[发明专利]一种新型定制电力设备的优化配置策略

说明书

本发明公开一种新型定制电力设备的优化配置策略，其特征在于该混合策略利用遗传算法锁定各装置的最优安装位置并求得近似最优安装容量，将近似容量设为内点法初值寻找更加精确更优的安装容量。此外，分别基于约束越限和预判自适应对遗传算法和内点法做出改进，提高了寻优速度。本发明的智能混合算法结合了遗传算法全局搜索能力强、易于处理离散变量以及非线性内点法局部搜索能力强、计算结果精确的优势，解决了遗传算法过早收敛且稳定性较差的缺陷。在定制电力设备的优化配置中运用该算法，在满足电能质量改善目标前提下，将设备投资降至更低，为电能质量改善装置的优化配置问题提供了参考，有一定的实际应用价值。

技术领域

本发明属于优化配置领域，尤其涉及一种将遗传算法与内点法有机结合的用于多种定制电力设备的新型优化配置策略。

背景技术

配电网在运行过程中存在各种各样的电能质量问题，诸如配电网谐波问题、电压的波动与闪变、低功率因数等等。既影响用户设备的正常运行，加大供电端负担，又会对公用电网造成污染。定制电力设备能够经济有效地改善电能质量问题，目前已得到广泛应用。有源滤波器(APF)、配电网静止同步补偿器(D-STATCOM)和动态电压恢复器(DVR)是目前研究技术成熟、实际应用中最为常见的配电系统定制电力设备。在配电网中安装多种定制电力设备时，若能合理选择各装置的安装位置和容量既可保证电能质量达到相关要求，也能避免设备容量的浪费，减少投资成本。

在电能质量改善装置的选型及定容定址问题上，运用较多的是遗传算法、免疫算法等智能算法。利用遗传算法对输电网中多种电能质量补偿装置进行优化配置，能提高输电系统的带载能力并节约投资成本。有的学者利用遗传算法研究了多台动态电压恢复器在配电网的优化配置问题，实现了配电网中多台不同电压等级的DVR的优化配置。还有人利用免疫算法对配电网中的无源滤波器进行了优化配置，与遗传算法相比可以避免陷入局部最优。采用了一种基于变焦佳点集和种群熵的改进多目标引力搜索优化算法对柔性输电设备的位置及容量组合进行优化配置，取得了不错的效果。但是智能算法虽然有其特有的优势，如鲁棒性强，易于处理非线性、离散问题，但在求解精确度上却没有传统数值算法高。另外，内点法因为存在无法处理离散变量、对初始点的要求高等缺陷而无法在此类优化配置问题上单独使用。因此将智能算法与传统非线性规划方法融合，结合各自优势并互补不足，理论上可以取得优于智能算法的效果。

发明内容

本发明就是针对上述问题，提供了一种将遗传算法与内点法有机结合的用于多种定制电力设备的新型优化配置策略，该混合策略利用遗传算法锁定各装置的最优安装位置并求得近似最优安装容量，将近似容量设为内点法初值寻找更加精确更优的安装容量。此外，分别基于约束越限和预判自适应对遗传算法和内点法做出改进，提高了寻优速度。

本发明采用的技术方案是，一种新型定制电力设备的优化配置策略，包括智能混合算法、基于约束越限的初始种群生成方法、基于预判迭代次数的自适应取值方法。

所述的智能混合算法，是由遗传算法与非线性内点法结合而成，用在定制电力设备的优化配置中，该算法具有局部搜索能力强，后期搜索效率高，更方便寻找精确优秀的设备参数。

所述的基于约束越限的初始种群生成方法，在随机赋值的基础上，根据约束是否越限加入扩展调整环节，大大加速了初始种群的生成效率。

所述的基于预判迭代次数的自适应 MERGEFORMAT 取值方法，主要作用是优化内点法中心参数的取值，提高了智能混合算法后半段内点法的寻优速度。

本发明的有益效果是：本发明的新型定制电力设备的优化配置策略，智能混合算法结合了遗传算法全局搜索能力强、易于处理离散变量以及非线性内点法局部搜索能力强、计算结果精确的优势，解决了遗传算法过早收敛且稳定性较差的缺陷。在定制电力设备的优化配置中运用该算法，在满足电能质量改善目标前提下，将设备投资降至更低，为电能质量改善装置的优化配置问题提供了参考，有一定的实际应用价值。

附图说明