（电力系统及其自动化专业论文）在线无功电压优化与控制系统的研究及其实现.pdf

声明 本人郑重声明：此处所提交的硕士学位论文在线无功电压优化与控制系统的研究 及其实现，是本人在华北电力大学攻读硕士学位期间，在导师指导下进行的研究工作 和取得的研究成果。据本人所知，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，也不包含为获得华北电力大学或其他教育机构的 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：兰变塞生日期：! z ：! 关于学位论文使用授权的说明 本人完全了解华北电力大学有关保留、使用学位论文的规定，即：学校有权保管、 并向有关部门送交学位论文的原件与复印件；学校可以采用影印、缩印或其它复制手 段复制并保存学位论文；学校可允许学位论文被查阅或借阅：学校可以学术交流为 目的，复制赠送和交换学位论文；同意学校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。 ( 涉密的学位论文在解密后遵守此规定) 作者签名：鹰未 日 期：立! 三! 15 导师签名： 日期： 劫l 节 ：，l 一 盟! 坦 f 华北电力大学硕士学位论文 1 1 选题背景及其意义 第一章绪论 电力系统无功电压优化与控制是提高电压合格率、降低网损、提高系统稳定 性的有效手段和重要措施。系统无功分布的合理与否，电压质量的好坏，直接影响 着电力系统的安全稳定与经济运行。无功不足将导致系统电压下降，用电设备不能 充分利用，更为严重的是如果系统的无功不足，将使系统的整体电压水平低下，系 统一旦发生较大的扰动，就可能使电压低于临界电压，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；无功过剩亦会导致电压过高，危害系统和设备 的安全，恶化系统电压状况，浪费不必要的投资；无功的不合理流动，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。因此，合理的运用 电压无功的调节手段，提高优化控制水平，不仅能改善电压质量和提高电压合格率， 而且能够有效的降低网损，提高电力系统运行的安全性和经济性。 随着我国电力工业的飞速发展、电力体制改革的深入和电力市场的逐步开放， 电力部门越来越重视电力系统的安全性和经济性。由于传统的基于离线数据的无功 电压优化手段显然已经不能满足现代电力企业的要求，使得能够跟踪反映电力系统 实时运行状态，基于实测数据的在线电压无功优化控制成为研究和应用的热点， 受到人们越来越多的关注。目前，国内在线无功电压优化控制基本上还处于变电站 分散控制的阶段，依靠无功电压综合控制装置( v q c ) ，采用九区图控制法，根据 监测的实时电压无功值和相应的控制策略对分接头和电容器组进行控制。该方法简 单、易行，极大地减轻了系统运行人员的工作负担、提高了供电电压质量，取得了 较好的应用效果。但该方法完全从满足本地的无功电压考核指标出发，难以从全局 优化的角度面向全网考虑。且当系统严重缺无功的时候，自动无功调节装置的动作 可能使系统的无功缺额更加严重，甚至进入恶性循环，最终引发电压崩溃。 因此，加快研究开发适合于我国电网实际情况的面向全网的在线电压无功优 化控制系统是十分迫切而且必要的。可喜的是我国各级电网已普遍配置s c a d a 系 统，为实现电压无功的在线控制奠定了基础。综上所述，深入研究在线电压无功 优化控制的理论和方法，实现面向全网的无功资源实时优化调度具有重要的理论价 值和广阔的应用前景。 1 2 国内外研究现状 1 2 1 无功电压优化领域主要研究内容概述 电力系统无功电压优化领域主要分为无功规划优化和无功运行优化两方面【。 l 华北电力大学硕士学位论文 所谓无功规划优化主要以未来5 1 0 年的电网规划和负荷预测数据为依据，在保证 满足各种典型方式安全约束的前提下，确定最优无功补偿地点、容量及无功调节设 备的最佳运行状态，从而达到提高电压稳定性，改善电压质量，降低网损的目的， 其目标为因无功补偿而使损耗电能减少的收益扣除补偿投资后的净收益最大或年 运行费用与投资等年值之和最小，它是个涉及多时段和多运行方式的复杂问题；而 电力系统无功运行优化，则是基于现状网及现有无功补偿设备配置的基础上，根据 系统不同的运行方式及负荷变化，确定无功设备的投切和调节方案，以满足系统网 损最小( 电压质量最好、无功控制设备的调节次数最少等，或同时考虑两个以上目 标函数) 的优化目标。两个研究方向各有侧重点，所采用的算法也不尽不同，由于 本文主要研究在线无功电压优化与控制属于运行优化范畴，所以重点对无功运行优 化进行讨论。 电力系统无功运行优化又根据研究对象的不同分为静态无功优化和动态无功 优化。所谓静态无功优化( 也有文献中称为经典无功优化) 是针对某一个时间断面 的运行状态进行优化计算，在保证电压合格、发电机无功出力不越限的条件下，使 系统的有功损耗最小。它不涉及运行状态之间的耦合约束，仅对某个时刻的断面所 确定的运行方式进行优化计算。在电力系统实际运行中，由于负荷和运行方式总是 不断变化的，所以针对单个时间断面进行的静态优化计算是无法满足实际运行需要 的。