[发明专利]多谐波源相互影响的配电网滤波装置优化配置

权利要求书

1.多谐波源相互影响的配电网滤波装置优化配置的方法，通过改进自适应模糊粒子群算法将典型粒子群算法的惯性系数进行自适应控制，在粒子群算法的速度和位置更新过程中以所有粒子的个体最优的加权平均值代替全局最优值，考虑所有个体对群体活动的导向性来调整粒子的速度和位置，并对粒子位置的更新进行模糊控制，这样可以有效地避免算法陷入局部最优；

针对算法中惯性权重系数较大时，粒子由于缺乏对最优解的精细搜索而可能产生搜索精度不高的不良后果，采用自适应的惯性系数对惯性权重系数进行调整：

ω(t)＝[2/(1+e^λt/tmax)]ω⁰

式中：λ是调节ω变化速度的正系数，t为当前迭代次数，ω⁰为ω(t)的上限，为最大迭代次数，较大ω值有利于跳出局部最优，适应于对搜索空间进行大范围开发，较小ω值可提高算法的精度并利于算法局部收敛，适合小范围开发；

所有粒子的个体最优加权平均值表示为：

δ_i是权重向量，反应了第i个粒子的贡献程度且满足粒子的位置更新的公式变为：

v_id(t+1)＝wv_idt+c₁rand₁(P_id(t)-x_id(t))+c₂rand₂(P_gd(t)-x_id(t))

对位置的更新进行模糊控制可以有效地避免陷入局部最优，对上式公式进行模糊控制得出：

x_id(t+1)＝x_id(t)+μ₂v_id(t+1)

其中，μ₂为S形隶属函数，T为一给定阈值 ，与t_max密切相关，a，c为常数；当t≤T时，μ₂取1，在这个时候，粒子位置的变化是比较大的；当t>T时，粒子的改变就会放慢，到达一定迭代次数时粒子的变化又能加快些，可以有效地避免陷入局部最优；

指标1：谐波电压总畸变率，以配电网各节点谐波电压总畸变率THDU_i的平均值为目标函数，即:

U_li＝[Y_hi]^-1I_hi，h＝2,3，...，H

式中，i为电网节点标号，N为网络总节点数；h为谐波次数，Y_hi为第i节点h次谐波的导纳矩阵；U_li为节点i的基波电压有效值，U_hi为节点i的h次谐波电压有效值；U_THUUi为节点i的电压谐波畸变率；

指标2：无源滤波器和有源滤波器的数学模型得出优化配置的目标函数为滤波装置的经济性最小，即：

式中，μ_ij、Vi表示是否安装滤波器支路；f(Q_CNij)表示无源滤波器的费用与支路电容器额定容量的函数关系；f(S_Ni)与有源滤波器的费用与补偿谐波的容量有关，函数关系如下：

f(Q_CNij)＝a_0ij+a_1ijQ_CNij

f(S_Ni)＝b_0ij+b_1ijS_Ni

Q_CNij为第i节点第j条支路的安装电容器的最小额定容量，S_Ni表示有源滤波器的容量；系数a_0ij、a_1ij、b_0ij、b_1ij的选值采用市场价格决定法确定能有效避免盲目性；

无源滤波器的额定容量由基波无功容量与谐波无功容量组成，将非线性负荷功率因数取0.65～0.85；无源滤波器在节点i的最小电容器额定安装容量为：

式中，Q₁基波无功容量；Q_hi谐波无功容量；C_i为节点i滤波器的电容值；

有源滤波器补偿容量S_i决定于所补偿的总谐波电流有效值，即：

式中，U_1i为第i节点的基波电流；U_hi为第i个节点的h次电压有效值；I_hi为第i节点处有源滤波器所补偿的第h次谐波电流值；容量S_i与基波电流无关；

总目标函数通过协调函数之间的关系，使两者都达到较优，对上述两个指标进行归一化处理，解决各个目标之间数量级不统一的问题

F₁^*＝(F₁-F_1min)/(F_1max-F_1min)

F₂^*＝(F₂-F_2min)/(F_2max-F_2min)

限定F₁^*，F₂^*在0～1之间取值，对两个目标函数采用线性加权的方式得到总目标函数为：

F＝σ₁F₁^*+σ₂F₂^*

式中σ₁，σ₂为F₁^*，F₂^*两目标函数的权重，满足σ₁+σ₂＝1，且σ₁≥0，σ₂≥0；

约束条件包括：

在寻优过程中，网络谐波潮流约束：

式中，C_THDU表示电压总谐波畸变率的限定值；根据国标GB/T14549-93规定，算得公共电网谐波限值与电网电压等级密切相关，电压等级越高，谐波限制越严格；

无源滤波器的安全运行约束：由于谐波对电容器本身具有危害，因此在对无源滤波支路进行设计时，应考虑谐波对滤波器额定电流、电压和容量的影响，下式为无源滤波器支路中的电压、电流和容量约束：

电容器的电流不能超过额定值的135％，式中，K_U、K_I、K_Q分别为电容器的允许电电压、过电流和过容量系数；

有源滤波器的容量约束：S_i≤K_SS_Ni，其中K_S表示有源滤波器允许的过容量系数；

有源滤波器与无源滤波器的参数优化问题就是在满足以上约束条件下，使总目标函数达到最优解的搜索问题；

适应度函数构造：采用混合罚函数法将上述非线性约束优化问题变为无约束优化问题，即：

μ^(k)是惩罚因子，是一个递减的无穷数列；h_i(X)为第i个等式约束函数i＝1，2，…，l；g_j(X)为第j个不等式约束函数，j＝1，2，…，k，μ初始值取1，令μ^(k)＝Cμ^(k-1)，且C＝1/2。