一种有源滤波器优化配置方法与流程

本发明涉及智能配电网系统，尤其涉及一种有源滤波器优化配置方法。

背景技术：

电力电子装置的广泛应用，使电网谐波污染日益严重，电力系统的谐波问题引起人们越来越多的关注。

目前电力系统中，谐波治理主要是通过安装滤波器降低谐波含量。其中，配置无源滤波器是抑制谐波的主要手段，但是，其存在滤除效果差、可能引起谐波放大等缺点。有源滤波器是一种动态抑制谐波的电力电子装置，它能对频率和幅值变化的谐波进行补偿，并且可以弥补无源滤波器的缺点，获得比无源滤波器更好的补偿特性，是一种理想的谐波补偿装置。因此，有源滤波器在电力系统中的应用越来越多。

智能电网中，有源滤波器的优化配置方法主要有：启发式搜索法、模拟退火法、非线性规划法和遗传算法。最常用的是遗传算法，但当系统稍微复杂时将会导致迭代时间非常长，会影响寻优结果的准确性。

技术实现要素：

本发明提供了一种能够解决多谐波源并入智能配电网产生大量谐波问题的有源滤波器优化配置的方法。

为了解决上述问题，本发明提供了一种有源滤波器优化配置方法，其包括以下步骤：基于有源滤波器配置的影响，设置目标函数；设定满足智能配电网有源滤波器优化配置的约束条件；采用模态分析与遗传算法相结合的配置算法对智能配电网有源滤波器进行优化配置。

优选地，采用模态分析与遗传算法相结合的配置算法具体包括：

S1，输入智能配电网的参数，通过谐波电压含有率和电压总谐波畸变率约束，计算智能配电网初始状态的谐波参数，所述智能配电网初始状态的谐波参数包括元件各次谐波参数；

S2，根据形成于元件各次谐波参数过程中的各次谐波导纳矩阵，利用模态分析法求得所述谐波导纳矩阵的特征值和对应的特征向量，根据所述特征值和所述特征向量选择有源滤波器配置的候选位置节点；

S3，输入遗传算法中的有关参数和所述候选位置节点，利用遗传算法输出优化结果。

优选地，根据S2中的所述特征值计算各模态的模态阻抗以选择发生谐振的模态，再根据特征向量计算发生谐振的模态的所有参与因子，根据参与因子的大小选择有源滤波器配置的候选位置节点。

优选地，S3具体包括：

S3具体包括：

S31，随机生成初始群体，并设置初始迭代次数；

S32，进行谐波潮流计算，得到候选位置节点的各次谐波电压含有率和电压总谐波畸变率；

S33，应用个体中有源滤波器的各次谐波电流吸收系数、滤波器的过载约束以及候选位置节点各次谐波电压得到各有源滤波器的额定安装容量；

S34，根据目标函数计算个体的适应度，并基于是否违反谐波电压约束条件的考虑，对所有个体的适应度值的大小进行排序；

S35，进行排序选择、交叉和变异的遗传操作，生成新种群，并增加迭代次数；

S36，判断结果是否满足终止条件，如果满足终止条件，遗传迭代终止并输出优化结果，如果不满足，则返回S32。

优选地，所述目标函数为费用、谐波网损、电压畸变率的单目标函数。

优选地，所述目标函数为以费用、谐波网损和电压总谐波畸变率为目标的多目标函数。

优选地，所述多目标函数为费用、谐波网损和电压总谐波畸变率的加权最小值，所述多目标函数

其中，ν₁、ν₂、ν₃为加权因子，分别为无量纲的有源滤波器投资费的目标函数、系统中总谐波损耗的目标函数和谐波治理的目标函数。

优选地，所述约束条件至少包括系统潮流的约束、节点谐波含有率和电压总谐波畸变率。

与现有技术相比，本发明的有益效果在于：通过引入模态分析法，确定有源滤波器的候选位置节点，减少了遗传算法确定有源滤波器配置位置时的计算量，解决了遗传算法容易陷入局部最优的问题，而且其运算速度快，利于算法的快速收敛，并能找到更好的最优解，可以有效计算有源滤波器的最优接入位置，对提高系统运行的经济性和改善电能质量起到了良好的作用。

附图说明

图1是本发明实施例的有源滤波器优化配置方法的流程图；

图2是本发明另一实施例的有源滤波器优化配置方法的流程图；

图3是本发明另一实施例的有源滤波器优化配置方法中的步骤S3的具体流程图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步详细描述，但不作为对本发明的限定。

如图1所示，本发明公开了一种有源滤波器优化配置方法，其包括以下步骤：基于有源滤波器配置的影响，设置目标函数；设定满足智能配电网有源滤波器优化配置的约束条件；采用模态分析与遗传算法相结合的配置算法对智能配电网有源滤波器进行优化配置。

其中，目标函数可以是单目标函数，例如是费用、谐波网损或电压畸变率。目标函数也可以是费用、谐波网损和电压总谐波畸变率为基础的多目标函数，设置多目标函数，可以使有源滤波器的优化配置更加合理。

本实施例中，综合考虑经济性和滤波效果两方面的影响来建立智能配电网有源滤波器的目标函数，具体是以费用、谐波网损、电压总谐波畸变率的加权最小值为目标函数，可以根据实际情况调整各目标函数的加权因子来适应不同系统。

