（电力系统及其自动化专业论文）实时电压无功优化控制系统的研究开发.pdf

a b s t r a c t w 岫t h es t a b l ea n dq u i c kd e v e l o p m e n to f p o w e r 鲥d ，i ti sm u c hm o r ed i f f i c u l tt oc o n t r o lt h e g a dt h a nb e f o r e i nt h em e a n w h i l e ，h i g hv o l t a g eq u a l i t y , a d e q u a t es a f e t yi n s u r a n c e s , a n d e c o n o m i c a le f f i c i e n c yo f t h eg a da r ev e r yi m p o r t a n tt ot h ec l l s t o m e t s t h e r e f o r e ，t h em a i nt a s k o fc u r r e n tv o l t a g ea n dr e a c t i v ep o w e ro p t i m i z a t i o ni st oi m p r o v ei t sc o n t r o lm e t h o da n dv o l t a g e q u a l i t yu n d e rp r e s e n tc o n d i t i o n s ，a n dm a k es u r et h eg a dn mi nt h eb e s ts e c u r ea n de c o n o m i c s t a t u s t b ec a l c u l a t i o nm e t h o di nv o l t a g ea n dr e a c t i v ep o w e ro p t i m i z a t i o ni so ft h eg r e a t e s t i m p o r t a n c ef o ro p t i m i z i n gv o l t a g ea n dr e a c t i v ep o w e s oi n t h i sp a p e rg e n e t i ca l g o r i t h mj s a d o p t e dt os o l v ev o l t a g ea n dr e a c t i v ep o w e ro p t i m i z a t i o nm o d e lw i t ht h el e a s tn e tl o s sa so b j e e t i v e f u n c t i o n ar e a s o n a b l em e t h o dw i t hp r o v e dg e n e t i c a l g o r i t h m ,i n c l u d i n gg r a d i n gh y b r i d g r a n u l a r i t yc o d i n g ，g e n ei m p r o v e m e n tm e t h o d , a n d i n i t i a lp o p u l a t i o n c o n s t r u c t i n g w i t ht h e t w o - s t e p ”m e t h o d i sp r o p o s e dt 0i m p r o v et h ec o n v e r g e n c es p e e do ft h eg r o o v yg e n e t i c a l g o r i t h ma n dt h ew e a kl o c a ls e a r c h i n ga b i l i t y c a s es t u d i e st e s t i f yt h ea d v a n t a g eo f t h i sm e t h o d t h ec e n t r a l i z e do p t i m i z a t i o na n dd i s t r i b u t e dc o n t r o lo nr e g i o nn e tr e a l t i m ev o l t a g ea n dr e a c t i v e p o w e rc o n t r o lm o d ew h i c hc o n n e c tw i t hd i s p a t c h i n ga u t o m a t i o ns y s t e md i r e c t l y , t a k i n ga d v a n t a g e o f c e n t r a l i z e dc o n t r o la n dv q c sd i s t r i b u t e dc o n t r o l ，a r cp r o p o s e di nt h i sp a p e r i nt h em e t h o d ， m a l t i m ed a t ao ft h en e ti so b t a i n e df r o md i s p a t c h i n ga u t o m a t i o ns y s t e mf i r s t , a n dt h e nt h en e t v o l t a g e a n dr e a c t i v ep o w e r a r e o p t i m i z e d ，a c c o u n t t h e b e s t b o u n d o f b u s v o l t a g ea n dr e a c t i v e ，a n d v q c i ne a c hs u b s t a t i o ni m p l e m e n td e c e n t r a l i z e dc o o r d i n a t e dc o n t r o la c c o r d i n gt ot h eb o u n df r o m t h eo p t i m i z a t i o nr e s u l t s b a s e do nt h ea n a l y s i so f0 u si n f l u e n c eo nn e tv o l t a g es t a b i l i t y , o l t cl o c k i n gp o r t i o ni n t r o d u c e di nr e a l t i m ev o l t a g ea n dr e a c t i v ep o w e ro p t i m i z a t i o nc o n t r o l p r o c e s sa n dl o c k i n go p e r a n tp r i n c i p l ew a sp r o p o s e d ，t h e np r a c t i c ee x a m p l ee m l u a t o rt e s t i f i e dt h e n e c e s s a r yo fi n t r o d u c i n gt h ep o r t i o n u s i n gt h eo p t i m i z a t i o nm e t h o da n dc o n t r o lm o d ed e s i g n e d a n de x p l o i t e ds o f t w a r es y s t e mo nr e a l t i m ev o l t a g ea n dr e a c t i v ep o w e ro p t i m i z a t i o na n dc o n t r o lo f r e g i o nn e t , t h e nt h es y s t e mw a sa p p l i e di ng a n s uj i n c h a n gn e t w o r l w h i c hs h o w ss a t i s f i e dr e s u l t s k e yw o r d s ：v o l t a g ea n dr e a c t i v ep o w e ro p t i m i z a t i o n , g e n e t i ca l g o r i t h m ，o l t cl o c k i n g ， d i s t r i b u t e dc o n t r 0 1 独创性声明 本人声明所呈交的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的地方外，论文中不包含其他 人已经发表或撰写过的研究成果，也不包含为获得中国农业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 已在论文中作了明确的说明并表示了谢意。 研究生签名：件蝴 时间： 弧年f 阳妇 关于论文使用授权的说明 本人完全了解中国农业大学有关保留、使用学位论文的规定，即：学校有权 保留送交论文的复印件和磁盘，允许论文被查阅和借阅，可以采用影印、缩印或 扫描等复制手段保存、汇编学位论文。同意中国农业大学可以用不同方式在不同 媒体上发表、传播学位论文的全部或部分内容。 ( 保密的学位论文在解密后应遵守此协议) 研究生签名：辟蟛警群时间：历年1 1 月z c - n 导师签名：膨时圊：易卯6 年f f 日习毛 尘垦童兰銮兰2 土兰墨当三至= 兰竺兰 1 1 研究背景 第一章绪论 在我国，电网规模越来越大，结构日趋复杂，电力市场化改革不断深入，对电力系统的安全 稳定性、经济性和电能质量提出了更高的要求，而三者之间的相互协调显得尤为重要。 电力系统无功优化是是提高系统经济运行的重要措施，也是保证电压合格率的一项有效手 段。所谓电力系统电压无功优化是指在保证满足电网各种运行约束条件的同时，用尽量少的无功 投入( 或尽量少的无功补偿设备投资) 最大限度地改善电压质量，提高节点电压合格率，降低系 统网损。电力系统电压无功优化问题分成规划优化和运行优化与控制两类。