical models and optimization algorithms. The mathematical model is selected depending on the focus of problem-solving. Optimization algorithm is concentrated in improving the calculation speed and improve the convergence performance. This paper selects the active power loss minimum objective function as a mathematical model, the constraints of mathematical model are each node of the injected active and reactive power equality constraint and the node voltage and reactive power of generator output, adjustable transformer ratio, parallel capacitance compensation, the generator terminal voltage within the respective upper and lower limits of the inequality constraints, optimization method using genetic algorithms. Design Cartesian coordinate Newton Raphson power flow calculation method and genetic algorithm matlab calculate the reactive power optimization procedures. Through a numerical example of the IEEE 30 node system, we can draw reactive power optimization based on genetic algorithm can effectively reduce system loss and improve voltage level and verify the algorithm have unique advantages to solve multivariable, nonlinear, discontinuous, multi-constraint problem. Key words: Newton Raphson method; reactive power optimization; genetic algorithm

遗传算法与组合优化.

第四章 遗传算法与组合优化 4.1 背包问题（knapsack problem ） 4.1.1 问题描述 0/1背包问题：给出几个尺寸为S 1，S 2，…，S n 的物体和容量为C 的背包，此处S 1，S 2，…，S n 和C 都是正整数；要求找出n 个物件的一个子集使其尽可能多地填满容量为C 的背包。 数学形式： 最大化 ∑=n i i i X S 1 满足 ,1C X S n i i i ≤∑= n i X i ≤≤∈1},1,0{ 广义背包问题：输入由C 和两个向量C ＝(S 1，S 2，…，S n )和P ＝(P 1，P 2，…，P n )组成。设X 为一整数集合，即X ＝1，2，3，…，n ，T 为X 的子集，则问题就是找出满足约束条件∑∈≤T i i C X ，而使∑∈T i i P 获得最大的子集T ，即求S i 和P i 的下标子集。 在应用问题中，设S 的元素是n 项经营活动各自所需的资源消耗，C 是所能提供的资源总量，P 的元素是人们从每项经营活动中得到的利润或收益，则背包问题就是在资源有限的条件下，追求总的最大收益的资源有效分配问题。 广义背包问题可以数学形式更精确地描述如下： 最大化 ∑=n i i i X P 1 满足 ,1C X S n i i i ≤∑= n i X i ≤≤∈1},1,0{ 背包问题在计算理论中属于NP —完全问题，其计算复杂度为O (2n )，若允许物件可以部分地装入背包，即允许X ，可取从0.00到1.00闭区间上的实数，则背包问题就简化为极简单的P 类问题，此时计算复杂度为O (n )。

4.1.2 遗传编码 采用下标子集T 的二进制编码方案是常用的遗传编码方法。串T 的长度等于n(问题规模)，T i (1≤i ≤n )＝1表示该物件装入背包，T i ＝0表示不装入背包。基于背包问题有近似求解知识，以及考虑到遗传算法的特点（适合短定义距的、低阶的、高适应度的模式构成的积木块结构类问题），通常将P i ，S i 按P i /S i 值的大小依次排列，即P 1/S 1≥P 2/S 2≥…≥P n /S n 。 4.1.3 适应度函数 在上述编码情况下，背包问题的目标函数和约束条件可表示如下。 目标函数：∑==n i i i P T T J 1 )( 约束条件：C S T n i i i ≤∑=1 按照利用惩罚函数处理约束条件的方法，我们可构造背包问题的适应度函数f (T )如下式： f (T ) = J (T ) + g (T ) 式中g (T )为对T 超越约束条件的惩罚函数，惩罚函数可构造如下: 式中E m 为P i /S (1≤i ≤n )i 的最大值，β为合适的惩罚系数。 4.2 货郎担问题（Traveling Salesman Problem ——TSP ） 在遗传其法研究中，TSP 问题已被广泛地用于评价不同的遗传操作及选择机制的性能。之所以如此，主要有以下几个方面的原因： (1) TSP 问题是一个典型的、易于描述却难以处理的NP 完全（NP-complete ）问题。有效地 解决TSP 问题在可计算理论上有着重要的理论价值。 (2) TSP 问题是诸多领域内出现的多种复杂问题的集中概括和简化形式。因此，快速、有效 地解决TSP 问题有着极高的实际应用价值。 (3) TSP 问题因其典型性已成为各种启发式的搜索、优化算法的间接比较标准，而遗传算法 就其本质来说，主要是处理复杂问题的一种鲁棒性强的启发式随机搜索算法。因此遗传算法在TSP 问题求解方面的应用研究，对于构造合适的遗传算法框架、建立有效的遗传操作以及有效地解决TSP 问题等有着多方面的重要意义。

