专利名称：一种改进的免疫-粒子群优化算法的制作方法
技术领域：
本发明涉及配电网范围内统一优化有源和无源滤波装置的安装地点及相应的参 数，减小系统的损耗，将电压、功率因数等保持在规定的范围内。
背景技术：
分布式发电(Distributed Generation, DG)是通过规模不大、分布在负荷附近的 发电设施进行经济、高效、可靠的发电，在现代城市供电中有其独有的环保和高效的优势。 但由于分布式电源通过逆变器接入电网，其开关器件频繁的开通和关断向电网注入了大量 的谐波和次谐波分量，导致电网中电压和电流波形的严重失真，其负面效应是电能质量的 下降，同时严重影响着供、用电设备的安全经济运行且造成了巨大的经济损失。在用户或电 网中装设滤波器是抑制谐波的一种有效措施，可减少和控制注入电网的谐波电流和补偿无 功损耗，以使配电网中各节点的谐波电压满足相应的谐波标准。目前，在谐波治理的措施中广泛采用无源滤波器(PPF)和有源电力滤波器(APF)。 前者承担主要的谐波补偿，而后者用来改善无源部分的滤波特性。这样，考虑两种滤波装 置的优化配置是目前工程应用的必然选择。但是，由于在综合使用时各自的性能都会受到 部分影响，这样对有源和无源滤波器的参数进行优化设计显得非常重要。APF的容量及最 优安装位置应该在满足谐波治理标准的前提下，使注入电网的谐波电流值应尽可能小；PPF 的结构通常并不复杂，但设计却需要考虑其无功补偿性能及避免与电网发生谐振等因素， 这是个典型的多目标、非线性优化问题。已有的优化设计方法中，有些假设条件较多，寻优空间较小，寻优能力不强，比如 进化算法(EP)、遗传算法(GA)等。粒子群算法(PSO)同其它们相比，具有算法简单、收敛速 度快的优点，这对解决分布式电网规划这类大规模、带有大量约束条件和离散变量的非线 性整数规划问题非常有效，但因其收敛受参数和初始粒子分布影响较大，易陷入局部最优。 而人工免疫优化算法利用人工免疫系统抗体多样性的机理和克隆选择算子搜索抗体群，具 有很强的全局寻优能力。为了适应谐波源和网络参数的随机变化，寻求如何用最小代价在 电网中配置滤波器，并使之满足抑制谐波要求显得尤其重要。
发明内容
为了克服目前优化设计方法中，假设条件较多，寻优空间较小易陷入局部最优，寻 优能力不强等不足，本发明公开的改进的免疫-粒子群算法具有更大概率更快速度更精确 地获得全局最优解的优势，从而优化配电网中有源和无源滤波装置的安装地点及相应的参 数，减小系统的损耗，将电压、功率因数等保持在规定的范围内，达到系统能量成本和滤波 装置投资成本的最小化。为实现上述的目的，本发明所采用的技术方案是正交交叉算子初始化种群，在一 个区域量化，使相邻两个水平的差是相同的、均勻化，再利用正交表选择出较小数且具有代 表性的个体作为子代个体，随机生成新个体，加入到群体中，维持种群多样性。自适应惯性系数w，调整其大小可以改变搜索能力的强弱。逐步减少w值，较大的w值有利于提高算法 的收敛速度，而较小的w则可以提高算法的精度。既加快了收敛速度，同时保持了粒子群多 样性，利用已有的历史信息飞向全局最优解。它的基本原理如下将粒子群进化方程中引入免疫克隆算法，这样每个抗体利用 已有的历史信息飞向全局最优解，Vki = wvk_1i++c2rand2 (Pg-Xk^1i)正交交叉算子初始化种群，设两个父代个体B1 = {aia, ···, aljN}, a2 = {a2jl,…，a2,N}m = {min (aia, a2jl), ···, min (aljN, a2jN)}η = {max (aia, a2jl), ···, min (aljN, a2jN)}将空间{m，n}的每一个区域量化，使得相邻两个水平的差是相同的，再利用正交 表选择出较小数且具有代表性的个体作为子代个体，加入到群体中。正交交叉算子可以相 当少的实验次数、非常短的实验时间和很低的实验费用得到满意的实验结果。