而考虑各点负荷形态变化的系统优化为动态无功优化( 也有文献中称为短期无 功计划) ，是在已知未来一天的系统负荷曲线与母线负荷分布( 由负荷预测提供) 的 前提下进行计算的。它一般是将一天的负荷预测数据划分成若干个时段( 如2 4 个时 段) ，然后以整天的电能损失最小或者各时段网损总和最小为目标，并将控制变量 的动作次数作为直接约束，从而获得全天各时段的无功调度方案。由于静态无功优 化主要用来对电网运行进行离线分析，其有限的指导意义使越来越多的研究工作集 中到动态无功优化领域中来。由于动态无功优化是个十分复杂的时空分布非线性优 化问题，一般都要进行简化处理，目前的研究大体上分为两类：一类是进行状态解 空间的简化；另一类是进行动态负荷模型的简化，它将十分复杂的时空分布的动态 优化问题转化为几个简单的空间分布的静态优化问题，使静态优化的结果自动满足 动态优化约束。 随着电力系统的运行电压质量日益受到重视、e m s 高级应用软件的实用化水平 的提高，根据电力系统的实时运行状态和参数，以无功最优潮流为核心进行的在线 实时无功电压优化成为无功优化领域争相研究的热点内容。它以s c a d a 提供的实 时数据为基础，从当前的运行点出发，在保证运行电压合格率和提高电压稳定性的 同时使系统的有功损耗最小，可以保证系统时刻处于最优的运行状态下，使系统的 经济效益和安全效益同时达到最佳。这也是本文的主要研究内容。 2 华北电力大学硕士学位论文 1 2 2 无功优化方法概述 无论是进行无功规划优化还是无功运行优化，最终都要落实到目标函数寻优计 算上。国内外学者在这方面已经进行了大量的研究工作，提出了诸多优化方法和理 论。大体上可以分为两类：一类是传统优化方法( 有的文献中称为常规优化方法) ， 指从某个初始点出发，按照一定的轨迹不断改进当前解，最终收敛于最优解。这类 优化方法有线性规划法、非线性规划法、混合整数规姐法、动态规划法以及内点法 等；另一类是智能优化方法( 有的文献中称为启发式优化方法) ，它是建立在计算 机科学的迅速发展基础之上的一些直接搜索或者随机搜索优化算法，主要包括：模 拟退火算法、禁忌搜索、遗传算法、免疫算法以及新型的人工智能优化算法如蚁群 算法、混沌优化算法、p s o 粒子群算法及多智能体算法等。 1 2 2 1 传统优化方法 1 线性规划法【2 j 【3 l 它采用局部线性化的方法将非线性的目标函数和安全约束逐次线性化，用于求 解无功优化问题。其优点是模型构成简单，每次迭代计算速度比较快。由于无功优 化问题的强非线性，使线性规划法在计算精度和收敛性上有一定的困难，尤其是系 统规模较大时尤甚。此外还存在优化计算与潮流计算的多次交接、不易选取初值等 弱点。同时在线性逼近最优解的过程中，步长的选取对收敛性影响较大，若步长取 得过大有可能引发振荡，步长太小又会使收敛速度变慢。 2 非线性规划法 非线性规划是处理无功优化最直接的方法，这种方法的数学模型建立比较直 观，物理概念清晰，计算精度较高。但现有算法不同程度存在计算量、内存需求量 大、收敛性差、稳定性不好、对不等式的处理存在一定困难等问题。主要有二次规 划法、梯度法和牛顿法等。 二次规划”】是非线性规划中较为成熟的一种方法。将目标函数作二阶泰勒展开， 非线性约束转化为一系列的线性约束，从而构成二次规划的优化模型，用一系列的 二次规划来逼近最终的最优解。其收敛性及计算速度比较理想，但在计算步长和初 始点的选取、以及遇到非线性很强的约束时，也同样会遇到类似线性规划所遇到的 困难。 简化梯度法【5 1 1 6 l ( 简称r g 方法) 最早是在1 9 6 8 年由d o m m e l 和t i n n e y 提出的， 它利用控制变量的负梯度方向作为寻优方向，用惩罚函数处理不等式约束的越界， 优化仅在控制变量的子空间中进行，缩小了问题的规模。但其一维搜索步长的选择 非常困难，且收敛性受初始点的影响较大，在接近最优点时会出现所谓的锯齿现象， 收敛速度明显减慢。类似的还有广义简化梯度法( c r g 法) 和变尺度法【7 1 ( f p 法) 等。 3 华北电力大学硕士学位论文 牛顿法障】是台湾学者d i s u n 等人在1 9 8 4 年提出的直接满足库恩一图克最优化 条件的最优潮流算法。其基本思想是用l a g r a n g i a n 乘子处理函数约束，构成增广的 l a g r a n g i a n 函数，然后求解无约束优化问题。它充分利用了海森矩阵和雅可比矩阵 高度的稀疏性，减少了计算量具有二阶收敛速度，相比梯度类算法在计算速度、收 敛性等方面相比更具优势。 3 混合整数规划法f 9 1 0 l 针对线性规划法和非线性规划法无法反映变压器分接头变化以及电容器组、电 抗器投切的离散特性，有的学者提出了混合整数规划法。其原理就是首先确定整数 变量，然后采用类似线性规划法的数学模型来处理离散变量，并用整数规划法的数 学方法对其进行求解。该方法是通过分支定界法不断定界以缩小可行域，逐步逼近 全局最优解，能够有效地解决优化计算中变量的离散性问题。它的缺点在于计算时 间属于非多项式类型，随着维数的增加，计算时间会急剧增加，有时甚至是爆炸式 增长。 4 动态规划法i ”】 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，对目标函数和约束 条件没有严格限制，所得的最优解一般是全局最优解。它不仅应用于离散性问题， 且在动态过程中总体寻优。与其它方法结合，可减少计算量，提高计算速度，对解 决无功优化控制问题方面具有较好的应用前景。但它存在“维数灾”问题，当状态 变量太多时，需要的计算量和计算机存储量随维数的增大而大大增加，使求解困难； 其次这种方法不存在标准的数学构成，要正确地构成一个实际问题的动态数学规划 模型比较困难。 5 内点法1 1 】【1 2 1 3 1 1 9 8 4 年，k a r m a r k a r 提出了一个线性规划的新算法。该方法不仅在计算复杂性 上证明是多项式时间解法，而且在实际计算中也显示出比单纯形法优越的计算能 力。它是建立在单纯形结构上的，与单纯形法沿着可行域的边界寻优不同，它从初 始内点出发，沿着最速下降方向，从可行域内部直接走向最优解。因此，k a r m a r k a r 的算法也被称为内点法。 内点法从初始内点出发，沿着最速下降方向，从可行域内部直接走向最优解。 由于是在可行域内部寻优，故对大规模线性优化问题，当约束条件和变量数目增加 时，内点法的迭代次数变化较少，收敛性和计算速度均优于单纯形法。近年来，许 多学者对内点算法进行了广泛深入的研究，新的变型算法相继出现，并己形成三大 类内点算法：投影尺度类内点算法、仿射尺度类内点算法、原一对偶仿射尺度内点 算法( 有的文献中称为路径跟踪法) 。其中原一对偶内点法由于收敛迅速、鲁棒性 强，对初值的选择不敏感，在实际中获得了最为广泛的应用，并且通过内点法来解 决无功优化问题己成为当前的研究热点。 4 华北电力大学硕士学位论文 1 2 2 2 智能优化方法 1 模拟退火法【1 4 l ( s a 法) 模拟退化算法最早的思想是由m e t r o p o l i s 在1 9 5 3 年提出的。s a 算法的核心在 于模拟热力学中液体的冻结与结晶或者金属熔液的冷却与退火过程：当处于高温状 态的金属熔液狳徐冷却时，其原子在逐渐失去活力的同时，会t l 动的排列成一个纯 晶体，使整个系统的能量达到最小值。模拟退火算法就是模拟上述物理系统徐徐退 火过程的一种随机搜索技术。把优化问题的目标函数看成退火系统的能量函数，以 控制参数作为退火温度，其寻找基态的过程就是求解目标函数极小的过程。 模拟退火算法作为一种随机的启发式搜索方法，适用于处理非线性规划问题， 能以较大概率( 理论证明能够以概率1 收敛到全局最优) 求得优化问题的全局最优 解。该算法寻优结束时能得到优化问题的最小值，但其参数的选取比较复杂。为了 使最终解尽可能接近全局最优，退火过程不能太快，使算法的计算时间过长。 2 禁忌搜索法【1 5 l ( t s 法) 禁忌搜索算法的基本思想是由g l o v e r 于1 9 8 6 年首次提出来的。它是一种扩展 邻域的启发式搜索方法，能在搜索过程中获得知识，并用以避免局部极值点。t s 算 法的特点是采用了禁忌技术，通过采用禁忌表记录下己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有选择的搜索这些点，以此来跳出局部最优点。 算法速度较快且容易收敛到局部最优，但是它是串行搜索，搜索效率不是很高，且 会因初值的好坏而影响搜索质量。 3 遗传算法【1 6 h 1 7 j ( g a 法) 遗传算法基于适者生存的进化理论，通过模拟生物体的遗传过程进行优化计 算。首先将优化问题编码为染色体，将目标函数转化为染色体的适应函数。然后随 机产生一批初始染色体，根据各染色体的适应函数值进行繁殖、交叉、变异等遗传 操作，产生下一代染色体。经过逐代遗传，通过随机的和结构化的交换各染色体之 间的信息，产生更加优秀的染色体，最后将这些染色体解码还原，就可以获得问题 的解。本文会在第三章进行详细介绍。 4 免疫算法【1 8 l 【1 9 1 ( i a 法) 免疫算法是最近发展起来的一种新型多目标全局概率搜索算法。该算法通过对 生物免疫系统原理的模拟，利用免疫系统抗体的多样性和自我调节功能，来保持优 化问题中解群体的多样性，从而能克服寻优迭代过程中的“早熟”问题，其记忆细 胞的功能特点又能确保算法能快速收敛于全局最优解。本文会在第三章进行详细介 绍。 5 混沌优化算法1 2 0 】( c o a 法) 混沌优化算法通过有规律且不重复的混沌遍历进行随机搜索寻优，有良好的全 5 华北电力大学硕士学位论文 局寻优能力和较高的搜索效率，尤其比较适合于连续变量的函数优化问题。但是它 也存在比较明显的缺点，即当搜索起始点选择不合适或遍历区阿很大或控制参数选 取不合适时，搜索结果很难达到或接近最优解。 6 蚁群算法【2 1 1 1 2 2 】 蚁群算法模拟自然界中蚂蚁寻找食物，并回至口巢穴的行为来求解问题，是一种 基于群体的多代理算法。依据信息正反馈原理、分布式计算及贪婪启发式算法，利 用随机选择策略，通过候选解组成群体的进化过程，寻求最优解。但是随机选择策 略容易使进化速度变慢，甚至停滞，因而产生了自适应蚁群算法和广义蚁群算法等 改进算法并获得了一定的应用。 7 人工鱼群算法【2 3 】( a f s a 法) 人工鱼群算法是由国内学者提出的一种基于模拟鱼群行为的随机搜索优化算 法，主要利用了鱼的觅食、聚群和追尾行为，从构造单条鱼的底层行为做起，通过 鱼群中各个体的局部寻优达到全局最优值在群体中突现出来的目的。