所谓规划问题，即， 计算无功补偿设备的最优安装位置，类型和容量，以达到节省投资费用的目的。运行优化与控制 问题( 即，电压无功实时优化控制) 则认为无功补偿设备的配置己定，在实时运行条件下根据实 际负荷的变化，调整发电机得端电压和变压器分接头位置，控制无功补偿设备的投入或切除，以 达到在满足电压质量要求的前提下，网损最小或运行费用最小的目的。 长期以来，在电压无功实时优化控制模式中，网络中各节点电压合格仅仅作为优化控制得约 束条件。然而，系统运行电压水平取决于系统无功功率的平衡，无功功率的不足，将引起系统电 压的下降，极端情况下可导致某些枢纽变电站母线电压大幅度下降，当电压低于临界电压时，产 生电压崩溃，从而导致系统因失去同步而瓦解的灾难性事故i l l 。因此，在进行实时电压无功优化 控制时，也要充分考虑到系统电压稳定问题，如何在电压无功实时优化控制过程中考虑电压稳定 约束仍是一个有待解决的问题。 随着电网的不断发展，电网结构日趋复杂，负荷迅猛增长，电力系统实时无功优化控制在生 产实践中的需求也日益迫切，如何充分利用现有调度自动化系统的硬件和软件资源开发电压无功 实时优化控制系统，在保证电网电压安全的前提下实现系统的经济运行，是目前我国地方电网亟 待解决的问题。本文的研究和开发工作正是在这样的背景下开展的，主要研究目标是利用现有技 术和研究成果为实际地方电网开发一个电压无功实时优化控制系统。 1 2电压无功优化算法的研究现状 电力系统电压无功优化是一个复杂的非线性规划问题，它涉及的因素较多，具有大规模、多 约束、多目标、控制变量离散等特性。针对无功优化问题各方面考虑的程度和处理方法的不同， 就有不同的无功优化数学模型和求解算法。 1 2 1 电压无功优化数学模型的分类 国内外专家根据电力系统的实际情况，建立了多种无功优化模型。所有模型都包括：目标函 中国农业大学硕七学位论文第一章绪论 数和约束条件。 1 ) 目标函数：根据优化的侧重点不同，优化的目标函数通常有以下几种：系统网损最小； 各节点电压偏差最小：变压器分接头、电容器投切次数最少等。 2 ) 约束条件包括：节点功率方程等式约束；电压上，下限约束；发电机无功上、下限；变 压器分接头位置上、下限约束；无功补偿设备容量上、下限约束 设备动作次数约束等。 在实际应用中，电压无功优化的数学模型要尽量能反映所研究电网的实际运行情况。在求解 电压无功优化模型时遇到的求解时间长、易产生局部最优解问题一直是优化算法不断改进的动 力，从而促进了一些新的优化算法的诞生。 1 2 2 传统数学规划方法 作为计算数学和运筹学的交叉学科产生的传统数学规划方法基本工作思想是：从某个初始点 出发( 依赖于初值) ，按照一定的轨迹不断改进当前解，最终收敛于最优解。主要有线性规划法 f 2 】，非线性规划法 3 - - 1 2 1 、混合整数规划法、分解法 1 6 - 1 9 1 、复合形法四噜。 1 ) 线性规划法 线性规划法理论完整，方法成熟，计算速度快。收敛相对可靠，算法稳定，因而被广泛地运 用到无功优化领域中。它的基本思想就是利用逐次线性规划法求解非线性规划问题。其中灵敏度 分析法就是典型的线性规划算法。 灵敏度分析法 2 1 根据逐次线性化的观点，在某一运行状态附近，将无功优化的模型表示成灵 敏度矩阵的增量形式，根据目标函数以及状态变量对控制变量的灵敏度关系来选择调整对象并计 算调整量，用单纯形和内点法等线性规划方法求解。 线性规划法进行无功优化存在如下重要缺陷：( 1 ) 对无功优化模型中的目标函数进行线性 化时，会给最优解的取得带来一定误差。( 2 ) 在线性逼近的求解过程中，若步长取得过大，则 可能引发振荡，步长太小，又容易使收敛变慢。 2 ) 非线性规划法 由于电压无功优化问题是一个典型的非线性数学规划问题，所以非线性规划法是处理无功优 化的最直接的方法。其基本思想是将约束条件进行适当处理后，把有约束的非线形规划问题转化 为无约束的非线性规划问题求解。常用的方法有牛顿法 3 1 、二次规划法 4 1 、内点法【5 1 ”、梯度法1 。 内点法是一种求解线性规划问题的多项式时间算法，其显著特征是其迭代次数与系统规模关 系不大。内点法已被扩展应用于求解二次规划和直接非线性规划模型，使得其计算速度和处理不 等式约束的能力均超过了求解二次规划模型的经典算法和求解非线性规划模型的牛顿算法。 文献【8 】提出了一种充分利用稀疏技术的基于原一对偶内点法的电压无功实时优化控制算法。 通过引入模糊约束、对不可行的探测和处理，并结合导纳矩阵的稀疏特性，提高了算法的速度和 可靠性。该方法能快速、准确的探测和处理不可性问题，提供合理的工程解。 非线形规划的数学模型比较直观，物理概念清晰，但计算量大，内存需求大，稳定性不好， 对不等式的处理存在一定困难，所以它的应用受到了一定的限制。 3 ) 混合整数规划法 线性规划法和非线性规划法都无法反映变压器分接头变化以及电容器组、电抗器投切的离散 2 中国农业大学硕仁学位论文 第章绪论 特性，通常是先把离散变量当作连续变量处理，优化结束后，再对这些变量进行规整计算，但这 样处理会给最优值的获取带来误差。混合整数规划法能有效地解决优化计算中变量的离散性问 题，通过分枝定界法不断缩小可行域，逐步逼近全局最优解。但缺点是计算量大，速度慢，不适 合大规模系统的无功优化计算。 