CN109193657A - 基于粒子群算法的三端柔性多状态开关谐波治理方法 - Google Patents
基于粒子群算法的三端柔性多状态开关谐波治理方法 Download PDFInfo
- Publication number
- CN109193657A CN109193657A CN201811249783.1A CN201811249783A CN109193657A CN 109193657 A CN109193657 A CN 109193657A CN 201811249783 A CN201811249783 A CN 201811249783A CN 109193657 A CN109193657 A CN 109193657A
- Authority
- CN
- China
- Prior art keywords
- harmonic
- formula
- particle
- node
- generation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/01—Arrangements for reducing harmonics or ripples
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/40—Arrangements for reducing harmonics
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于粒子群算法的三端柔性多状态开关谐波治理方法,其特征是:根据配电系统结构及接入的各元件参数,以节点电压谐波畸变率均方根最小为目标函数,建立三端柔性多状态开关谐波治理优化模型;采用粒子群算法求解所述优化模型,最终得到柔性多状态开关三个端口中最优的补偿电流输出端口及相应的各次谐波补偿电流值。本发明将三端柔性多状态开关作为谐波治理装置,充分发挥了柔性多状态开关在配电网谐波治理方面的作用,拓宽了柔性多状态开关的功能性。
Description
技术领域
本发明涉及配电网中谐波治理方法,尤其涉及基于粒子群算法的三端柔性多状态开关谐波治理方法。
背景技术
随着电力电子技术的发展,大量非线性负荷的出现使电网的谐波污染问题日益严重。电力系统的谐波问题引起人们越来越多的关注。在许多区域配电网中出现了多个谐波源,甚至一条线路或母线上就有多个类型的谐波源,形成了多谐波源网络。目前谐波治理的主要采用有源电力滤波器(APF)和无源滤波器。无源滤波器成本低,但是只能补偿特定几次固定频率的谐波,且易发生并联谐振,放大谐波分量。有源电力滤波器能够精准地补偿各种大小和相位的谐波,但是在多谐波源网络,依据“谁污染,谁治理”的原则安装多个有源电力滤波器等滤波装置,给电力系统的运行带来巨大成本负担。
柔性多状态开关是一种新型的电力电子设备,替代传统配电网中的联络开关或分段开关,能有效避免常规开关倒闸操作引起的供电中断、合环冲击等问题。目前对于含有柔性多状态开关的有源配电网的研究刚刚起步,相关研究主要涉及配电网规划、运行控制和优化调度,未见柔性多状态开关在配电网谐波治理方面的公开报导。
发明内容
本发明是为避免上述现有技术所存在的问题,提供一种灵活的基于粒子群算法的三端柔性多状态开关谐波治理方法,将柔性多状态开关运用到配电网的谐波治理中,实现对配电网中电压谐波问题的集中治理。以期精准地补偿各种大小与相位的谐波,使配电网谐波含量符合国家公用电网谐波标准的规定。通过三个端口的灵活调节减少滤波装置安装数量,降低电力系统运行成本,提高谐波治理效率。
本发明为解决技术问题采用如下技术方案
本发明基于粒子群算法的三端柔性多状态开关谐波治理方法的特点是:根据配电系统结构及接入的各元件参数,以节点电压谐波畸变率均方根最小为目标函数,建立三端柔性多状态开关谐波治理优化模型;采用粒子群算法求解所述优化模型,最终得到柔性多状态开关三个端口中最优的补偿电流输出端口及相应的各次谐波补偿电流值。
本发明基于粒子群算法的三端柔性多状态开关谐波治理方法的特点也在于是按如下步骤进行:
步骤1、根据实际配电系统得到并向MATLAB软件输入配电系统结构及接入的各元件参数,包括:线路参数、负荷水平、分布式电源的容量及接入位置,三端柔性多状态开关的容量及接入位置,谐波源负载的位置及占节点总负荷比例,系统基准电压和基准功率;
