本发明涉及电力系统无功优化技术领域，具体涉及一种求解无功优化模型的混合交叉迭代方法。
背景技术：
电力系统无功优化是指通过协调系统的无功资源和调节变压器变比使电网运行的网损(或其他指标)达到最小的无功电压控制策略(发电机机端电压、电容投切组数和变压器分接头位置)，是最优潮流的一种，属于非线性混合整数规划。从数学的角度来看，无功优化问题是一个高维非线性混合整数规划问题，包含非线性的等式和不等式约束，既需要考虑连续变量的优化，又需要处理离散变量，并同时具有非凸性和多极值性特性，其快速精确求解相当困难。无功优化求解的传统方法由于不存在函数对离散变量的导数，因此传统方法无法直接求解含离散变量的无功优化问题，而是间接采用归整和加罚函数等方法进行间接的处理。其中，归整法虽然计算方便，但其求出的解误差大，甚至得到的解是不可行的，罚函数法在一定程度上克服了归整法的缺点，但罚系数的确定比较主观，罚系数过大会导致振荡，而罚系数太小又会使得结果不精确，需要重要归整。随着计算机技术的出现和发展，智能方法也可用来求解优化问题，最早将智能方法引入无功优化问题的求解的是采用了当时提出的遗传方法。遗传方法在问题规模变大时，容易出现早熟现象，导致方法只能得到局部最优解。后来，陆续有将协同进化方法、模拟退火方法等新的智能方法应用于无功优化问题的求解。智能方法可以方便地处理整数变量，但所需要计算时间长，收敛过程慢，不适合在响应速度要求高的实际系统中应用。
与此同时，也有将各类方法混合，取长补短形成新的混合方法，其中，有将各类智能方法进行混合的，这类混合方法旨在提高方法的全局寻优能力，也有将传统方法与智能方法组合，其中就有提出将内点法与遗传方法组合，采用内点法作内层计算方法，并采用此组合方法来求解无功优化问题，但它的计算时间不容乐观。
技术实现要素：
本发明旨在一定程度上解决传统方法中存在的技术问题，提出一种求解无功优化模型的混合交叉迭代方法，该方法结合了内点法(interiorpointmethod)计算速度的优势和遗传方法(geneticalgorithm)处理离散变量的优点，在结构上不同于传统组合方法的内外嵌套，可以大大减少计算所需要时间。
为了实现本发明目的，本发明实施方式具体采用如下技术方案；
一种求解无功优化模型的混合交叉迭代方法，该方法包括如下步骤：
1)建立无功优化模型；
该模型的目标函数为网损，约束条件至少包括潮流方程、各节点电压约束、发电机无功出力约束、无功补偿装置的可投切电容或电抗器组数的约束、变压器分接头位置的上下限约束；
2)将建立的所述无功优化模型中的变量分为控制变量和状态变量；
其中，所述控制变量为可人工控制的实数变量，所述状态变量为不可人工控制的实数变量；
3)采用混合交叉迭代方法求解无功优化模型；
在求解过程中采用遗传方法(geneticalgorithm)来处理无功优化模型中的离散变量，并采用内点法(interiorpointmethod)来处理连续变量；
4)输出结果；
结果包括网损中点值随迭代次数的变化情况以及优化后最优的控制变量。
进一步地，所述控制变量至少包括发电机的无功出力、可投切的电容或电抗级数和变压器变比；所述状态变量至少包括节点电压、发电机的有功出力以及平衡节点的有功和无功出力。
进一步地，所述步骤1)中的无功优化模型表示为：
式中，ploss是电网的有功损耗，vi和vj分为节点i与节点j的节点电压幅值，θij为节点i与节点j的电压相角差，gij为节点导纳矩阵中第i行、第j列元素的实部；s为系统中所有节点的集合，pgi、qgi、pli、qli为节点i发出的有功和无功功率以及有功和无功负荷功率；qci为节点i处投入电容器的补偿容量，如果没有补偿，则不存在这个变量；
进一步地，当所述无功优化模型中控制变量只有发电机的无功出力、变压器变比和电容器时，无功优化模型中的状态变量为节点电压、发电机有功出力、平衡节点的有功和无功出力。
进一步地，所述步骤3)具体包括如下步骤：
3.1)参数设定；
给定内点法和遗传方法的相关参数，设置混合方法迭代次数m＝0，并给出最大迭代次数为m，收敛精度为ε；
3.2)初始化计算；
任给一组满足
其中，xcd为离散的控制变量xcd，xcc为连续的控制变量，xcd、
3.3)将离散控制变量
3.4)将连续的控制变量
3.5)设置迭代次数m＝m+1，同时设置第m次迭代得到的目标函数值fm(x)＝fga(x)和控制变量