4 ) 分解法 分解法思想是将原问题分解成若干个相互独立的子问题，降低问题求解的阶数，再分别求解 各子问题，协调它们的行为，最终得出总体最优解。常用的分解法有两种：b e n d e r s 分解法， d a n t z i g - w o l f e 分解法。 b e n d e r s 分解法的基本思想是：将原问题分解成以投资变量为控制变量的投资子问题和以运 行变量为控制变量的运行子问题，通过两个问题之间的迭代求解获得最终的最优解。优点是：这 种方法在一定范围内有效的解决了无功优化规划变量与约束条件多而且类型不一、求解困难的问 题。缺陷是：其有效性是以“所求问题为凸”这个假设为前提的，对于无功优化规划问题，该假 设不一定成立。 文献【1 9 】以网损增量最小为目标函数，把全网电压作为控制变量，采用d a n t z i g - - w o l f e 分解 法根据电压控制中心将无功优化问题的网架结构分解为多个相对独立的子电网，各个子电网又分 解成若干子块。各个子电网用单纯形法求解，协调各个子网的行为，求取综合最优解。算法运用 上下限技术来处理约束变量，降低了求解规模，减少了计算时间。缺点是子电网的划分一定困难。 5 ) 复合形法 复合形法口( 1 i p b o x 算法) 是工程优化设计中一种重要的直接搜索算法，它基于非线性规划中 的单纯形法，原理是：在搜索空间中构造k 个顶点组成多面体，计算该复合形各顶点的函数值， 逐一比较，并利用“反射收缩”原则找出函数值有所改善的点，取代最坏点，如此反复，直 到满足要求为止。文献【7 1 将复合形法与遗传算法相结合，在遗传算法中植入了复合形算法的内核 - - g a - c o m p l e x 算子，它包含了排序、继承、更新三个环节。使算法更加简洁明快、易于编程。 复合形法优点：不要求目标函数和控制变量具有显式函数关系也不需要复杂的灵敏度计算， 并有可能搜索到全局最优解。复合形法缺陷：( 1 ) 当维数较高或约束较多时会使初始复合形覆 盖域很小，解空间不能充分展开，计算量增大。( 2 ) 利用每次搜索的最优点为初始顶点，随机 生成复合形重复迭代，不一定能保证全局最优。 ( 3 ) 随机数发生器生成的初始复合形顶点是否 均匀分布在整个可行域内，对算法的收敛性有较大影响。( 4 ) 要将其应用于高维的、含有离散 变量的无功优化问题，需要进行改进。 1 2 3 智能优化方法 上述数学规划方法具有数学的严密性、确定性，但是以假设求解函数具有连续性和可导性为 前提，存在以下缺点：求解场不能保证是凸函数，结果严重依赖于初始值的选取，只有初始点离 全局最优点较近时，才有可能达到真正的最优。 针对这些问题，人们逐渐把人工智能方法应用到无功优化这一研究领域。主要有禁忌搜索 ( t a b us e a r c h ) 算法口1 刮、模拟退火算法p s - ”) 、模拟进化算法【”4 ”、专家系统o “1 i 等的无功优 化研究越来越多。 中国农业大学硕七学位论文第一章绪论 1 ) 禁忌( t a b u ) 搜索法 t a b u 搜索算法是近年来受到普遍关注的一种启发式优化技术，是( ；o v e r 在6 0 年代末期提出的。 禁忌搜索算法的特点是采用了禁忌技术，所谓禁忌就是禁止重复前面做过的工作。为了避免局部 邻域搜索容易陷入局部最优的不足，它采用一个禁忌表记录已经达到过的局部最优点，在下一次 搜索中，利用禁忌表中的信息不再或者有选择地搜索这些点，以此来跳出局部最优点。文献【8 1 在 一般t a b u 搜索算法的基础上，对搜索步长、禁忌表、不同循环起始点的选择以及算法终止判据等 问题做了分析、讨论，并做了一些改进，使得更容易跳出局部最优解，保证可以搜索整个可行域， 从而得到全局最优解的可能性更大。 t a b u 搜索算法对于连续变量的处理，目前的做法一般是先将连续变量适当离散化，再进行编 码。这样做无疑会给优化结果带来一定的误差。而且在实际计算过程中，邻域搜索范围及t a b u 表 深度都只能凭经验给定，这对解的质量有较大影响。当控制变量数目增大时，编码也随之加长， 收敛时间增加。t a b u 表深度、邻域搜索范围和收敛判据等问题有待进一步研究。 2 ) 模拟退火算法 模拟退火算法是一种随机寻优方法，它模拟了金属熔液冷却或退火的过程，使用基于概率的 双向搜索技术。当基于邻域的一次操作使当前解的质量提高时，模拟退火法接收这个被改进的解 作为新的当前解；在相反的情况下，则以一定的概率接收这个变差的解作为当前解。文献【9 】将模 拟退火算法应用于电力系统无功优化。 模拟退火算法寻优效果好，但其参数( 如温度的初始值设置、退火速度与及温度管理问题等) 的选取比较麻烦。为了使最终解尽可能接近全局最优，退火过程不能太快，但这又使算法的计算 时间加长。要收敛于最优解，必须根据在邻域搜索中解质量变差的不同概率分布，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，或即使知道了，又很难找出其对应的温 度控制函数。 3 ) 模拟进化算法 模拟进化算法主要包括：进化规划【2 7 。”