步骤2、利用步骤1中所获得的配电系统结构及接入的各元件参数,根据牛顿拉夫逊谐波解耦算法,求解获得h次节点谐波电压矩阵Uh,将所述三端柔性多状态开关的三个端口分别单独作为谐波补偿电流的输出端口,以节点电压谐波畸变率均方根最小为目标函数minf,以各节点总电压谐波畸变率和各节点各次谐波电压含量以及三端柔性多状态开关最大容量为约束条件,建立三端柔性多状态开关谐波治理优化模型;
步骤3、采用粒子群算法针对所述三端柔性多状态开关谐波治理优化模型进行求解,获得三个端口中最优的补偿电流输出端口及相应的各次谐波补偿电流值Ic,为柔性多状态开关注入的h次节点谐波补偿电流矩阵,h为谐波阶次,h=2,3…H,H为最高补偿谐波次数。
本发明基于粒子群算法的三端柔性多状态开关谐波治理方法的特点也在于是按如下方式求解获得h次节点谐波电压矩阵Uh:
为n节点h次谐波电压,n为节点号,n=1,2…N,N为节点总数;
所述h次节点谐波电压矩阵Uh由式(1)所表征:
式(1)中,Yh为h次节点谐波导纳矩阵,Ih为h次节点谐波电流矩阵,在未接入柔性多状态开关时,即谐波治理前,将视为0;
所述以节点电压谐波畸变率均方根最小的目标函数minf由式(2)所表征:
式(2)中,UTHDn为各节点总谐波电压畸变率,为节点n的基波电压;
所述各节点总电压谐波畸变率约束由式(3)所表征:
式(3)中,UTHDmax为给定的各节点总谐波电压畸变率最大值;
所述各节点各次谐波电压含量约束由式(4)所表征:
式(4)中,为节点n的h次电压谐波含量,为给定的各节点h次电压谐波含量上限值;
所述三端柔性多状态开关最大容量约束由式(5)所表征:
式(5)中,为基波电流补偿量,Imax为柔性多状态开关最大电流容量。
本发明基于粒子群算法的三端柔性多状态开关谐波治理方法的特点也在于,所述步骤3中的粒子群算法是按如下过程进行的改进粒子群算法:
4.1、按式(6)计算粒子半径:
式(6)中,Ri为第i个粒子的动态半径,i为粒子编号,i=1,2,…I,I为粒子总数,j为粒子维数,j=1,2...D,D为粒子的总维数,t为当前迭代数,m为到t代之前经历的迭代数,为第i个粒子第j维在第m代的位置,为第i个粒子第j维在第m代的历史最优位置;
4.2、引入拓扑项:在由式(12)所表征的速度更新式中引入拓扑项:
式(7)中,为第i个粒子在t代的拓扑项,Ω为第i个粒子所在的种群集合,g为集合Ω的粒子编号,G为集合Ω的粒子总个数,为集合Ω里粒子g在第t代的速度;
4.3、动态参数调整:惯性权重因子w由式(8)所表征:
w=wmin+(wmax-wmin)×rand() (8),
式(8)中,wmax和wmin分别为惯性权重因子w的最大值和最小值,rand()为[0,1]均匀分布的随机数;
学习因子c1和c2由式(9)所表征:
式(9)中,c1i和c2i分别为学习因子c1和c2的初始值,c1f和c2f分别为学习因子c1和c2的终值,Tmax为最大迭代次数;
拓扑因子c3由式(10)所表征:
种群交流因子c4由式(11)所表征:
式(11)中,c4max和c4min分别为种群交流因子的最大值和最小值;
速度更新式表征为式(12):
式(12)中:为第i个粒子在第t+1代的速度,为第i个粒子在第t代的速度;r1、r2、r3、r4为[0,1]均匀分布随机数,表示第i个粒子在第t代的历史最优位置,为第i个粒子在第t代的位置,为第t代中第i个粒子所属种群的种子,为第t代的全局最优位置。
位置更新式表征为式(13):
式(13)中,表示第i个粒子在第t+1代的位置。
本发明基于粒子群算法的三端柔性多状态开关谐波治理方法的特点也在于,所述步骤3中的采用粒子群算法针对所述三端柔性多状态开关谐波治理优化模型进行求解是按如下步骤进行:
步骤5.1、设置粒子总数I,粒子的总维数D,粒子的第1维为柔性多状态开关端口所在节点数,粒子的第2维到第D维分别为相应的各次谐波补偿电流值Ic、最大迭代次数Tmax,粒子初始位置,速度和适应度值,适应度值是将粒子代入步骤2所建立的三端柔性多状态开关谐波治理优化模型所得到的值;
步骤5.2、按式(6)计算获得第i个粒子的动态半径Ri,构建多种群,引入拓扑机制按照式(8)、式(9)、式(10)和式(11)更新惯性权重因子w、学习因子c1和c2、拓扑因子c3和种群交流因子c4;
