论文部分内容阅读
配电网作为电力系统的重要组成部分,是输电网侧与用户侧之间的重要衔接。随着经济的快速发展,配电网的范围越来越大,线路的组合结构也越来越复杂,随之而来的是系统无功功率不足或分布不合理,引起配电线路的有功损耗增大,线路末端的节点电压质量较低等问题,这与电力系统安全稳定运行的宗旨背道而驰。配电网无功优化问题是一类多变量、非连续的复杂优化问题,传统的优化算法在解决简单的配电网问题时具有较好的效果,但当配电网情况较为复杂时,传统算法并不能很好地解决问题。当配电网线路结构较为复杂时,现代人工智能优化算法能够很好地克服传统算法的弊端,解决此类复杂问题。
无功优化的目标函数及算法不尽相同,本文首先选择配电网络有功网损最小为目标函数进行数学建模,选择粒子群算法(Particle Swarm Optimization,PSO)作为目标算法,并且在标准粒子群算法(Standard Particle Swarm Optimization,SPSO)的基础上提出了一种改进后的粒子群算法(S-type-Trigonometric Function Particle Swarm Optimization,STPSO)。其次针对标准粒子群算法的惯性权重和加速因子进行时变性处理,使其随着迭代寻优进程的不断推进而进行非线性变化,进而提高算法的收敛精度和速度,降低了后期陷入局部最优解的风险。最后以目前国内配电网无功补偿装置实际安装情况为依据,选择并联电容器组为无功补偿装置,运用灵敏度分析法对负荷节点进行灵敏度计算,对需要补偿的节点接入并联电容器组进行无功补偿。
本文运用IEEE-33节点系统作为目标优化系统,利用MATLAB仿真平台,将改进前的粒子群算法与改进后的粒子群算法分别于该节点系统中进行验证,然后对潍坊市某地区的一条10kV配电网络进行实例仿真验证。通过仿真验证,结果表明:在IEEE-33系统中,STPSO与改进前的算法相比,有功网损降低率高出13.11%;在实例验证中,有功网损降低率提高了23.17%。改进后的算法在寻优精度和速度上均优于标准粒子群算法,通过对并联电容器组的投切组数进行精确控制,有效地降低了配电网有功网损,提高了节点电压质量。
无功优化的目标函数及算法不尽相同,本文首先选择配电网络有功网损最小为目标函数进行数学建模,选择粒子群算法(Particle Swarm Optimization,PSO)作为目标算法,并且在标准粒子群算法(Standard Particle Swarm Optimization,SPSO)的基础上提出了一种改进后的粒子群算法(S-type-Trigonometric Function Particle Swarm Optimization,STPSO)。其次针对标准粒子群算法的惯性权重和加速因子进行时变性处理,使其随着迭代寻优进程的不断推进而进行非线性变化,进而提高算法的收敛精度和速度,降低了后期陷入局部最优解的风险。最后以目前国内配电网无功补偿装置实际安装情况为依据,选择并联电容器组为无功补偿装置,运用灵敏度分析法对负荷节点进行灵敏度计算,对需要补偿的节点接入并联电容器组进行无功补偿。
本文运用IEEE-33节点系统作为目标优化系统,利用MATLAB仿真平台,将改进前的粒子群算法与改进后的粒子群算法分别于该节点系统中进行验证,然后对潍坊市某地区的一条10kV配电网络进行实例仿真验证。通过仿真验证,结果表明:在IEEE-33系统中,STPSO与改进前的算法相比,有功网损降低率高出13.11%;在实例验证中,有功网损降低率提高了23.17%。改进后的算法在寻优精度和速度上均优于标准粒子群算法,通过对并联电容器组的投切组数进行精确控制,有效地降低了配电网有功网损,提高了节点电压质量。