一种考虑负荷分布的电网输电线路功率损耗优化方法与流程

1.本发明涉及电网损耗优化的技术领域，具体涉及一种考虑负荷分布的电网输电线路功率损耗优化方法。


背景技术：

2.本节中的陈述仅提供与本公开相关的背景信息，并且可能不构成现有技术。
3.对于某一片区的变电站而言，下一级网络通常有联络通道，通过不同站点之间的负荷倒换，调整各站点负荷，可减少输电线路功率损耗，减轻线路重过载情况。
4.虽然电力系统分析软件(psd-bpa；下述简称为bpa软件)为非常成熟的潮流计算分析软件，可非常高效的求解出指定方式下的输电线路功率损耗，但程序本身无法实现负荷的自由分配；而python编译环境可以基于粒子群优化算法灵活地调整负荷分布数值，但是对于电网潮流计算，需要编写大量复杂代码，且计算精度难以保证。


技术实现要素：

5.本发明的目的在于：针对目前bpa软件虽然为非常成熟的潮流计算分析软件，可非常高效的求解出指定方式下的输电线路功率损耗，但程序本身无法实现负荷的自由分配；而python编译环境虽然可以基于粒子群优化算法灵活地调整负荷分部数值，但是对于电网潮流计算，需要编写大量复杂代码，且计算精度难以保证的问题，提供了一种考虑负荷分布的电网输电线路功率损耗优化方法，其联合python和bpa软件进行负荷分布调整，进而实现输电线路损耗优化，从而解决了上述问题。
6.本发明的技术方案如下：
7.一种考虑负荷分布的电网输电线路功率损耗优化方法，具体包括如下步骤：
8.步骤s1：确定目标函数和约束条件；需要说明的是：所述目标函数用于粒子群优化算法中计算个体最优值以及种群最优值，所述约束条件用于粒子群优化算法中计算种群值；所述粒子群优化算法为一个非常成熟，研究了多年的智能优化算法，因此针对粒子群优化算法的具体方法，本领域的技术人员应当知晓，这里不再进行赘述；
9.步骤s2：使用粒子群优化算法，根据目标函数和约束条件生成初始粒子位置、速度、个体最优值和种群最优值；
10.步骤s3：根据步骤s2的生成结果，修改bpa软件的bpa数据文件(dat格式)中待研究电网对应站点的负荷数值；即将初始负荷优化方案在bpa数据中实现；需要说明的是，bpa软件为中国电科院开发的计算程序，属于现有计算机程序，因此对于该计算机程序的原理和使用方法本领域技术人员应当知晓，不再进行赘述；优选地，所述步骤s3在在python编译环境中进行；
11.步骤s4：使用bpa软件对待研究电网进行潮流计算；
12.步骤s5：获取潮流计算结果中的功率损耗数值；并根据功率损耗数值，更新个体最优值和种群最优值，并进行迭代；
13.步骤s6：将迭代后的种群最优值作为待研究电网最终的负荷优化方案。
14.进一步地，所述步骤s1中，确定目标函数包括：以待研究电网输电线路有功功率损耗总和最小为目标值，确定目标函数；
15.进一步地，所述目标函数为：
[0016][0017]
其中：
[0018]
δp
loss
为待研究电网输电线路有功功率损耗总和
[0019]
δp
linei
为线路i有功功率损耗。
[0020]
进一步地，所述步骤s1中，确定约束条件包括：确定待研究电网中每个站点可承接的负荷上限和负荷下限；
[0021]
并将确定的负荷上限和负荷下限作为约束条件。
[0022]
进一步地，所述约束条件采用如下形式表示：
[0023]
p
mini
≤p
loadi
≤p
maxi
[0024]
其中：
[0025]
p
loadi
为站点i承接的负荷；
[0026]
p
mini
为站点i能承接负荷的最小值；
[0027]
p
maxi
为站点i能承接负荷的最大值。
[0028]
进一步地，所述步骤s2，包括：
[0029]
步骤s21：使用粒子群优化算法，根据约束条件，生成各站点负荷分布初始种群值，确定各站点负荷水平，形成初始优化方案；优选地，在python编译环境中，使用粒子群优化算法，根据约束条件，生成各站点负荷分布初始种群值，确定各站点负荷水平，形成初始优化方案；