采用自适应 的惯性系数，对w进行自适应调整，即随着迭代次数的增加，逐步减少w值。较大的w值有 利于提高算法的收敛速度，而较小的W则可以提高算法的精度。w(k) = [\.%l{\ + ek' km^)]式中，λ为正系数，用来调节W的变化速度；k为迭代次数；kmax为迭代次数的上 限。其有益效果是1)该算法具有更大概率更快速度获得全局最优解的优势。2)能在给定的电网范围内统一优化有源和无源滤波装置的安装地点及相应的参 数，减小系统的损耗，将电压、功率因数等保持在规定的范围内，达到系统能量成本和滤波 装置投资成本最小化的目的。3)大大减小了所需变流器的容量，从而达到了较好的滤波效果和乐观的经济效 益，特别适合实际的工程应用。下面结合附图对本发明作进一步说明。
附图为算法流程图。
具体实施例方式通过正交交叉算子初始化种群，使其均勻化，随机生成新个体，维持种群多样性。设两个父代个体 al = {aia,…，aljN}, a2 = {a2a,…，a2,N} ；m = {min(aia, a2, i) ···, min(aljN, a2jN)}, η = {max (aia, a2a), min (au, a2,N)},将空间{m, n}的每一个 区域量化，使得相邻两个水平的差是相同的，再利用正交表选择出较小数且具有代表性的 个体作为子代个体，加入到群体中。由于正交交叉算子可以相当少的实验次数、非常短的实 验时间和很低的实验费用得到满意的实验结果，所以本发明采用的正交算子生成的初始种 群能均勻地分布在解空间，提高种群的多样性。在PSO算法中，假设粒子的总数为N，每个粒子在空间中有一个位置Xi,该粒子从Xi以速度Vi向前飞行，每个粒子在空间内搜索到的最优位置为Pi,整个粒子群在空间内搜 索到的最优位置为pg，Xi的第k次迭代的修正量为Vki= [vkn, Vki2,…，vkin]，则Vk
(1)式(1)中，k为迭代次数；Cl和C2为加速因子，rand!和rand2是两个独立的介于
之间的随机数;w为惯性系数，调整其大小可以改变搜索能力的强弱。算法的迭代终 止条件选为最大迭代次数或粒子群迄今为止搜索到的最优位置的适应度值满足预定的最 小适应度阈值。由于粒子都是根据全体粒子和自身的搜索经验向着最优解的方向“飞行”，在较大 的惯性系数的作用下，粒子有可能会缺乏对最优解的精细搜索而导致搜索精度不高。采用 自适应的惯性系数，按式⑵对w进行自适应调整，即随着迭代次数的增加，逐步减少w值。 较大的w值有利于提高算法的收敛速度，而较小的w则可以提高算法的精度。
(2)式中，λ为正系数，用来调节w的变化速度；k为迭代次数；kmax为迭代次数的上 限。为了加快收敛速度，同时保持粒子群多样性，提出了改进的免疫-粒子群优化算 法，将粒子群进化方程中引入免疫克隆算法，这样每个抗体利用已有的历史信息飞向全局 最优解，从而得到算法的表达式
)(3)改进后的算法大大减少了运行时间，提高了算法精度。含分布式发电的电网中无功补偿和滤波装置统一优化配置的数学模型目标函数的建立(1)在装设滤波装置后，要使电网谐波含量在符合国家标准的基础上，越小越好。 因此，本发明以电网各母线的谐波电压总畸变率THDUi为其中的目标函数，即 式中i为电网母线标号，N为网络总的节点数，h为谐波次数，H为考虑的最高谐 波次数；Uli为第i点的基波电压有效值，Uhi为在第i点h次谐波电压有效值。在寻优过程 中，加入约束条件如下
(6)(2)通过比较计算可以得到无功功率注入对系统有功损耗影响较大的那些节点， 并把它们作为无源滤波器的预装位置，这样就可以在不影响优化质量的条件下大大缩小算 法的搜索空间，从而节省了计算量和计算时间。为此，定义系统有功网损费用的目标函数和 约束条件如下 Uifflin ^ Ui ^ Uifflax(9)其中k为单位网损费用，P(Xi，Ui)为系统有功网损；Uimin和Uimax分别为节点i的 电压上下限值。(3)通过采用无源滤波器和有源滤波器的数学模型，得到投资费用最小的目标函 数f3(x)为
