申请/专利权人：湖南工业大学

申请日：2021-12-30

公开（公告）日：2024-04-30

公开（公告）号：CN114709836B

主分类号：H02J3/16

分类号：H02J3/16;H02J3/18;H02J3/38;H02J3/24;G06F17/18;G06N3/006;G06Q50/06

优先权：

专利状态码：有效-授权

法律状态：2024.04.30#授权;2022.07.22#实质审查的生效;2022.07.05#公开

摘要：一种基于AG‑MOPSO的含风电配电网无功优化方法，包括以下步骤：S1：建立风电场出力的概率模型，将风电出力的不确定性转换为典型场景下的场景功率；S2：建立以有功网损和电压偏差最小为目标函数的含风电的配电网的无功优化模型，该模型选择无功补偿设备投切组数以及风电机组无功输出作为控制变量，负荷节点电压作为状态变量；S3：提出基于AG‑MOPSO算法，通过AG‑MOPSO算法对含风电的配电网无功优化模型进行求解，保证Pareto前沿分布的均匀性和多样性。针对风电机组并网出力的不确定性与传统方法得到的Pareto前沿多样性较差的问题，本申请采用基于概率发生的场景分析法，提出了基于自适应网格的多目标粒子群算法，有效地保证了Pareto前沿分布的均匀性和多样性。

主权项：1.一种基于AG-MOPSO的含风电配电网无功优化方法，其特征在于，包括以下步骤：S1：建立风电场出力的概率模型，将风电出力的不确定性转换为典型场景下的场景功率：S1.1：由风电机组的功率特性曲线得到的输出功率pw和风速v之间的关系；S1.2：将风电机组的输出功率划分为三种典型场景；S1.3：结合概率密度函数计算三种典型场景下的风电机组输出功率；S1.4：将三种典型场景的风电机组输出功率与其概率分别相乘后求和，得到风电机组的期望输出功率，作为风机的有功输出；S2：建立以有功网损和电压偏差最小为目标函数的含风电的配电网的无功优化模型，该模型选择无功补偿设备投切组数以及风电机组无功输出作为控制变量，负荷节点电压作为状态变量；S3：提出基于AG-MOPSO算法，通过AG-MOPSO算法对含风电的配电网无功优化模型进行求解，保证Pareto前沿分布的均匀性和多样性：S3.1：读入电网运行数据，设置AG-MOPSO算法参数，对控制变量进行编码x＝[QCZ1,QCZ2,…,QCZi,…|QWG1,QWG2,…QWGi,…]，其中QCZi为第i台电容器组投切组数，QWGi为第i台风电机组的无功输出；S3.2：初始化粒子的位置和速度，潮流计算得出相应的有功网损和电压偏差；S3.3：取当前各粒子位置为个体最优位置pbest，判断它们之间的支配关系，将非支配解放入外部档案库中，通过全局最优粒子选取原则确定全局最优位置gbest；S3.4：迭代更新粒子的位置和速度，潮流计算产生新的解集；S3.5：通过个体最优粒子选取原则确定pbest，同时将其中的非支配解添加到外部档案库中，利用外部档案库维护原则保持Pareto最优解的数量，再次通过全局最优粒子选取原则确定gbest；S3.6：若算法达到最大迭代次数或者满足收敛条件，则输出外部档案库中的Pareto最优解，否则跳转至步骤S3.4继续计算；所述外部档案库中的Pareto最优解通过自适应网格的构建得到：对于m个目标函数的优化问题，构成的m维目标空间，需要设置2m个边界的网格，定义第k次迭代第m个目标上的网格上下边界和分别为： 其中，和分别为第m个目标函数的最大值和最小值，h为膨胀系数；由于迭代过程中，和是不断变化的，因此网格边界能够自适应调整，更好地反映解的分布情况，进一步的，得到函数值对应的网格坐标为： 其中，为第k次迭代第m个目标函数的网格大小，g为划分的网格数目，[·]为取整函数，根据该式能够计算出每个网格内Pareto最优解的个数，反映出网格内粒子的密度信息；所述最优粒子的选取主要是对个体最优位置pbest和全局最优位置gbest的选择：通过判断当前粒子位置与历史个体最优位置的支配关系，选择非支配的粒子为pbest，若互不支配，则随机选择；为保证Pareto前沿分布的均匀性，采用粒子的密度信息来选取gbest，第k次迭代第i个网格被选择的概率为： 其中，G为含有粒子的网格数目，为第k次迭代第i个网格中的粒子个数，该式表示网格中粒子数越少，Pik的值就越大，结合轮盘赌机制，Pik越大说明网格被选取的概率越大，确定网格后随机选取网格内的一个粒子作为全局最优位置gbest；为限制存储非支配解的所述外部档案的规模以及减少计算复杂度，设置最大存储数目：首先判断新的非支配解与外部档案内解的支配关系，保留其中的非支配解；然后检查外部档案规模是否超过最大存储数目，若是，则采用粒子的密度信息和轮盘赌机制删除非支配解，第i个网格被选择的概率为： 其中，G为含有粒子的网格数目，Ni为第i个网格中的粒子个数，该式表示网格中粒子数越多，Pi的值就越大，被选取的概率越大；最后从选择的网格中随机删除一个粒子；重复选择删除的过程，直到外部档案库不超过最大的存储数目。

全文数据：

权利要求：

百度查询： 湖南工业大学 基于AG-MOPSO的含风电配电网无功优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD