技术特征：
1.一种基于蜻蜓算法的含分布式电源的配电网无功优化方法，其特征是：包括以下步骤：步骤1.考虑分布式电源对配电网无功优化的影响，建立配电网无功优化数学模型；步骤2.获取配电网系统的节点数据，选取分布式电源放置的节点位置，设置控制变量的个数及取值范围；步骤3.初始化参数；步骤4.对种群内每个蜻蜓个体进行相关计算，并自适应的调整各项行为的权重系数；步骤5.调整每个蜻蜓个体的位置更新范围；步骤6.蜻蜓适应度计算；步骤7.终止条件判断；步骤8.停止迭代，输出最终的最优无功补偿量和最优值。2.根据权利要求1所述的一种基于蜻蜓算法的含分布式电源的配电网无功优化方法，其特征是：步骤1所述建立配电网无功优化数学模型包括：步骤101.选取以网损最小、电压质量最高为目标函数：min f＝ap
loss
+bδu+cl其中，f为目标函数，p
loss
表示配电网的线损，δu表示电压越限程度，l是电压稳定性的一个指标，l越小电压稳定性越好，a、b、c分别为各指标的权重系数，其大小根据配电网数据特点利用变异系数法确定，以示客观性；其中，p
loss
表示配电网的线损,n表示配电网的支路总数，g
k
表示支路k的电导，u
i
和u
j
分别为节点i和j的电压幅值，θ
ij
表示节点i和j间的电压相角差；其中，δu表示电压越限程度，表示节点i的电压基准值，和分别为节点i电压的上限和下限；假设潮流方向从节点i流向节点j，那么该支路的电压稳定指标可以表示为：其中，p
j
和q
j
分别是节点j的注入有功功率和无功功率，r
ij
为支路电阻，x
ij
为支路电抗；步骤102.潮流计算方程：步骤102.潮流计算方程：其中，p
dgi
和q
dgi
分别是分布式电源在节点i的注入有功功率和无功功率，p
di
和q
di
为节点i的负荷功率。
3.根据权利要求1所述的一种基于蜻蜓算法的含分布式电源的配电网无功优化方法，其特征是：步骤2所述获取配电网系统的节点数据，选取分布式电源放置的节点位置，设置控制变量的个数及取值范围，包括：控制变量的个数及取值范围，包括：控制变量的个数及取值范围，包括：其中，q
dgi
和q
ci
分别为第i个dg的无功出力和第i个无功补偿装置的无功出力，为节点i的电压幅值，为分布式电源提供的无功补偿量下限，为分布式电源提供的无功补偿量上限，为无功补偿设备提供的无功补偿量下限，为无功补偿设备提供的无功补偿量上限，和分别为节点i电压的上限和下限。4.根据权利要求1所述的一种基于蜻蜓算法的含分布式电源的配电网无功优化方法，其特征是：步骤3所述初始化参数，包括：在约束范围内初始化蜻蜓的位置x，即实际问题中的无功补偿量的初始值，以及步长向量δx,并计算初始目标函数值，设置最大迭代次数t。5.根据权利要求1所述的一种基于蜻蜓算法的含分布式电源的配电网无功优化方法，其特征是：所述相关计算包括：分离、对齐、凝聚、捕食以及躲避天敌行为的计算；所述分离：指蜻蜓与邻居中其他蜻蜓之间的避免静态碰撞；其中，s
j
表示分离度,x是当前蜻蜓的位置，x
j
表示相邻第j个蜻蜓的位置，n表示相邻蜻蜓的数量；所述对齐：表示蜻蜓与邻居中其他蜻蜓的速度匹配；其中，a
i
表示对齐度，v
j
表示第j个相邻蜻蜓的速度；所述凝聚：指蜻蜓倾向于邻里蜻蜓的中心；其中，c
i
表示凝聚程度,x是当前蜻蜓的位置，x
j
表示相邻第j个蜻蜓的位置，n表示相邻蜻蜓的数量；所述捕食，指聚集捕食猎物：f
i
＝x
+-x其中，f
i
表示捕食情况,x是当前蜻蜓的位置，x
+
显示食物来源的位置；所述躲避天敌，指分散躲避天敌：e
i
＝x-+x
其中，e
i