[0030]
步骤s22：使用粒子群优化算法，根据目标函数和约束条件生成初始粒子位置、速度、个体最优值和种群最优值；优选地，在python编译环境中，使用粒子群优化算法，根据目标函数和约束条件生成初始粒子位置、速度、个体最优值和种群最优值。
[0031]
进一步地，所述步骤s5中获取功率损耗数值包括：读取潮流计算结果文件中的功率损耗数值；优选地，在python编译环境中，读取步骤s4中在bpa软件中的潮流计算结果文件(pfo格式)中的功率损耗数值。
[0032]
进一步地，所述步骤s5，包括：
[0033]
步骤s51将功率损耗数值作为适应度值，根据适应度值更新个体最优值和种群最优值；
[0034]
步骤s52：根据预设的迭代次数进行跌代，优选地，所述预设的迭代次数即为设置迭代终止条件；当达到迭代终止条件时，停止迭代；
[0035]
进一步地，所述迭代包括：重复步骤s22-步骤s5。
[0036]
与现有的技术相比本发明的有益效果是：
[0037]
一种考虑负荷分布的电网输电线路功率损耗优化方法，包括：步骤s1：确定目标函数和约束条件；步骤s2：使用粒子群优化算法，根据目标函数和约束条件生成初始粒子位
置、速度、个体最优值和种群最优值；步骤s3：根据步骤s2的生成结果，修改bpa软件的bpa数据文件中待研究电网对应站点的负荷数值；步骤s4：使用bpa软件对待研究电网进行潮流计算；步骤s5：获取功率损耗数值,并根据功率损耗数值，更新个体最优值和种群最优值，并进行迭代；步骤s6：将迭代后的种群最优值对应的负荷方案作为待研究电网最终的负荷优化方案；本方法联合python和bpa软件进行负荷分布调整，进而实现输电线路损耗优化，且精度高。
附图说明
[0038]
图1为一种考虑负荷分布的电网输电线路功率损耗优化方法的流程图。
具体实施方式
[0039]
需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0040]
下面结合实施例对本发明的特征和性能作进一步的详细描述。
[0041]
实施例一
[0042]
对于某一片区的变电站而言(以220千伏为例)，下一级(110千伏)网络通常有联络通道，通过不同站点之间的负荷倒换，调整各站点负荷，可减少输电线路功率损耗，减轻线路重过载情况。
[0043]
虽然bpa软件为非常成熟的潮流计算分析软件，可非常高效的求解出指定方式下的输电线路功率损耗，但程序本身无法实现负荷的自由分配；而python编译环境可以基于粒子群优化算法灵活地调整负荷分部数值，但是对于电网潮流计算，需要编写大量复杂代码，且计算精度难以保证。
[0044]
本实施例针对于上述问题，提出了一种考虑负荷分布的电网输电线路功率损耗优化方法，联合python和bpa软件进行负荷分布调整，进而实现输电线路损耗优化，从而解决了上述问题。
[0045]
请参阅图1，一种考虑负荷分布的电网输电线路功率损耗优化方法，具体包括如下步骤：
[0046]
步骤s1：确定目标函数和约束条件；需要说明的是：所述目标函数用于粒子群优化算法中计算个体最优值以及种群最优值，所述约束条件用于粒子群优化算法中计算种群值；所述粒子群优化算法为一个非常成熟，研究了多年的智能优化算法，因此针对粒子群优化算法的具体方法，本领域的技术人员应当知晓，这里不再进行赘述；
[0047]
步骤s2：使用粒子群优化算法，根据目标函数和约束条件生成初始粒子位置、速度、个体最优值和种群最优值；
[0048]
步骤s3：根据步骤s2的生成结果，修改bpa软件的bpa数据文件(dat格式)中待研究
电网对应站点的负荷数值；即将初始负荷优化方案在bpa数据中实现；需要说明的是，bpa软件为中国电科院开发的计算程序，属于现有计算机程序，因此对于该计算机程序的原理和使用方法本领域技术人员应当知晓，不再进行赘述；优选地，所述步骤s3在在python编译环境中进行；
[0049]