步骤5.3、计算第i个粒子在第t代的历史最优位置以及计算第t代的全局最优位置gbestt;
步骤5.4、根据式(12)和式(13)更新粒子群,更新第i个粒子在第t代的历史最优位置以及更新第t代的全局最优位置gbestt;
步骤5.5、判断是否达到最大迭代次数,若未达到,返回到步骤5.2;若达到,算法停止并输出优化结果。
与已有技术相比,本发明有益效果体现在:
1、本发明将三端柔性多状态开关作为谐波治理装置,充分发挥了柔性多状态开关在配电网谐波治理方面的作用,拓宽了柔性多状态开关的功能性。
2、本发明以配电网为对象,建立了三端柔性多状态开关谐波治理优化模型。根据配电网运行情况实时调整补偿电流输出端口及相应的各次谐波补偿电流值,确保了节点电压谐波畸变率均方根最小的目标,且使配电网谐波含量符合国家公用电网谐波标准的规定。通过三个端口的灵活调节减少了滤波装置安装数量,从而降低了电力系统运行成本,并有助于提高谐波治理效率。
3、本发明采用粒子群算法求解三端柔性多状态开关谐波治理优化模型,采用的改进粒子群算法兼顾算法的全局开发与局部搜索能力,能有效改进标准粒子群算法易陷入局部最优的缺点,得到理想的寻优结果。
附图说明
图1为本发明方法流程图;
图2为本发明三端柔性多状态开关接入含分布式电源配电网示意图;
图3为本发明中改进粒子群算法流程图;
具体实施方式
具体实施中,基于粒子群算法的三端柔性多状态开关谐波治理方法是:根据配电系统结构及接入的各元件参数,以节点电压谐波畸变率均方根最小为目标函数,建立三端柔性多状态开关谐波治理优化模型;采用粒子群算法求解优化模型,最终得到柔性多状态开关三个端口中最优的补偿电流输出端口及相应的各次谐波补偿电流值。
参见图1,具体实施中的基于粒子群算法的三端柔性多状态开关谐波治理方法是按如下步骤进行:
步骤1、根据实际配电系统得到并向MATLAB软件输入配电系统结构及接入的各元件参数,包括:线路参数、负荷水平、分布式电源的容量及接入位置,三端柔性多状态开关的容量及接入位置,谐波源负载的位置及占节点总负荷比例,系统基准电压和基准功率。
步骤2、利用步骤1中所获得的配电系统结构及接入的各元件参数,根据牛顿拉夫逊谐波解耦算法,求解获得h次节点谐波电压矩阵Uh,将三端柔性多状态开关的三个端口分别单独作为谐波补偿电流的输出端口,以节点电压谐波畸变率均方根最小为目标函数minf,以各节点总电压谐波畸变率和各节点各次谐波电压含量以及三端柔性多状态开关最大容量为约束条件,建立三端柔性多状态开关谐波治理优化模型。
步骤3、采用粒子群算法针对三端柔性多状态开关谐波治理优化模型进行求解,获得三个端口中最优的补偿电流输出端口及相应的各次谐波补偿电流值Ic,为柔性多状态开关注入的h次节点谐波补偿电流矩阵,h为谐波阶次,h=2,3…H,H为最高补偿谐波次数。
具体实施中,相应措施也包括:
按如下方式求解获得h次节点谐波电压矩阵Uh:
为n节点h次谐波电压,n为节点号,n=1,2…N,N为节点总数;
h次节点谐波电压矩阵Uh由式(1)所表征:
式(1)中,Yh为h次节点谐波导纳矩阵,Ih为h次节点谐波电流矩阵,在未接入柔性多状态开关时,即谐波治理前,将视为0;
以节点电压谐波畸变率均方根最小的目标函数minf由式(2)所表征:
式(2)中,UTHDn为各节点总谐波电压畸变率,为节点n的基波电压;
各节点总电压谐波畸变率约束由式(3)所表征:
式(3)中,UTHDmax为给定的各节点总谐波电压畸变率最大值,UTHDmax根据公用电网谐波标准规定的统一值;
各节点各次谐波电压含量约束由式(4)所表征:
式(4)中,为节点n的h次电压谐波含量,为给定的各节点h次电压谐波含量上限值,是根据公用电网谐波标准规定的统一值;
三端柔性多状态开关最大容量约束由式(5)所表征:
式(5)中,为基波电流补偿量,Imax为柔性多状态开关最大电流容量。
具体实施中,粒子群算法是按如下过程进行的改进粒子群算法:
4.1、按式(6)计算粒子半径:
式(6)中,Ri为第i个粒子的动态半径,i为粒子编号,i=1,2,…I,I为粒子总数,j为粒子维数,j=1,2...D,D为粒子的总维数,t为当前迭代数,m为到t代之前经历的迭代数,为第i个粒子第j维在第m代的位置,为第i个粒子第j维在第m代的历史最优位置;
4.2、引入拓扑项:在由式(12)所表征的速度更新式中引入拓扑项:
式(7)中,为第i个粒子在t代的拓扑项,Ω为第i个粒子所在的种群集合,g为集合Ω的粒子编号,G为集合Ω的粒子总个数,为集合Ω里粒子g在第t代的速度;
4.3、动态参数调整:惯性权重因子w由式(8)所表征:
w=wmin+(wmax-wmin)×rand() (8),
式(8)中,wmax和wmin分别为惯性权重因子w的最大值和最小值,rand()为[0,1]均匀分布的随机数;
学习因子c1和c2由式(9)所表征:
式(9)中,c1i和c2i分别为学习因子c1和c2的初始值,c1f和c2f分别为学习因子c1和c2的终值,Tmax为最大迭代次数;
拓扑因子c3由式(10)所表征:
种群交流因子c4由式(11)所表征:
式(11)中,c4max和c4min分别为种群交流因子的最大值和最小值;
速度更新式表征为式(12):
式(12)中:为第i个粒子在第t+1代的速度,为第i个粒子在第t代的速度;
r1、r2、r3、r4为[0,1]均匀分布随机数,表示第i个粒子在第t代的历史最优位置,为第i个粒子在第t代的位置,为第t代中第i个粒子所属种群的种子,为第t代的全局最优位置。
位置更新式表征为式(13):
式(13)中,表示第i个粒子在第t+1代的位置。
采用粒子群算法针对三端柔性多状态开关谐波治理优化模型进行求解是按如下步骤进行:
步骤5.1、设置粒子总数I,粒子的总维数D,粒子的第1维为柔性多状态开关端口所在节点数,粒子的第2维到第D维分别为相应的各次谐波补偿电流值Ic、最大迭代次数Tmax,粒子初始位置,速度和适应度值,适应度值是将粒子代入步骤2所建立的三端柔性多状态开关谐波治理优化模型所得到的值;
步骤5.2、按式(6)计算获得第i个粒子的动态半径Ri,构建多种群,引入拓扑机制按照式(8)、式(9)、式(10)和式(11)更新惯性权重因子w、学习因子c1和c2、拓扑因子c3和种群交流因子c4;
步骤5.3、计算第i个粒子在第t代的历史最优位置以及计算第t代的全局最优位置gbestt;
步骤5.4、根据式(12)和式(13)更新粒子群,更新第i个粒子在第t代的历史最优位置以及更新第t代的全局最优位置gbestt;
步骤5.5、判断是否达到最大迭代次数,若未达到,返回到步骤5.2;若达到,算法停止并输出优化结果。
实施例:
根据实际配电系统得到并向MATLAB软件输入配电系统结构及接入的各元件参数,包括:输入IEEE33节点配电系统中线路参数、负荷水平,线路参数见表1,负荷水平如表2;三端柔性多状态开关及分布式电源接入位置如图2所示,节点13、节点16和节点32分别接入750kW风电,柔性多状态开关三端口分别接在节点18、节点25和节点33,柔性多状态开关每个VSC的容量均为6MVA,补偿电流容量200A;节点3、4、6、11、20、23、28和节点31分别挂载总负荷的80%、60%、80%、50%、60%、80%、20%、40%为谐波源负载;柔性多状态开关补偿谐波次数为5、7、11、13次;系统的基准电压为12.66KV、基准功率为100MVA。
采用粒子群算法针对三端柔性多状态开关谐波治理优化模型进行求解,粒子群算法求解流程见图3,设置粒子群算法基本参数包括:粒子总数I为120,粒子总维度D为5,其中粒子的第1维为柔性多状态开关端口所在节点数,粒子的第2维到第5维分别为第5、7、11、13次谐波补偿电流值Ic,最大迭代次数Tmax为300,学习因子c1i=c2f=2.5,c1f=c2i=0.5,惯性权重w的最大值wmax为0.9,最小值wmin为0.4。
采用粒子群算法求解结果:三个端口中最优的补偿电流输出端口为节点18所在端口,相应的各次谐波补偿电流值,即第5、7、11、13次谐波补偿电流值为Ic=[-5.78e-04+4.05e-08i,-1.1839e-05-6.53e-18i,-2.0634e-06+3.3335e-16i,-4.33e-08-9.28e20i]。谐波治理前后节点电压谐波畸变率均方根由4.73%减小为2.3%。
表1 IEEE33节点算例线路参数
表2 IEEE33节点算例负荷水平
节点编号 | 有功功率(kW) | 无功功率(kVar) | 节点编号 | 有功功率(kW) | 无功功率(kVar) |
2 | 100 | 60 | 18 | 90 | 40 |