鱼群算法是一 种新的随机搜索优化算法，它通过多个a f 并行运算寻优，算法参数设置简单，具 有较强的全局寻优能力。 8 粒子群法1 2 4 j ( p s o 法) p s o 算法是在模拟鸟群捕食行为的基础上发展起来的，优化问题的每一个可能 解都是搜索空间中的一个“粒子”，根据对环境的适应度将群体中的个体( 粒子) 移 动到好的区域。这些粒子在搜索空间中根据自身和同伴的飞行经验以一定的速度飞 行，追随着当前的最优粒子，最终达到从全空间搜索最优解的目的，最早由k e n n e d y 和e b e r h a r t 于1 9 9 5 年提出的。空间追随最优的粒子进行搜索。 p s o 算法自问世以来，由于其简便易行，依赖的经验参数较少，收敛速度快等 特点，引起了学者们的广泛关注，并在短短的几年时间里出现大量的研究成果，目 前己被广泛应用。 9 多智能体算法1 2 5 】【2 6 】( m a s 法) 多智能体算法是分布式人工智能算法中的一种，近年来被广泛应用。它将整个 电力系统模拟为一个多智能体m a s 系统，利用算法自身特点，将整个任务划分为 多个子任务，采用相应类型的a g e n t 来进行优化，提高了系统的冗余度和抗干扰能 力。例如基于m a s 的全网无功优化的概念模型可以很好地解决单个站点运行所带 来的冗余度不高、可靠性差的问题，解决了九区图的边界点频繁投切及在某些点电 能质量难保障的问题。 除了上述介绍的算法外，应用较多的还有模糊算法【”】1 2 射、专家系统及人工神经 网络法f 2 9 】和b o x 3 0 1 算法等，其应用可参考相关文献，这里不在过多叙述。 6 华北电力大学硕士学位论文 1 3 本文的主要工作 本文完成的工作主要包括以下几方面内容： 1 在大量阅读中、外文献的基础上，对电力系统无功优化与控制的基本理论和 方法进行了深入研究。针对无功优化的特点，在掌握遗传算法的基础上，结合人工 免疫系统相关知识，通过引入免疫记忆、免疫调节和接种疫苗等免疫系统机制，形 成了改进免疫遗传算法。该算法改善了遗传算法寻优结果早熟和易陷入局部最优的 缺点，实现了群体收敛性和个体多样性间动态平衡的调整。 2 从电网安全经济运行的角度出发，建立了无功优化控制的数学模型，详细阕 述了结合无功优化的改进免疫遗传算法操作模型和流程的具体实现过程，并编制程 序形成无功优化模块。该模块在i e e e 3 0 系统的应用表明了算法的正确性和有效性。 3 进行了在线电压无功优化控制系统总体方案的设计，并分别对各个系统组 成模块( 主要包括遥测遥信库和电网物理参数数据库的建立、配置与访问，网络拓 扑分析、状态估计以及无功优化等模块) 的功能及其实现方法进行了详细阐述。 4 根据在线电压无功优化控制系统的整体设计思路及流程，以无功优化模块 为核心，结合s c a d a 系统，采用面向对象技术、以v i s u a lc 抖6 0 作为平台研究开 发了具有标准输入输出接口和友好的人机界面、面向全网的在线电压无功优化控 制系统。 5 在某地区电网进行系统现场安装调试，整个应用结果表明该系统具有较好的 控制效果，能够有效地降低网损，保证电压质量，满足电网经济安全运行的要求； 系统操作界面简单易用，方便运行人员掌握，能够在线为运行调度人员提供无功优 化控制策略以指导电网运行；并且具有重要的理论价值和广阔的应用前景。 7 华北电力大学硕士学位论文 第二章系统的主要设计思路及实现方法 2 1 系统整体设计思路 系统的主要设计思路是基于w i n d o w s 环境、采用面向对象技术，以v i s u a lc + + 6 0 作为平台研究开发具有标准输入输出接口和人机界面、面向全网的在线电压无 功优化控制系统。该系统采用s q l s e r v e r 2 0 0 0 数据库作为数据管理工具，以电网网 络参数和s c a d a 系统获取的实时数据作为输入，通过智能无功电压优化给出最佳 变压器分接头位置及无功补偿设备投切策略，用以指导无功优化控制策略的制定和 运行调度人员的工作，结果以报表的形式给出。系统结构流程如图2 - 1 所示。 图2 - 1 在线电压无功优化控制系统图 2 2 系统各主要模块功能及其实现 2 2 1 引言 整个在线电压无功优化控制系统是基于w i n d o w s 环境下进行实现的，首先为 8 华北电力大学硕士学位论文 提高编程能力，增加软件的可维护性和通用性，采用面向对象的程序设计。其次， 为实现友好的人机交互界面，采用m i c r o s o f tv i s u a lc + + 6 0 作为开发平台，下面分 别进行说明。 1 面向对象程序设计 面向对象程序设计从所处理的数据入手，以数据为中心而不是以服务( 功能) 为 中心来描述系统。它把编程问题视为一个数据集合，数据相对于功能而言，具有更 强的稳定性。面向对象程序设计是一种围绕真实世界的概念来组织模型的程序设计 方法，它采用对象来描述问题空间的实体。对象是包含现实世界物体特征的抽象实 体，它反映了系统为之保存信息和( 或 与它交互的能力，是一些属性及服务的一个 封装体。 