（电力系统及其自动化专业论文）基于改进蚁群算法的电网无功补偿装置优化设计.pdf

a bs t r a c t v o l t a g e r e a c t i v ep o w e ro p t i m i z a t i o n ，w h i c hh a sg r e a ti m p a c to nt h es e c u r i t y , s t a b i l i t ya n de c o n o m i co p e r a t i o no fp o w e rs y s t e m ，p l a y sad e c i s i v e r o l ei nt h e r e a s o n a b l ed i s t r i b u t i o no fr e a c t i v ep o w e r t h a tc h a n g i n gg e n e r a t o rt e r m i n a lv o l t a g e ， r e g u l a t i n gt a p so ft r a n s f o r m e ra n ds w i t c h i n gc a p a c i t o ra r et h eb a s i cm e a s u r e so f o p t i m i z i n gr e a c t i v ep o w e r ，a n dt h ep l a c e m e n to fr e a c t i v ec o m p e n s a t o r si st h ec r i t i c a l f a c t o rw h i c hi n f l u e n c e st h ev o l t a g eq u a l i t yo f p o w e r 面d i nt h i sp a p e r , ar e a c t i v eo p t i m i z i n gm o d e li sf o r m e di no r d e rt or e c e i v et h e m a x i m u mv a l u eo f t a r g e t f u n c t i o nw h i c hi sb a s e do nt h es a t i s f a c t i o no f v o l t a g e r e a c t i v ei nt h ep o w e rg r i d ，a n da d o p tt h ep e n a l t yf u n c t i o nm e t h o dt og e tr i do f t h ep r o b l e mo fv o l t a g eo f f - l i m i t a d a p t i v ea n tc o l o n ya l g o r i t h mi su s e dt os o l v et h e m o d e lq u e s t i o n t h i sk i n do fa n tc o l o n ya l g o r i t h mc a nd y n a m i c a l l ya d j u s tp h e r o m o n e u p d a t i n gs t r a t e g ya n dp r o b a b i l i t yo fp a t h ss e l e c t i o na c c o r d i n gt o t h ed i s t r i b u t i o n u n i f o r m i t yo fs o l u t i o n si nt h eo p t i m a lp r o c e s s ，a n di ta c h i e v e st h eg o o db a l a n c e b e t w e e n a c c e l e r a t i n gc o n v e r g e n c e a n d p r e v e n t i n gp r e c o c i t y a n ds t a g n a t i o n p h e n o m e n a a s s u m et h a ta l ll o a db u s e si nt h ep o w e rg d db ef i x e dr e a c t i v ec o m p e n s a t o r s ，t h i s p a p e rm a k e sk i n d so fd i s t u r b a n c et o t h eg r i d , r e c e i v e so p t i m a lc o n t r o ls e q u e n c e s ， w h i c hs u g g e s tt h ep o s i t i o nw h e r et h er e a c t i v ec o m p e n s a t o rw a ss w i t c h e db yt h e m e t h o do fi m p r o v e da n tc o l o n ya l g o r i t h m c