基于混沌映射改进遗传算法的城乡电网无功优化方法与流程

1.本发明属于电力系统规划方法技术领域，涉及基于混沌映射改进遗传算法的城乡电网无功优化方法。


背景技术：

2.随着城市的不断发展，城乡电网中各种用电设备也在飞速增长，在城乡电网规模逐渐扩大的情况下，保证电网无功功率的平衡以及对电网进行无功补偿是不可或缺的。如果电网中的无功功率失衡，用电设备就不能维持在额定情况下工作，从而影响用电设备的正常运行。合理的选择补偿装置，可以做到最大限度的减少网络的损耗，使电网质量提高。而对于配电网的无功补偿配置，需要解决的问题是在哪里安装、安装多大容量的无功补偿装置，这可通过建立和求解配电网无功补偿优化模型来实现，目前已形成了较为成熟的理论方法，并在实际电网中获得应用。传统无功优化配置研究，大多是在一定程度上针对电力系统无功不足问题的电容配置研究。但是，传统的无功补偿装置配置方法效率仍较为低下。因此，城乡电网迫切需要更为高效的无功补偿方案以减小线路功率损耗。遗传算法，通过模拟自然界中生命的进化过程，有指导的而不是盲目的进行搜索。遗传智能算法中的混沌映射改进遗传算法，即cga，其基本思想是将混沌状态引入到优化变量中，再给其附加扰动，通过不断进化最后收敛到最合适个体，从而求得问题最优解。如何运用cga解决城乡电网无功优化成为亟待解决的技术问题。


