[发明专利]基于遗传优化算法的同步调相机容量配置方法

说明书

本发明公开了一种基于遗传优化算法的同步调相机容量配置方法，其步骤如下：分别在BPA和MatLab中建立电力系统暂态仿真模型和调相机容量优化配置模型，初始化个体数量n，交叉率c，变异率v，最大迭代次数N，收敛误差ε等参数，随机生成初始种群，开始迭代；BPA读取调相机容量进行暂态仿真，生成仿真数据，MatLab读取仿真数据，归一化处理数据，计算当前种群的适应度函数；保存适应度函数最小的个体记为SCo；基于遗传算法进行选择、交叉和变异，生产新一代种群，判断是否满足收敛条件，若是则跳出迭代，若否则继续进行迭代。本方法基于遗传优化算法实现了提升系统稳定性的同步调相机容量配置问题的自动迭代和优化求解。

技术领域

本发明属于电力系统无功补偿优化配置技术领域，具体涉及一种基于遗传优化算法的同步调相机容量配置方法。

背景技术

近年来，我国电网呈现交直流混联的复杂形势，直流受端电网的电压稳定问题日益凸显。为提高直流受端电网的暂态电压水平，需安装足够的无功补偿装置。同步调相机作为一种能提供动态无功的代表性设备，是事故后快速提供无功补偿的理想设备。同步调相机的优化配置成为保障直流受端系统电压稳定性的重要问题之一。

现有的同步调相机容量优化配置方法存在人工迭代繁琐，计算量大，计算效率低，准确度不高等问题。

发明内容

为了克服上述现有技术存在的问题，本发明的目的在于提出了一种基于遗传优化算法的同步调相机容量配置方法，该方法使用BPA软件进行仿真获得适应度函数值，MatLab比较适应度函数值不断迭代更新个体，进而找到满足约束的最优个体，能够高效地求解提升系统稳定性的同步调相机容量优化配置问题。

为了达到上述目的，本发明采用如下技术方案：

步骤1：在BPA软件(电力系统分析软件)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]，式中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。

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；