o m p a r i n gt h ec o n t r o ls e q u e n c ei nt h e v a r i o u sp e r t u r b a t i o n s ，r e c e i v et h eb e s tr e a c t i v ec o m p e n s a t i o nd e v i c ei n s t a l l e dl o c a t i o n b yt h ec y c l eo fs u c c e s s i v ee x c l u s i o nm e c h a n i s m i nt h i sw a y , t h ep o w e rs y s t e m v o l t a g ed e v i a t i o n sc o u l db es m a l l e r , a n dt h ep o w e rq u a l i t yi se n s u r e d m e a n w h i l e ，i t a v o i d st h ew a s t eo fh u m a na n dm a t e r i a lr e s o u r c e s ，a n di m p r o v e st h ee c o n o m i c o p e r a t i o no f p o w e rs y s t e m s p o w e rf l o wc a l c u l a t i o ni sa l le s s e n t i a lp a r ti nt h ep r o c e s so fr e a c t i v eo p t i m i z a t i o n d u et on o r m a ls o f t w a r ei nt h i sa s p e c th a st h ep r o b l e mo ff i x e di n p u ta n dc o m p l e x i t y o u t p u t ，t h i sp a p e ru s em a t l a bl a n g u a g et om a k ep o w e rf l o wc a l c u l a t i o np r o g r a m b a s e do nt h eb a s i ci d e ao ft h en e w t o n r a p h s o nm e t h o d ，a n dv e r i f yt h ea c c u r a c yo f t h er e s u l t s t h er u n n i n go fr e a c t i v eo p t i m i z a t i o np r o g r a ms h o w st h eg o o di n t e g r a t i o n o ft h ep o w e rf l o wc a l c u l a t i o np r o g r a m a n dt h ea l g o r i t h m n o r m a lr e a c t i v eo p t i m i z a t i o na l g o r i t h md o e s n th a v ea g o o dg r a p h i c a li n t e r f a c e s ot h ep o w e rs t a f fc a nn o ti n t u i t i v e l yu n d e m t a n d t h er e a c t i v ep o w e rd i s t r i b u t i o no ft h e p o w e r 鲥d i nt h i sp a p e r , v c + + i su s e dt od e v e l o pr e a c t i v ep o w e ro p t i m i z a t i o n p l a t f o r mo nt h eb a s i so ft h eo r i g i n a lp l a t f o r m p o w e rw o r k e r sc a nd r a wt h ep r i m a i y w m n gd i a g r a ma n dm p u tt h er e l e v a n tp a r a m e t e r so nt h ep l a t f o r m s ot h e p l a t f o r mh a s g o o di n t e r a c t i o nw i t hu s e r s w h i l eag o o di n t e r f a c eo ft h ea n tc o l o n ya l g o r i t h mf o r r e a c t i v ep o w e ro p t i m i z a t i o na n dt h ev c + + p l a t f o r mi sm a d eb yt h eu s eo fc o m c o m p o n e n t s i nt h i sp l a t f o r