（机械电子工程专业论文）配电网低压侧自动无功补偿装置安装位置的优化规划.pdf

中文摘要 论文题目t 专业： 硕士生： 指导教师： 配电网低压侧自动无功补偿装置安装位置的优化规划 机械电子工程 胡海燕( 签名) 期扭戳 刘健( 签名) 摘要 分别以减少的有功网损最大和投资收益最高为目标函数，并将投资规模的限制以惩 罚函数的形式加入到目标函数中构成增广目标函数，以各个节点电压符合要求以及各个 设备不超过其电气极限为约束条件，将每个可能安装低压侧自动无功补偿装置的位置作 为基因，基因的取值反映补偿装置安装与否及安装的时间，在此基础上运用遗传算法获 得考虑负荷变化情况下配电网低压侧无功补偿装置的单阶段静态和多阶段动态最优规 划结果。讨论了投资规模不加限制、限制总投资规模和限制各个阶段投资规模三种情况 的处理方法。对实例的分析表明，提出的方法是可行的。 提出两种启发式算法( 即最大降损效果法和灵敏度法) ，分别根据最大降损效果排 序结果和灵敏度排序结果选出补偿效益最明显的节点作为无功补偿候选节点，实现低压 侧自动无功补偿装置安装位置的优化规划，并与基于遗传算法的优化规划结果进行了比 较。 运用v c + + 语言实现了上述算法，通过多个实际规划算例的测试，结果表明：遗传 算法能够解决单阶段静态和多阶段动态最优规划问题，其优化效果最优，但计算速度较 慢；最大降损效果法计算简单，速度很快，但只能解决给定阶段投资规模的最优规划问 题：灵敏度法适合于对候选补偿节点进行初步筛选。 关键词：无功优化规划动态规划遗传算法灵敏度分析法最大降损效果法 论文类型：应用研究 半 英文摘要 s u b j e c t ：o p t i m a la l l o c a t i o no fa u t o m a t i cr e a c t i v ec o m p e n s a t i o ne q u i p m e n t so nt h e l o wv o l t a g es i d eo f d i s t r i b u t i o nt r a n s f o r m e r s s p e c i a l i t y ：m e c h a n i c a l e l e c t r o n i ce n g i n e e r i n g n a m e ：h u h a i y a n ( s i g n a t u r e ) 趁业 i n s t r u c t o r ：l i u j i a n ( s i g n a t u r c ) d 生鸶刎 c ， a b s t r a c t t h ei n d e xo fm a x i m u mr e d u c t i o no fa c t i v ep o w e rl o s s e sa n dt h ei n d e xo ft h eh i g l l e s t b e n e f i t i n v e s t m e n ta r eu s e da st h eo b j e c t i v ef u n c t i o n ，r e s p e c t i v e l y t h er e s t r i c t i o no ft o t a l i n v e s t m e n ti sc o n s i d e r e di nt h ef o r mo fp u n i s h m e n tf u n c t i o n s a na u g m e n t e di n d e xi s e s t a b l i s h e d t h er e s t r i c t e dc o n d i t i o n sa l s oi n c l u d et h a tt h ev o l t a g eo fa l ln o d e sa r ew i t h i nt h e d e s i r e dr a n g ea n dt h a ta l lt h ee q u i p m e n t sd on o to v e r l o a d ：e v e r yp o s s i b l ei n s t a l l i n gl o c a t i o n o ft h ea u t o m a t i cr e a c t i v ec o m p e n s a t i o ne q u i p m e n t s ( a r c e ) i sr e g a r d e da sag e n e t h e v a l u eo fe a c hg e n ei st h ei n s t a l l i n gt i m eo ft h ec o r r e s p o n d i n ga r c ew h i l ez e r om e a n sn o a r c en e e d e dt oi n s t a l l ag e n e t i ca l g o r i t h m ( g a ) i sa d o p t e dt od e t e r m i n et h eo n es t a g e s t a t i co p t i m a lp