基于主动禁忌搜索的配电网无功电压优化控制

基于主动禁忌搜索的配电网无功电压优化控制 发表时间：2019-03-29T15:08:42.080Z 来源：《电力设备》2018年第30期作者：司泽宣薛韬杰 [导读] 摘要：从数学角度分析，配电网无功优化是一个非线性、多变量、多约束的混合规划问题。 （国网山西省电力公司检修分公司山西太原 030006） 摘要：从数学角度分析，配电网无功优化是一个非线性、多变量、多约束的混合规划问题。粒子群优化搜索算法被广泛应用于求解配电网无功优化问题。由于粒子群算法粒子群在进化过程易趋向同一化，失去多样性，从而使算法陷入局部最优解。本文在分析配电网无功优化的特性基础上，提出一种改进的紧融合禁忌搜索-粒子群算法用于配电网无功优化问题的求解。通过将禁忌搜索功能融合到粒子历史最优解和全局最优解寻优过程中，避免了粒子群算法寻优过程中出现的局部最优问题，从而提高粒子群算法的全局搜索能力。通过IEEE14节点系统的仿真计算结果表明，改进的算法能取得良好的效果。 关键词：配电网；无功优化；数字模型 1 引言 无功优化控制是保证电力系统安全、经济运行的一项有效手段，合理的无功分布可以提高系统电压质量和降低电网损耗等。一般地，电力系统无功优化问题是一多变量、多约束的非线性混合整数规划问题。为了解决这一复杂系统问题，国内外学者进行了许多探索研究，提出了多种计算方法。在目前的成果中，常规数学优化算法和智能启发式算法成为主要的两大分支。其中常规算法包括：梯度法、内点法、线性规划和非线性规划等算法。这类常规算法在解决局部问题上虽然有一定的优势，但由于对待优化的目标函数要求可微、对函数初值要求较高、求最优解的时间较长，并且对于较大应用场景容易产生维数灾等缺点。为解决常规优化算法的局限性问题，国内外学者纷纷展开研究并提出了多种智能启发式算法。智能算法具有搜索能力强、原理简单等优点，主要包括粒子群算法、遗传算法、免疫算法和混合算法等。 然而，现代智能启发式算法存在一定的缺陷，算法在搜索过程中，容易出现效率低下且容易陷入局部最优解，从而影响求解效果。因此，学者提出了许多改进的智能启发式算法，以加快收敛速度和提高全局寻优能力。文献[2]将无功优化问题分解为离散优化和连续优化2个子问题，交替运用遗传算法和内点法求解控制策略，以提高计算效率。文献[1]在遗传算法中引入多模因局部搜索策略，以提高搜索效率和收敛速度。 本文提出一种改进的融合型禁忌搜索粒子群算法用于配电网无功优化的求解问题。把全局搜索能力较强的粒子群优化算法与局部搜索能力强的禁忌搜索算法结合，通过禁忌搜索功能，既能避免粒子群算法寻优过程中出现的局部最优问题，又能提高收敛速度，从而提高粒子群算法的全局搜索能力。 2 配电网无功优化数学模型 提出将主动禁忌搜索（RTS）算法用于配电网无功电压优化控制问题的求解．首先根据已知的负荷预测曲线，用一种启发式方法为R 丁S提供可行初始解．在利用RTS算法的求解过程中，使用了反馈机制，可自动调节禁忌表长度，结合逃逸策略，可以使搜索有效地跳出局部极小点，更好地找到最优解．通过算例验证了该算法的有效性．与传统的禁忌搜索（TS）算法、遗传算法（GA）以及模拟退火（SA）算法进行了比较，算例结果表明，RTS算法求得的解质量更高，求解速度更快，比GA和SA算法至少提高了一倍． 2.1 目标函数 本文以系统网损最小和电压质量最好为优化目标，将发电机无功出力和负荷节点电压变量越限量作为惩罚函数，并设置了功率约束和变量约束等限制条件。如式（1）为目标函数： 其中，L、M和N分别代表支路数、负荷节点个数和发电机的节点个数；Pl表示系统线路的有功损耗，Ui、Uimax和Uimin分别表示节点电压值、电压上限和电压下限；QGi、QGimax和QGimin分别表示发电机节点无功功率、无功功率上限和功率下限；ξv、ξG分别节点电压和发电机无功越限惩罚系数；△Ui、△QGi分别为节点i的电压越限偏差和发电机无功功率越限偏差。 2.2 约束条件 配电网无功优化主要对节点电压、节点注入无功功率2个状态变量和有载调压变压器变比、补偿电容器容量、发电机机端电压三个控制变量进行优化。 其中状态变量约束条件如式（2）所示： （2） 控制变量约束条件如式（3）所示： （3） 其中，QCi表示电容器补偿容量，Tj表示可调变压器变比，UGk表示发电机端电压。 其中，PGi、PLi分别表示发电机节点和负荷节点有功功率；QLi表示负荷节点无功功率；Bij、δij、Gij分别表示节点i与节点j之间的电纳、电压相角差和电导；n为节点总数。 3 融合禁忌搜索粒子群算法设计 （1）初始化相关参数，并采用随机方法生产初始粒子Xi=（xil，…，xin）和初始速度，Vi=（vil，…，vin）；（2）根据约束条件验证初始粒子和变量的上下限约束； （3）选择优化适应度函数，计算粒子的适应度值，和节点的惩罚量；