3.6)判断是否有迭代次数m＜m和|fm(x)-fm-1(x)|≥ε同时成立，若同时成立，则设置离散的控制变量
进一步地，所述步骤4)包括采用蒙特卡洛方法(montecarlomethod)模拟计算优化后网损以及计算耗时，输出结果。
与现有技术相比，本发明提出了一种求解无功优化模型的混合交叉迭代方法具有以下优点：
(1)本发明提出将内点法与智能方法结合，构造一种混合方法，充分利用了内点法的计算速度优势和遗传方法处理整数变量的优势，大大减少计算所需要时间，为寻求高效可行的无功优化方法提供了一种新的思路；
(2)本发明可用于求解含风电、光伏等新能源机组出力和不确定负荷的无功优化问题，为调度运行工作人员提供电网运行的安全策略；
(3)本发明提出的求解无功优化问题的混合方法，采用遗传方法来处理无功优化模型中的离散变量，采用内点法来处理连续变量，不存在内外两层嵌套，相较于协同进化方法、遗传方法、内点法和遗传方法与内点法的组合方法，寻优能力更强。
附图说明
为了更清楚地说明本发明实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施方式中组合方法与混合方法的迭代策略示意图；
图2是本发明实施方式中内点法与遗传方法混合交叉迭代的方法流程图；
图3是本发明实施方式中不同方法在不同算例下网损下降的百分比示意图；
图4本发明实施方式中是不同方法优化不同算例所需要的计算时间示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透切理解本发明实施方式。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施方式中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施方式结合附图来进行说明。
本发明实施方式提出一种求解无功优化模型的混合交叉迭代方法，考虑结合内点法计算速度的优势和遗传方法处理离散变量的优点进行无功优化模型的求解，可以用于求解含风电、光伏等新能源机组出力和不确定负荷的无功优化问题，为调度运行工作人员提供电网运行的安全策略；
具体地，该方法包括如下步骤：
1)建立无功优化模型；
具体地，本实施方式中无功优化模型的目标函数为网损，约束条件包括了潮流方程、各节点电压约束、发电机无功出力约束、无功补偿装置的可投切电容或电抗器组数的约束、变压器分接头位置的上下限约束；
2)将建立的所述无功优化模型中的变量分为控制变量和状态变量；
其中，所述控制变量为可人工控制的实数变量，所述状态变量为不可人工控制的实数变量；
3)采用混合交叉迭代方法求解无功优化模型；
本实施方式在求解无功优化模型的过程中采用遗传方法来处理无功优化模型中的离散变量，并采用内点法来处理连续变量；
4)输出结果；
本实施方式输出的结果具体包括网损中点值随迭代次数的变化情况以及优化后最优的控制变量。
在一个实施方式中，所述控制变量包括发电机的无功出力、可投切的电容或电抗级数和变压器变比；所述状态变量包括节点电压、发电机的有功出力以及平衡节点的有功和无功出力。
进一步地，基于以上控制变量和状态变量，所述步骤1)中的无功优化模型可以表示为：
式中，ploss是电网的有功损耗，vi和vj分为节点i与节点j的节点电压幅值，θij为节点i与节点j的电压相角差，gij为节点导纳矩阵中第i行、第j列元素的实部；s为系统中所有节点的集合，pgi、qgi、pli、qli为节点i发出的有功和无功功率以及有功和无功负荷功率；qci为节点i处投入电容器的补偿容量，如果没有补偿，则不存在变量qci；
进一步地，对于本发明实施方式中的无功优化模型，qci和tt为离散变量，其他变量均为连续变量。模型中控制变量只有发电机的无功出力、变压器变比和电容器是，模型中的状态变量为节点电压、发电机有功出力，平衡节点的有功和无功出力。无功优化问题就是在指定的范围内找到一组最优控制变量值，使得网损最小，同时保证状态变量不越限。
进一步地，如图2所示为本发明实施方式内点法与遗传方法混合交叉迭代的方法流程图，所述步骤3)具体包括如下步骤：
3.1)参数设定；
给定内点法和遗传方法的相关参数，设置混合方法迭代次数m＝0，并给出最大迭代次数为m，收敛精度为ε；
3.2)初始化计算；
任给一组满足
其中，控制变量又可以分解为离散的控制变量xcd和连续的控制变量xcc，xcd、
3.3)将离散控制变量
