论文部分内容阅读
无功优化问题自提出以来,一直都是配电网络潮流计算中研究的热点问题。现代电力系统中含有大量的非线性用电设备,这些设备大多呈现感性负载,这些设备的正常运行都需要合理范围的无功供给。合理的无功优化不但可以保证用电设备的正常运行,也是降低电力系统网络损耗的重要手段,是评断电力系统电能质量的重要标准。 本文以有功网损为优化模型,在配电网络进行无功优化上采用人工智能算法中的粒子群算法为优化算法,该算法具有收敛速度快、需要调节参数少、不依赖于初始值,且易于实现等优点,适合应用于实值型问题的处理。但粒子群算法依然存在收敛精度不高以及收敛过快、易陷入局部极值的“早熟”的缺点。为改善粒子群“早熟”的缺陷,引入可接受“恶化解”的模拟退火机制,以增加粒子群的多样性、提高模拟退火收敛速度,使算法较快的得到全局最优解。论文主要工作内容如下: (1)针对传统粒子群算法惯性权重系数和学习因子进行优化,通过对算例进行Matlab仿真确定了动态学习因子模型的有效性,并得出较为适合处理目标优化问题的非线性自适应惯性权重系数模型,验证了改进后的粒子群算法能更好的兼顾快速的局部收敛和良好的全局收敛效果。 (2)粒子群算法实验结果表明,在全局拓扑模式下,粒子群算法容易陷入局部最优,而不是期望的全局最优。模拟退火算法能概率性的跳出局部最优解,但初始条件严苛,会导致收敛速度慢。提出将改进的粒子群算法与模拟退火算法融合以达到互补效果的协同进化算法,然后通过对Rastrigrin函数和Griewank函数进行Matlab仿真验证了协同进化算法的有效性。 (3)对两种电力系统IEEE-10和IEEE-14模型进行仿真,验证了改进算法对电力系统网络损耗优化的有效性,并通过对比原粒子群算法、引入自适应学习因子的粒子群算法、加入非线性惯性权重的粒子群与模拟退火协同算法的处理效果,验证了改进的粒子群与模拟退火结合的算法在处理无功优化问题具有更高的性能。 (4)从电力系统检测和无功补偿电容器组的投/切的角度出发,设计了电力检测控制装置,并基于嵌入式硬件平台基础上,使用VC++6.0设计了上位机电力系统参数监测软件,通过串口与硬件平台进行通信。为解决电力系统无功优化问题方面做出了有益的探索。