[发明专利]基于多目标混合宇宙大爆炸算法的配电网无功优化方法

说明书

技术领域

本发明涉及电力电子技术领域，特别涉及一种基于多目标混合宇宙大爆炸算法的配电网无功优化方法及装置。

背景技术

随着我国电力行业迅速发展，全国范围内的电力设备迅速增加、发电装机容量不断增大，但与此同时，用户对供电的质量和稳定性也有着越来越高的要求。然而，无功功率是影响电力系统电压质量的重要因素。无功不足会引起电压下降，如果低于临界值，甚至可能使系统崩溃。如果无功功率过剩，可能使系统电压偏高，影响电气设备的使用期限，还会造成无功设备的浪费。

近些年，由于常规能源紧缺加之环境问题越发突出，国际上普遍开始关注以绿色环保著称的新能源。分布式能源(Distributed Generation，DG)具有清洁、可再生等优点，被逐步引入到电力系统中。分布式电源并网，改变了传统电网的潮流分布，可能导致局部地区无功不足或过剩、使系统电压过低或过高，甚至超出正常范围。电力系统的无功优化配置，除了可以优化电压质量，维持系统安全，还能降低系统有功损耗、提高资源利用率。

现有技术中，对于含DG的配电网无功优化方法，在配电网无功优化计算的过程中，其收敛性和精确性不是很好，不能准确快速的对含DG的配电网进行无功优化。因此，如何提供一种可以提高配电网无功优化计算的收敛速度和计算精确度，是现今急需解决的问题。

发明内容

本发明的目的是提供一种基于多目标混合宇宙大爆炸算法的配电网无功优化方法及装置，以提高配电网无功优化计算的收敛速度和计算精确度。

为解决上述技术问题，本发明提供一种基于多目标混合宇宙大爆炸算法的配电网无功优化方法，包括：

获取原始数据；其中，所述原始数据包括种群规模、最大迭代次数和基于多目标混合宇宙大爆炸算法的更新公式的预设参数；

初始化产生包含所述种群规模的碎片解的当前种群，并计算获取所述当前种群中的每个碎片解的目标函数值，确定所述当前种群中的第一非支配集；

判断所述当前种群对应的迭代次数是否小于所述最大迭代次数；

若是，则利用所述更新公式对所述当前种群进行收缩爆炸，产生新种群，并计算获取所述新种群中的每个碎片解的目标函数值；其中，所述新种群包含所述种群规模的碎片解；

合并所述当前种群和所述新种群，构成包含两倍所述种群规模的碎片解的组合种群，并确定所述组合种群中的第二非支配集；

更新所述第二非支配集，形成包含所述种群规模的碎片解的下一代种群，并将所述下一代种群作为所述当前种群，执行所述判断所述当前种群对应的迭代次数是否小于所述最大迭代次数的步骤；其中，所述下一代种群的对应的迭代次数为所述当前种群对应的迭代次数加1；

若否，则输出所述第一非支配集或所述第二非支配集中的最优非支配解。

可选的，所述利用所述更新公式对所述当前种群进行收缩爆炸，产生新种群，包括：

利用获取所述新种群中的每个碎片解；

其中，t为迭代次数，为在第t+1次迭代中第i个碎片解的第d维坐标分量，ε₁、ε₂、x_max、x_min和a₁均为所述预设参数中的系数，为在第t次迭代的收缩阶段的原子解的第d维坐标分量，为在第t次迭代第i个碎片解的全局最优碎片解的第d维坐标分量，为在第t次迭代第i个碎片解的个体最优位置的第d维坐标分量。

可选的，所述利用所述更新公式对所述当前种群进行收缩爆炸，产生新种群之前，还包括：

根据所述第一非支配集或所述第二非支配集确定所述当前种群中的每个碎片解对应的全局最优碎片解，更新所述当前种群中的每个碎片解的个体最优位置。

可选的，所述计算获取所述当前种群中的每个碎片解的目标函数值，包括：

利用含DG的配电网多目标无功优化模型，计算获取所述当前种群中的每个碎片解的目标函数值；其中，所述目标函数值包括最小化系统有功网损、最大化静态电压稳定裕度和最小化电压偏差。

可选的，所述更新所述第二非支配集，包括：

利用循环拥挤距离排序策略，更新所述第二非支配集。

此外，本发明还提供了一种基于多目标混合宇宙大爆炸算法的配电网无功优化装置，包括：

获取模块，用于获取原始数据；其中，所述原始数据包括种群规模、最大迭代次数和基于多目标混合宇宙大爆炸算法的更新公式的预设参数；