技术实现要素：

3.本发明的目的是提供基于混沌映射改进遗传算法的城乡电网无功优化方法，该方法首先对待优化参数进行编码，选取适应度函数，再设定变量取值范围、种群规模、交叉率以及变异率；接着，对初始解集根据选择概率进行择优、交叉与变异，得到子代，并将该代的最优解进行保留，再进入下一代；然后将父代种群与子代种群进行结合后产生的新子代，再将产生的优于平均值的子代功率群体与混沌变量进行组合，得到的新的分配决策；最后，比对解集合能否满足终止条件，若不满足条件则进行下一轮迭代；该方法能搜索出较优的无功配置方案，可以更为有效解决电网的功率损耗问题，也可为相关电网改造工程的同类问题提供一定的解决方案。
4.本发明所采用的技术方案是，基于混沌映射改进遗传算法的城乡电网无功优化方法，具体按以下步骤实施：
5.步骤1，对种群规模、交叉概率、变异概率进行选取；
6.步骤2，对混沌初始值进行潮流计算形成初始解集合，并计算适应值；
7.步骤3，对初始解集合进行选择，同时进行解向量的交叉、变异，并将该代的最优解进行保留，形成新的解集集合；
8.步骤4，将父代种群与子代种群进行结合后得到新子代种群；
9.步骤5，选取部分子代潮流计算结果优秀的个体进行局部搜索，再将产生的优于平
均值的子代潮流群体与混沌变量进行组合，得到的新的分配决策；
10.步骤6，重复步骤3～5，直至混沌优化的最大迭代次数；
11.步骤7，满足迭代终止条件后，对结果统计，输出最优配置方案。
12.本发明的特点还在于：
13.其中步骤1具体包括以下步骤：
14.选取最大种群规模n
p
＝100，以最大的进化迭代次数g
max
＝500，混沌映射的控制参数为μ；需要确定算法的参数值为种群规模n
p
，最大遗传代数g
max
，交叉概率pc，变异概率pm；利用式(1)随机生成相关节点的无功装设容量，并生成初始种群：
15.x
n+1
＝μxn(1-xn)
ꢀꢀꢀꢀ
(1)；
16.其中步骤2具体包括以下步骤：
17.根据logistic混沌映模型，将由式(1)迭代生成的初始种群带入潮流计算方程，潮流计算方程根据初始参数自动修改计算模型，利用牛顿拉夫逊迭代法进行迭代计算，最后计算其适应值；
18.其中步骤3具体包括以下步骤：
19.对种群pg通过选择、交叉和变异得到子代，其大小为n
p
；在第t+1代中的计算规模为
[0020][0021]
式中，f(h)是在t时刻对应的适应度值；
[0022]
其中步骤4具体包括以下步骤：
[0023]
将父代种群pg和子代种群qg结合成rg，所形成的新的种群函数为可以得到它的子代种群为
[0024][0025]
其中步骤5具体包括以下步骤：
[0026]
当n
first
＝n
p
时，选择子代种群优秀个体的10％按群盾局部搜索，设置对h的适应度值高于群体的平均值，且设高出部分为其中c为常数，则有：
[0027][0028]
再将产生的优于平均值的子代群体与混沌变量进行组合，得到的新的分配决策为：
[0029]
其中，步骤6具体包括以下步骤：
[0030]
重复步骤3～5，若未达到混沌优化的最大迭代次数，则n＝n+1，设从t＝0开始，c保持为常值，则有该优化模型的变异算子作用下的生存概率为：
[0031]
ps＝(1-pm)
o(h)
≈1-o(h)pmꢀꢀꢀ
(6)
[0032]
若g的值小于g
max
，则令g＝g+1，并返回执行步骤3，直到终止条件得以满足。
[0033]
本发明的有益效果是：
[0034]
本发明的基于混沌映射改进遗传算法的城乡电网无功优化方法，用精英保留的混沌遗传算法，提高了初始种群的适应度，同时，加快了算法的收敛速度；将不同解集的元素
进行随机交叉，提高了算法的全局搜索能力，避免陷入局部最优；本发明提出的基于混沌映射改进遗传算法的城乡电网无功优化方法能够给出较优的城乡电网无功配置方案。
附图说明
[0035]
图1是本发明基于混沌映射改进遗传算法的城乡电网无功优化方法的改造区域系统图；
[0036]
图2是本发明基于混沌映射改进遗传算法的城乡电网无功优化方法的种群适应值曲线图；
[0037]
图3是本发明基于混沌映射改进遗传算法的城乡电网无功优化方法的补偿前后节点电压变化曲线图；
[0038]
图4是本发明基于混沌映射改进遗传算法的城乡电网无功优化方法的加以优化算法补偿前后四种典型日下线路网损变化曲线图；
[0039]
图5是本发明基于混沌映射改进遗传算法的城乡电网无功优化方法的算法流程图。
具体实施方式
[0040]
下面结合附图和具体实施方式对本发明进行详细说明。
[0041]
本发明提供了基于混沌映射改进遗传算法的城乡电网无功优化方法，具体包括以下步骤：
[0042]
步骤1，对种群规模、交差率、变异率等值进行选取：
[0043]
选取最大种群规模n
p
＝100，以最大的进化迭代次数g
max
＝500，混沌映射的控制参数为μ，需要确定算法的参数值为种群规模n
p
，最大遗传代数g
max
，交叉概率pc，变异概率pm等；
[0044]
x
n+1
＝μxn(1-xn)
ꢀꢀꢀꢀ
(1)；
[0045]
步骤2，对混沌初始值进行潮流计算形成初始解集合，并计算适应值：
[0046]
根据logistic混沌映模型，将由式1迭代生成的初始种群带入潮流计算方程，潮流计算方程根据初始参数自动修改计算模型，利用牛顿拉夫逊迭代法进行迭代计算，最后计算其适应值；
[0047]
步骤3，对初始解集合进行选择，同时进行解向量的交叉、变异，并将该代的最优解进行保留，形成新的解集集合：
[0048]
对种群pg通过选择、交叉和变异得到子代为qg，大小为n
p
；在第t+1代中的计算规模为
[0049][0050]
式中，f(h)是在t时刻对应适应度值；
[0051]
步骤4，将父代种群与子代种群进行结合后得到新子代种群：
[0052]
将父代种群pg和子代种群qg结合成rg，它所形成的新的种群函数为可以得到它的子代种群为：
[0053][0054]
步骤5，选取部分子代潮流计算结果优秀的个体进行局部搜索，再将产生的优于平均值的子代潮流群体与混沌变量进行组合，得到的新的分配决策：
