電力系統(tǒng)無功電壓綜合優(yōu)化控制方法研究.pdf

1、電能是一種高效、清潔、經(jīng)濟(jì)、實用且容易控制和轉(zhuǎn)換的能源形式，在國民經(jīng)濟(jì)和人類日常生活中，已成為一種最為廣泛利用的能源，其應(yīng)用程度和相關(guān)技術(shù)設(shè)備的發(fā)展?fàn)顩r成為一個國家發(fā)展水平的主要標(biāo)志之一。電壓質(zhì)量是衡量電能質(zhì)量的實質(zhì)標(biāo)準(zhǔn)，目前影響電網(wǎng)電壓質(zhì)量的因素主要有無功功率優(yōu)化補償狀況、系統(tǒng)諧波抑制狀況以及各種故障因素等。 無功功率優(yōu)化補償提高電壓質(zhì)量，降低網(wǎng)絡(luò)有功損耗的理論研究已有很多年的歷史。用于無功/電壓優(yōu)化的算法主要有數(shù)學(xué)類的數(shù)值優(yōu)

2、化算法和人工智能類的啟發(fā)式優(yōu)化算法。數(shù)值優(yōu)化方法的求解依賴于精確的數(shù)學(xué)模型，而精確的數(shù)學(xué)模型隨著實際電力系統(tǒng)節(jié)點數(shù)的增多，求解變得十分復(fù)雜和困難，往往難于找到全局最優(yōu)解，并且求解速度很慢，難以適應(yīng)實時控制要求。因此，基于對自然界和人類本身的有效類比而獲得啟示的人工智能方法受到了研究人員的關(guān)注，其中以人工神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、模糊理論、遺傳算法、模擬退火算法、禁忌搜索算法、粒子群算法、進(jìn)化規(guī)劃、多Agent系統(tǒng)等為代表。這些人工智能算法不用

3、精確求解無功優(yōu)化的數(shù)學(xué)模型，而是以各種生物智能的方式來搜索滿足某些約束條件的最優(yōu)解，當(dāng)搜索結(jié)果與理想值誤差在某個限值之內(nèi)或達(dá)到一定的搜索步驟后，就可以以搜索到的結(jié)果來進(jìn)行控制。這種方法避免了精確求解的困難，使得優(yōu)化控制問題變得更加可行、實用。 本文即采用人工智能方法中的人工神經(jīng)網(wǎng)絡(luò)(ANN)和粒子群優(yōu)化(PSO)算法對電力系統(tǒng)的無功電壓優(yōu)化控制問題進(jìn)行研究、探索和嘗試。本文的主要工作可以概括如下： (1)應(yīng)用人工神經(jīng)網(wǎng)絡(luò)

4、理論，利用其中利用率最高的反向傳播BP神經(jīng)網(wǎng)絡(luò)進(jìn)行電力系統(tǒng)無功電壓綜合優(yōu)化控制的應(yīng)用研究，避開了傳統(tǒng)數(shù)值優(yōu)化算法中非線性、線性方程組求解復(fù)雜而困難的問題。本文提出了一種綜合的算法來確定神經(jīng)網(wǎng)絡(luò)中比較難于確定的隱層節(jié)點數(shù)目，同時提出了一種標(biāo)準(zhǔn)化方法來處理電力網(wǎng)絡(luò)的初始訓(xùn)練數(shù)據(jù)，以保證網(wǎng)絡(luò)訓(xùn)練的有效收斂。 (2)通過反復(fù)實驗對不同的訓(xùn)練函數(shù)的訓(xùn)練效果分別作了詳細(xì)的分析和對比，對訓(xùn)練完成后的網(wǎng)絡(luò)的泛化能力作了驗證和改進(jìn)。通過實例系統(tǒng)分

5、析了簡單的BP神經(jīng)網(wǎng)絡(luò)如果訓(xùn)練數(shù)據(jù)選取得比較適當(dāng)、網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)合理、參數(shù)設(shè)置合理，是可以滿足一定的訓(xùn)練精度要求的。 (3)研究了近幾年出現(xiàn)并應(yīng)用的新的智能計算方法——粒子群優(yōu)化算法，在電力系統(tǒng)無功電壓綜合優(yōu)化控制中的應(yīng)用。利用粒子群優(yōu)化算法比遺傳算法更簡單，更容易實現(xiàn)，控制變量少，收斂速度快的特點，提出了一種均勻初始化的可行解保留策略并具有自身探索機制的改進(jìn)粒子群優(yōu)化算法，即對于粒子群的初始化，不采用隨機初始化的方法，而是采用在

6、可行域內(nèi)按滿足均勻分布的規(guī)律產(chǎn)生初始粒子種群，使迭代更趨于全局；對于粒子在搜索過程中速度的更新，采用只有滿足問題可行解條件的粒子才能進(jìn)行粒子的速度和位置更新，以限制有效搜索的范圍和速度：其次采用粒子個體的自身探索機制指導(dǎo)粒子的全局尋優(yōu)，即采用適應(yīng)值好的滿足可行解要求的若干個粒子作為個體最優(yōu)，而不是只有粒子本身的歷史最優(yōu)來指導(dǎo)粒子的飛行，這樣使得粒子的搜索信息多樣，避免粒子陷入局優(yōu)。 (4)對于粒子群優(yōu)化算法的改進(jìn)本文還提出了一種

7、混沌變異的方法。即對于改進(jìn)的粒子若仍有陷入局優(yōu)的可能，則在適應(yīng)值連續(xù)若干代沒有明顯變化時引進(jìn)混沌變異機制，運用Logistic方程產(chǎn)生混沌變異序列，幫助粒子跳出局部最優(yōu)。改進(jìn)后的算法經(jīng)算例證明比基本的粒子群算法收斂性好，收斂速度加快。 (5)綜合了粒子群優(yōu)化算法和神經(jīng)網(wǎng)絡(luò)的特點，利用粒子群優(yōu)化算法和改進(jìn)的粒子群優(yōu)化算法，即滿足可行解保留策略的均勻初始化的混沌變異的粒子群優(yōu)化算法的快速搜索和良好的收斂性能優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值

8、和閾值，利用優(yōu)化得到的BP網(wǎng)絡(luò)對系統(tǒng)做無功電壓的綜合優(yōu)化，實例表明網(wǎng)絡(luò)最終的優(yōu)化結(jié)果收斂性能、收斂速度、泛化能力均有相當(dāng)?shù)奶岣摺?(6)提出了一種BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化新方法，即利用改進(jìn)的粒子群優(yōu)化算法對BP網(wǎng)絡(luò)中的各網(wǎng)絡(luò)參數(shù)，包括網(wǎng)絡(luò)的隱層節(jié)點數(shù)目、學(xué)習(xí)率和動量因子等參數(shù)進(jìn)行整體優(yōu)化，用得出的優(yōu)化網(wǎng)絡(luò)進(jìn)，行系統(tǒng)無功電壓綜合控制。實例同樣證明了此種改進(jìn)后的網(wǎng)絡(luò)收斂速度和泛化能力得到了相當(dāng)?shù)奶岣摺?從本文的研究和試驗