基于粒子群算法的电力系统无功优化开题报告

附件基于粒子群算法的电力系统无功优化选题背景及其意义电力系统的中心任务是保证电网平安、牢靠、经济和优质运行，高质量的电力供应已经成为现代社会经济生活的迫切需求。电压质量是电力系统电能质量的重要指标之一，电能质量诸多问题中，电压波动造成的危害最为广泛。电力系统的电压假如波动过大，不但会干脆影响电气设备的性能，而且还将给系统稳定、平安运行带来困难，甚至引起系统电压崩溃，造成大面积停电，如1978年12月法国大停电，1983年12月瑞典大停电等都是因无功限制不当引起电压崩溃，从而造成系统重大事故[1]。此外1977年纽约大停电被确认是由于无功问题引发的；1987年7月东京大停电也被认为是由于在夏季用电高峰期间无功缺乏和电压崩溃的原因[2]。因此，保证电压质量、提高电网的电压合格率是特别重要的；另外无功功率在系统中的流淌不仅要在线路上产生电压着陆，影响电压质量和电力系统的稳定性，而且要损耗有功功率、占用输电线路和设备的容量。这就要求在电网规划和运行中，必需限制无功功率，限制其在系统中的流淌，既对电力系统无功功率进行优化。电力系统无功优化，一般是指在满意电网的平安运行约束的前提下，通过变压器分接头的合理选择，发电机机端电压的志向协作以及无功补偿的优化配置等措施，使系统无功潮流达到最优分布，削减有功损耗。它对于提高系统电压质量，削减有功损耗，保证系统平安、牢靠和经济运行有重要意义。在我国，随着电力系统的快速发展，电网规模越来越大，结构也日趋困难，使系统的稳定性问题更加突出，而单凭阅历进行无功配置已不能适应现代系统的须要，须要在现代电子与计算机技术的基础上，探讨建立无功优化的数学模型、提出相应的算法，在电网的规划建设和实际调度运行中实现无功优化，并在满意电网平安运行条件下，削减有功损耗和投资。同时对于电力公司而言，削减有功网损就是增加利润，在电力公司由粗放型经营向集约化经营方式转变的今日，进行无功优化就显的更加必要和重要了。本论文通过分析电力系统无功优化中各类主要影响因素，结合当前电力系统无功优化主要的探讨方法，建立电力系统无功优化的数学模型。采纳智能优化算法——粒子群算法求解数学模型，选取实际的电网作为计算算例，得到无功优化的结果，并与优化前的无功配置方案进行对比，分析粒子群算法在无功优化应用中的优缺点，为今后实际电网的无功规划供应肯定的参考价值。二、国内外探讨动态早在六十年头，电力系统无功优化就受到了国内外学者的关注，经过多年的探讨，已经取得了大量成果。总的来看，电力系统的无功优化问题可以分为两类：一类是对系统稳态运行状况下的运行状态进行优化，目的是进行无功平衡，以提高运行电压水平、降低损耗；另一类是探讨系统在扰动状况下的电压稳定性。前者依据所探讨问题的时间跨度、目标函数和解决方法又可以进一步细分。本文的探讨内容为稳定运行时的无功优化及电压限制，不涉及暂态和动态状况下的电压稳定性。电力系统无功优化问题有离散性、非线性、大规模、收敛性依靠于初值的特点，针对无功优化的特点，近年来很多专家学者就此做了大量的探讨，并将各种优化算法应用于这一领域，目前已取得了很多成果。文献[3]提出将一种改进的Tabu搜寻算法用于电力系统无功优化，考虑有功损耗费用和补偿费用，使得总费用最小。在一般的Tabu搜寻算法的基础上，对搜寻步长、禁忌表、不同循环点的选择以及算法终止判据等问题做了改进，更简洁跳出局部最优解，保证可以搜寻整个可行域，从而得到全局最优解的可能性更大。与线性规划算法相比具有更强的全局寻优实力。文献[4]运用改进的模拟退火算法求解中学压配电网的无功优化问题，采纳了记忆指导搜寻方法来加快搜寻速度。采纳模拟法来进行局部寻优以增加获得全局最优解的可能性，从而能够以较也许率获得全局最优解，收敛稳定性较好。文献[5]提出了一种应用于电力系统无功规划优化问题的改进遗传算法，该算法采纳十进制整数与实数混合的编码方式，在选择算子中运用最优保存策略，并对群体规模的选取加以改进。为了使解更快进入可行解域，作者提出了利用专家学问协助搜寻可行解，并提出罚因子自适应调整，大大加快了算法的收敛性。相对模拟退火算法、禁忌搜寻算法和遗传算法而言，粒子群算法是模拟鸟群觅食的一种新型算法。粒子群优化(PSO)最初是处理连续优化问题的,目前其应用已扩展到组合优化问题[6]。