l a n n i n ga n dm u l t i s t a g ed y n a m i co p t i m a lp l a n n i n gr e s u l t so ft h ea r c e so n t h el o wv o l t a g es i d eo fd i s t r i b u t i o nt r a n s f o r m e r s t h el o a dv a r y i n gi sa l s oc o n s i d e r e di nt h e p r o p o s e dm e t h o d s t h r e ec a s e sa r ed e t a i l e d ，s u c ha sw i t h o u tl i m i t a t i o no ft o t a li n v e s t m e n t ， w i t hl i m i t a t i o no ft o t a li n v e s t m e n ta n dw i t hl i m i t a t i o no ft h ei n v e s t m e n to fe v e r ys t a g e t h e r e s u l t so f e x a m p l e ss h o wt h a tt h ep r o p o s e dm e t h o di sf e a s i b l e t w oh e u r i s t i c a l g o r i t h m s ，i n c l u d i n g t h em a x i m u mr e d u c t i o nl o s s e s a p p r o a c ha n d s e n s i t i v i t ya n a l y s i s ，a r eu s e dt od e t e r m i n et h eo p t i m a li n s t a l l a t i o nl o c a t i o n so ft h ea r c e so n t h el o wv o l t a g es i d eo fd i s t r i b u t i o nt r a n s f o r m e r s t h ec a n d i d a t en o d e st oi n s t a l la r c e sa r e o r d e r e da c c o r d i n gt ot h er e d u c t i o no fl o s s e sa n ds e n s i t i v i t y , r e s p e c t i v e l y t h er e s u l t so ft h e p r o p o s e dh e u r i s t i ca l g o r i t h m sa r ec o m p a r e dw i t ht h a to f g e n e t i ca l g o r i t h m ，r e s p e c t i v e l y a b o v ea l g o r i t h m sa r er e a l i z e db a s e do nv c + + t h ef o l l o w i n gc o n c l u s i o n sa r cm a d e f r o mt h er e s u l t so fv a r i o u se x a m p l e s g e n e t i ca l g o r i t h mc a no b t a i nt h eo p t i m a lr e s u l t so f b o t ho n es t a g es t a t i cp l a n n i n ga n dm u l t i s t a g ed y n a m i cp l a n n i n g b u tt h ee f f i c i e n c yo fg ai s l o w t h ee f f i c i e n c i e so ft h ep r o p o s e dh e u r i s t i ca l g o r i t h m sa r em u c hh i g h e rt h a ng a b u tt h e m a x i m u mr e d u c t i o nl o s s e s a p p r o a c hc a r lo n l yd e a lw i t ht h ep r o b l e mw i t hl i m i t a t i o no f i n v e s t m e n ti ne a c h s t a g e s e n s i t i v i t ya n a l y s i s i ss u i t a b l ei np r e l i m i n a r i l ys e l e c t i o no f c a n d i d a t en o d e st oi n s t a l la r c e s k e y w o r