具体的，目标函数为其中，minF表示统一单位后的函数最小值，ν₁、ν₂、ν₃表示加权因子，分别表示无量纲的有源滤波器投资费的目标函数、无量纲的系统中总谐波损耗的目标函数、无量纲的谐波治理的目标函数。

有源滤波器投资费其中，N表示配电网的总节点数，Tf_i表示第i节点有源滤波器的安装费用，d_i表示第i节点是否装设滤波器(其中，d_i＝1表示装设，d_i＝0表示未装设)，Q_i表示第i节点有源滤波器的安装容量；k_c表示有源滤波器单位容量的价格。

系统中第h次谐波网损其中，I^h表示有源滤波器注入电网的谐波电流；表示节点i和节点j之间的第h次谐波电阻。

谐波治理其中，分别表示第n节点的基波电压和第h次谐波电压。

对于设定满足智能配电网有源滤波器优化配置的约束条件，可以是网络节点谐波电压和总畸变率符合谐波标准以及有源滤波器安全可靠运行的约束条件，约束条件可以包括系统潮流的约束、节点的各次谐波电压含有率的约束、节点的电压总谐波畸变率的约束、有源滤波器的投切容量和投切数量的约束。

具体地，节点的各次谐波电压含有率其中，C_HRU表示电压含有率的限制系数。

电压总谐波畸变率其中，C_THDU表示电压总谐波畸变率的限制系数。

系统中节点i处接入的有源滤波器的投切容量Q_i需满足Q_imin≤Q_i≤Q_imax及Q_i＝KQ₀，其中，Q_imin、Q_imax表示节点i所能接入有源滤波器的容量的最小值和最大值，K值取自然数，Q₀表示单位有源滤波器能提供的容量。

有源滤波器的投切数量d需满足其中，D表示有源滤波器安装的最大数目。

本发明公开的一种有源滤波器优化配置方法，通过上述设置目标函数和约束条件，并采用模态分析与遗传算法相结合的配置算法，其包括具体优化配置步骤，如图2所示。

S1，输入智能配电网的参数，通过谐波电压含有率和电压总谐波畸变率约束，计算智能配电网初始状态的谐波参数，智能配电网初始状态的谐波参数包括元件各次谐波参数。

其中，智能配电网的参数包括智能配电网各元件参数和各次谐波源参数，智能配电网各元件参数具体包括总节点数、发电机参数、变压器参数、线路参数和负荷参数，各次谐波源的参数具体包括各谐波源注入有功功率、无功功率和各种非线性负荷的有功功率、无功功率。

智能配电网初始状态的谐波参数还包括各节点谐波电压的幅值、相位，各节点各次电压谐波畸变率、电压总谐波畸变率。

S2，根据形成于元件各次谐波参数过程中的各次谐波导纳矩阵，利用模态分析法求得谐波导纳矩阵的特征值和对应的特征向量，根据特征值和特征向量选择有源滤波器配置的候选位置节点。

其中，根据S2中的特征值计算各模态的模态阻抗以选择发生谐振的模态，根据特征向量计算发生谐振的模态的所有参与因子，参与因子的大小对应于受谐振的影响的大小，根据参与因子的大小判断各节点受谐振影响的大小，将有源滤波器配置的候选位置节点选择为较大参与因子对应的节点，也即发生谐波并联谐振的位置。

S3，输入遗传算法中的有关参数和上述得到的候选位置节点，利用遗传算法输出优化结果。

其中，遗传算法中的有关参数包括种群规模、迭代次数、选择参数、交叉率和变异率。

如图3所示，S3具体包括：S31，系统随机生成初始群体，并设置初始迭代次数；S32，进行谐波潮流计算，得到候选位置节点的各次谐波电压含有率和电压总谐波畸变率；S33，应用个体中有源滤波器的各次谐波电流吸收系数、滤波器的过载约束以及候选位置节点各次谐波电压得到各有源滤波器的额定安装容量；S34，根据目标函数计算个体的适应度，并基于是否违反谐波电压约束条件的考虑，对所有个体的适应度值的大小进行排序；S35，进行排序选择、交叉和变异的遗传操作，生成新种群，并增加迭代次数；S36，判断结果是否满足终止条件，如果满足终止条件，遗传迭代终止并输出优化结果，如果不满足，则返回S32，继续进行遗传算法的迭代。

本发明的有源滤波器优化配置方法采用了模态分析与遗传算法相结合，通过引入模态分析法，确定有源滤波器的候选位置节点，减少了遗传算法确定有源滤波器配置位置时的计算量，解决了遗传算法容易陷入局部最优的问题，而且其运算速度快，利于算法的快速收敛，并能找到更好的最优解，可以有效计算有源滤波器的最优接入位置，对提高系统运行的经济性和改善电能质量起到了良好的作用。

以上实施例仅为本发明的示例性实施例，不用于限制本发明，本发明的保护范围由权利要求书限定。本领域技术人员可以在本发明的实质和保护范围内，对本发明做出各种修改或等同替换，这种修改或等同替换也应视为落在本发明的保护范围内。