m ，t h ea u t h o r i t ys o f t w a r e ，b p ap o w e rf l o wc a l c u l a t i o n i s c a l l e dt oc o m p a r ew i t ht h em a t l a bp o w e rf l o wp r o g r a mi no r d e rt o e n s u r et h e a c c u r a c yo ff l o wc a l c u l a t i o n i nt h i sp a p e r , i e e e14 一b u s s y s t e mi ss i m u l a t e db a s e do ni m p r o v e da n tc o l o n v a l g o r i t h mf o rr e a c t i v e o p t i m i z a t i o n ，a n dt h ec o n c l u s i o n st h a tr e a s o n a b l er e a c t i v e c o m p e n s a t o r sl o c a t i o n s i sr e c e i v e dv e r i f yt h ee f f e c t i v e n e s so ft h em e t h o d k e yw o r d s ：r e a c t i v eo p t i m i z a t i o n ，r e a c t i v ec o m p e n s a t o ri n s t a l l e dl o c a t i o n i m p r o v e da n tc o l o n ya l g o r i t h m ，p o w e rf l o wc a l c u l a t i o n 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的 研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表 或撰写过的研究成果，也不包含为获得苤盗苤堂或其他教育机构的学位或证 书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中 作了明确的说明并表示了谢意。 学位论文作者签名：涩萋毋 签字日期： 溯7 年么月弓 日 学位论文版权使用授权书 本学位论文作者完全了解苤盗叁堂有关保留、使用学位论文的规定。 特授权墨盗盘堂可以将学位论文的全部或部分内容编入有关数据库进行检 索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校 向国家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名：1 覆甜 导师签名： 签字日期：沏7 年乡月多日签字日期：乃哆年 月；日 第一章绪论 1 1 研究背景及意义【1 】 第一章绪论 随着现代经济的快速进步，工农业生产和城市的发展对电能的需求量也迅速 增加。而煤炭资源和水资源丰富的地区往往远离用电集中的城市和工矿区，电力 工业初期那种各发电站孤立运行的模式已经大大限制了当今社会的发展。因此， 在动力资源丰富的地区建立大型发电站，然后将电能远距离输送给电力用户已经 成为通用的模式逐渐兴起，跨大区电网互联和电力市场建设已经成为当前电力行 业的热门研究方向。它们为社会带来了明显的经济效益，但同时也对电力系统的 安全稳定性提出了更加严格的要求。在市场经济体制下，电力系统经常处于重载 状态，面临电压崩溃的危险。一方面电力系统规模的扩大和复杂程度的提高，使 得电压失稳造成的经济损失及社会影响有扩大的趋势，另一方面，随着电力市场 机制的引入，受电端对电能质量的要求日益提高，采取必要的手段降低网损，改 善系统的电压水平，提高系统电压稳定性已经成为关系电力企业经济效益的切身 课题。因此，电力系统的无功控制显得尤为重要。 电力系统中，为了输送有功功率，就要求送电端和受电端的电压有一定的相 位差，这在相当宽的范围内可以实现，而无功功率的输送，则要求两端电压有一 定的幅值差，这只能在很窄的范围内实现。电网中不仅大多数网络元件需要消耗 无功功率，大多数负载也需要消耗无功功率。显然如果这些无功功率都从发电机 提供，经过长距离传输到用户是不合理的，通常也是不可能的。为此，人们所采 用的方法就是在需要消耗无功功率的地方产生无功功率，即进行无功功率的就地 补偿。 由国家电网公司电力系统无功补偿配置技术原则中第二章无功补偿配置 的基本原则之规定，电力系统配置的无功补偿装置应能保证在系统有功负荷高峰 和负荷低谷运行方式下，分( 电压) 层和分( 供电) 区的无功平衡。无功补偿配 置应根据电网情况，实施分散就地补偿与变电站集中补偿相结合，电网补偿与用 户补偿相结合，高压补偿与低压补偿相结合，满足降损和调压的需要。根据规 定，在电网建设规划初期，为了满足无功补偿的需要，在多数地点都装设了无功 补偿设备以满足无功就地补偿的原则。