d s ：r e a c t i v ep o w e rp l a n n i n g ，d y n a m i cp l a n n i n g ，g e n e t i ca l g o r i t h m ，s e n s i t i v i t y a n a l y s i s ，m a x i m u mr e d u c t i o nl o s s e sa p p r o a c h t h e s i s ：a p p l i c a t i o ns t u d j , - i l l - 学位论文创新性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究 成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含 其他人已经发表或撰写过的研究成果；也不包含为获得西安石油大学或其它教育机构 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 论文中做了明确的说明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 论文作者签名：镧淘熬日期 学位论文使用授权的说明 e 讯 本人完全了解西安石油大学有关保留和使用学位论文的规定，即：研究生在校 攻读学位期间论文工作的知识产权单位属西安石油大学。学校享有以任何方法发 表、复制、公开阅览、借阅以及申请专利等权利。本人离校后发表或使用学位论文 或与该论文直接相关的学术论文或成果时，署名单位仍然为西安石油大学。 论文作者签名：硼秘誓 导师签名： 日期：型! 目期：! 碰 他 一 第一章绪论 第一章绪论 1 1 无功优化规划的目的和意义 过去由于不重视无功电力规划和无功电力建设，以致使无功电力的发展不能适应电 网的要求，出现了有功电力和无功电力的比例失调。由于缺乏科学的无功电力规划与无 功补偿方案，造成了无功补偿装置的布局不合理，不能达到优化补偿的要求。因而造成 下列弊端： ( 1 ) 电网的功率因数普遍较低； ( 2 ) 电网的电压质量差。合格率低； ( 3 ) 发供电设备效率降低，供电线损率高； ( 4 ) 影响供电企业的经济效益。 随着国民经济的发展和人们生活水平的提高，电力系统的发展呈现以下特点：电能 生产集中化，采用大电站、大机组和超高压长距离输电线路，电能的消耗在昼夜间呈现 严重的不均匀性，电网日负荷曲线变化剧烈，使电压也发生剧烈波动，严重影响电能质 量，对供电可靠性和供电质量的要求也越来越高。改善电网运行质量，提高电网功率因 数、减少网络损耗是一件十分重要的工作。在电力负荷中，有相当一部分属感性负荷， 这些负荷投入运行之后除了消耗大量的有功之外还要吸收大量的无功。根据有关资料分 析，电力系统的无功负荷约为有功负荷的1 3 倍。大量的无功如果完全由发电厂来提供， 就会使用户功率因数降低，其结果造成线路有功损失加大，用户电压降低，电力设备得 不到充分应用。当整个系统无功严重缺乏时，还会使整个电力系统崩溃。近年来电网规 划工作正普遍受到重视，传统的以方案比较为基础的电网规划方法已很难满足现代超高 压、大电网对电网规划工作的要求，如何提高电网规划的水平就成为一项非常迫切的任 务。 电力系统无功优化规划( 简称r p p ) 是电力系统规划的基本要求，其目的是在城市电 网规划的基础上，确定一段时期内新增无功幸t 偿设备的安装位置和容量，以最经济的投 资保证系统维持合理的电压水平，降低系统网损，提高线路传输能力，实现系统的安全、 经济运行。无功规划的任务就是在已确定的网架基础上，根据屯网中无功负荷的分布情 况，用优化方法合理地确定无功补偿点、无功补偿设备容量，使无功补偿设备的投资最 少，补偿效果最佳。由于无功负荷和有功负荷是同步发展的，无功电源规划应和电网规 划一样，不仅要有近期规划，而且要有与各规划年网架相适应的远期规划。 无功优化规划是以一段时间内的电能损耗费用和无功补偿设备投资之和最小为目 标。通过无功优化规划合理地配备补偿装置，能减少费用和提高电压质量，获得可观的 经济效益。为了改善和提高电力系统的电压质量，充分发挥电力设备的经济效益，减少 网络的功率损耗和电能损耗，一方面应在用户侧采取措旌提高负荷功率因数，另一方面 还应在电力系统的各变电站中合理配置无功补偿设备，尽量减少无功功率的长距离输送， 使无功负荷得到就地补偿，系统无功达到分区分电压等级平衡状态。因此如何充分利 。一。一。亘塞互迪盔主亟圭兰焦堡塞。一 用无功调节手段，改善电压水平，减少系统总费用，是一个既有理论意义又有实用价值 的课题。 在配电网中并联电容器是种重要的无功电源，使用自动投切电容器无功补偿装置 进行无功补偿、电压调节，可有效地达到平衡配电网中的无功、提高系统功率因数、降 低网损、改善电压质量、提高系统中无功储备、防止电压崩溃、提高系统稳定极限的目 的，是提高配电网运行经济性和可靠性的一种经济、实用的技术手段。目前在国内配电 网中，对无功和电压进行实时、动态补偿和自动调节的技术还相对落后，同时也缺乏有 效解决配电网中电能质量问题的技术手段，因此自动无功补偿装置在我国电力系统中具 有很大的推广应用价值。 