3 | 90 | 40 | 19 | 90 | 40 |
4 | 120 | 80 | 20 | 90 | 40 |
5 | 60 | 30 | 21 | 90 | 40 |
6 | 60 | 20 | 22 | 90 | 40 |
7 | 200 | 100 | 23 | 90 | 50 |
8 | 200 | 100 | 24 | 420 | 200 |
9 | 60 | 20 | 25 | 420 | 200 |
10 | 60 | 20 | 26 | 60 | 25 |
11 | 45 | 30 | 27 | 60 | 25 |
12 | 60 | 35 | 28 | 60 | 20 |
13 | 60 | 35 | 29 | 120 | 70 |
14 | 120 | 80 | 30 | 200 | 600 |
15 | 60 | 10 | 31 | 150 | 70 |
16 | 60 | 20 | 32 | 210 | 100 |
17 | 60 | 20 | 33 | 60 | 40 |
表3谐波治理前后各节点总电压谐波畸变率
节点号 | 治理前 | 治理后 | 节点号 | 治理前 | 治理后 |
1 | 4.219033 | 2.077804 | 18 | 3.291349 | 2.887999 |
2 | 4.231592 | 2.083989 | 19 | 3.991852 | 2.040393 |
3 | 8.240512 | 2.890631 | 20 | 6.376887 | 2.822945 |
4 | 8.818897 | 3.102356 | 21 | 3.895664 | 1.974626 |
5 | 6.944793 | 2.667148 | 22 | 3.567532 | 1.871044 |
6 | 4.139567 | 2.065429 | 23 | 10.037734 | 3.658730 |
7 | 3.244374 | 1.763990 | 24 | 3.106372 | 1.575843 |
8 | 3.237359 | 1.784047 | 25 | 3.041820 | 1.541584 |
9 | 3.235170 | 1.872671 | 26 | 3.841554 | 1.949538 |
10 | 3.355687 | 2.081519 | 27 | 3.726949 | 1.912965 |
11 | 3.387520 | 2.117004 | 28 | 3.739615 | 1.912821 |
12 | 3.348616 | 2.096578 | 29 | 3.578488 | 1.880984 |
13 | 3.268629 | 2.186122 | 30 | 3.612321 | 1.911211 |
14 | 3.275684 | 2.302580 | 31 | 6.904438 | 2.877215 |
15 | 3.279718 | 2.390241 | 32 | 4.671098 | 2.374252 |
16 | 3.287745 | 2.485207 | 33 | 4.327557 | 2.374986 |
17 | 3.289571 | 2.783624 |
各节点总电压谐波畸变率见表3,由表3可知,各节点电压THD均降低至4%以下,符合公用电网谐波标准。
Claims (5)
1.一种基于粒子群算法的三端柔性多状态开关谐波治理方法,其特征是:根据配电系统结构及接入的各元件参数,以节点电压谐波畸变率均方根最小为目标函数,建立三端柔性多状态开关谐波治理优化模型;采用粒子群算法求解所述优化模型,最终得到柔性多状态开关三个端口中最优的补偿电流输出端口及相应的各次谐波补偿电流值。
2.根据权利要求1所述的基于粒子群算法的三端柔性多状态开关谐波治理方法,其特征在是按如下步骤进行:
步骤1、根据实际配电系统得到并向MATLAB软件输入配电系统结构及接入的各元件参数,包括:线路参数、负荷水平、分布式电源的容量及接入位置,三端柔性多状态开关的容量及接入位置,谐波源负载的位置及占节点总负荷比例,系统基准电压和基准功率;