表示表示躲避天敌的分散程度,x是当前蜻蜓的位置，x-显示敌人的位置。6.根据权利要求1所述的一种基于蜻蜓算法的含分布式电源的配电网无功优化方法，其特征是：步骤5所述调整每个蜻蜓个体的位置更新范围，包括：更新当前迭代次数的步长向量和位置向量，对控制变量进行调整，修正越界的状态变量。7.根据权利要求6所述的一种基于蜻蜓算法的含分布式电源的配电网无功优化方法，其特征是：所述步长向量，如下式：δx
t+1
＝(ss
i
+aa
i
+cc
i
+ff
i
+ee
i
)+wδx
t
其中，δx
t+1
为第t+1次迭代的步长向量，δx
t
为第t次迭代的步长向量，s、a、c、f、e分别为以上五种行为的权重，t为迭代次数，w为惯性权重；所述位置向量，表示如下：(1)当存在邻近解时：x
t+1
＝x
t
+δx
t+1
其中，x
t+1
表示第t+1次迭代的蜻蜓位置向量,x
t
表示第t次迭代的位置向量,
△
x
t+1
表示第t+1次迭代的步长向量；(2)当不存在邻近解时，需要使用随机游动在搜索空间中飞行：x
t+1
＝x
t
+levy(d)*x
t
其中，t为当前迭代次数，d为位置向量的维数；其中，levy(x)是蜻蜓自由飞行模式中位置更新系数,是r1、r2是[0,1]中的两个随机数，β是一个常数，一般取1.5,σ值按下式计算；γ(x)＝(x-1)！蜻蜓的位置向量表示实际问题中的无功补偿量q
ci
，更新后需要满足无功约束范围条件。8.根据权利要求1所述的一种基于蜻蜓算法的含分布式电源的配电网无功优化方法，其特征是：所述蜻蜓适应度计算，是根据每只蜻蜓的位置，进行潮流计算，计算目标函数值，即网损和电压质量情况，得到蜻蜓当前的最优位置x'
opt
和最优目标函数值f
′
opt
；所述终止条件判断，若蜻蜓算法达到最大迭代次数t，则执行下一步骤，若不满足，则返回步骤4，继续向后依次执行，直至达到最大迭代次数条件；所述停止迭代，输出最终的最优无功补偿量x
opt
和最优值f
opt
，其中最优解即为最优的无功补偿量，最优值为系统运行的最小代价，即网损最小和电压质量最高。9.一种计算机设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-8中任一权利要求所述的一种基于蜻蜓算法的含分布式电源的配电网无功优化方法的步骤。10.一种计算机存储介质，其特征是：所述计算机存储介质上存有计算机程序，所述计
算机程序被处理器执行时实现权利要求1-8中任一权利要求所述的一种基于蜻蜓算法的含分布式电源的配电网无功优化方法的步骤。
技术总结
本发明属于电力系统无功优化技术领域，尤其涉及一种基于蜻蜓算法的含分布式电源的配电网无功优化方法。包括：步骤1.考虑分布式电源对配电网无功优化的影响，建立配电网无功优化数学模型；步骤2.获取配电网系统的节点数据，选取分布式电源放置的节点位置，设置控制变量的个数及取值范围；步骤3.初始化参数；步骤4.对种群内每个蜻蜓个体进行相关计算，并自适应的调整各项行为的权重系数；步骤5.调整每个蜻蜓个体的位置更新范围；步骤6.蜻蜓适应度计算；步骤7.终止条件判断；步骤8.停止迭代，输出最终的最优无功补偿量和最优值。本发明能够提供高精度的无功补偿方案，降低线损，保证配电系统安全稳定的运行。电系统安全稳定的运行。电系统安全稳定的运行。
技术研发人员：史可鉴 代子阔 朱义东 张新宇 田野 钟栗广 杜威 李海峰 王智博 呼笑笑 顾泰宇 白挺玮 于重
受保护的技术使用者：辽宁电能发展股份有限公司 国网辽宁省电力有限公司 国家电网有限公司
技术研发日：2021.12.24
技术公布日：2022/4/22