类是具有相同操作功能和相同的数据格式( 属性) 的对象的集合。类可以看作抽 象数据类型的具体实现。类为对象集合的抽象，它规定了这些对象的公共属性和方 法，对象为类的一个实例。苹果是一个类，而放在桌上的那个苹果则是一个对象。 对象和类的关系相当于一般的程序设计语言中变量和变量类型的关系。消息是向某 对象请求服务的一种表达方式。对象内有方法和数据，外部的用户或对象对该对象 提出的服务请求，可以称为向该对象发送消息。 面向对象系统中最突出的特性是封装性、继承性和多态性。而进行面向对象的 程序设计，必须使用面向对象程序设计语言。由于c + + 应用广泛，采用其作为设计 语言，其优点主要有：( 1 ) 编写的程序可读性更好，代码结构更为合理，可直接地 在程序中映射问题空间的结构；( 2 ) 生成代码的质量高，运行效率比汇编语言代码 段仅慢l o 到2 0 5 ( 3 ) 节省开发时间和费用，提高软件的可重用性、可扩展性、 可维护性和可靠性；( 4 ) 支持面向对象的机制，可方便地构造出模拟现实问题的实 体和操作。 2 操作界面的实现方法 m i c r o s o f t 基本类库m f c 提供了面向对象的程序开发界面，利用基本类库的窗 口类、图形类、文件和数据库类可实现简便易用的人机交互界面。以v i s u a lc h6 0 作为平台，最终是利用m f ca p p w i z a r d 来进行具体实现的。 v i s u a lc + + 6 0 是m i c r o s o f t 公司开发的基于c c + + 的集成开发工具。它提供两 种方式编写w i n 3 2 程序，一种是基于w i n d o w sa p i 的c 编程方式，另一种是基于 m f c 的c + + 编程方式，这里我们采用的后一种方式。以上是对系统开发的工具和技 术的简单介绍，下面对各模块的功能及其实现方法进行阐述。 2 2 2 遥测遥信库的功能及其实现 2 2 2 1 遥测遥信库的功能介绍 遥测遥信库作为输入数据，主要提供电网的实时和历史数据，包括：( 1 ) 开关、 9 华北电力大学硕士学位论文 刀闸、断路器状态量；( 2 ) 发电机、负荷、线路首末端、变压器各侧的有功负荷值、 无功负荷值；( 3 ) 各母线的电压值；( 4 ) 变压器档位值等。( 1 ) 中的状态量为遥信 量，只有两种状态0 和1 ( 0 表示断开，l 表示闭合) ，主要功能是提供开关状态信 息，用以分析形成电网物理拓扑关系；其余各量为遥测量，主要功能是提供电网运 行实时状态量，为无功优化提供初始值。 2 2 2 2 遥测遥信库的实现与访问 遥测遥信库是数据采集和监控s c a d a 系统用来存储电网各处的遥测遥信量 的。首先由远动终端装置r t u ( r e m o t e t e r m i n a l u n i t ) 远方采集各种模拟量和开关 状态量，经过模数转换为方便处理的数字量；然后按照一定的通信规约，以合适的 通讯方式将遥测遥信量传输到电网电力调度中心的主机上，最后以表的形式按照时 间顺序的存储到数据库中。结合地调县调的实际，目前多采用m i c r o s o f t 的大型商用 数据库s q ls e r v e r 来作为存储选择。这里主要用到遥测遥信库中的两个表，一个是 遥测遥信量的信息表( t a g i n f o ) ，如图2 2 所示，给出了每个遥测遥信量的物理意 义并且每个量值都有唯一一个d 号进行标识；另一个就是遥测遥信量的实时数值 表( r e a l t i m e t a g ) ，如图2 - 3 所示。 s t “i o n l _ els w i t e k ，l m t alt e d m elt- 剑 【t e , z t y p e 1 d a t t t y p e 2 明l l 遥测；4 字节浮点 嘲l 2 遥测5 4 宇节浮点 绷l 3 遥信 离散 绷l 叩4 遥测i 4 字节浮点 瑚l 5 遥测1 4 宇节浮点 2 呻1 0 0 6 遥测：离散 l 号变电站出线一；p l 号变电站出钱一：口 l 号变电站出线一5 断路器位置i l 号变电站；l # 变压器高压倒p 1 号变电站 l # 变压器高压侧q 1 号变电站；l 艘压器高压侧档位 图2 2 遥测遥信量信息表 t i a elt d dld a t t 1 2 1l d ：1 5 ：忽2 明l l l61 2 6 1 2 11 0 ：1 5 ：趁拥l 254 田 1 2 _ l 加：1 5 ：缆翻l 叩3 l0l 1 2 一l1 0 ：1 5 ：2 2 翻l 4 63 t5 5 一1 2 一l1 0 ：1 5 ：役l2 l 叩5 b1 4 眩 1 2 11 0 ：1 5 ：趁l绷1 叩6 ， 0l 图2 3 遥测遥信量实时数值表 上述对s c a d a 系统中遥测遥信表的形成和存储方式都有了深入的了解，下面 主要阐述如何实现对遥测遥信量的访问。 o d b c ( o p e n d a t a b a s e c o n n e c t i v i t y ) 称为开放式数据库系统互联。是微软公司 开发和定义的一套数据库访问标准。可以使用一个o d b c 应用程序访问多种操作平 台上的数据库，其中包括s q ls e r v e r 。