1 2 无功优化的国内外现状 1 2 1 无功优化规划的国内外研究现状 国外，电网是否安装户外无功补偿己成为衡量配电网性能的主要指标之一。如在日 本，配电网系统户外补偿电容器的自动投切率己达8 5 4 。国外无功补偿装置的安装都 是基于全电网的无功平衡和最优效率，一般包括电网重要节点补偿和设备就地补偿两种。 配电网自动化程度较高的国家( 美、英、日等) ，都主张配电网络基本不输送无功功率， 其无功功率缺额要依靠“就地补偿”来解决，即在用户端进行补偿。这样减少了无功功 率在网络中流动引起的损耗。 国内，配电网发展十分落后，无功补偿水平较低，因此补偿效益较高。国外无功补 偿设备经济投资回收年限为3 4 年，而国内配电网和用户投资回收年限为卜2 年。补偿 主要采用变电站集中补偿和企业就地补偿两种形式。目前的状况是在配网高压侧( 即1 1 0 k v 或3 5k v 变电站) 集中补偿居多，中压侧分散补偿很少。因此在1 0k v 配电线路末 端实施无功补偿己日益迫切。目前主要存在问题是控制规律简单、抗干扰能力差，由于 户外工作环境相对恶劣，装置的可靠性和控制精度难以满足现场运行的要求。不能实现 全电网的无功优化，不能对电能质量进行在线监视以满足现代化电力系统建设的需要。 因此，配电网无功优化规划的研究在我国有十分重要的理论意义和实际应用价值。 目前，国内无功补偿主要采用的方案有： a 变电站集中补偿方式 针对输电网的无功平衡，在变电站进行集中补偿；补偿装置包括并联电容器、同步 调相机、静止补偿器等等，主要目的是改善输电网的功率因数、提高终端变电所的电压 和补偿主变压器的无功损耗。这些补偿装置一般连接在变电站的1 0kv 母线上，因此具 有管理容易、维护方便等优点，但是这种方案只能改善主变和上游电网的无功分布，而 不能降低配电线路损耗。 b 低压集中补偿方式 目前国内较普遍采用的另外一种无功补偿方式是在配电变压器3 8 0 v 侧进行集中补 偿。根据用户负荷水平的波动投入相应数量的电容器进行跟踪补偿。主要目的是提高专 2 第一章绪论 用变压器用户的功率因数，实现无功就地平衡，对配电网和配电变压器的降损有一定作 用，也有助于保证该用户的电压水平。这种方案虽然有助于保证用户的电能质量，改善 配电线路的无功分布，但不能降低配电变压器的损耗，并且由于受到安装场地的限制， 安装在线路上的电容器一般不具有分组投切功能，因此其补偿效果显著受到负荷变化的 影响。 c 用户终端分散补偿方式 用户终端分散补偿，即“就地补偿”，就是在1 0 千伏配电线路变压器的低压侧装设 电容器以补偿变压器的无功损耗。即对哪一部分的无功就在哪一部分补偿，使无功分散 补偿，就地平衡；并使无功补偿更接近于负荷线路末端，从而把电能损失减少到最低限 度。它有以下优越性： ( 1 ) 可以使1 0 千伏配电线路的损耗减小。 ( 2 ) 不仅可以满足供电部门对功率因数的要求，而且可以使0 4 千伏低雎线路上的 损耗减小，取得无功补偿的最佳经济效益。 ( 3 ) 龟容器和电动机直接并在一起，一起投入和停用，可以保证无功不倒流，使功 率因数始终处于滞后的状态下。 ( 4 ) 使0 4 千伏低压线路的无功电流大量减少，从而“释放”出富裕容量，减少电 气设备的投资。 ( 5 ) 无功分散补偿安装简单、方式灵活多样，既不需要专用配电柜和自动补偿控制 器，也不需要另外建房屋或在配电室中占地位。虽然i 在电容器的总容量上相对于集中补 偿会稍多一些，价格稍贵一点，但从总投资上比较相对于集中补偿还少一点，至多相当。 也可以分期分批地装设，在设备投资方面一般二年左右即可回收投资。 ( 6 ) 将电容器安装在异步电动机附近，可以提高电动机的端电压，相应减少电动机 的电流，延长电动机的使用寿命。 所以就地补偿是最理想的补偿方式。 l - 2 2 无功优化方法的国内外发展现状 配电网无功优化问题是一个动态，多目标，多约束，不确定性的非线性整数规划问 题，其控制变量为离散变量( 补偿电容器组的投切组数) ，通过确定网络中新增无功补偿 设备( 补偿电容器组) 的容量及安装地点，以保证电网正常及事故远行方式下的电压质 量及稳定性，并使规划期内投资及运行费用的总和为最小。长期以来，国内外的许多专 家，学者都对此进行了大量的研究和探索工作，并提出了不少方法思路，概括如下： a 线性规划法【5 j 其核心是将非线性转换为线性问题，从而可以利用线性规划对问题进行优化。它将目 标函数和约束条件用泰勒级数展开，忽略高次项，完成对非线性问题的分段线性化或逐次 线性化，进而利用成功的线性化方法如单纯形法等求解。线性规划法的数学模型简单直观， 计算速度较快，同时由于线性规划方法自身的完善性，使其计算规模受到的限制较少。但 西安石油大学硕士学位论文 是，由于线性规划方法需要使用梯度矢量信息，因而在求解具体问题时不得不做一些近似 处理，往往得不到全局最优解，因为无功优化问题不是一个凸问题，且算法沿单路径搜索 寻优，故常常会收敛于一个局部最优解，除非初始点就在全局最优解附近，才有可能达到 全局最优解。其次，线性规划法无法解决离散交量问题，对于无功优化过程中大量的离散 变量，采用连续化的近似处理误差很大。 b 非线性规划法【6 】 在数学方法上采用非线性规划方法。在这类方法中求解多维无约束优化问题最具代 表性的是梯度法和罚函数法。 