[0055]
当n
first
＝n
p
时，选择子代种群优秀个体的10％按群盾局部搜索，设置对h的适应度值高于群体的平均值，且设高出部分为其中c为常数，则有
[0056][0057]
再将产生的优于平均值的子代群体与混沌变量进行组合，得到的新的分配决策为：
[0058]
m(h，t+1)＝m(h，0)(1+c)
ꢀꢀꢀ
(5)
[0059]
步骤6，重复进行步骤3-5，直到达到混沌优化的最大迭代次数：
[0060]
重复步骤3～5，若未达到混沌优化的最大迭代次数，则n＝n+1，假设从t＝0开始，c保持为常值，则有该优化模型的变异算子作用下的生存概率为：
[0061]
ps＝(1-pm)
o(h)
≈1-o(h)pmꢀꢀꢀ
(6)
[0062]
若g的值小于g
max
，则令g＝g+1，并返回执行步骤3，直到终止条件得以满足；
[0063]
步骤7，满足迭代终止条件后，对结果统计，输出最优配置方案。
[0064]
实施例1
[0065]
本发明的实施例是在以本发明技术方案为前提下进行实施的，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述实施例；
[0066]
以参与某市配电网项目为例，区域电网节点电压较额定电压较高，网络损耗较大；故考虑在该区域增加无功补偿设备以优化得到更好的结果；改造区域系统图如图1所示；
[0067]
图1区域对所有110kv线路进行无功补偿操作；该区域共有5座110kv变电站，主变11台，变电容量459mva，110kv线路8回，线路长度106.2km；共有11座35kv变电站，主变21台，变电容量151.5mva，35kv线路16条，线路长度130.94km。大量新能源接入电网后，需要对相应区域进行无功补偿操作；套用某地冬季小方式负荷模型，分别计算线路潮流，部分母线电压如表1所示：
[0068]
表1优化前母线电压分析 单位：kv
[0069][0070]
从表1可以看出，优化无功配置前各母线电压相较于额定电压偏高；优化前的110kv线路终端各节点电压均超过121kv；优化前的35kv线路终端各节点电压均超过37kv；
为了使得城乡电网母线电压有所降低，对区域节点电压进行优化，减少网络损耗；故加入基于混沌映射改进遗传算法的无功优化算法，以确定最优的低抗投入位置以及容量；
[0071]
使用本文所提基于混沌映射改进遗传算法的城乡电网无功优化方法进行各节点无功补偿容量计算，详细计算步骤及结果如下所示：
[0072]
步骤1，设置种群规模n
p
为100；待求解空间维度d为14；迭代次数g
max
为500；根据混沌模型在
[0073]
x
max
＝[70 70 70 70 70 70 70 70 70 70 70 70 70 70]
t
；
[0074]
x
min
＝0 0 0 0 0 0 0 0 0 0 0 0 0 0]
t
间随机取值；利用式(1)随机生成相关节点的无功装设容量，并生成初始种群；
[0075]
步骤2，将步骤1中的初始种群带入潮流计算方程，潮流计算方程根据初始参数自动修改计算模型，利用牛顿拉夫逊迭代法进行迭代计算，再计算得出各方案的适应值，得到解集集合；步骤1、2所得方案及适应值如表2所示：
[0076]
表2初始种群的随机装设方案 单位：mvar
[0077]
[0078]
[0079][0080]
步骤3，对初始解集合进行选择，同时进行解向量的交叉、变异，并将该代的最优解进行保留，形成新的解集集合；
[0081]
步骤4，将父代种群pg和子代种群qg结合成rg，它所形成的新的种群函数为可以得到它的子代种群为m(h，t+1)；
[0082]
步骤5，当n
first
＝n
p
时，选择子代种群优秀个体的10％按群盾局部搜索，设置对h的适应度值高于群体的平均值，且设高出部分为其中c为常数，再将产生的优于平均值的子代群体与混沌变量进行组合，得到的新的分配决策为m(h，t+1)；
[0083]
步骤6，重复步骤3-5，若未达到混沌优化的最大迭代次数，则继续迭代，假设从t＝0开始，c保持为常值，则有该优化模型的变异算子作用下的生存概率为ps；判断是否达到最大迭代次数500次，若满足继续进行步骤，否则返回执行步骤3，直到终止条件得以满足；
[0084]
随着迭代不断进行，无功配置方案将趋于最优；若按每100次迭代的最优装设方案进行无功配置，潮流计算后的系统电压指标变化趋于平缓；
[0085]
步骤7，结果统计，输出最优配置方案。迭代500次后，算法给出各节点无功配置方案如表3所示：
[0086]
表3无功配置方案 单位：mvar
[0087]
[0088]
按表3所示补偿方案在各节点加装低抗，补偿后系统各节点电压变化如图3所示；
[0089]
表4无功优化后母线电压分析 单位：kv
[0090][0091]
由表4可见，加上经优化算法选择的补偿后各节点电压有一定程度的降低，优化前110kv节点的平均电压为121.60kv，接近电压峰值，相较于优化前，无功优化后的节点电压为117.92kv，降低3.02％；节点cc11电压相较于无功补偿前，降幅约为3.07％，为系统电压降幅最大的节点。本文算法适应度函数同样考虑了网损的影响，无功补偿前、后的线路网损变化情况如图4所示。
[0092]
从图4中可得，优化无功补偿前四种典型日下，区域系统的有功损耗均有不同程度的降低；典型日2区域线路有功损耗最高，为1.6692mw；按计算所得的无功配置方案进行无功补偿后，各典型日下区域有功损耗平均降低13％以上，典型日3损耗降低最多，减低了原本的18.57％；
[0093]
按文中所提发明进行城市电网无功优化配置研究，优化算法无功补偿后各110kv节点的平均电压为117.92kv,低于无功补偿前的121.60kv，在满足系统安全稳定运行要求的前提下，最大的减少了系统的网络损耗，优化了各节点电压；按优化算法计算所得的低容配置方案无功补偿后，区域系统的有功损耗明显降低，可进一步提高系统运行的经济性。