[发明专利]基于遗传优化算法的同步调相机容量配置方法

权利要求书

1.一种基于遗传优化算法的同步调相机容量配置方法，其特征在于：具体步骤如下:

步骤1：在BPA软件中建立含同步调相机的电力系统暂态仿真模型；

步骤2：在Maltab中建立同步调相机容量优化配置模型，确定目标函数和约束条件，目标函数具体包括同步调相机的安装成本和安全性指标，约束条件具体包括调相机安装位置和容量上限Q_imax；

步骤3：将s个无功补偿点的同步调相机容量作为一个个体的s个分量，即每一个个体的值为[Q₁,Q₂,…,Q_i,…,Q_s]，其中Q_i为个体第i个同步调相机的容量；随机生成包含n个个体的初始种群，令迭代次数k＝1；

步骤4：调用BPA软件进行仿真，获得每个个体所代表的同步调相机容量配置方案下发生预想故障时暂态电压跌落数据，在MatLab中归一化处理暂态电压跌落数据，计算各个体的适应度函数；

步骤5：保存适应度函数最大的个体，记为调相机最优配置容量SCo；

步骤6：对个体进行二进制编码，执行选择、交叉和变异操作，然后将进化后个体还原至十进制，生成新的种群；

步骤7：判断迭代次数是否大于最大迭代次数，若否，则令k＝k+1，返回步骤4继续进行迭代，若是则跳出循环；

步骤8：输出此时SCo，即为同步调相机容量最优配置方案。

2.根据权利要求1所述的一种基于遗传优化算法的同步调相机容量配置方法，其特征在于：步骤4中所述的适应度函数如下式所示：

式中，a₁代表了经济成本目标函数的权值，a₂代表了受端系统最大跌落电压目标函数的权值，且a₁+a₂＝1；f₁代表同步调相机容量配置方案中的经济成本子目标函数，其值按式(2)计算：

式中，C_pu为单位容量同步调相机的费用；

f₂代表安装同步调相机后受端系统电压最大跌落指标，具体定义如下：

式中，q代表故障总数；p_g代表了故障g的发生概率；m为受端系统母线总数；V_i,min代表母线i在发生故障时的电压最低值，其通过时域仿真获取；V_i,0代表了母线i的稳态电压值。

3.根据权利要求1所述的一种基于遗传优化算法的同步调相机容量配置方法，其特征在于：步骤6中，执行选择、交叉和变异操作，选择的原则为：按照概率选择个体组成新的种群，第l个个体选中的概率P_l为：

式中，F_l是第l个个体的适应度函数，F_sum是所有个体的适应度函数之和；

交叉的原则为：对种群进行随机配对，逐一对配对的个体随机选择一个交叉位置按照设定的交叉率c进行交叉；

变异的原则为：随机选择某一个体，对选择的个体随机选择位置按照变异率v进行变异。