[发明专利]基于预测和粒子群算法的多目标电压无功滚动优化方法

权利要求书

1.基于预测和粒子群算法的多目标电压无功滚动优化方法，其特征是，包括以下步骤：

步骤一，设定滚动优化计算的时间集；

步骤二，在时间集内收集与处理地区电网的负荷预测数据和风电的实时预测数据，同时，获取地区电网的基本潮流计算数据；

步骤三，利用粒子群优化算法，构建地区电压无功优化的目标函数和约束条件，并进一步地求解；

步骤四，对优化后的结果进行校核，然后进入下一个滚动周期的电压无功优化计算流程。

2.如权利要求1所述基于预测和粒子群算法的多目标电压无功滚动优化方法，其特征是，所述风电的实时预测数据包括时间、地理信息数据、风速预测数据、风功率预测数据和风电总量预测。

3.如权利要求1所述基于预测和粒子群算法的多目标电压无功滚动优化方法，其特征是，利用粒子群优化算法进行求解的方法包括：

步骤3.1，初始化一群规模为n的m维粒子群，n和m都为不等于0的自然数，该粒子群中的每个粒子代表一种控制方案，该控制方案包括可投切电容器组数和变压器分接头的档位；

步骤3.2，计算每个粒子的适应值；

步骤3.3，对每个粒子i，将其适应值与个体所经历过最好位置时的适应值做比较，如果该粒子较好，则将其作为当前各个方案的个体极值；

步骤3.4，对每个粒子i，将其适应值与全局经历最好位置时的适应值作比较，得出当前全局最好值；

步骤3.5，根据速度方程和位置方程更新每一个粒子的速度和位置；

步骤3.6，判断是否达到最大迭代次数或适应值收敛到设定精度，如果都未满足，则返回所述步骤3.2，继续计算，否则输出结果，计算结束。

4.如权利要求3所述基于预测和粒子群算法的多目标电压无功滚动优化方法，其特征是，所述步骤3.1进行初始化的包括随机位置和速度。

5.如权利要求3所述基于预测和粒子群算法的多目标电压无功滚动优化方法，其特征是，在适应值的选择上，选择地区电网在一个小时内不同时段下的网损P_loss之和最小作为优化目标，系统各节点电压合格作为约束，约束条件为：

minΣk=16Plossk]]>

s.t.

g_k(x)＝0

Uimin≤Uik≤Uimax]]>

其中，等式约束g_k(x)＝0为第k个时段下的潮流方程，不等式约束为各节点电压满足不越限要求，U_ik为节点i在第k个时段下的电压标幺值，为节点i电压下限，为节点i电压上限。