配电网无功优化研究

配电网无功优化研究 发表时间：2018-01-26T15:18:18.023Z 来源：《防护工程》2017年第27期作者：董冠男 1 李龙妹1 王薇2 [导读] 在电力系统运行中，无功功率补偿一直是配电网安全、经济运行的重要因素。 1.国网朝阳供电公司辽宁朝阳 122000； 2.锦州供电公司辽宁锦州 121000 摘要：在电力系统运行中，无功功率补偿一直是配电网安全、经济运行的重要因素。在确保安全可靠的同时又要科学利用和优化配置系统资源，来降低运行损耗，提高供电电能质量。本文介绍了配电网无功功率补偿原理、方法，以及无功功率特性，并针对一个10 kV配电系统，通过采用电力电容器对系统进行并联无功功率补偿。 关键词：无功优化；配电网；无功补偿 1引言 电力系统的无功优化是电力系统科学管理的重要手段和内容，是利用科学的方法计算出发电机、调相机、无功补偿装置（包括补偿电容和电抗器等）、可调变压器等无功电压的可利用资源的有效组合配置，寻求在其设备性能约束条件下的最佳运行点和最佳效益点，以实现最合理投资和运行状态，满足电网电压合格率最高，系统运行损耗最小的运行要求。无功优化及规划也是提高电网运行水平和规划管理水平、指导管理人员工作的科学依据和不可缺少的工具之一。 2配电网无功功率优化补偿原理 2.1 无功补偿的原理 无功功率在电网中的流动，对电网的安全、经济运行了有着重要的影响。要保证电网的安全、经济运行，降低电网损耗，总是希望电网的无功最好不流动，即所谓的理想状态，或者尽量少流动，特别要避免无功功率通过输电线路远距离流动，实现系统的无功平衡。 所谓无功平衡，就是指在电网运行的每一时刻，系统中各无功电源所发出的总无功功率要与系统所有的无功负荷及无功功率损耗相平衡。具体用公式表示为 无功补偿就是根据交流电路中，无功功率是由电压和电流间的相位差异产生的这一特点，利用电容和电感相反的相位特性进行补偿。无功补偿分为感性补偿和容性补偿，感性补偿是利用并联电抗器等无功补偿装置，对容性负荷发出的无功功率加以吸收，一般在高电压或超高压输电网中采用，用以吸收输电线路产生的充电功率；容性补偿是利用并联电容器等无功补偿装置，提供感性负荷需要的无功功率，使由电源输送的无功功率减少.从而避免了无功补偿装置所发出的无功功率通过输电线路远距离输送。并联电容器的补偿原理可以由图3-1说明。 2.2 无功补偿装置 从目前国内外无功补偿装置的应用情况看，无功补偿装置主要有同步调相机、并联电容器和静止补偿器等三种。 1）同步调相机 同步调相机是特殊运行状态下的同步电机，可视为不带有功负荷的同步发电机或是一种不带机械负载的同步发电机。它可以过励磁运行，也可以欠励磁运行，运行状态根据系统的需要来调节。 2）并联电容器 并联电容器的结构比较简单，主要由芯子、油箱和出线三部分织成。它的作用就在于重负荷时发出感性无功，补偿负荷所需，以减少输送感性无功而在线路上产生的电压降落，提高负荷端电压。 3）静止补偿器 静止补偿器是近年来发展起来的一种动态无功功率补偿装置。通常由电容器、饱和电抗器或线性电抗器、滤波器、晶闸管和专用调节器等静止设备组成，利用可控硅开关来分别控制电容器组与电抗器的投切，这样它的性能完全和同步调相机一样。 2.3 无功补偿方式 电网无功补偿主要有三种方式：集中补偿、分散补偿、就地补偿。最有效的方法是就地补偿。 就地补偿：将电容器直接安装于电动机等用电设备附近，与用电设备的供电回路相并联，对系统最末端的电动机等用电设备所消耗的无功功率进行就地补偿，以提高配电系统的功率因数，此方式最有效。 3 无功功率特性与其他参数关系 各种用电设备中，除了相对很小的白炽灯，照明负荷只消耗有功功率，为数不多的同步电机可发出一部分无功功率外，其余大多数用电设备都要消耗无功功率。因此，无论是工业或农业用户都以滞后的功率因数运行，其值约为0．6～0．9。下图3.1为某地区无功功率变化规律示意图，从图中可看出，无功负荷在一天中变化是较大的。