( e v o l u t i o n a r y p r o g r a m m i n g ) 、进化策略口q ( e v o j i i t i o r y s t r a t e g i e s ) 、遗传算法p ”( g e n e t i ca l g o r i t h m ) 、遗传规划( g e n e t i cp r o g r a m m i n g ) 等。它们都 是借鉴生物进化的思想和原理来解决实际问题，都属于随机优化方法，适用于那些梯度信息难于 求取的较复杂的优化问题，原则上可找到优化问题的全局最优解，并具有全局收敛性、固有的并 行处理特性及鲁棒性强等优点。 进化算法使包括个体的种群( 代表问题的一些潜在解) 经过进化算子( 如选择、杂交、变异、 组合等) 的作用，演化到具有更好适应度的解。它用变异算子引入新的个体；组合、杂交算子则 用来交换种群中不同个体的信息；选择算子让较好的个体有较大的机会进入下一代，符合适者生 存、不适者淘汰的自然法则。 进化规划e p 在原理上与g a 相似，可以解决目标函数或约束条件不可微的复杂的非线性优化 问题。e p 与g a 的主要差别在于( 1 ) e p 中数字串的表示方式根据解的形式来确定，无需编码和译 码；( 2 ) e p 不采用交叉算子，仅通过变异操作来产生新的个体。文献【2 8 】采用倒指数形式来描述 均方差与适合度之间的关系，在寻优过程中，变异量自适应发生改变，并将模糊集理论应用于求 解具有可伸缩约束的电网多目标优化运行问题。 进化策略的步骤：( 1 ) 初始化；( 2 ) 变异和重组：( 3 ) 选择。如此在步骤( 2 ) 和( 3 ) i 中国农业大学硕士学位论文第一章绪论 之间循环，直到满足收敛判据为止。文献 2 9 q a 采用进化策略方法求解电力系统无功优化问题， 该方法通过对不同类型的变量采用不同的变异函数，使得进化策略方法可以解决组合优化问题。 遗传算法包含的进化算子最为丰富，因而在进化算法中最具有代表性 也是在电力系统中应用 最多的一个分支。文献【3 l 】采用二进制编码方法，把遗传算法成功用于电力系统无功优化规划中。 文献 3 2 1 采用了实数编码的遗传算法，为加强事故校正能力，提出了控制变量柔性指标。文献 3 3 】 将基于遗传算法的无功优化方法用于鄂州电网操作票管理专家系统中的无功优化子系统，着重解 决了无功优化中离散变量的处理、目标函数及相关参数值的选取等几个实际应用问题。 但由于遗传算法是基于群体的优化方法，存在需要大量计算适应值的问题，收敛速度慢；而 遗传算法自身的开放性，允许它通过与其它算法的结合来加快收敛速度。因此人们不断研究加快遗 传算法收敛速度的方法。 文献 3 4 】采用无功功率分层分块优化的方法，并引入进化灵敏度来加强寻优过程中的针对性， 缩小优化规模，提高计算速度。其进化灵敏度不依赖于潮流，而只与网络参数和拓扑结构有关。 文献【3 5 】在遗传算法中采用专家知识辅助寻优，有助于改善寻优方向，防止过早收敛。该专家知 识包括三个主要方面：消除电压越限、减少投资和降低网损。文献【3 6 】提出一种模糊控制遗传算 法( f c g a ) ，引进模糊逻辑控制器加快交叉与突变过程的收敛速度，能在最优化过程中自动修 改遗传参数( 交叉率与突变率) 。文献【3 7 】、【3 s 提出了一种分布式并行计算的遗传算法，它采用 主从方式来组织局域网内的多台机器进行并行计算由l 台主机进行选择和遗传操作，并根据 负荷均衡的原则调度多台从机计算潮流以给出个体适应值。算例表明。该方法不仅取得了较好的 优化效果，而且显著地提高了计算速度。 4 ) 其它方法 专家系统主要由知识库和推理机构成，它根据某个领域的专家提供的特殊领域知识进行推 理，模拟人类专家做出决策的过程，提供具有专家水平的解答。文献【3 9 】采用隶属函数将总负荷 模糊化，并将模糊化的负荷输入神经网络，得到各控制变量的隶属度，由此解出控制变量的实际 值。然后用专家系统结合灵敏度分析法处理变量越界的情况。这种方法速度很快，只要离线训练 好神经网络，就能应用于实时无功优化，并能得到比较好的解。但是，该方法不能处理离散变量； 而能否得到较好解也有赖于隶属度函数的选取和神经网络训练的好坏。 文献【4 0 提出了一种交互神经网络( h o p f i e l d 连续a n n 模型) 求解大型电力系统多目标优化 运行的方法。通过引入调节乘子，增加了交互的灵活性，并在i e e e 3 0 节点系统上验证了该方法的 可行性。 针对无功电压实时自动控制方式中难以顾及负荷的全局变化、难以确定动作次数的实际问题。 文献【4 l 】依据短期负荷预测的负荷曲线，将一个周期( 2 4 h ) p q 的负荷分成几个负荷水平时段，取各时 段内的几个典型负荷点，运用改进退火选择的遗传算法，求得各个时段内补偿电容和调压变压器的 最佳运行方式。该模型易于满足电容器投切次数和变压器调节次数的限制。 1 2 4 技术发展趋势和存在的问题 上述各种优化方法都存在着这样或那样的不足之处，相对而言，遗传算法解决无功优化问题 优势显著，是一种比较理想的计算方法。 中国农业大学硕士学位论文 第一章绪论 ( 1 ) 遗传算法适宜于解决混合整数优化问题，可以方便地处理离散控制变量。 ( 2 ) 遗传算法可以方便地处理多目标函数，在处理控制变量和约束条件上也比较灵活。 ( 3 ) 遗传算法编码方式灵活，可以方便地考虑对控制变量的约束，方便地引入启发式搜索。 ( 4 ) 遗传算法的优化目标值在演化过程中一直单调下降，这就保证了算法至少能够给出一 个比当前状态更优的解，从而保证了系统的鲁棒性。 但是，由于遗传算法存在收敛性较差、计算速度较慢等不足，影响了算法的实时性，要在电 压无功实时优化控制中真正实用，尚待改进。 1 3电压无功实时控制模式的研究现状 电力系统电压无功优化涉及的因素较多，加上电力系统的互联性、运行的瞬时性及动态性等 因素的影响，给有效的控制带来了困难。近几十年来，国内外的众多电力工作者和科研人员在电 压无功优化控制领域开展了大量的研究工作，取得了很多成果，归纳起来有以下几类。 1 3 1 基于变电射i v q c 的分散控制模式 分散控制是指在各个变电站中，通过调节站内有载调压变压器的分接头位置或无功补偿设备 的无功出力，维持站内受控母线电压和从电网吸收的无功功率在规定的范围内。这是我国目前普 遍采用的一种电压无功控制方式，基于电压无功综合控制策略h “”的v q c 装置即是其典型代表。 基于变电站v q c 装置的分散控制的原理简单，动作迅速可靠。技术成熟，可以满足电力系统 实时性及可靠性的要求。但是，随着电力系统规模的不断扩大及计算机、通信技术的迅速发展， 这种各自为政的变电站分散控制方法的缺陷越来越明显，主要在以下几方面：1 ) v q c 装置仅采 集该变电站内部的电压无功运行数据，而不可能同时得到同电压等级的相关变电站和上一电压等 级变电站的实时运行信息，这注定了它仅能实现变电站局部的最优控制，无法考虑到对其他变电 站的影响，更无法从整个地区电网的电压合格率最高或全网有功网损最小的角度出发寻求一种优 化的控制手段h “，使各变电站已投入的电压无功设备和容量不能得到充分利用；有时这种分散 控制可能还会导致全网潮流分布不合理，相关站点的装置产生调节震荡。2 ) 只保证了站内受控母 线电压水平，未考虑系统电压稳定性要求。若系统已接近临界稳定运行点，经历电压波动后，v q c 装置对有载调压分接头的自动调压作用，使节点负荷恢复的同时也加速了系统电压的失稳。3 ) v q c 装置的调节控制是基于给定的电压无功上下限值，如果上下限值给定不合理，无论调节措施 多么合理，都不可能得到合理控制。调查显示，运行人员一般只在每年的高峰和低谷负荷时期根 据经验各设置一套v q c 限值，这远远不能满足负荷的实际变化情况，导致v q c 装置不能充分发挥 作用。因此，如何确定v q c 在每个时间段上的控制范围( 上下限值) 是一个非常关键的问题。 1 3 2 基于调度中心自动化系统的集中控制模式 集中控制是通过调度中心对全网各个调压设备和无功可控设备实施电压无功综合在线控制。 在调度控制中心，s c a d a 将实时的数据断面发送给e m s ，在状态估计和在线潮流运行之后，e m s 利用优化算法求解整个电网的无功最优潮流问题( o p f ) ，并根据优化解给出控制方案，再通过 6 中国农业大学硕十学位论文 第一章绪论 s c a d a 系统的下行命令通道执行优化控制方案，完成闭环控制。实现集中控制方式的前提是电 网必须具有完善的四遥功能、高可靠性的通信通道及智能执行单元，其核心是电网电压无功优化 的在线有效算法和软件。理论上讲，这种控制方式是保证系统电压正常，提高系统运行的安全性 和经济性的最佳方式，被认为是电力系统调度控制发展的最高阶段。美国的s o u t h e r nc a l i f o r n i ae d i s o n c o m p a n y 和n o r t h e r ns t a t e s p o w e r c o m p a n y 电力公司已开展全局电压无功集中控制的研究应用 工作1 4 7 】；在国内，河海大学丁晓群等研制的全网无功电压优化集中控制系统h 8 】已在江苏泰州等多 个地区使用；郭庆来等提出的地区电网无功优化实时控制系统【4 9 1 已在江西九江地区通过鉴定，这 些都是集中控制模式的典型应用实例。 地区电网从全局出发实施电压无功集中控制较原来单个变电站的就地电压无功控制有了很 大提高，但也存在着一些问题。集中控制的系统任务过于集中，过于依赖优化软件的分析计算结 果，无形中降低了系统的可靠性。当地区电网采集的数据不全或出现局部坏数据后，会导致优化 计算失败，系统的优化控制无法执行：而且，一旦地调监控中心发生故障或者通信线路出现阻塞 或中断，当电压或无功越限时，控制命令不能下发，形成无控制状态，整个控制系统瘫痪。另外， 当系统规模不断扩大，控制策略实现的复杂程度将相应提高，这些必将影响集中控制方式的性能。 1 3 3电压无功集中优化、分布控制模式 由于集中控制系统存在着功能过于集中，系统可靠性要求过高等缺点，因此研究人员又把目 光投向了集散控制系统，希望以此将控制功能分散，使风险降低，提高系统的安全可靠性。为此， 欧洲许多国家开展了分级电压控制的研究应用 5 0 - 5 ”，国内也有不少相关研究 5 4 - 5 “而且文献刚还 根据我国国情提出了“软”分级控制组织模式。 电压分级控制将电力系统的无功功率和电压自动控制按空间和时间从功能上分成三个不同 的层次，即一级、二级和三级。