然而在实际电网的运行中，一些负荷点或 变电站的无功补偿装置长期处于不动作状态，但是出于电网安全性的考虑，这些 地点的无功补偿装置仍需要长期的维护和更新，这样给经济造成了极大的浪费， 第章绪论 同时给运行维护人员增加了工作负担。这样，无功补偿装置的容量如何确定，无 功补偿装置的位置如何选择，如何进行无功补偿使得电力系统的有功损耗最小等 问题亟待解决，因此电力系统无功优化控制也显得尤为重要。 电力系统无功优化是指在有功出力、有功负荷以及有功功率的潮流分布给定 的前提下，通过优化计算确定系统中某些控制变量的值，从而得到在满足所有等 式和不等式约束条件下，使系统的某一个或多个性能指标达到最优的运行方式。 其研究方法就是在满足系统负荷需求及运行约束要求的前提下，使电网的某一指 标或多个指标( 如有功损耗最小、年支出费用最小、电压质量最优) 达到最优的 无功功率最佳分布方案。其主要控制手段调节发电机机端电压、控制有载调压变 压器的分接头和投切无功补偿装置等，其中发电机机端电压( 或无功出力) 是连 续变量，无功补偿装置和有载变压器分接头档位是离散( 整数) 变量，因此电力 系统无功规划优化通常表示成含约束条件的、整实数混合的非线性优化问题。其 有多目标性、约束条件数量和类型多、目标函数及约束条件非线性、负荷及运行 方式不确定性、非凸性和多极值性以及目标函数难以由控制变量显式描述等突出 特点。针对无功优化这些特点，一些非线性规划法和智能算法被引入电力系统用 以解决这些问题，并取得很好的效果。 电力系统无功分布的合理与否直接影响着电力系统的安全和稳定，并与经济 效益直接挂钩。无功不足将导致系统电压降低，用电设备得不到充分的利用，严 重时还会引起电压崩溃等事故；而无功过剩也会恶化系统电压，危害系统和设备 安全。此外系统无功功率的不合理流动，会使线路的压降增大，线路的损耗增加， 供电的安全性和经济性都会下降。合理的无功电源配置能有效地降低网损，保证 电压质量、预防事故发生或者事故扩大，从而提高电力系统运行的经济性、安全 性和稳定性。随着电力系统的迅速发展，电网规模越来越大，结构也日趋复杂， 系统的稳定性问题变得更加突出。怎样进行无功优化控制，如何在保证电网安全 可靠的同时科学的利用和优化电力系统资源配置，实现科学的管理，降低系统损 耗，提高供电电压品质，最终提高企业效益与社会效益，这些都越来越受到人们 的关注和重视。 1 2 国内外研究现状 1 2 1 电力系统无功优化算法 由上文所述，电力系统的无功优化问题是一个多变量、多约束的混合非线性 规划问题，其控制变量既有连续变量，又有离散变量，从而使得优化过程十分复 2 第一章绪论 杂。几十年来国内外很多专家和学者对此开展了大量的研究工作，早期兴起了用 非线性规划方法来解决无功优化问题，包括一阶梯度法、广义简约梯度法、基于 h e s s i a n 矩阵的二阶梯度法、牛顿法等。这些方法均取得了比较好的效果，但它 们依赖于精确的数学模型，同时还存在着计算速度慢，控制变量间的协调性差的 缺点，难以适应实际情况。 近些年来，人工智能算法被逐渐引入电力系统无功优化中，这类算法是人们 根据自然界许多自适应优化现象的得到的启示，它不依赖于精确的数学模型，弥 补了传统数学规划方法的不足，代表性的算法如模拟退火算法、粒子群算法、遗 传算法、蚁群算法等。 ( 1 ) 模拟退火法【2 3 j 模拟退火算法( s i m u l a t e d a n n e a l i n g ，简称s a ) ，是模拟物理学中固体物质 的退火过程来求解组合优化问题。在物理退火过程中，通常先将金属加热至熔化， 使其中的粒子可以自由移动，即处于高能态。然后逐渐降低温度，使粒子形成低 能态的晶体。只要在凝固点附近温度下降得足够慢，物质就能摆脱局部应力的束 缚，形成最低能量的基态一晶体。将晶体与最优值、冷却过程与寻优过程对应起 来，从而形成模拟退火算法。 模拟退火加温时，固体内部粒子随温度升高变为无序状，内能增大，而徐徐 冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能 减为最小。根据m e 仃o p o l i s 准则，粒子在温度丁时趋于平衡的概率为e x p ( - a e t 女) ， 其中e 为温度丁时的内能，丝为其改变量，互为退火温度。用固体退火模拟组 合优化问题，将内能e 模拟为目标函数值，温度r 演化为控制参数t ，即得到 解组合优化问题的模拟退火算法：由初始解和控制参数初值t 开始，对当前解重 复“产生新解一计算目标函数差一接受或舍弃的迭代，并逐步衰减f 值，算法 终止时的当前解即为所得近似最优解，这是基于蒙特卡罗迭代求解法的一种启发 式随机搜索过程。其基本思想： ( 1 ) 初始化：初始温度r ( 充分大) ，初始解状态s ( 是算法迭代的起点) ，每 个丁值的迭代次数l ； ( 2 ) 对k = l ，2 ，做第( 3 ) 至第( 6 ) 步； ( 3 ) 产生新解s ； ( 4 ) 计算增量a t = c ( s ) - c ( s ) ，其中c ( s ) 为评价函数； ( 5 ) 若a t 0 则接受s 作为新的当前解，否则以概率e x p ( 一f 丁) 接受s 作为 新的当前解： ( 6 ) 如果满足终止条件( 通常取为连续若干个新解都没有被接受) 则输出当 前解作为最优解，结束程序。 