由于其简洁、有效的特点,PSO已经得到了众多学者的重视和探讨，并在电力系统优化中得到广泛应用。文献[7]对粒子群算法经行了改进，用于变电站的选址；文献[8]采纳粒子群算法优化分布式电源的接入位置和容量；文献[9]利用改进的粒子群算法进行网络重构的优化。从以上文献的探讨可以看出，粒子群算法在求解优化问题时有其自身特有的诸多优点。三、课题探讨内容本课题的探讨内容主要包括：1.电力系统无功优化影响因素分析阅读相关文献，分析电力系统无功补偿的措施和方法，确定系统中无功电源：同步发电机、同步调相机、电容器、静止无功补偿装置等各类无功电源在无功优化中的影响，建立无功优化的数学模型。2.深化探讨粒子群算法学习探讨粒子群算法，重点探讨粒子群算法在配电网优化规划中的应用，结合基本的算例，分析粒子群算法与遗传算法、禁忌搜寻等算法的区分。3．搜集实际数据进行大量数据的调研工作，调查石家庄地区电网无功补偿设备的基本状况，了解无功补偿设备分布状况，获得实际的数据，为基于粒子群算法的无功优化算例供应实际的数据。4．应用粒子群算法进行电力系统无功优化的计算建立电力系统无功优化的数学模型，从网损，电压稳定，潮流分布等几个方面确定目标函数，并利用IEEE14标准节点和石家庄地区无功补偿状况作为算例，验证算法的正确性和可行性。为今后电力系统无功优化规划方案供应肯定的参考。四、探讨方案及难点4.1探讨方案本课题的主要探讨工作包括：1.查找并阅读相关资料和文献，进一步熟识和理解电力系统无功优化方面的学问；2.熟识驾驭VC++，MATLAB等编程软件，为今后优化算法的学习和应用做好打算。3．学习粒子群算法，探讨它们在电力系统规划中的应用。4．考虑电压稳定，网损，潮流分布等多个约束条件和优化目标，建立电力系统无功优化的数学模型。5．应用粒子群优化算法对电力系统无功优化的数学模型进行优化计算。4.2难点本课题的难点主要包括1.粒子群算法的学习和应用，并结合无功优化的实际须要对其进行改进。2.电力系统无功优化数学模型的建立。五、预期成果和可能的创新点5.1预期成果本课题虽然困难很多，然而其成果也是特别丰富的，主要有以下内容：1.建立考虑网损，电压，潮流等影响因素的电力系统无功优化的数学模型；2.粒子群算法在电力系统无功优化中的应用。5.2可能的创新点1.基于多种影响因素的电力系统无功优化数学模型的建立；2.粒子群算法的改进；3.改进粒子群算法在电力系统无功优化中的应用。六、主要参考文献[1]段海峰,李兴源,宋永华.一种基于模糊逻辑的电压无功限制策略.电力系统自动化，1997,21(6):23-26;[2]ChebboAM,IrvingMR,SterlingMJH.Reactivepowerdispatchincorporatingvoltagestability.IEEProceedings-C.1992,139(3):253-260;[3]王洪章,熊信艮,吴耀武．基于改进Tabu搜寻算法的电力系统无功优化．电网技术,2002,26（1）:15-18;[4]贾德香,唐国庆,韩净.基于改进模拟退火算法的电网无功优化[J].继电器,2004,32(4):32-35;[5]张粒子,舒隽,林宪枢,徐英辉.基于遗传算法的无功规划优化.中国电机工程学报.2000,20(6):5-8;[6]FukuyamaY.Fundamentalsofparticleswarmtechniques[A].LeeKY,El2SharkawiMA.ModernHeuristicOptimizationTechniquesWithApplicationstoPowerSystems[M].IEEEPowerEngineeringSociety,2002.45～51；[7]刘自发，张建华.基于改进多组织粒子群体优化算法的配电网络变电站选址顶容.中国电机工程学报.2007,27(1):106-111;[8]刘波，张焰，杨娜.改进的粒子群优化算法在分布式电源选址和定容中的应用.电工技术学报.2008,23(2):103-108;[9]许立雄，吕林，刘俊勇.基于改进粒子群优化算法的配电网络重构.电力系统自动化.2006.30(7):27-30;[10]LeeKY,BaiXM,ParkYM,Optimizationmethodforresctivepowerplanningbyusingamodifiedsimplegeneticalgorithm.IEEETransonPS.1995,10(4):1843-1850.