劉凡齊，李學(xué)生，潘俊濤，王君瑞

(北方民族大學(xué)電氣信息工程學(xué)院，寧夏銀川 750021)

基于分布型電力系統(tǒng)的PSO優(yōu)化設(shè)計(jì)

劉凡齊，李學(xué)生，潘俊濤，王君瑞

(北方民族大學(xué)電氣信息工程學(xué)院，寧夏銀川 750021)

優(yōu)化了傳統(tǒng)粒子群算法，運(yùn)用了混沌算法對粒子做初始化，優(yōu)化了傳統(tǒng)粒子群算法的收斂特性，并在算法的優(yōu)化過程中，增加了混沌干擾元素對整體最優(yōu)化極值做混沌干擾，將符合雜交幾率的優(yōu)化粒子做雜交處理，提高了粒子群的種類，增強(qiáng)了粒子群算法的搜尋水平。并通過IEEE33節(jié)點(diǎn)的分布型電力系統(tǒng)做無功優(yōu)化仿真驗(yàn)證，通過比較，驗(yàn)證了優(yōu)化算法的優(yōu)越性與準(zhǔn)確性。

電力系統(tǒng);粒子群;雜交策略;無功補(bǔ)償;混沌算法

1 混沌算法優(yōu)化粒子群算法

基于傳統(tǒng)粒子群算法初始化步驟為任意選取這一特點(diǎn)，本文擬提出應(yīng)用混沌算法優(yōu)化初始化，混沌即利用特定的方程求解出具有混沌特性的變量(混沌變量)?；煦缭淼奶匦匀缦?混沌變量和隨機(jī)變量非常接近，體現(xiàn)其任意性;在空間方面，混沌可以設(shè)定為無重復(fù)經(jīng)歷全部狀態(tài)的總和;由方程式可得，混沌變量的求解過程是通過特定方程的迭代計(jì)算而出的，具有一定的規(guī)律性。通過混沌算法改進(jìn)電力系統(tǒng)無功優(yōu)化可以實(shí)現(xiàn)多方面的改進(jìn)，如不論無功優(yōu)化的計(jì)算函數(shù)連續(xù)與否，可以利用混沌算法中，混沌可以設(shè)定為無重復(fù)經(jīng)歷全部狀態(tài)的總和這一特征實(shí)現(xiàn)非重復(fù)性的整體搜索功能。

2 雜交策略

算法優(yōu)化的中心思想如下:采用混沌干擾因子對粒子群中整體最優(yōu)位置做擾動(dòng)處理，依據(jù)設(shè)定的雜交幾率，通過雜交因子對剩余粒子做成對雜交處理，這樣有效地增多了粒子群的種類，不僅避免了引起局部最優(yōu)情況，又提高了具體算法的整體搜尋水平。具體步驟為:在算法的尋優(yōu)環(huán)節(jié)中，針對雜交粒子群任意給定某一特定的雜交幾率，且粒子群的適應(yīng)度大小與雜交幾率無關(guān)，因此每次迭代尋優(yōu)的過程中，都會(huì)根據(jù)這一設(shè)定的幾率去提取定量的粒子做成對雜交處理，雜交結(jié)束后，將產(chǎn)生孩子粒子，其數(shù)目等同于所提取的雜交粒子個(gè)數(shù)，為了保持粒子群中粒子數(shù)目的恒定性，應(yīng)將粒子群中做雜交處理的全部粒子都由孩子粒子代替。孩子粒子位置的確定方法是通過父母粒子的具體位置做數(shù)學(xué)交叉求解得來。

3 基于優(yōu)化算法的無功優(yōu)化過程

(1)輸入電力系統(tǒng)初始參數(shù)，即算法計(jì)算需要的原始數(shù)據(jù);

(2)統(tǒng)計(jì)發(fā)電機(jī)組在不同階段的輸出功率值;

(3)通過混沌算法對粒子群做初始化;

(4)以給定電力系統(tǒng)為對象，做節(jié)點(diǎn)電壓及線路功率分布分析，計(jì)算所有粒子的適應(yīng)度值的大小，提取適應(yīng)度較好的n個(gè)粒子作為初始值，隨時(shí)刷新計(jì)算粒子的原始位置與速率，完成對刷新粒子群中整體最優(yōu)值pg和個(gè)體最優(yōu)值pi的計(jì)算;

(5)當(dāng)符合迭代尋優(yōu)過程的截止條件時(shí)，則結(jié)束迭代尋優(yōu)過程，輸出結(jié)果;

(6)判定算法狀態(tài)是否為早熟狀態(tài)，若算法處于早熟狀態(tài)則繼續(xù)，否則跳至步驟(8);

(7)對粒子群所處的最優(yōu)位置 做混沌優(yōu)化處理，得到一個(gè)混沌變量可行解序列

(9)依據(jù)初始化過程中所給定的雜交幾率提取余下的粒子群，并對其做成對雜交處理，計(jì)算得出孩子粒子，且其個(gè)數(shù)等同于父母粒子個(gè)數(shù)，并確定其所處位置與速率;

(10)刷新全部粒子所處位置與速率，返回步驟(4)。

4 算例分析

本文通過建立分布型IEEE33節(jié)點(diǎn)電力系統(tǒng)模型，并采用優(yōu)化的粒子群算法對系統(tǒng)做無功優(yōu)化，含有分布式電源電力系統(tǒng)簡易結(jié)構(gòu)見圖1。具體電力系統(tǒng)節(jié)點(diǎn)電壓的取值范圍:［0．95，1．05］。在1號(hào)節(jié)點(diǎn)處，添加唯一1臺(tái)有載調(diào)壓變壓器，其共有11個(gè)電壓分接頭，實(shí)現(xiàn)可調(diào)變比功能。并在系統(tǒng)中10、14、17和31號(hào)節(jié)點(diǎn)處加裝投切并聯(lián)電容器。其中分布式電源布置在第33號(hào)節(jié)點(diǎn)上。

圖1 IEEE33節(jié)點(diǎn)電力系統(tǒng)

設(shè)定發(fā)電機(jī)組工作條件相同即發(fā)電功率一致，表1、表2分別代表傳統(tǒng)粒子群算法和整體混沌雜交粒子算法對已建立的分布型IEEE33節(jié)點(diǎn)電力系統(tǒng)做無功優(yōu)化的仿真數(shù)據(jù)分析。從表中數(shù)據(jù)可知，利用本文優(yōu)化的算法對電力系統(tǒng)做無功優(yōu)化的結(jié)果相對于傳統(tǒng)粒子群算法而言，其有功網(wǎng)損略有下降，且接入33節(jié)點(diǎn)的電壓相對于傳統(tǒng)粒子去算法的無功優(yōu)化后的電壓較高。

表1 基于粒子群算法的無功優(yōu)化結(jié)果

表2 基于優(yōu)化算法的無功優(yōu)化結(jié)果

圖2是在風(fēng)速為6m/s情況下，電力系統(tǒng)有功功率損耗在迭代過程中的變化趨勢，其中模型為IEEE33節(jié)點(diǎn)電力系統(tǒng)，分別應(yīng)用傳統(tǒng)粒子群算法和本文優(yōu)化算法。從圖2可知，采用整體混沌雜交粒子算法相對于傳統(tǒng)算法而言，電力系統(tǒng)無功優(yōu)化有功損耗量較少，說明了改進(jìn)算法的優(yōu)越性。

圖2 目標(biāo)函數(shù)

圖3 風(fēng)速為6m/s時(shí)節(jié)點(diǎn)電壓

圖4 風(fēng)速為8m/s時(shí)節(jié)點(diǎn)電壓

圖5 風(fēng)速為10．3m/s時(shí)節(jié)點(diǎn)電壓

圖3 、圖4和圖5分別是在不同風(fēng)速情況下，分布型電源并入配電網(wǎng)前后，線路全部節(jié)點(diǎn)的電壓情況。發(fā)電機(jī)組投切無功優(yōu)化與否并不會(huì)產(chǎn)生過多的優(yōu)勢，系統(tǒng)中各節(jié)點(diǎn)的電壓值都在穩(wěn)定運(yùn)行的電壓范圍內(nèi)，但含有分布型電源的電力系統(tǒng)運(yùn)行中，其電壓幅值及頻率即電能質(zhì)量具有明顯的優(yōu)越性，其中通過整體混沌雜交算法的電力系統(tǒng)節(jié)點(diǎn)電壓質(zhì)量相對更為穩(wěn)定。從計(jì)算結(jié)果可知，當(dāng)風(fēng)速過大即電機(jī)輸出功率過大時(shí)，不含有分布型電源的電力系統(tǒng)在完成無功優(yōu)化后，某些節(jié)點(diǎn)電壓就不在電網(wǎng)正常運(yùn)行的電壓范圍之內(nèi)，嚴(yán)重影響了系統(tǒng)的穩(wěn)定性與運(yùn)行安全性，但含有分布型電源的系統(tǒng)運(yùn)行過程中，節(jié)點(diǎn)電壓相對穩(wěn)定，保證了系統(tǒng)的穩(wěn)定運(yùn)行。

5 結(jié)語

優(yōu)化了傳統(tǒng)粒子群算法，在其中融合了混沌算法與雜交因子理論，利用混沌算法先對粒子做初始化，通過混沌干擾因子對整體最優(yōu)極值做擾動(dòng)處理，最后通過雜交因子對滿足雜交幾率的粒子做雜交處理，通過上述的優(yōu)化處理，增多了粒子的種類，拓寬了粒子的尋優(yōu)范圍，提高了整體水平。搭建了IEEE33節(jié)點(diǎn)的電力系統(tǒng)模型，對傳統(tǒng)粒子群算法與優(yōu)化的算法做仿真比對，由仿真結(jié)果可得，優(yōu)化算法具有較高的魯棒性，且顯著提升了整體尋優(yōu)水平。

［1］Li T A，Long S C，F(xiàn)eng G．A novel robust adaptive fuzzy track controls for the class of nonlinear systems［J］．IEEE Trans on Fuzzy Systems，2010，23(1):124－137．