第一章绪论 ( 7 ) 丁逐渐减少，且r _ 0 ，然后转第2 步。 模拟退火算法与初始值无关，具有并行性，其特性之一就是可根据一定的概 率接收目标函数值不太好的状态，这使得算法即使落入局部最优的陷阱中，经过 足够长的时间后也可跳出来从而收敛到全局最优解。它的这种较强的全局搜索能 力在电力系统无功优化方面是一个优势，它在无功优化方面的应用已经取得了一 定的经验和成果，但是它搜索最优解的时间过长，而且会随着系统规模的扩大机 复杂性的提高而增加，所以模拟退火法需与其他算法相结合才能充分发挥其优 势。、 ( 2 ) 粒子群优化算法【4 6 】 粒子群优化算法( p a r t i c l es w a r mo p t i m i z a t i o n ，简称p s o ) ，是近年来发展起 来的一种新的进化算法，它源于对鸟群捕食行为的研究。粒子群算法已经广泛应 用于电力系统配电网扩展规划、检修计划、机组组合、经济负荷分配等方面，在 无功优化方面的应用才刚刚起步，但是p s o 算法有收敛性好、计算速度快、不 受问题维数限制的优点，同时它易于与其他算法融合，在无功优化方面有着广阔 的发展前景。 p o s 算法是基于迭代的优化算法，在该算法中，每个优化问题的解都是搜索 空间的一个粒子，所有粒子都有一个由被优化的函数决定的适应度值，每个粒子 还有一个速度决定它们的飞行方向和距离。其基本原理为：系统初始化为一组随 机粒子，通过迭代搜寻最优值。在每一次迭代中，粒子通过跟踪两个“极值”来 更新自己。第一个为粒子本身所找到的最优解，即个体极值p b e s t ，另一极值是 整个种群目前找到的最优解，即全局极值g b e s t 。在找到这两个最优值时，粒子 根据如下的公式更新自己的速度和新的位置： v 0 p + 1 】= w p + 西l x r a n d o x p 耐o ) 一o ) 】+、 2x r a n d ( ) x p g d ( f ) 一妇( f ) r 叫 o + 1 ) = 勃( f ) + v f d ( t + 1 ) 1 i n ，1 d d ( 1 - 2 ) 式中，m 。和币：为正常数，称为加速因子；r a n d ( ) 为 0 ，1 间的随机数；w 称 为惯性因子，w 较大适用于大范围探查，w 较小适用于小范围开挖；第i 个粒子 位置表示为向量= 瓴。，扬，“) ；第i 个粒子的历史最优位置为孕锄，励一j 础，其 中足为所有成= 1 2 ，功中的最优，第i 个粒子的位置变化率为向量耳，场“瞄；d 为搜索空间的维数，n 为总粒子数，迭代中位置薯和速度v 超过边界则取边界值。 基本粒子群优化算法没有交叉和变异运算，依靠粒子速度完成搜索，并且在迭 代进化中只有最优的粒子把信息传递给其它粒子，搜索速度快；算法具有记忆性， 粒子群体的历史最好位置可以记忆并传递给其它粒子；需调整的参数较少，结构 简单，易于工程实现；采用实数编码，直接由问题的解决定问题解的变量数直接 4 第一章绪论 作为粒子的维数。 3 、遗传算法【7 9 】 遗传算法( g e n e t i ca l g o r i t h m ，简称g a ) 的基本思想是将达尔文进化论引入 到数学理论中，通过模拟生物进化过程来达到自学习与优化的目的。这种迭代自 适应概率性搜索算法含有进化过程中的信息遗传思想及生物优胜劣汰的原则。遗 传操作利用某种编码技术作用于称为染色体的字符串，其基本思想是模拟由这些 串组成群体的进化过程，核心操作是选择、交叉、变异。在遗传迭代过程中任何 一代所得的最优解都可以作为整个问题的次优解，根据要求总能给出一个合理可 行的优化解。 遗传算法在求解问题时，每个可能解都被编码为一个染色体，再构成群体。 算法开始时，随机地产生一些个体( 初始解) ，根据预定的目标函数对每个个体 进行评价，根据评价的适应值选择优良个体进行复制，差的个体则被淘汰，再经 过交叉和变异产生新的一代。新个体继承了上一代的优良特性，可以逐步朝着更 优解的方向进化。因此，g a 可以看作是由可行解组成的群体逐代进化的过程， 其具体过程为：种群初始化一编码专计算个体适应度一遗传操作( 选择，交叉， 变异) 一解码一是否满足停止进化准则( 如不满足，则重新开始计算个体适应 度若满足则进入下一步) 一输出最优解。 遗传算法从问题解的串集开始搜索，而不是从单个解开始，覆盖面大，利于 全局择优，这是遗传算法与传统优化算法的极大区别。遗传算法求解时使用特定 问题的信息极少，容易形成通用算法程序遗传算法有极强的容错能力遗传算法中 的选择、交叉和变异都是随机操作，而不是确定的精确规则。上述的优点使得遗 传算法在电力系统无功优化方面得到了广泛的应用。但是遗传算法对初始种群有 一定的依赖性，且搜索速度较慢，需要较多的训练时间去获得较精确的解，所以 它需要结合一些启发算法进行改进，才能在电力系统无功优化及其他方面发挥出 特有的优势。 4 、蚁群算法【1 0 1 3 】 蚁群算法( a n tc o l o n yo p t i m i z a t i o n ，a c o ) ，又称蚂蚁算法，是一种用来在图中 寻找优化路径的机率型算法。蚁群的觅食行为实际上是一种分布式的协同优化机 制，本质上构成了一个多智能体的复杂自适应系统。