它是一种重要的数据库访问a p i ，独立于数 据库，建立在x o p 的结构化查询语言调用层接口基础上。使用o d b c 开发数据 库应用程序时，调用的是标准的o d b c 函数和s q l 语句，数据库的底层操作由各 1 0 华北电力大学硕士学位论文 个数据库的驱动程序来完成，且具有很好的适应性和可移植性。o d b c 体系结构主 要由四部分组成：应用程序、驱动器管理器、驱动程序和数据源。在使用o d b c 编 程之前，除了安装o d b c 驱动程序外，还需要设定数据源。数据源是连接数据库驱 动程序与数据库系统的桥梁，它为o d b c 驱动程序指定数据库服务器名称以及用户 的连接参数等选项。一般可以使用o d b c 管理器创建数据源。这里应用w i n d o w s 自带的o d b c 数据源管理器配置遥测遥信库数据源，如图2 - 4 所示。 图2 - 4 配置遥测遥信库数据源 创建好数据源，就可以进行应用程序的编写，实现遥测遥信数据库的访问查询、 读写操作，通过使用v i s u a lc + + 6 0 的m f c 类库的c d a t a b a s e ( 数据库类) 和 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) 完成。其中c d a t a b a s e 类的对象代表了一个到数据源的o d b c 连接，通过此连接可以在数据源上进行操作； c r e c o r d s e t 类的对象代表从数据源中选择的一个记录集合；c r e c o r d v i e w 类的对象 是显示数据库记录的视图。 2 2 3 电网物理参数数据库的功能及其实现 电网物理参数数据库主要用来定义电网的网络结构和存储各种设备参数信息， 反映电网设备间的物理拓扑连接关系。在进行网络建模时通过调用设备参数信息提 供电网元件的有名值或者标么值。电网物理参数数据库是以表的形式构成的，每个 表均有特定的物理含义，与实际电网及所属设备相互关联，例如l n 表代表线路， 包含了线路类型、线路长度、线路首末端物理节点号等相关信息，可以根据线路类 华北电力大学硕士学位论文 型和线路长度获得其电阻、电抗和电纳参数，首末端物理节点号则反映了其物理拓 扑连接关系；再如x f 表代表变压器，包含了变压器的相关信息。 电网物理参数数据库既可以存储在调度中心的主机服务器上，也可以存储在工 作站上，一般为了方便维护安装在工作站上，同遥测遥信库一样，利用s q ls e r v e r 来进行数据管理。同样只需要创建数据源，如图2 5 所示，便可以进行相应的应用 程序编写，实现电网物理参数数据库的访问查询、读写操作。 图2 - 5 配置电网参数数据库数据源 2 2 4 网络拓扑分析模块的功能及实现 网络拓扑模型分为静态拓扑模型和动态拓扑模型。静态模型描述电网设备之间 的物理拓扑连接关系，一旦建立了系统模型，就相对稳定，只有设备新增、变更时 会引起网络静态拓扑模型的改变；动态拓扑模型则随着所有开关设备的实时运行状 态改变，它描述了设备在电气上的连接状态和连接方式。 网络拓扑模块首先通过程序访问电网参数数据库，分析形成静态拓扑模型，同 时进行物理节点编号并建立各元件的数学模型；然后访问实时遥测遥信库，通过开 关、刀闸或者断路器的唯一d 标识读取开关状态，分析形成动态拓扑模型，将物 理节点编号进行优化形成计算节点编号。 根据电网中的各元件的数学模型和它们的实时的联结方式或拓扑关系，初步形 成了在线实时电力网络的数学模型。 1 2 华北电力大学硕士学位论文 2 2 5 状态估计模块的功能及实现 在实时数据的采集过程中，由于系统中的干扰，可能会采集到一些坏数据，如 果不进行处理，将会引起错误的判断和决策，并且设备数目众多分布范围广泛，网 络接线复杂不可能对网络的所有运行状态量进行监测，使得在实时情况下获取的测 量数据也不可避免地存在测量误差。为了建立可靠的电力网络数学模型，状态估计 通过检测、辨识不良数据，补充不足量测点，用以提高量测数据的可靠性和完整性， 加强全网的可观测性。 状态估计模块首先主要基于网络的拓扑模型，利用s c a d a 的实时信息和电阿 的接线方式及运行状态，估计出各母线的电压幅值和相角及元件的功率，并根据潮 流的最优估算值进行相应调整；其次在程序的实现过程中，通过加入经验数据项进 行人工干预以增强数据的有效性和可靠性。即由专家对各计算节点尤其是对缺少量 测的计算节点的有功负荷值、无功负荷值、电压值提供经验数据，分别给出正常值 和最大最小限值，如果量测信息越限，程序会自动舍弃数据取专家经验数据。至此， 在线实时电力网络的数学模型以形成。 2 2 6 电压无功优化模块的功能及实现 即以电网网络参数和s c a d a 系统获取的实时数据作为输入，给出最佳变压器 分接头位置及无功补偿设备投切策略，用以指导无功优化控制策略的制定和运行调 度人员的工作。电压无功优化模块是本文所要讨论的重点和难点，也是在线无功 电压优化与控制系统的核心模块。其主要内容包括无功优化模型的建立和优化方法 的形成，将分别在本文第三章和第四章进行介绍。 华北电力大学硕士学位论文 3 1 遗传算法 3 1 1 引言 第三章免疫遗传算法 遗传算法( g e n e t i c a l g o r i t h m g a ) 是近几年发展起来的一种崭新的全局优化算 法。