(10)式中，aij; bi表示是否安装滤波器支路山，12，I3分别为无源滤波器的电容C、电感 L和电阻R所对应的单位价格因子，& (Si)为有源滤波器的费用与滤波器额定容量之间的函 数关系。由于电力电子装置等非线性负荷的功率因数对系统滤波装置优化配置的影响主 要表现在滤波装置的最小额定安装容量上，根据参考文献可知，第i节点的最小电容器额 定安装容量应为补偿的基波无功容量Q1与谐波无功容量Qhi之和，即
(11) 其中沿= 。+的，Q1为补偿的基波无功容量，Qhi为补偿的谐波无功容量；I
Az-
和Ihi为第i节点的基波电流和第h次谐波电流，Ci为第i节安装的滤波器的电容值。
有源滤波器的容量Si由所补偿的各次谐波电流值决定，而与基波电流无关，其容 量决定于所补偿的总谐波电流有效值，即 在实际情况中，要使三个目标函数同时到达最小值是不可能存在的，而只能通过 协调各函数之间的关系，尽量使它们同时达到比较优的解。因此，本发明采用线性加权的方 式给出综合目标函数，使多目标优化问题转化为单目标优化问题。抗体亲和度的计算罚函数法的基本思想是根据约束的特点构造某种惩罚函数，并将惩罚函数添加到 目标函数中，使约束优化问题的求解转化为无约束优化问题的求解。本发明采用在目标函 数中引入罚函数来计算算法中用到的抗体亲和度，即 F = V-frf2-f2-[ Σ γ,-G,·+ Σ CjHj]
(13) 式中，V为一适当大的正整数，r,和C1是罚因子，其他参数如下所示g,=k =
4/’
/O
Uh max , ^hi > "A max Uhi ^ Uhmax
THDUi - Cthdu , THDUi > Cthdu 0,THDUi < Cthdu
(14)
(15) Gi = max[0,
= h,-
(16) 在求出抗体亲和度后，依次进行优化算法搜索，也就是对滤波器的安装位置、类型 和容量大小以及其他参数进行寻优，最后达到网络各节点电压和谐波电压含有率和畸变率 满足要求，并且最优的经济效益。
权利要求
改进的免疫-粒子群优化算法的基本原理将粒子群进化方程中引入免疫克隆算法，引进正交交叉算子和自适应惯性系数。具体实现如下通过正交交叉算子初始化种群，在一个区域量化，使相邻两个水平的差是相同的、均匀化，再利用正交表选择出较小数且具有代表性的个体作为子代个体，随机生成新个体，加入到群体中，维持种群多样性。调整自适应惯性系数w大小可以改变搜索能力的强弱。逐步减小w值，较大的w值有利于提高算法的收敛速度，而较小的w则可以提高算法的精度，算法的迭代终止条件选为最大迭代次数或粒子群迄今为止搜索到的最优位置的适应度值满足预定的最小适应度阈值。这样每个抗体利用已有的历史信息飞向全局最优解。
2.根据权利要求1所述的改进的免疫-粒子群优化算法，其特征是使初始种群解能 均勻地分布在解空间，提高种群的多样性，且具有更大概率更快速度更精确获得全局最优 解的优势；同时该算法大大减少了运行时间，提高了算法精度。
全文摘要
本发明公开了一种改进的免疫-粒子群优化算法，即引进正交交叉算子和自适应惯性系数，从而来优化配置电网中的滤波装置。正交交叉算子是通过在一个区域量化，使得相邻两个水平的差是相同的，再利用正交表选择出较小数且具有代表性的个体作为子代个体，加入到群体中，维持种群多样性。自适应惯性系数w可以进行自适应调整，随着迭代次数的增加，逐步减少w值，较大的w值有利于提高算法的收敛速度，而较小的w则可以提高算法的精度。仿真结果表明，该算法能在给定的电网范围内统一优化有源和无源滤波装置的安装地点及相应的参数，减小系统的损耗，将电压、功率因数等保持在规定的范围内，达到系统能量成本和滤波装置投资成本最小化的目的。
文档编号H02J3/00GK101882237SQ201010172339
公开日2010年11月10日 申请日期2010年5月14日 优先权日2010年5月14日
发明者夏向阳 申请人:长沙理工大学