它的基本思想是模仿蚂蚁依 赖信息素( p h e r o m o n e ) 进行通信而显示出的社会性行为，在智能体( a g e n t ) 定义 的基础上，由一个贪心法指导下的自催化( a u t o c a t a l y t i c ) 过程引导每个智能体 ( a g e n t ) 的行动。 蚁群算法是一种随机的通用试探法，具有较强的鲁棒性，稍作修改就可以应 用于其他的问题；分布式计算使该算法本质上具有并行性，易于并行实现，个体 第一章绪论 之间不断进行信息交流和传递，不容易陷入局部最优，有利于找到较好的解；易 于与其他算法结合，改善算法的性能。所以蚁群算法可用于解各种不同的组合优 化问题。在电力系统无功优化中，蚁群算法的应用处于初始阶段，主要是因为该 算法的大部分时间被用于解的构造，容易出现停滞现象，此时即使使用随机搜索 策略，也不可能在解空间中进一步进行搜索，这样就存在陷入局部最小值的可能， 不利于发现更好的解。但是蚁群算法经过改进或与其他算法结合就可发挥其良好 的全局收敛性和较强的最优值搜索能力，在电力系统无功优化中具有广泛的前 景。 1 2 2 电力系统无功源配置地点的研究 文中提到电力系统无功优化控制主要通过调节发电机出力、改变变压器分接 头和投切无功补偿装置的途径来实现，而发电机和变电站的位置在电网建设过程 中已经确定，不可能改变。由电网运行规程可知，无功补偿的原则是就地补偿， 所以电力系统中只能通过在其余的节点处装设无功补偿装置来实现无功的优化， 而系统的电压稳定性和经济性与无功补偿地点的选择有密切的关系。这样在何处 装设无功补偿装置，如何确定无功补偿装置需要的容量成为电力系统人员研究的 一个课题，并提出了一些方法。 ( 1 ) 灵敏度法【m 1 7 j 在实际电力系统中，当控制变量发生微小变化时，系统的状态变量或输出变 量都会发生微小的变化，用它们之间的微分来表示这种变化关系就成为灵敏度指 标。灵敏度分析方法属于静态电压稳定研究的范畴。 基于灵敏度法确定无功补偿地点的方法是将电压稳定和无功补偿地点的选 择相联系，从无功补偿点的补偿效应出发，将无功补偿地点组合优化问题分解成 一系列单个无功补偿地点优化子问题，并给出单个最优地点的算法，由g r e e d y 算法得到问题的初始解，通过迭代得到问题的最终解，从而得到最优的无功补偿 装置安装地点。 系统节点的电压无功灵敏度指标反映了系统的电压稳定水平，在此方法中， 通过改变系统的无功功率水平最大程度地降低系统的电压无功灵敏度指标，最有 效的提高系统的电压稳定水平，即通过选择无功补偿地点实现了无功补偿效应最 大。该方法易于实现，其确定的无功补偿地点对提高系统的电压稳定性有较好的 效果。 ( 2 ) 先导节点控制澍1 8 9 】 先导节点是指从全网角度看，少数几个对系统电压水平有举足轻重作用的节 点，它的电压水平反映了整个电网的电压状况。在系统受到某种干扰时，只需采 6 第一章绪论 取措施，将少数先导节点的电压水平恢复到允许范围内，则全网的电压偏移从一 定指标上为最小。 基于先导节点的无功源最佳配置地点的方法是将无功源与先导节点相联系， 首先确定无功源和先导节点的数量，通过g r e e d y 算法确定先导节点，进而在先 导节点处安装无功源，实现无无功源的最有配置，此方法简便易行，选出的先导 节点具有鲁棒性，确定的无功源配置地点对提高电力系统的电压稳定性有较好的 效果。但是此方法没有考虑装设无功补偿装置地点的补偿效应，同时采用g r e e d y 法可能得到局部最优解。 ( 3 ) 电力系统分区法【2 呲1 】 由上文所述，在国家电网公司电力系统无功补偿配置技术原则中规定， 电压无功应分级分区控制。电力系统无功电压问题通常是局部性问题，一般是 某个薄弱区域由于缺少无功支持而发生电压不稳定，如不采取及时有效的措施， 局部电压不稳定会很快发展为全局电压不稳定，进而引起整个电网崩溃。所以对 电力系统进行合理的分区，在每个区域内进行合适的无功补偿，将会提高整个电 力系统的电压稳定性。 基于电力系统分区的无功源最佳位置确定方法结合电力系统分区和电压灵 敏度分析法，对电压灵敏度由大n d , 进行排序，选出灵敏度最大的节点即为电压 最差的点。依据区内耦合大区外耦合小的原则，对电力系统进行分区，所得的分 区数出含有p v 节点的分区外即为需要补偿的节点数，而分区内灵敏度最大的点 即为无功补偿装置需要安装的地点。 根据该方法所得的无功补偿装置装设地点安装无功源对提高电力系统稳定 性有较好的效果，但是电力系统的合理分区比较难于实现，而分区的结果直接影 响着无功源安装地点的好坏，所以该方法的实现有一定困难。 1 3 本文主要工作 随着我国电力市场化改革的深入，城乡电网改造的进行，电力系统无功优化 控制在提高电力系统电压稳定性从而保证电压质量以及减少电力传输的有功损 耗从而提高电力运营的经济性方面起着越来越重要的作用。无功补偿装置是电力 系统进行优化控制的重要手段之一，它的装设地点的确定对提高电压质量有着明 显的效果。 本文提出了基于改进蚁群算法的电网无功优化方案设计，在给与电网扰动的 情况下，通过蚁群算法寻求扰动下的最优蚁群路径，即最优控制序列，逐次筛选 控制序列得到无功补偿装置最佳的安装地点，实现电网无功的合理配置。本文的 第一章绪论 具体工作如下： ( 1 ) 论述了现阶段国内外电力系统无功优化常用的智能算法以及确定无功 补偿装置地点的常用方法，分析了他们的优缺点，为本文所提出的新方法提供理 论根据和实践指导。 ( 2 ) 针对目前电力系统无功补偿装置装设地点的盲目性，本文提出了基于 改进蚁群算法的电网无功优化方案设计，建立以电力系统电压满意度和无功满意 度为内容的综合满意度为目标函数，以电网各节点电压越限为惩罚函数的无功模 型，在假设电网所有负荷节点处装设无功补偿装置的条件下，利用蚁群算法寻求 目标函数最大的蚁群路径，得到该路径包含的所有节点，即无功补偿装置动作的 节点，通过逐次筛选各种扰动下得到的控制序列得到无功补偿装置最佳的安装地 点。 ( 3 ) 无功优化中需要利用潮流计算得到整个电网的运行状态，如各节点电 压、网络功率分布等。现有的潮流计算软件如b p a 等，需要固定的输入卡片， 且在无功优化算法中调用不方便。本文以牛顿一拉夫逊法为基本思想，利用m a t l a b 编程实现基本的潮流计算，该程序与文中的无功优化算法实现了很好的融 合。本文对i e e e9 节点系统进行潮流计算仿真，将结果与b p a 运行结果比较， 验证程序了的准确性，进而保证了无功优化方法的正确性和有效性。 ( 4 ) 本文在原有的v c + + 平台的基础上，开发了电网无功优化平台，使用 o d b c 实现与a c c e s s 数据库的接口，友好的功能界面方便了用户对本方法的 使用。在平台程序中使用c o m 混合编程技术，将m a t l a b 程序打包形成c o m 组件，完成了在平台中调用无功优化控制算法以及参数传递的功能。同时在平台 中实现调用具有权威性的b p a 潮流计算程序，以检验无功优化算法中嵌入的潮 流程序的正确性。 ( 5 ) 基于本文的电网无功优化配置的思想，利用m a t l 墟语言编写程序， 对i e e e1 4 节点系统进行仿真研究，得到各个节点在逐次排除无功补偿装置安装 地点时相应的电压值和变化曲线，最终得到无功补偿装置的最佳配置地点，通过 对比优化前后的电压曲线，验证了本文所提方法的有效性和实用性。 第二章基于v c + + 的电网无功优化平台 第二章基于v c + + 的电网无功优化平台 本文提出了用改进的蚁群算法确定电网无功优化的最佳配置方案，在实际电 网规划中使用这个方案能够确定无功补偿装置的安装位置，在保证电力系统安全 性和稳定性的前提下避免不必要的浪费，有一定的实用价值。为了在实际规划中 便于使用该方法，论文在原有v c 平台的基础上，开发了电网无功优化平台，在 这个平台上可以方便实现实际电网的仿真，其主要功能为：调用潮流计算软件 b p a ；调用本文编写的m a t l a b 潮流计算程序；实现了与基于改进蚁群算法的 电网无功优化配置方案的接口。 2 1 开发工具介绍 2 2 - 2 6 】 本文采用了v i s u a lc + + 、o d b c 和a c c e s s 相结合的方法，有效解决了电网 无功优化中图形数据一体化和与其他语言的接口问题。 2 1 1v i s u a lc + + 开发平台 v i s u a lc + + 是微软公司于1 9 9 8 年推出的基于w i n d o w s 系统的优秀集成开发 环境，是w i n d o w s 平台上的c h 编程环境。它作为一个主流的开发平台一直深 受编程爱好者的喜爱，v c + + 应用程序的开发主要有两种模式，一种是w na p i 方式，另一种则是m f c 方式，由于传统的w 玳a p i 开发方式比较繁琐，而m f c 编程方式是对w i na p i 开发方式的再次封装，所以m f c 相对于w 玳a p i 开 发更具备效率优势。 v i s u a lc + + 开发平台具有强大的功能和良好的集成环境，它最大的特点就是 提供了对面向对象技术的支持，它利用类把大部分与用户界面设计有关的w i n d o w sa p i 函数封装起来，通过m f c 类库的方式提供给开发人员，大大提高了程 序代码的重用性。利用v i s u a lc + + 编写程序，可以开发出符合一般w i n d o w s 用 户的操作习惯可视化人机交互界面，而且该软件支持o d b c ( 开放式数据库连 接) ，可以利用程序接口，轻松实现与数据库的连接以及与其他语言混合编程。 同其他软件开发工具相比，v c 具有以下优势： ( 1 ) 与w i n d o w s 紧密结合。v i s u a ls t u d i o 和w i n d o w s 都出自于m i c r o s o f t 公司，而v c 作为v i s u a ls t u d i o 编程工具系统中最为强大的工具，本身就具有得 9 第二章基于v c + + 的电网无功优化平台 天独厚的资本。到目前为止，m i c r o s o f t 已经发布了多个w i n d o w s a p i 版本，其 中w i n 31 用于w i n d o w s 9 8 ，w i n d o w s 2 0 0 0 适用w i n 3 2 a p i 。而m f c 类库集成了 大量已经预先定义好的类，用户可以根据编程的需要定义响应的类，或者根据需 要自定义有关的类。因此，v c 在使用a p i 等方面和w i n d o w s 联系得最为紧密。 ( 2 ) 强大的类库支持和类改造能力。使用v i s u a lc + + m f c 类库编程，就可 以得到m f c 类库强大的支持。m f c 是用来编写w i n d o w s 应用程序的c + + 类集。 该集合以层次结构组织起来，其中封装了大部分w i n d o w s a p i 和w i n d o w s 控件， 它所包含的功能涉及到整个w i n d o w s 操作系统。v c 在得到m f c 类库强大的支 持的情况下，具有了更强大的类改造能力。v c 程序员只要继承m f c 类，稍加 修改就能得到适合自己应用要求的控件类或应用类。m f c 类库已经成为事实上 的工业标准类库，得到了众多开发商和软件开发工具的支持。另外，由于众多的 开发商都采用v i s u a lc + + 进行软件开发，这样用v i s u a lch 开发的程序就与别 的应用软件有许多相似之处，易于学习和使用： ( 3 ) 拥有高效率的运行速度。软件高效率的运行速度是衡量一个软件优劣 的重要标准，由于v c 非常接近w i n d o w s 的底层，所以其编译器所编译出来的 程序质量相当高，从而保证了用v c 编写出来的软件产品拥有高效率的运行速 度。 2 1 2o d b c 接口 o d b c ( o p e nd a t a b a s ec o n n e c t i v i t y , 开放数据互连) 是由微软提供的一个用于 访问数据库的统一界面标准，是w i n d o w s 开放式服务体系结构( w o s a ) 中的 数据库部分。v i s u a lc + + 中包含了编写m i c r o s o f tw i n d o w s 环境下c + + 数据库应用 程序所需的所有组件，实际上，它包含了两个独立的面向用户的数据库访问系统， 除了o d b c 外还有d a o ( d a t a a c c e s so b j e c t s ，数据库访问对象) 。o d b c 标准 由一套扩展的d l l ( d y n a m i cl i n kl i b r a r i e s ，动态链接库) 组成，d l l 提供了标 准的数据库应用程序设计接口。o d b c 是建立在标准化版本的s q l ( s t r u c t u r e d q u e r yl a n g u a g e ，结构化查询语言) 上的。通过o d b c 和s q l ，我们可以编写独 立于任何数据库产品的数据库访问代码。 o d b c 是一种数据库的互操作平台，通过经严格定义的各个级别的o d b c 接 口和客户系统的初始装置，能够为应用程序提供数据库类型透明性和位置透明 性，让应用程序的编写者避免了与数据源相联的复杂性。m f c 的数据库扩展部 分封装了使用o d b c 数据资源的细节，应用程序可以直接使用m f c 中的数据库 扩展类，来操纵o d b c 驱动程序管理器，访问数据库。进行m f co d b c 数据库 开发时，所需的基础工具就是m f co d b c 数据库类的使用。利用m f co d b c 1 0 第二章基于v c + + 的电网无功优化平台 开发就是利用m f co d b c 数据库类来操纵o d b c 数据源。v c 的大多数o d b c 访问是通过m f c 来完成的。v c 的m f c 类库定义了几个数据库类，在利用m f c 编程时常常用到，它们是c d a t a b a s e ( 数据库类) 、c r e c o r d s e t ( 记录集类) 、和 c r e c o r d v i e w ( 可视记录集类) 。 对于m f co d b c 数据库类来说，c d a t a b a s e 类对象表示一个同数据源的连接， 通过它可以对数据源进行操作。而c r e c o r d s e t 对象代表从数据源中选择的一组 记录的集合，也就是通常所说的记录集对象。 c r e c o r d s e t 对象通常用于两种形式：动态集( d y n a s e t s ) 和快照集( s n a p s h o t s ) 。 动态集能与其他用户所做的更改保持同步，快照集则是数据的一个静态视图。每 一种形式在记录被打开时都提供一组记录，区别在于，当用户在一个动态集里滚 动到一条记录时，有其他用户或是应用程序中的其他记录集所做的更改就会相应 地显示出来。c r e c o r d v i e w 类对象能以控制的形式显示数据库记录。这个视图是 直接连接到一个c r e c o r d s e t 对象的表视图。 2 1 3a c c e s s 数据库管理系统 a c c e s s 是微软公司推出的基于w i n d o w s 的桌面关系数据库管理系统，是 o f f i c e 系列应用软件之一。它提供了表( t a b l e ) 、查询( q u e r y ) 、窗体( f o r m ) 、 报表( r e p o r t ) 、页( p a g e ) 、宏( m a c r o ) 、模块( m o d u l e ) 7 种用来建立数据库 系统的对象；提供了多种向导、生成器、模板，把数据存储、数据查