梯度法通过目标函数和等式约束条件构造l a g r a n g e 函数，并求取控制变t 、状态变 量的梯度，沿梯度下降方向寻优，从而得到最优解。在电力系统的实际运用中，可将 l a g r a n g e 函数的二次导数组成的h e s s i a n 矩阵与j a c o b i n 矩阵用牛顿法联立求解，统一 修正控制变量和状态变量，以此来求解无功优化问题。 罚函数法是一种应用最为广泛的求解非线性规划问题的数值解法。它把约束条件合 并到目标函数中构成罚函数，从而把问题转化为求无约束的极小化问题。它不像拉格朗 日法能一次求出乘子和最优解，而是通过罚因子的选择变为系列求罚函数的极小值。 常用罚函数法可分为内点法和外点法。外点法是从可行域外部逐步逼近最优点，可同时 处理等式约束和不等式约束条件，但所得结果一般只能近似地满足约束条件。内点法要 求迭代过程在可行域内进行，故不能处理等式约束问题，但每次迭代的点都是可行点， 因而可针对实际问题要求随时停止迭代。 非线性规划法的数学模型比较准确地反映了电力系统的实际，计算精度较高，但对 离散变量( 如变压器变比改变、电容器投切组数改变) 的处理采取了连续化的近似方法， 此方法的运算量随运算规模的增加而大幅度增加，且其方法本身需要大的求导、求逆运 算，占用计算机内存多，使得解题规模受到限制，对不等式约束处理上也有因难，因此 限制了实际系统的应用。 c 动态规划法 动态规划法是研究多阶段决策过程最优解的一种有效方法。已经有很多学者致力于 研究考虑动态约束的有功规划问题，并提出了一些动态规划方法。1 9 8 0 年r o s sdw 和 k i ms 在分析静态优化调度和动态优化调度优缺点的基础上，首次给出了与超短期负荷 预报相结合的动态经济发电分配( d e d ) 模型，提出了调度要将系统未来发电计划与负荷 变化协调起来，在某一给定的时间范围内进行整体动态优化的基本思想f ”。此后，相关 学者相继提出序列近似动态规划法、拉格朗日松弛法、序列解耦模型、前瞻后顾法、共 轭投影梯度法等等，这些方法都是将给定时间范围内的动态优化调度问题统一整体求解， 这样大规模的动态优化调度存在难以克服的维数灾。文献 7 提出段落全局优化的方法， 将负荷曲线中的每个负荷变化陡峭段落均分别作为一个整体来逐个考虑，克服了将整个 调度周期作为整体优化所产生的维数灾问题，与单时段优化方法相比，则可以一次性渡 第一章绪论 越任意阶梯任意形态负荷变化紧段落，相应的算法不但可以和经典静态优化调度相结合， 而且具有计算速度快，节省内存等特点。 。 最近已经有一些学者开始着手研究动态无功优化问题，文献 8 直接从动态无功优化 的模型出发，通过控制变量的选取和动作时间量的预确定，将动态优化模型转化为同普 通无功优化模型完全相同的表达形式，提出了适用于高中压配电网的动态无功优化算法。 但是用静态优化志法求解转化后的动态优化问题时，问题的维数将随时间段的增多而增 大，造成计算量和存储量激增。文献 9 用动态规划方法求取配电站电容器和有载调压变 压器的运行策略；文献 1 0 提出了对补偿电容器的分时段优化控制的策略：文献 1 1 提 出把负荷曲线分成一些大的时间段( i n t e r v a l ) ，每一个时间段又分成若干时期( p e r i o d ) ， 在各时间段里以系统网损最小为目标，所有离散控制量和连续控制量为可控变量，进行 优化计算；而在个时期里，保持离散控制量不变，通过调节发电机电压这个连续变量保 持系统电压水平不越限。这样可以保证离散变量调节次数最多等于时间段的数目，但是 时间段和时期的划分都是根据负荷曲线凭经验人为划分的，可操作性不强。 可见，动态无功优化问题是比无功优化问题更加复杂，规模更加庞大的一类动态优 化问题，目前还没有一种比较通用、有效的算法。 d t a b u 搜索副 t a b u 搜索是由eg l o v e r 在6 0 年代末提出的一套优化理论是一种高效启发式优化技 术，能够以较大的概率跳出局部最优点，它通过不断搜索领域内的随机实验解和记录搜 索路径来达到最优。t s 可以将最近迭代的移动记录到t a b u 表中，这样可以避免重复访 问搜索过的区间，防止无效循环，及时跳出局部最优解。文献 1 2 将t a b u 算法用于电 力系统无功优化，t s 包括移动、t a b u 表和释放准则3 个基本要素搜索过程由“移动” 来实现。t a b u 表为搜索的关键，表中存放着t a b u 表规模数的移动，这些移动在当前迭 代中禁止实现，以避免落入局部解，并用了“先进先出”的管理方式，分别采用二进制 和十进制进行编码。与此相对应，由于t a b u 表有可能限制某些可以导致更好解的“移 动”，故“释放准则”可以解禁那些被t a b u 表禁忌的“移动”。t s 在跳出局部最优解方 面有较大的优势，但t a b u 采用单点搜索，算法的收敛速度和最终解好坏与初始解有很 大关系，全局搜索能力差。此外，当控制变量数目众多时，计算时间会急剧增长，寻优 速度慢。 e 进化策略法【b 】( e v o l u t i o n a r ys t r a t e g i e s ) 进化策略法用于解决多参数优化问题，该方法具有全局收敛性、固有的并行处理特 性、通用性及鲁棒性等优点。