2 0 世纪6 0 年代，美国密执安大学的霍兰德( h o l l a n d ) 教授首次提出了g a 算法 的思想，它借用了仿真生物遗传学和自然选择机理，通过自然选择、遗传、变异等 作用机制来提高个体的适应性。从某种程度上说遗传算法是对生物进化过程进行的 数学方式仿真。1 9 7 5 年h o l l a n d 出版的“a d a p t a t i o ni nn a t u r ea n da r t i f i c i a ls y s t e m ” 一书被普遍认为是遗传算法的经典之作，概述给出了遗传算法的基本定理和大量的 数学理论证明。 2 0 世纪8 0 年代以来是遗传算法和进化计算的蓬勃发展期。从1 9 8 5 起，国际上 开始举行遗传算法的国际会议，以后则更名为进化计算的国际会议。1 9 8 9 年 d j g o l d b e r g 教授出版的“g e n e t i ca l g o r i t h m ”一书全面而完整地论述了遗传算法的 基本原理及其应用，奠定了现代遗传算法的科学理论基础。遗传算法由于求解的有 效性、现有仿真环境下易于实现、可扩充性和易于与其它方法相结合等优点，在机 器学习、过程控制、计算机科学、经济预测、工程优化等领域都得到了越来越多的 研究和应用。 与自然界相似，遗传算法对求解问题的本身一无所知，它所需要的仅是对算法 所产生的每个染色体进行评价。其基本过程是：首先采用某种编码方式将解空间映 射到编码空间。编码方式可以是位串、实数、有序串、树或图，h o l l a n d 最初的遗传 算法是基于二进制串的，类似于生物染色体结构，易于用生物遗传理论解释，各种 遗传操作也易于实现。另外也可以证明采用二进制编码式算法处理的模式最多。但 是，在具体问题中，直接采用解空间的形式进行编码，可以直接在解的表现形式上 进行遗传操作，从而易于引入特定领域的启发式信息，可以取得比二进制编码更高 的效率，如实数编码或有序串编码等。每个编码对应问题的一个解，称为染色体或 个体。一般通过随机方法确定起始的一群个体，称为种群，在种群中根据适应值或 某种竞争机制选择个体( 适应值就是解的满意程度，可以由外部显式适应度函数计 算，也可以由系统本身产生，如由协同演化时不同对策的博奕确定，或者由个体在 群体中的存活量和繁殖量确定) ，然后使用各种遗传操作算子( 包括杂交，变异， 倒位等等) 产生下一代( 下一代可以完全替代原种群，即非重叠种群；也可以部分 替代原种群中一些较差的个体，即重叠种群) ，如此进化下去，直到满足期望的终 止条件。 1 4 华北电力大学硕士学位论文 从上面的原理可以看出遗传算法具有许多独特的优点： 1 不必非常明确描述问题的全部特征，通用性和鲁棒性强，能很快适应问题和 环境的变化，对领域知识依赖程度低，不受搜索空问限制性假设的约束，不必要求 连续性、可导或单峰等； 2 遗传算法是从多个初始点开始寻优，而不是单点寻优。能很好克服传统优化 方法对初始寻优点的依赖，可以有效地防止搜索过程陷入局部最优解，在理论上能 以概率1 收敛到全局最优解； 3 遗传算法具有隐含的并行性，在搜索空间里使用相对少的个体，就可以检验 表示数量极大的区域。隐含并行性是g a 优于其它求解过程的关键。 3 1 2 遗传算法的基本模型 3 1 2 1 遗传算法概念 1 种群( p o p u l a t i o n ) ：解空间中的一组作为父代遗传用的初始解。 2 个体( i n d i v i d u a l ) ：就是组成种群的解空间的一个解。 3 染色体( c h r o m o s o m e ) ：每个个体的变量将由一个码串来表示，这个码串称 为染色体，也叫做基因型个体，它可以表示一个变量，也可以表示多个变量。 4 基因( g e n e ) ：个体编码中的每一位。基因是码串中的元素，用于表示个体的 特征。例如有一个串s = 1 0 0 1 ，则其中的1 ，0 ，0 ，1 这4 个元素分别称为基因。基 因是构成染色体的基本单位。 5 等位基因( a l l e l e s ) ：就是两个个体编码中处于相同位置的基因。 6 基因位( g e n ep o s i t i o n ) ：表示一个基因在串中的位置，基因位置由串的左向 右计算，例如在串s = 1 1 0 1 中，0 的基因位置是3 。 。 7 适应度( f i t n e s s ) ：各个个体对环境的适应程度叫做适应度。为了体现染色体 的适应能力，引入了对问题中的每一个染色体都能进行度量的函数，叫适应度函数。 这个函数是计算个体在群体中被使用的概率。 8 编码( c o d i n g ) ：根据一定的编码规范，将变量转化为对应的基因串的过程。 9 解码( d e c o d e ) ：编码的逆过程，将基因串转化为实际的变量的操作。 l o 繁殖( p r o p a g a t e ) ：根据繁殖概率选择个体，并将其复制到下一代的操作。 1 1 杂交：根据繁殖概率在种群中随机选取两个父体和母体，再依杂交概率随 机地选取一交叉位，然后将两个个体中位于交叉位后的符号串互换，保留交叉位前 符号位不变形成的两个新个体的遗传操作，它是获取优良个体的重要手段。 