主动配电网运行方式及控制策略分析

主动配电网运行方式及控制策略分析 摘要:分布式能源与新型负荷的逐步推广，深刻改变了电网的组成形式与运行方式，传统的配电网运行控制理论与技术不再完全适用。为适应新形势的发展，主 动配电网加强了对电源侧、负荷侧和配电网的控制，强调对各种灵活性资源从被 动处理到主动引导与主动利用。 关键词：配电网；控制；分析 本文从主动配电网的组成特点出发，结合主动配电网的运行方式分析和控制 方式选择，梳理主动配电网的控制方法和手段，提出源网荷互动全局控制中心的 功能设计，提出针对配电网运行数据、营销数据及电网外部数据的的数据中心支 撑方案，从而支持多种形式能源接入的监视控制与双向互动，支持海量数据的处 理与分析决策能力。 全局控制中心主要包含全局协调优化、区域协调优化、分布式控制等内容， 强调对配网运行的主动控制。通过运维支持服务、协同优化控制、综合服务等实 现全局协调优化功能，通过用能能量管理、电动汽车充电管理、储能管理、分布 式能源管理等实现区域协调优化，通过储能、电动汽车、分布式能源等灵活性资 源实现分布式就地控制。 1 主动配电网运行控制框架 1.1 主动配电网形态 主动配电网重点关注能源生产的配给和综合利用，将其基础框架按照能源生 产与消费层、能源传输层、能源管理大数据平台和能源管理应用层四个层面进行 考虑。 （1）能源生产与消费层为充电汽车、分布式发电、储能设备和“冷、热、电” 联产构成的主动配电网能量流层，该层中的用户可是能源的生产者，也是能源的 消费者，负荷具备柔性的调节能力。 （2）能源传输层为主动配电系统的配电网络，具有拓扑结构灵活，潮流可控、设备利用率高等特点。 （3）大数据平台使适应主动配电网特点的服务平台层，包括云平台、大数据处理技术和智能电网服务总线，支持能源生产、传输、消费等全过程的数据存储、分析、挖掘和管理。 （4）能源管理应用层要求实现主动配电网各种运行与控制功能，主要有电网运行态势感知、全电压等级无功电压控制、自适应综合能源优化、分布式发电预测、馈线负荷预报、故障诊断隔离与恢复、合环冲击电流在线评估与调控、风险 评估与状态检修等，同时是为能源全寿命周期提供优化控制决策和服务的集成调控—运检—营销于一体的智能决策支持系统。 1.2 控制方式选择 系统控制方式对系统控制资源有着重要的影响，对系统运行的水平和可靠性 起着决定性的作用。主动配电网目前的主要控制方式包括集中式、分散式、分层 式等类型。其中，集中式控制利用传感器将网络潮流信息或设备状态数据上传至 能源管理系统，能源管理系统利用分层分布协调控单元对分布式电源、开关等设 备发布控制指令、管理电网运行。 分散式控制通过分层分布式控制单元和本地协调控制器进行协调控制，其中 分层分布式控制单元负责区域协调控制，本地协调控制器对本地设备状态信息进 行采集，并及时给出控制命令。