它从群体出发开始搜索，因而初始点群能使搜索越过函数 的谷峰和谷地，找到最优点；利用目标函数的信息引导搜索方向，不需要导数或其它信 息；应用概率转移规则引导搜索，而不是确定性原则。进化策略法应用于无功优化，针 对不同类型的变量构造不同的变异函数，可较好的解决组合优化问题。 f 模拟退火法【1 4 】 西安石油大学硕士学位论文 模拟退火法是一种基于热力学的退火原理建立的启发式随机搜索算法，使用基于概 率的双向随机搜索技术能有效的解决带约束的组合优化问题，当基于邻域的次操作使 当前解的质量提高时，模拟退火法接受这个被改进的解作为新的当前解；在相反的情况 下，则以一定的概率接受这个变差的解作为当前解，能以概率l 收敛至全局最优解。但 在实际应用中，算法的收敛性和收敛速度依赖于退火方案的选择。 ( 1 ) 温度的初始设置是影响模拟退火法全局搜索性能的重要因素。初始温度高，则 搜索到全局最优解的可能性大，但计算时间长；反之，虽可节约计算时间，但全局最优 搜索性能会受到很大影响，并可能丢失最优解。 ( 2 ) 模拟退火法要求同一温度下的“充分”搜索，即必须以“充分”慢的速度退火， 而这所需的计算时间在实际应用中是不可能得到满足。 ( 3 ) 模拟退火法要收敛于最优解，必须根据在邻域搜索中解质量变差的概率分布采 用相应的降温方式，然而实际上解变差的概率分布通常无法知道，即使知道，实际上又 很难找出其对应的温度控制函数。 g a n n 类方法l l 副 神经元网络( a n n ) 技术在近几年也被引入到配电网无功优化领域中。由于训练好的 a n n 计算速度非常快，所以在配电电容器控制领域应用a n n 技术实现实时控制电容器投 切。实时数据从一级a n n 输入，控制策略从二级a n n 输出。该方法计算效率高，但对于 如何产生a n n 样本还值得进一步研究。训练好的a n n 计算速度非常快，但训练a n n 所需 的时间很长。对于配电网而言，由于其网络结构复杂多变，这给a n n 的训练造成了极大 的困难，因为每改变次配电网的结构，就要产生一批新的样本，所以a n n 技术在配电 网的应用受到了制约。 h 遗传算法【16 】( g a g e n e t i ca l g o r i t h m ) 遗传算法是近年来发展的一种模拟生物进化过程，便于计算机实现的全局优化算 法。它采用多路径搜索，更有利于得到最优解，对变量进行编码处理，用对码串的遗传 操作代替对变t 的直接操作，从而可以更好的处理离散变量。g a 用目标函数本身建立寻 优方向，无需求导求逆等复导数数学运算，且可以方便的引入各种约束条件，适合于处 理混合非线性规划和多目标优化。近年来将遗传算法引入电力系统的无功优化，也取得 了一定的经验和成果。其不同于传统的优化算法在于以下四个方面： ( 1 ) 遗传算法以决策变量某种形式的编码作为运算对象。这种对决策变量的编码处 理方式，使得我们在优化计算中可以借鉴生物学中的各种概念，模仿自然界生物的遗传 和进化等机理，也使得我们可以方便的应用遗传操作算子。 ( 2 ) 遗传算法直接以目标函数值作为搜索信息，该算法从群体出发在整个空间寻 优，同时使用多个搜索点的信息而不是从一点出发沿一条线寻优，因此可在整个寻优空 间同时开始搜索，并进行多极值比较，具备全局最优搜索性。由于群体中各个体的搜索 是独立进行的，因此算法具有内在的并行计算特性。 6 第一章绪论 ( 3 ) 遗传算法用目标函数本身的信息建立寻优方向，而不是用其导数信息建立寻优 方向，因此不需要传统算法在解复杂问题时由于推导复杂而建立的许多近似假定，当然 也就不用考虑函数的连续性和可导性。该方法使用目标函数变换来的适应度函数值，就 可确定进一步的搜索方向和搜索范围。 ( 4 ) 遗传算法使用概率搜索技术。其选择、交叉、变异等运算是以一种概率的方式 进行的，从而增加了其搜索过程的灵活性。虽然这种概率特性也会使群体中产生一些适 应度不高的个体，但随着进化过程的进行，新的群体中总会产生更多的优良个体，实践 和理论都己证明在一定条件下遗传算法总以概率1 收敛于问题的最优解。上述优点使 得遗传算法具备极强的鲁棒性，并行计算特性及适应搜索能力，因此有能力在一个复杂 的、多极值点的、具有不确定性的空间寻我全局最优解。 1 3 低压侧无功优化的意义和研究现状 目前的状况是在配网高压侧( 即1 1 0k v 或3 5k v 变电站) 集中补偿居多，中低压 侧分散补偿很少。因此在l ok v 配电线路末端实施无功补偿已日益迫切。 采用并联电容器是配电网无功补偿的主要途径，“就地补偿”不仅可以改善配电线 路的无功分布，而且可以降低配电变压器的损耗，并且成本较低，安装方便，非常容易 实现自动分组投切，因此是一种效果最好的无功补偿方式。 由于配电网上的配电变压器数量很大，而且受到建设资金的限制，不可能在每一台 配电变压器低压侧都安装无功补偿装置，因此有必要研究如何在有限的资金下、科学地 选择安装低压侧无功补偿装置，从而降低网损，提高配电系统的经济运行水平，使整个 系统发挥最大的经济效益。 在电力网中，如果全部负荷点都得到完全的补偿，达到无功“就地平衡”，则网内 流动减少到最低限度，可以获得最大的降损效益。但此时的无功补偿容量为最大。