［2］王施丹，徐力杰，王偉．分布型電力系統(tǒng)無功優(yōu)化研究方法［J］．華北電力大學(xué)學(xué)報(bào)，2012，28(2):41－55．

［3］楊光杰，鄭華．分布型電力系統(tǒng)電壓無功優(yōu)化方法的改進(jìn)與設(shè)計(jì)［J］．現(xiàn)代電力，2012，29(2):45－56．

［4］陳書恒，黨小強(qiáng)，李興媛，等．含有DG裝置與設(shè)備成本的電力系統(tǒng)無功優(yōu)化［J］．電力系統(tǒng)保護(hù)與控制，2012，38(21):37－55．

［5］劉炎華，田茹，張東映，等．風(fēng)電發(fā)電平滑效果的研究［J］．電網(wǎng)技術(shù)，2012，16(12):2－6．

［6］劉新東，方科，陳煥．利用棄風(fēng)提高大容量風(fēng)電消納能力的淺析［J］．電力系統(tǒng)保護(hù)與控制，2012，33(6):33－39．

［7］Mates A，Bessar R J．Setting the operae reserves using probabilistic power forecast［J］．IEEE Transactions on the Power Systems，2011，526(2):594－601．

［8］Margano E，F(xiàn)aran J，Resande M L，et al．A new controlling strategies the effect compensations for autonomous induction generator speed range turbine［J］．Energy Conversions Managements，2013，52(5): 2142－2155．

［9］丁玉鳳，文勁宇．基于改進(jìn)PSO算法的電力系統(tǒng)無功優(yōu)化研究［J］．繼電器，2011，33(33):20－24．

［10］Peng，Lei，Zhang Jianping．Reactive power optimization of hybrid AC/HVDC power system based on genetic algorithm and particle swarm optimization［J］．Gaodianya Jishu，2012，32(4):78－81．

［11］顧潔，陳章潮，張林．基于遺傳算法的無功優(yōu)化模型研究［J］．電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)，2011，13(3):10－12．

［12］楊維，李歧強(qiáng)．粒子群優(yōu)化算法綜述［J］．中國工程科學(xué)，2012，6 (5):87－94．

［13］李愛國，覃征，鮑復(fù)民，等．粒子群優(yōu)化算法［J］．計(jì)算機(jī)工程與應(yīng)用，2012，38(21):1－3．

［14］謝曉鋒，張文俊，楊之廉．微粒群算法綜述［J］．控制與決策，2013，18(2):129－134．

［15］Shi Y，Eberhart R．C．Empirical study of particle swarm optimization［C］．Proceedings of the Congress on Evolutionary Computation．2010．

［16］Ho K L，Hsu Y Y，Yang C C．Short Term load Forecasting Using a Multilayer Neural Network with an Adaptive Learning Algorithm［J］．IEEE Trans on Power Systems，2010，7(1):141－149．

［17］Li T S，Tong S C，F(xiàn)eng G．A novel robust adaptive fuzzy tracking control for a class of nonlinear MIMO systems［J］．IEEE Trans on Fuzzy Systems，2012，18(1):150－160．

［18］吳汕，梅天華．分布式發(fā)電引起的電壓波動(dòng)和閃變［J］．能源工程．2011(04):55－60．

［19］Angeline P J．Using selection to improve particle swarm optimization［C］．Proceedings of IJCNN，Washington，2010．

［20］Fukuyama Y．Fundamentals of particle swarm techniques，Modern Heuristic Optimization Techniques with Applications to Power Systems［J］．IEEE Power Engineering Society，2012．

［21］Eberhart R C，Shi Y H．Particle swarm optimization，developments，applications and resources［M］．NJ:IEEE Press，2011．

［22］Chen Yan－qiu，Zhang Yao，Wei Ying－h(huán)ua．Application of Improved Genetic Algorithm Combining Sensitivity Analysis to Reactive Power Optimization for Power System［C］．IEEE Transactions on Restrictions Apply．Nanjing(China):2013．

［23］王世丹，徐麗杰，王 瑋．含分布電源的配電系統(tǒng)無功優(yōu)化研究［J］．華北電力大學(xué)學(xué)報(bào)，2012．39(2):39－69．

Design on PSO of distribution network

It use chaos algorithm on the algorithm of the particle in the swarm initializing．The convergence of algorithm is improved．The algorithm add chaotic disturbance fact．In order to chaotic disturbances for the global optimal values，in addition to meet probability of cross the particle hybrid operations，increasing the diversity of particle，improving the global search ability of the PSO algorithm．It introduces the reactive power optimization background，to establish the power web without reactive power optimization models，and carry on the simulation of the IEEE33 system，showing the optimization operations of the distribution work is effective．

power system;PSO;hybrid strategy;reactive power compensation;Chaos algorithm

TM761

B

1674－8069(2015)03－054－03

2015-03-06;

2015-04-20

劉凡齊(1986-)，男，碩士，助教，研究方向?yàn)殡娏ο到y(tǒng)電壓穩(wěn)定性分析。E－mail:liufanqi1986@126．com

國家自然科學(xué)基金項(xiàng)目(61463001);寧夏自治區(qū)自然科學(xué)基金項(xiàng)目(NZ14106)