一级控制系统是由发电机、调相机等具有快速反映能力的无功源 组成，是一种面向电压安全的快速自动控制，响应时间很短；二级控制是由多个分布在电力系统 各区域控制中心的相互独立的区域电压控制器( s v c ) 组成。每个s v c 根据无功电压的区域性和控 制灵敏度，通过修改一级电压控制器的整定值，维持预先设定的主导节点的电压水平，从而平衡 较慢的、较大的无功变化和电压偏差。三级控制系统则是以控制中心的e m s 作为决策支持，通过 修改区域电压控制器的整定值，协调区域控制器的动作，目的是实现全系统电压无功的优化运行。 虽然二级电压控制策略在国外已有满意的应用。但其一级控制的设备主要是发电机的自动电 压调整装置( a v r ) ，而地区电网中主要控制设备为变电站内的有载调压变压器和并联补偿电容器， 不过其分级分区控制的思想确实对地区电网多变电站电压无功调节有指导意义。 文献 5 8 】、【5 9 提出基于多代理( m u l t i - a g e n t ) 技术的分布式电压无功协调控制系统，即是借 鉴了这种分级递阶控制的思想。该方法将控制器视为一个能独立完成某些任务的代理，首先定义 分布自主的代理( a g e n t ) ，然后通过多代理的交互与协作，达成各控制器控制作用的相互协调， 实现系统的整体控制目标。这种系统a g e n t 之间只交换几个边界数据，数据通信量少，收敛速度 快，具有较高的适应性，智能性和可扩展性。但由于当前m u l t i - a g e n t 技术在无功优化领域的研究 还处于起步阶段，如智能分区等很多问题还没有解决，目前未见应用于工程实际的报道。 2 0 0 3 年广州供电公司与华南理工大学合作研制了分布式电压无功全局优化控制系统唧】，并运 7 中国农业大学硕士学位论文第一章绪论 行于广州鹿明。该系统也参考了欧美国家的全网电压无功三级控制方式，把系统划分为主站、通 信、变电站电压无功综合控制子站三部分。主站作为二级控制根据次日负荷预测曲线，以控制整 个电网节点电压在允许范围内和有功损耗最小为优化目标，进行离散无功优化计算，并以此为基 础计算出各v q c 的参数限值范围。v q c 子站根据控制范围直接控制设备。但该系统没有利用现有 调度自动化系统能采集可靠全面的电网数据的条件，而是另建了通信系统，将主站设在2 2 0 k v 变 电站，只通过公用电话网与各站v q c 装置定时短期通信的方式，采集v q c 作控制时依据的必要数 据作为全网优化的基础数据，采集的密度和数据量非常有限，因而以这些数据作为全网优化的依 据也不够全面，而且，一旦某个站通信不能建立，也必将导致全网优化计算的夭折，系统可靠性 缺乏保障。另外，由于未考虑电网电压稳定性要求，系统在线安全性缺乏保障，不能达到电网在 安全和经济优化的状态下运行的要求。 1 3 4 技术发展趋势及存在的问题 综上所述，电网电压无功实时控制经历了由无序走向优化，由单站单一控制走向网络分级控 制，由手动控制走向自动控制，由分散控制走向集中控制，最终将向集中分布控制控制方向发展。 传统的电压无功实时控制并未考虑电网运行时的电压稳定约束问题，已不能满足规模逐渐增 大，负荷迅猛增长的电网实际运行的需求。当前电压无功实时控制的主要任务就是研究如何充分 利用现有条件，最大程度地提高控制水平，改善电压质量，并使电网在安全和经济优化的状态下 运行。因此，寻求一种新的控制模式来解决电压无功优化控制问题具有重大的理论意义和工程实 际意义。本文的研究工作即是围绕这个任务展开。 1 4 本文的主要工作 根据国内外的研究现状与存在的问题，本文主要进行了以下研究工作： 1 ) 研究求解电压无功优化问题的实用化遗传算法 利用遗传算法对无功优化问题进行求解，并在编码方案、初始群体产生、变异操作等方面对 遗传算法进行实用化改进研究，用算例验证改进遗传算法在收敛速度和可靠获得全局最优解方面 的优势。 2 ) 研究实时电压无功优化控制中的电压稳定约束问题 分析o l t c 调节对系统电压稳定的影响，采用现有电压稳定指标评估的方法设计o l t c 闭锁环 节，研究和提出电压无功实时优化控制过程中引入电压稳定约束的方法，并用仿真实验验证增加 电压稳定约束的必要性。 3 ) 为实际工程开发一个实时电压无功优化控制系统。 研究和提出直接与调度自动化s c a d a 系统驳接的全网电压无功集中优化，而由各站v q c 根 据优化得出的限值进行分散协调控制的系统模式。设计和开发一个实时电压无功集中优化、分散 控制系统，并在甘肃省金昌地区电网中投入运行。 8 中国农业大学硕士学位论文 第二章摹于遗传算法的电压无功优化计算方法及其改进 第二章基于遗传算法的电压无功优化计算方法及其改进 如何求解电压无功优化问题是电压无功优化控制首先要解决的问题。采用遗传算法求解电力 系统电压无功优化问题，与其它计算方法相比有许多无法比拟的优良特性，是一种比较理想的计 算方法。但是，由于大量不可行解导致的迭代次数多、收敛速度慢甚至不收敛的现象，影响了算 法的实时性，要在电压无功实时优化控制中真正实用，尚有待进行改进。针对常规遗传算法的缺 点，本文结合电力系统自身的特性提出了改进方案。 