由于 装设无功补偿装置，需要一定的投资，因此需要考虑投资回收效益，以及补偿装置的年 运行费用。所以，从总的经济效益考虑，无功补偿容量又应受到一定的限制。当无功补 偿装置的总容量确定之后，如何进行合理分布，以达到使全网因传输无功功率所引起的 有功网损最小，获得的节能收益最优，这就需要研究无功补偿的最优分布问题。 国内外的研究成果都是主要针对高中压配电网的无功优化规划问题，没有解决配电 网低压侧无功补偿装置布点的优化规划问题，而这正是本文探讨的主要问题。 1 4 本文所作的工作 本文在总结前人经验的基础上，针对目前配电网无功优化方法中存在的问题，主要 研究l o k v 配电网安装低压侧自动无功补偿装置位置的静动态优化规划方法。 本文主要内容如下： 1 认为安装低压侧自动无功补偿装置的节点的无功功率较好地实现了无功补偿，使 补偿后负荷的功率因数提高到0 9 5 以上，建立了在部分节点安装低压侧自动无功补偿装 置的配电网简化模型，分别以减少的有功网损最大和投资收益最高为目标函数，并采用 ：一堕室互垫查堂堡主塑堡壅一。一 一= 惩罚函数的办法对低压侧自动无功补偿装置的安装数量加以约束使之基本满足预算要 求，以各个节点电压符合要求以及各个设备不超过其电气极限为约束条件，在此基础上， 采用遗传算法进行单阶段静态优化，确定了低压侧自动无功补偿装置的最佳安装位置。 2 在实现静态优化规划的基础上，考虑到安装无功补偿设备的运行费用和投资的回 收，在一段时期内( 从基准年到规划水平年) 以投资净收益的折现值最大为目标函数，将 投资规模的限制以惩罚函数的形式加入到目标函数中构成增广目标函数，将每个可能安 装低压侧自动无功补偿装置的位置作为基因，基因的取值反映补偿装置安装与否及安装 的时间，在此基础上运用遗传算法获得考虑负荷变化情况下配电网低压侧无功补偿装置 的多阶段动态最优规划结果。详细讨论了投资规模不加限制、限制总投资规模和限制各 个阶段投资规模三种情况的处理方法。 3 提出两种新的肩发式算法最大降损效果法和灵敏度法实现低压侧自动无功补 偿装置位置的优化规划，并与基于遗传算法的优化规划结果进行了对比，指出这些方法 的特点和适用范围。 4 编制相应的v c h 程序来实现了三种算法，实例测试表明，提出的方法是可行的。 8 第二章基于遗传算法的低压侧无功补偿位置的优化规划 第二章基于遗传算法的低压侧无功补偿位置的优化规划 2 1 遗传算法 2 1 - 1 遗传算法的基本原理 遗传算法( g e n e t i ca l g o r i t h m ，简称g a ) 是8 0 年代出现的新型优化算法，根据自 然界适者生存的原则进行搜索和优化。将遗传算法应用于电力系统无功优化，通过多点 搜索代替单点搜索，不要求目标函数连续和可导，根据目标函数给出适应度函数；并能 解决无功优化中变量的离散问题；依据概率的选择规律来指导搜索的方向，从而尽可能 的避免“维数灾”，使问题简化。遗传算法的引入，为电力系统无功优化提供了一种新的 计算方法。使无功优化方法更加完善和实用，其具体步骤是把一个问题的解编码成一个 染色体，多个染色体组成一个种群。然后，从初始种群出发，受约束条件的约束，按一 定的适应值在种群中选择个体，使用杂交和变异算子来产生下一代种群。如此一代代演 化下去，直到满足期望的终止条件。 对于工程中的许多实际问题，找到最优解的唯一可靠的方法穷举法，即搜索问题的 整个参变量空间。但是在许多工程问题中，变量的空间太大，使其在限定的空间内只可 能搜索其中极小的部分，而遗传算法象撒网一样，只在参变量空间中进行搜索，由串组 成的群体在遗传算子的作用下，同时对空间中不同的区域进行采样计算，从而构成一个 不断进化的群体序列，最终在全局范围内找到最优解。 遗传算法用于电力系统无功优化补偿的主要核心是个体的表示方法、目标函数的确 定、遗传方式的确定和遗传方式中各参数的确定等四个部分。 2 1 2 基本遗传操作 遗传算法是一种群体型操作，该操作以群体中的所有个体为对象。选择( s e l e c t i o n ) 、 交叉( c r o s s o v e r ) 和变异( m u t a t i o n ) 是遗传算法的三个主要操作算子，它们构成了遗传操 作，使遗传算法具有了其它传统方法所没有的特性。遗传算法中包含了如下五个基本要 素：参数编码；初始群体的设定；适应度函数的设计：遗传操作设计；控制参数设定( 指 群体大小和遗传操作的概率) 。 i 基因：为构成染色体的基本单位，是个体编码中的任一位，若用二进制表示则为 0 或1 。 2 编码；编码方式可分为二进制编码和实数编码，将每一个优化参量用一定长度的 码串来表示，多个优化参量就将各码串连接在一起，经过编码，形成了染色体串。 3 种群：一个由若干初始解组成的初始群体，用以维持其群体的生存。 4 适应值函数：适应度函数用来评估个体或解的优劣，并作为以后遗传操作的依据， 它由目标函数转化而来。适应性的好坏就是指目标函数值的优劣。在遗传算法中，求解 目标被表示成极大化，即目标函数值越大，此解越优。所以有些将求目标函数的极小值 问题，转换为求适应值函数的极大值问题。 5 选择( s e l e c t i o n ) ：是指从群体中选择优良的个体并淘汰劣质个体的操作，它建立 9 西安石油大学硕士学位论文 在适应度评估的基础上。