3.4)将连续的控制变量
3.5)设置迭代次数m＝m+1，同时设置第m次迭代得到的目标函数值fm(x)＝fga(x)和控制变量
3.6)判断是否有迭代次数m＜m和|fm(x)-fm-1(x)|≥ε同时成立，设置离散的控制变量
进一步地，所述步骤4)包括采用蒙特卡洛方法(montecarlomethod)模拟计算优化后网损以及计算耗时，输出结果并作图。所述蒙特卡洛方法的基本思想是当所求解问题是某种随机事件出现的概率，或者是某个随机变量的期望值时，通过某种“实验”的方法，以这种事件出现的频率估计这一随机事件的概率，或者得到这个随机变量的某些数字特征，并将其作为问题的解。
通过以上描述可知，本发明实施方式方法采用遗传方法来处理无功优化模型中的离散变量，而采用内点法来处理连续变量，不存在内外两层嵌套，这不同于传统组合方法的处理思路。结合内点法计算速度的优势和遗传方法处理离散变量的优点进行无功优化模型的求解。其中，所述内点法适合用来求解大规模的连续非线性规划问题，具有多项式时间复杂度，在电力领域得到了广泛的应用，但它无法直接处理无功优化模型中的离散变量(可投切电容组数和变压器的分接头位置)。而遗传方法是最早出现的智能方法，可直接处理离散变量，不需要计算函数的梯度，但处理含大量变量的问题时，计算时间长，同时容易出现维数灾，陷入局部最优解，适用于求解对计算时间要求不高且变量少的问题。但是，遗传方法在产生初始种群时，离散变量和连续变量处理方法时需要分开，实际上它们在交叉和变异操作中也会不一样，这是由变量的特性决定的，同时遗传方法对连续变量的处理并不理想。因此，本发明实施方式采用了一种混合交叉迭代方法来避免遗传方法对连续变量的处理，同时利用它处理离散变量的优势。
下面采用ieee30节点系统作为算例以进一步详细说明本发明实施方式的混合交叉迭代方法。
该ieee30节点系统有6台发电机，其中1号节点连接的发电机为系统的平衡机组，3台变压器，为方便给离散变量赋值，变压器的初始变比设置为0.95，2个无功补偿节点。所有发电机节点的电压范围设置为0.90～1.10p.u.(标幺值)，负荷节点的电压范围设置为0.95～1.05p.u.(标幺值)，平衡机有功出力范围为0.5～2p.u.(标幺值)；下面具体说明直角坐标区间潮流计算的方法步骤：
s101，读取系统节点数据；
本实施例中系统节点数据即为ieee30节点数据，包括了发电机、负荷、线路、变压器和接地电容参数。利用支路追加法形成导纳矩阵，设置发电机有功出力，有功负荷和无功负荷波动的区间范围。设置遗传方法的参数，包括最大迭代次数m＝200，种群中个体数目np＝50，变异的概率pm＝0.3，交叉的概率pc＝0.2，常数d＝10(变异操作时用到)。
s102，初始化计算；
任给一组满足
s103，采用混合交叉迭代方法进行迭代求解；
此过程中将离散控制变量
s104，输出结果；包括目标函数fm(x)和相应的控制变量
为了进一步验证本发明实施方式提出混合交叉迭代方法的有效性，本发明采用了ieee14节点、ieee57节点和ieee118节点来进行计算，并将协同进化方法(co-evolution)、内点法加罚函数(ipmwithpenalty)和组合遗传算法(iga)与本发明的方法(ipm-ga)进行比较，得到网损下降的百分比如图3所示，而耗费的计算时间如图4所示。从图3可以看出，本发明提出的混合交叉迭代方法，除ieee118节点稍逊于内点法加罚函数法，在求解其他节点系统时，寻优能力上比其他几种方法要好。从图4中可以看出，本发明提出的混合交叉迭代方法的计算速度上虽远不如内点加罚函数法，但相比于其他两种方法有明显的提升，主要是由于混合方法充分发挥了内点法的计算速度优势，可用于对计算速度要求不高的无功优化计算。
本发明实施方式中方法中未展开的部分，可参考以上实施方式方法的对应部分，在此不再详细展开。
在本说明书的描述中，参考术语“一个实施方式”、“一些实施方式”、“示意性实施方式”、“示例”、“具体示例”或“一些示例”等的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施方式所属技术领域的技术人员所理解。
尽管上面已经示出和描述了本发明的实施方式，可以理解的是，上述实施方式是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施方式进行变化、修改、替换和变型。