步骤s4：使用bpa软件对待研究电网进行潮流计算；
[0050]
步骤s5：获取潮流计算结果中的功率损耗数值；并根据功率损耗数值，更新个体最优值和种群最优值，并进行迭代；
[0051]
步骤s6：将迭代后的种群最优值对应的负荷方案作为待研究电网最终的负荷优化方案。
[0052]
在本实施例中，具体的，所述步骤s1中，确定目标函数包括：以待研究电网输电线路有功功率损耗总和最小为目标值，确定目标函数；在本实施例中，即以研究电网220千伏输电线路有功功率损耗总和最小为目标值；
[0053]
具体的，所述目标函数为：
[0054][0055]
其中：
[0056]
δp
loss
为待研究电网输电线路有功功率损耗总和
[0057]
δp
linei
为线路i有功功率损耗。
[0058]
在本实施例中，具体的，所述步骤s1中，确定约束条件包括：确定待研究电网中每个站点可承接的负荷上限和负荷下限；在本实施例中，即确定每一个220千伏站点可承接的负荷上限以及负荷下限；
[0059]
并将确定的负荷上限和负荷下限作为约束条件。
[0060]
具体的，所述约束条件采用如下形式表示：
[0061]
p
mini
≤p
loadi
≤p
maxi
[0062]
其中：
[0063]
p
loadi
为站点i承接的负荷；
[0064]
p
mini
为站点i能承接负荷的最小值；
[0065]
p
maxi
为站点i能承接负荷的最大值。
[0066]
在本实施例中，具体的，所述步骤s2，包括：
[0067]
步骤s21：使用粒子群优化算法，根据约束条件，生成各站点负荷分布初始种群值，确定各站点负荷水平，形成初始优化方案；优选地，在python编译环境中，使用粒子群优化算法，根据约束条件，生成各站点负荷分布初始种群值，确定各站点负荷水平，形成初始优化方案；
[0068]
步骤s22：使用粒子群优化算法，根据目标函数和约束条件生成初始粒子位置、速度、个体最优值和种群最优值；优选地，在python编译环境中，使用粒子群优化算法，根据目标函数和约束条件生成初始粒子位置、速度、个体最优值和种群最优值。
[0069]
在本实施例中，具体的，所述步骤s5中获取功率损耗数值包括：读取潮流计算结果文件中的功率损耗数值；优选地，在python编译环境中，读取步骤s4中在bpa软件中的潮流
计算结果文件(pfo格式)中的功率损耗数值。
[0070]
在本实施例中，具体的，所述步骤s5，包括：
[0071]
步骤s51将功率损耗数值作为适应度值，根据适应度值更新个体最优值和种群最优值；
[0072]
步骤s52：根据预设的迭代次数进行跌代，优选地，所述预设的迭代次数即为设置迭代终止条件；当达到迭代终止条件时，停止迭代；
[0073]
在本实施例中，具体的，所述迭代包括：重复步骤s22-步骤s5。
[0074]
算例
[0075]
以wscc9节点系统为例。各220千伏站点负荷水平及系统有功功率损耗如下表所示。
[0076]
表1负荷水平及功率损耗表(单位：mw)
[0077] 基础负荷优化后负荷变电站a125128变电站b9075变电站c100112有功损耗合计3.413.12
[0078]
从表中结果可知，优化后，有功功率损耗降低至3.12兆瓦，降幅约8.5％。
[0079]
以上所述实施例仅表达了本技术的具体实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术保护范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术技术方案构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。
[0080]
提供本背景技术部分是为了大体上呈现本发明的上下文，当前所署名的发明人的工作、在本背景技术部分中所描述的程度上的工作以及本部分描述在申请时尚不构成现有技术的方面，既非明示地也非暗示地被承认是本发明的现有技术。