本章首先简要地介绍电压无功优化的数学模型和遗传算法的基本流程，随后介绍本文在基于 遗传算法求解无功优化问题的各环节中所采用的方法，着重介绍提出的改进方案，包括：分阶段 粗细粒度编码、基因改良法和初始群体的两步产生法。所谓初始群体的两步产生法，即第一步采 用均匀分布法随机产生较大规模的原始群体，第二步利用基因改良法消除节点电压越限，把原始 群体中不可行解尽可能调节为可行解，再摈弃所有不可行解，从而得到正常规模的初始群体。最 后分别介绍对i e e e 3 0 节点系统和金昌电网进行优化计算的结果，以验证本文提出的改进遗传算法 的优越性。 2 1电压无功优化数学模型 电力系统电压无功优化是在系统的结构参数、负荷和有功电源出力给定的情况下，通过调节 发电机端电压、无功补偿设备出力及可调变压器的分接头，实现电网的电压质量高，有功网损最 低等安全、经济运行指标，同时要满足各种物理和运行约束条件，如无功电源出力、节点电压幅 值和可调变压器分接头位置等上下限的限制。以系统有功网损最小为目标的电压无功优化问题的 数学模型】如下： 目标函数： m i n = 9 ( 研+ 町一2 u ，u j c o s 嘞( 2 - i ) m n 坤m 约束条件： ( 1 ) 潮流方程等式约束： 只= 圪一兄，= u ，u ( qc o s # , j + 色s i n 8 u ) q = 如一如：u u ，( g os i n 乞一吃c o s 毛) 2 之 ( 2 ) 状态变量约束 u m u i u 。 如i l 面如q g j f n p ” 9 ( 2 - 3 ) ( 2 - 4 ) 中困农业大学硕士学位论文 第二章摹于遗传算法的电压无功优化计算方法及其改进 ( 3 ) 控制变量约束： 瓦m 茎疋疋。k n r( 2 5 ) q c , i n q c f q c , 。fnc(2-6) u m 矿u f n e r ，s ( 2 7 ) 式中，尸为系统有功网损；b 、9 分别为节点琏入的有功和无功功率；，g 、q b j 分别为节点 新带发电机发出的有功和无功功率；j p q l 分别为节点i 所带负荷需要的有功和无功功率；g _ 、 丑f 分别为节点i 与节点詹：间的电导和电纳：配、珥分别为节点厶，的电压幅值；以为节点吨压与节 点，电压的相位差；n e 沩所有p v 型母线节点的集合；s 为平衡母线节点； 为与第f 条母线节点直 接相连的所有母线的集合，包括第i 条母线；下标m a x 和r a i n 分别表示该变量的上下限值；死为第k 台有载调压变压器的分接头位置；m 为有载调压变压器的集合；q c , 为节点f 上的无功补偿量；札 为可以进行无功补偿的母线的集合。 本文根据一般电网实际情况规定，优化模型中控制变量的约束、发电机无功功率约束( 2 4 ) p q 节点电压约束( 2 - 3 ) 为“硬”约束，不能越限，在这些约束范围内寻找使目标函数最小的最优解。 由于遗传算法编码方式灵活，可以方便地考虑对控制变量的约束，方便地引入启发式的搜索， 故本文采用遗传算法求解电压无功优化模型。 2 2 遗传算法及其改进研究 遗传算法是建立在自然选择和自然遗传学机理基础上的迭代自适应概率性搜索算法，它以群 体中所有个体为对象来进行选择、杂交和变异等的操作，具有“生成+ 检测”迭代搜索的特点。 遗传算法的基本实现流程如图2 i 所示。 开始 输入原始敷据 编码产生初始群体 个体适应度的检测评估 选择，交叉，变异操作 解码计算适应度 满足停止进化准则 输出最优解 结束 闺2 i 遗传算法基本实现流程图 l o 中国农业大学硕十学位论文 第二章基于遗传算法的电压无功优化计算方法及其改进 应用遗传算法的指导思想是：遗传算法的通用框架和具体问题的特点有机结合。本节即是结 合电压无功优化问题自身的特性提出了一套在一些细节处改进遗传算法的方案，以加快遗传算法 的收敛速度，保证算法收敛到全局最优解的可靠性。 遗传算法作为随机数算法，在解决无功优化问题时，首先随机产生一组初始潮流解，然后对 其编码，通过选择、杂交和变异等操作，使其重新组合，最后此码串对应的解将趋向最优。遗传 算法用于电压无功优化应包含以下五大要素：( 1 ) 适应度函数的设计：( 2 ) 优化变量编码；( 3 ) 初始群体的产生； ( 4 ) 遗传算子和遗传操作；( 5 ) 算法终止条件。这五大要素构成了遗传算法 的核心内容，决定着算法优劣和优化结果的好坏。 2 2 i 适应度函数 遗传算法采用适应度来指导搜索，适应度函数设计主要应该满足单值、非负、最大化、计算 量小等要求，合理地反映相应个体的优劣程度，适应度越大的个体在下一代出现的可能性就越大。 而电压无功优化问题的目标函数式( 2 一1 ) 是寻求系统有功网损最小，即越小，说明个体特性 越好，它应该有越大的适应度值。因此本文采用将( 2 - i ) 式中的目标函数值j p h 取倒数的方法来 评价个体的适应度，构造了适应度函数： 1 _ ，。i 一 ( 2 8 ) h 式中，n 。为个体的目标函数值；伪个体的适应度值。 2 2 2 控制变量编码 由约束条件( 2 5 ) 、( 2 - 6 ) ，( 2 7 ) 可以看出，电压无功优化问题的控制变量主要是无功 补偿设备的补偿量、有载调压变压器的分接头位置、p v 节点的电压等。可见，对于控制变量的编 码可采用二进制