1 2 变异：就是根据变异概率将个体编码中的每一位基因位进行0 ，1 翻转，形 成新个体的遗传操作。变异操作可使适应值小的个体或整体素质趋于一致时的个体 发生变化，同时防止适应值大的个体变异，从而使每一代种群保持新鲜个体，避免 进化停滞或过早收敛。 1 s 华北电力大学硕士学位论文 3 1 2 2 遗传算法基本模型 实现一个遗传算法，要从以下几个方面着手： 1 染色体编码 在遗传算法的运行过程中，它不是对所求解问题的实际决策变量直接进行操 作，而是对表示可行解的个体编码串施加选择、交叉、变异等遗传操作。编码( 即 确定变量表示方案) 是遗传算法要解决的首要问题，应遵循以下编码原则：( 1 ) 应 使用易于产生与所求问题相关的且具有低阶、短定义长度模式的编码方案，即使用 生成适应度较高个体的编码方案；( 2 应使用能使问题得到自然表示或描述的具有 最小编码字符集的编码方案。 常用编码方式可分为二进制编码和浮点数编码。浮点数编码方法是指个体的每 个基因值用某一范围内的一个浮点数来表示，个体的编码长度等于其决策变量的个 数，即使用决策变量的真实值进行编码。它必须保证基因值在给定的区间范围内， 遗传算法中所使用的交叉、变异等遗传算子也必须保证其运算结果所产生的新个体 的基因值也在这个区间限制范围内。浮点数编码运算效率较高，所须计算时间较短， 便于处理复杂的决策变量约束条件，但其收敛性无法保障。 二进制编码与计算机码制相一致，适于计算机应用。对于码串的每一位只有1 和0 两个码制，在交叉和变异等操作中原理清晰，操作简单便于实现；符合最小字 符集编码原则，便于利用模式定理对算法进行理论分析；表示的变量范围大，适合 于表示离散变量，而对于连续变量，只要群体总数取足够多，就可以达到足够的精 度。其缺点在于：不便于反映所求问题的特定知识，对于一些多维、高精度要求的 连续函数优化，二进制编码存在着连续函数离散化时的映射误差，个体编码串较短 时，可能达不到精度要求；而个体编码串较长时，将使算法的搜索空间急剧扩大， 降低遗传算法的性能。 2 适应度评价 遗传算法中使用适应度来评价群体解的优良程度。适应度较高的个体遗传到下 一代的概率较大，而适应度较低的个体遗传到下一代的概率就相对小一些，度量个 体适应度的函数称为适应度函数。 评价个体适应度的一般过程是：首先对个体编码串进行解码处理后可得到个体 的表现型；然后由个体的表现型可计算出对应个体的目标函数值；最后根据最优化 问题的类型，由目标函数按一定的转换规则求出个体的适应度。 遗传算法要求所有个体的适应度必须为正数或零，不能是负数。而实际优化问 题中的目标函数值有正也有负，优化目标有求函数最大值也有求函数最小值，所以 必须寻求由目标函数值到个体适应度之间的转换关系，由它来保证个体适应度总取 非负值。 1 6 华北电力大学硕士学位论文 由于遗传算法在进化搜索中基本上不利用外部信息，仅以适应度函数为依据， 利用群体中每个个体的适应度值来进行搜索。因此适应度函数的选取至关重要，直 接影响遗传算法的收敛速度以及能否找到最优解。适应度函数是由目标函数变换而 成的。对目标函数的某种映射变换称为适应度尺度变换，其作用是：( 1 ) 在遗传进 化初期，通常会出现一些超常个体，若按照比例选择法，这些异常个体因竞争力太 突出从而控制了选择过程，影响算法的全局优化性能。因此通过适应度尺度变换来 降低个体的适应度差异，从而限制其复制数量以维护群体的多样性；( 2 ) 在遗传进 化后期，即算法接近收敛时，由于群体的个体间适应度差异较小，继续优化的潜能 较低，因此此时应适当放大个体问适应度的差异，以提高个体之间的竞争性，使遗 传算法收敛到更优解。常用的个体适应度尺度变换方法有以下几种： ( 1 ) 线性尺度变换：调整所有染色体的适值，以保证适应度为平均值的个体 在下一代的期望复制数为1 ，并控制适应值最大的个体在下一代中的复制数。假设 原适应值函数为厂，定标后的适应度函数为，则线性尺度变换可用下式表示： ，= a f + b 其中：a ，b 为变换系数。线性变换法变换了适应度之问的差距，保持了种群 内的多样性，并且计算方便易于实现。 ( 2 ) 乘幂尺度变换：假设原适值函数为厂，定标后的适应度函数为厂，则线 性尺度变换可用下式表示： f ? = f 1 即新的适应度是原有适应度的指定乘幂。幂指数a 与所求解的问题有关，并且 在算法的执行过程中需要不断对其进行修正才能使尺度变换满足一定的伸缩要求。 ( 3 ) 指数尺度变换：假设原适值函数为厂，定标后的适应度函数为厂，则线 性尺度变换可用下式表示： l ? = e x p ( 一邀、 式中系数决定了选择的强制性，越小，原有适应度较高个体的新适应度就 越与其它个体的新适应度相差较大，亦即越增加了选择该个体的强制性。 3 选择 选择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，选择出来的个体放入配对 库中，常用选择方法有： ( 1 ) 轮盘赌选择：又称为比例选择，是目前遗传算法中最基本最常用的方法。 其基本思想是：各个个体被选中的概率与其适应度大小成正比。 设群体的大小为m ，个体的适应度为e ，则个体i 被选中的概率只： 华北电力大学硕士学位论文 最：# ( i ：1 2 州) y