主动配电网文献综述

主动配电网文献综述 摘要：分布式电源( distributed generation, DG)和电动汽车的大量接入、智能家居的普及、需求侧响应的全面实施等显著增强了配电系统规划与运行的复杂性，同时，未来的配电网对规划与运行的优化策略提出了更高的要求。作为未来配电网的一种发展模式，主动配电网( active distribution network, ADN)开始受到人们的关注。本文主要探讨总结了主动配电网的国内外现状，主动配网网工作原理，主动配电网的运行方式、标准、对应的国内外指标及计算方法以及主动配电网的算法研究。 关键词：主动配电网，分布式发电，潮流算法，粒子群算法，混合算法 0引言 近年来，全球范围内气候变暖及极端天气事件日益频发，严重威胁着人类社会的可持续发展。在诸多因素中，人类过度排放温室气体被认为是导致全球气候变化的重要原因[1,2]。 为应对上述挑战，英国政府于2003年首次提出了低碳经济的发展理念。发展低碳电力系统的根本任务是要形成稳定的低碳电能供应机制，其关键在于对可再生能源的有效开发与利用。对此，一种解决思路是从配用电环节入手，建立协调关联分布式可再生能源发电、配电网络与终端用电的集成供电系统，实现对可再生能源的就地消纳与利用。分布式配用电系统优点有建设周期短、投资成本低、运行灵活，且抗风险能力更强[3,4]。 传统配电网中，电力潮流一般由上端变电站单一流向负荷节点，其运行方式和规划准则相对简单。然而，分布式能源的规模化接入与应用将对系统潮流分布、电压水平、短路容量等原有电气特性造成显著影响。而传统配电网在设计阶段并未考虑上述因素，因此难以满足低碳经济背景下高渗透率可再生能源发电接入与高效利用的要求。 与主要关注用户侧的微电网（Micro-Grid, MG）不同，ADN 主要面向由电力企业管理的公共配电网。它是一种兼容电网、分布式发电及需求侧管理等多类型技术的全新开放式配电系统体系结构。ADN 的技术理念将系统运行中的信息价值及电网-用户之间的互动能力提升至一个新高度，强调在整个配电网层面内借助主动网络管理（Active Network Management, ANM）实现对各类可再生能源的主动消纳及多级协调利用，最终促进电能低碳化转变及电网资产利用效率的全方位提高[5]。 本文将介绍主动配电网的国内外现状，主动配网网工作原理，主动配电网的运行方式、标准、对应的国内外指标及计算方法以及主动配电网的算法研究。 1 国内外技术现状 主动配电网（AND）是近几年来才提出的新名词。最早美国电力可靠性技术解决方案协会（CERTS）提出了“微网”的概念，微网是由微电源和负荷共同组成的系统，可同时提供电能和热量，其组成结构较ADN 简单，也可以说是ADN的一种特殊形式。 1.1国外技术现状 目前对ADN的研究处于领先地位的主要有北美、欧盟和日本等。美国CERTS己在美国电力公司Walnut的微网测试基地成功验证了微网的初步理论；欧盟推出了“Microgrids”和“More Microgrids”个主要项目，德国太阳能研究所建成的微网实验室规模最大，容量达到200kV A，该研究所还在其实验平台设计安装了简单的能量管理系统；日本常规能源较为匿乏，在可再生能源幵发和利用上投入较大，已在国内建立了多个微网项目，其微网实验系统的开发亦处于世界领先水平。 截至2013年，欧盟开展了ADINE、ADDERSS、GRID4EU等代表性的ADN示