技术特征：
1.一种基于改进差分进化算法的电力系统网损最小无功优化方法，其特征在于包括以下步骤：1)将分布式电源接入电网中；2)建立电力系统无功优化的数学模型，模型包括目标函数以及约束条件；3)初始化种群，设置参数；4)进行寻优循环运算，对初始种群中的每个个体进行变异操作，根据变异策略以及变异放缩因子，得到变异种群；5)将得到的变异种群与父辈种群进行交叉操作，根据交叉方式以及交叉概率因子，得到一个试验种群；6)分别对试验种群和父辈种群中每个个体的基因进行潮流计算，根据目标函数计算个体适应度；7)按照选择策略，将试验种群与父辈种群个体的适应度进行比较，选择适应度更好的作为下一代个体；8)在寻优循环运算过程中，判断当前迭代次数是否达到最大迭代次数，若是，计算当前个体的适应度，输出最优结果；否则，返回步骤4)。2.根据权利要求1所述的基于改进差分进化算法的电力系统无功优化方法，其特征在于：步骤1)中将分布式电源接入电网中，电网加入分布式电源之后节点类型发生变化，在潮流计算中，分布式电源为光伏发电和风力发电两种方式；光伏发电并网时等效为pi节点，在潮流计算过程中，每次迭代时计算出pi节点的无功出力，第k次迭代的无功功率用q
k
表示：式中，i表示注入节点的电流，e
k
‑1和f
k
‑1分别表示第k
‑
1次迭代节点电压的实部和虚部，p
g
表示分布式电源的有功功率；风力发电并网等效为pq(v)节点，分布式发电机的无功功率为：式中，v
g
是分布式发电机的机端电压，x
m
是发电机励磁电抗，x
k
是发电机定子和转子的漏抗之和。3.根据权利要求1所述的基于改进差分进化算法的电力系统无功优化方法，其特征在于：步骤2)中将系统的网损作为模型的目标函数，约束条件包括功率约束以及变量约束。处理模型中的状态变量，引入两个惩罚函数，分别是节点电压越界罚函数和无功出力越界罚函数，总的目标函数为：式中，p
loss
为系统的网损；z1、z2分别为罚函数的惩罚系数；δu
i
、δq
gi
分别为节点电压以及功率的偏差；u
imax
、u
imin
、q
gimax
、q
gimin
分别为节点电压和无功功率的上界和下界；系统的有功网损为：
节点电压越界罚函数为：无功出力越界罚函数为：等式约束条件为:式中，p
i
、q
i
分别为节点的有功和无功功率，u
i
表示节点电压，g
ij
、b
ij
分别是节点i和j之间的电导和电纳，δ
ij
是节点i和j之间的相位差；变量约束条件为：式中，n
g
、n
t
、n
c
、n
b
分别是系统中可调发电机的总数、变比可调变压器的总数、无功补偿的节点总数以及系统中所有的节点总数集合；v
gi
、v
gimax
、v
gimin
分别是发电机的机端电压以及其上、下限；t
i
、t
imax
、t
imin
分别是可调变压器分接头的位置以及其上、下限；q
ci
、q
cimax
、q
cimin
分别是无功补偿容量以及其上、下限；u
i
、u
imax
、u
imin
分别是节点电压以及其上、下限。4.根据权利要求1所述的基于改进差分进化算法的电力系统无功优化方法，其特征在于：步骤3)中设置电力系统以及差分进化算法的参数，电力系统的参数包括节点数、节点参数矩阵、支路数、支路参数矩阵、潮流计算误差精度、基准电压、基准功率以及约束变量的上下限；差分进化算法的参数包括种群的大小n、最大的迭代次数t、变异放缩因子f以及交叉概率因子cr。5.根据权利要求1所述的基于改进差分进化算法的电力系统无功优化方法，其特征在于：步骤3)中初始化种群，变量指定的搜索范围是初始种群是随机生成的：式中，rand(0,1)是分布在区间[0,1]的随机数。6.根据权利要求1所述的基于改进差分进化算法的电力系统无功优化方法，其特征在
于：步骤4)中变异操作是从种群中随机选择三个个体，其中两个个体差分运算后，经过适当的放缩与选出的第三个个体进行求和，得到一个变异的个体，具体过程是每个个体产生三个各不相等的整数r1,r2,r3,并且r1≠r2≠r3≠i，则变异个体可以由下面变异策略得到：式中，f是自适应变异放缩因子，可以有下式得到：f＝f0*2
λ
式中，f0是f的初始值，λ是参数，t是最大的迭代次数，t是当前的迭代次数。7.根据权利要求1所述的基于改进差分进化算法的电力系统无功优化方法，其特征在于：步骤5)中通过交叉操作可以得到一个试验种群u
i
t，通过随机选择的方式保证试验种群中至少有一位是变异种群提供的，试验种群中的其他位由下面选择策略得到：式中，cr∈[0,1]是交叉概率因子，rand(j)是在[0,1]区间产生一个随机数，randn(i)是随机产生的维数变量索引。8.根据权利要求1所述的基于改进差分进化算法的电力系统无功优化方法，其特征在于：步骤7)中将试验种群与父辈种群个体的适应度进行比较为：根据贪婪算法，将原个体与试验个体的适应值进行比较，保留适应值更好的作为下一代种群的个体：式中，f是适应度函数。