适应度越大的个体，被选中的可能性就越大，它的“子孙”在 下一代的个数就越多。选择出来的个体放入配对库中，为交叉和变异所用。 6 交叉( c r o s s o v e r ) ：是指把两个父代个体的部分结构加以替换重组而生成新个体的 操作。交叉的目的是为了能够在下一代产生新的个体，通过交叉操作，遗传算法的搜索 能力得以飞跃性的提高。交叉是g a 获取新优良个体的最重要手段。交叉操作是按照一定 的概率p c ( 交叉率) 在配对库中随机地选取两个个体进行的。交叉的位s 也是随机确定的。 7 变异( m u t a t i o n ) ：是以很小的概率p i i l ( 变异率) 随机地改变群体中个体的某些基因 的值，变异操作的基本过程是：对于交叉操作中产生的后代个体的每基因值，产生一 个 0 ，1 之间的伪随机数r a n d ，如果r a n d p m ，就进行变异操作。如在二进制编码方式 中，变异算子随机地将某个基因值取反。即“0 ”变成“l ”，或“1 ”变成“0 ”。 2 1 3 遗传算法的特点 遗传算法具有十分强的鲁棒性，比起普通的优化搜索算法，它采用了许多独特的方 法和技术，归纳起来主要有以下几个方面： 1 遗传算法处理的对象不是参数本身，而是对参数集进行了编码的个体。 2 遗传算法不是采用单点搜索方法，它同时处理群体中多个个体，并同时对搜索空 间的多个解进行评估，即它可以并行地爬多个峰，具有良好的全局搜索能力。 3 遗传算法在解决多变量、非线性、不连续、多约束的问题时具有独特的优越性， 因而应用广泛。 4 遗传算法不采用确定性规则，而是采用概率的变迁规则来指导。 2 1 4 遗传算法运行参数的选取 1 编码串长度l ：使用二进制编码来表示个体时，编码串长度的选取与问题所要求 的求解精度有关。 2 群体大小m ：群体大小m 表示群体中所含个体的数量。当m 取值较小时，可提 高遗传算法的运算速度，但却降低了群体的多样性，有可能会引起遗传算法的早熟现象； 而当m 取值较大时，又会使得遗传算法的运行效率降低。一般建议的取值范围是2 0 - 1 0 0 。 3 交叉概率p c ：交叉操作是遗传算法中产生新个体的主要方法，所以交叉概率一般 应取较大值。但若取值过大的话，它又会破坏群体中的优良模式，对进化运算反而产生 不利影响 若取值过小的话，产生新个体的速度又较慢。一般建议的取值范围是 0 4 0 9 9 。 4 变异概率p m ：若变异概率p m 取值较大的话，虽然能够产生出较多的新个体，但 也有可能破坏掉很多较好的模式，使得遗传算法的性能近似于随机收缩算法的性能；若 变异概率取值太小的话，则变异操作产生新个体的能力和抑制早熟现象的能力就会较差。 一般建议的取值范围是0 0 0 0 1 - 0 1 。 5 终止代数t ：终止代数t 是表示遗产算法运行结束条件的一个参数，它表示遗传 算法运行到指定的进化代数之后就停止运行，并将当前群体中的最佳个体作为所求问题 1 0 第二章基于遗传算法的低压倒无功补偿位置的优化规划 的最优解输出。一般建议的取值范围是1 0 0 - 1 0 0 0 。 2 2 配电网低压侧无功优化的数学模型 无功优化模型即为一个带有大量约束条件的非线性规划问题。无功优化可以优化无 功补偿装置的配置点及容量，可以通过调节发电机机端电压、可调变压器的分接头的位 置以及无功补偿装置的投入容量等控制变量，使全网的有功损耗达到最小，使电压水平 最好，同时满足电网的运行约束条件和控制约束条件。状态变量为负荷节点电压幅值、 发电机无功输出的集合；控制变量为发电机端电压、变压器分接头以及无功电源补偿输 出容量的集合。 数学上可用一目标函数及一组约束条件来描述。 无功优化的目标包含技术性能目标和经济目标，可以是： ( 1 ) 有功网损最小；( 2 ) 电压质量最好： ( 3 ) 补偿电容量最小；( 4 ) 综合经济效益最大。 2 2 1 配电网前推回代潮流算法 配电网潮流是配电网无功优化的工具和基础，配电网呈有其自身的特点：配电网电压 等级低；闭环设计、开环运行使得配电网络结构呈辐射状的特殊性；线路r y 比值较大； 网络的p q 节点多，p v 节点少这些特点导致了网络的雅可比矩阵的条件数增大，呈现不同 程度的病态特征。所以，传统的潮流算法，如牛顿法、p - q 分解法、高斯赛德尔法在计算 配电网时收敛性不好。同时由于遗传算法要反复大量的调用潮流计算，所以配网潮流的计 算速度将直接影响无功优化的效率。 近年来，随着对d m s 的重视程度不断提高，相继涌现了一些适合配电网潮流计算的 新方法，这些方法根据配电网辐射状网络的特点，以支路电流或母线电压为研究对象，建 立运算模型，具有算法简单，能够可靠收敛的特点。可以分成如下两类： 1 母线类：此类方法以母线的注入量为自变量，比较常见的有z b u s 法和y b u s 法。 2 支路法：此类方法以配电网的支路数据为研究对象，又可分为两种，种是面向 回路以支路电流为状态量的回路法，另一种是面向支路以支路网损为状态量的前推回推 法。 其中，以支路为研究对象的支路类算法得到了广泛的研究。雨本论文中所有算例中的 潮流计算均采用前推回推法，其理由如下： 1 所有网络均为放射性恒功率负荷网络，无须进行环网处理。 2 前推