[11]LeeKY,YangFF.Optimalreactivepowerplanningusingevolutionaryalgorithms:acomparativestudyforevolutionaryprogrammingevolutionarystrategy,geneticalgorithm,andlinearprogramming.IEEETransonPS.1998,13(1):101-108;[12]潘哲龙,张伯明,孙宏斌,程亮.分布计算的遗传算法在无功优化中的应用.电力系统自动化,2001,25(12):37-41;[13]张勇军,任震,钟红梅,唐卓尧,尚春.基于灾变遗传算法的无功规划优化.电力系统自动化.2002,26(23):29-32;[14]刘明波,朱春明,等.计及限制设备动作次数约束的动态无功优化算法.中国电机工程学报,2004,24(3):34-40;[15]仁晓娟,等.中学压配电网动态无功优化算法的探讨.中国电机工程学报,2003,23(1):31-36;[16]王勤,等.考虑电压稳定性的电力系统多目标无功优化.电力系统自动化,1999年2月,23(3):31-34;[17]刘源棋,等.地区电网无功优化规划.山东工业高校学报,2000,30(5):1-7;[18]高亮,孙彦章,等.地区电网中的无功优化.太原理工高校学报,1998,29(4):428-436;[19]JunShu,LiziZhang,YiLiu,XianChaoHuang.AnImprovedGeneticAlgorithmforDynamicReactivePowerOptimizationinElectricityMarket.POWERCON2004;[20]张勇军,等.实时无功优化调度中的邻域搜寻改进遗传算法.电网技术,2003年1月,27(1):22-25;[21]胡泽春,王锡凡.配电网无功优化的分时段限制策略.电力系统自动化,2002年3月,26(6):45-49;[22]朱太秀.电力系统优化潮流与无功优化.电网技术,1990年11月,第4期;[23]熊信银,曹顺生.电力系统无功补偿最优配置非线性模型.1990年11月,辽宁大连，中国电机工程学会电力系统计算学会争论文集;[24]李林川,夏道止,等.电力系统电压和网损优化计算.电力系统自动化，1995年7月，第19卷,第7期;[25]徐英辉,张粒子等基于改进干脆法的无功优化.2001年12月,中国电机工程学报，Vol.21，增刊;[26]EricHobson.NETWORKCONSTRAINEDREACTIVEPOWERCONTROLUSINGLINEARPROGRAMMING,IEEETransactionsonPowerApparatusandSystems，Vol.PAS-99,No.3,May/June1980;[27]vandenBerghF.Ananalysisofparticleswarmoptimizers[D].SouthAfrica:DepartmentofComputerScience,UniversityofPretoria,2002；[28]KennedyJ,EberhartRC.Adiscretebinaryversionoftheparticleswarmalgorithm[A].ProceedingsoftheWorldMulticonferenceonSystemics,CyberneticsandInformatics[C].Piscataway,NJ:IEEEServiceCenter,1997.4104～4109；[29]YoshidaH,KawataK,FukuyamaY,etal.Aparticleswarmoptimizationforreactivepowerandvoltagecontrolconsideringvoltagestability[A].ProceedingsoftheInternationalConferenceonIntelligentSystemApplicationtoPowerSystem[C].RiodeJaneiro,Brazil,1999.117～121；[30]