步骤2、利用步骤1中所获得的配电系统结构及接入的各元件参数,根据牛顿拉夫逊谐波解耦算法,求解获得h次节点谐波电压矩阵Uh,将所述三端柔性多状态开关的三个端口分别单独作为谐波补偿电流的输出端口,以节点电压谐波畸变率均方根最小为目标函数minf,以各节点总电压谐波畸变率和各节点各次谐波电压含量以及三端柔性多状态开关最大容量为约束条件,建立三端柔性多状态开关谐波治理优化模型;
步骤3、采用粒子群算法针对所述三端柔性多状态开关谐波治理优化模型进行求解,获得三个端口中最优的补偿电流输出端口及相应的各次谐波补偿电流值Ic, 为柔性多状态开关注入的h次节点谐波补偿电流矩阵,h为谐波阶次,h=2,3…H,H为最高补偿谐波次数。
3.根据权利要求2所述的基于粒子群算法的三端柔性多状态开关谐波治理方法,其特征是按如下方式求解获得h次节点谐波电压矩阵Uh:
为n节点h次谐波电压,n为节点号,n=1,2…N,N为节点总数;
所述h次节点谐波电压矩阵Uh由式(1)所表征:
式(1)中,Yh为h次节点谐波导纳矩阵,Ih为h次节点谐波电流矩阵,在未接入柔性多状态开关时,即谐波治理前,将视为0;
所述以节点电压谐波畸变率均方根最小的目标函数minf由式(2)所表征:
式(2)中,UTHDn为各节点总谐波电压畸变率,为节点n的基波电压;
所述各节点总电压谐波畸变率约束由式(3)所表征:
式(3)中,UTHDmax为给定的各节点总谐波电压畸变率最大值;
所述各节点各次谐波电压含量约束由式(4)所表征:
式(4)中,为节点n的h次电压谐波含量,为给定的各节点h次电压谐波含量上限值;
所述三端柔性多状态开关最大容量约束由式(5)所表征:
式(5)中,为基波电流补偿量,Imax为柔性多状态开关最大电流容量。
4.根据权利要求2所述的基于粒子群算法的三端柔性多状态开关谐波治理方法,其特征在于,所述步骤3中的粒子群算法是按如下过程进行的改进粒子群算法:
4.1、按式(6)计算粒子半径:
式(6)中,Ri为第i个粒子的动态半径,i为粒子编号,i=1,2,…I,I为粒子总数,j为粒子维数,j=1,2...D,D为粒子的总维数,t为当前迭代数,m为到t代之前经历的迭代数,为第i个粒子第j维在第m代的位置,为第i个粒子第j维在第m代的历史最优位置;
4.2、引入拓扑项:在由式(12)所表征的速度更新式中引入拓扑项:
式(7)中,为第i个粒子在t代的拓扑项,Ω为第i个粒子所在的种群集合,g为集合Ω的粒子编号,G为集合Ω的粒子总个数,为集合Ω里粒子g在第t代的速度;
4.3、动态参数调整:惯性权重因子w由式(8)所表征:
w=wmin+(wmax-wmin)×rand() (8),
式(8)中,wmax和wmin分别为惯性权重因子w的最大值和最小值,rand()为[0,1]均匀分布的随机数;
学习因子c1和c2由式(9)所表征:
式(9)中,c1i和c2i分别为学习因子c1和c2的初始值,c1f和c2f分别为学习因子c1和c2的终值,Tmax为最大迭代次数;
拓扑因子c3由式(10)所表征:
种群交流因子c4由式(11)所表征:
式(11)中,c4max和c4min分别为种群交流因子的最大值和最小值;
速度更新式表征为式(12):
式(12)中:为第i个粒子在第t+1代的速度,为第i个粒子在第t代的速度;r1、r2、r3、r4为[0,1]均匀分布随机数,表示第i个粒子在第t代的历史最优位置,为第i个粒子在第t代的位置,为第t代中第i个粒子所属种群的种子,为第t代的全局最优位置。
位置更新式表征为式(13):
式(13)中,表示第i个粒子在第t+1代的位置。
5.根据权利要求4所述的基于粒子群算法的三端柔性多状态开关谐波治理方法,其特征在于,所述步骤3中的采用粒子群算法针对所述三端柔性多状态开关谐波治理优化模型进行求解是按如下步骤进行:
步骤5.1、设置粒子总数I,粒子的总维数D,粒子的第1维为柔性多状态开关端口所在节点数,粒子的第2维到第D维分别为相应的各次谐波补偿电流值Ic、最大迭代次数Tmax,粒子初始位置,速度和适应度值,适应度值是将粒子代入步骤2所建立的三端柔性多状态开关谐波治理优化模型所得到的值;
步骤5.2、按式(6)计算获得第i个粒子的动态半径Ri,构建多种群,引入拓扑机制按照式(8)、式(9)、式(10)和式(11)更新惯性权重因子w、学习因子c1和c2、拓扑因子c3和种群交流因子c4;
步骤5.3、计算第i个粒子在第t代的历史最优位置以及计算第t代的全局最优位置gbestt;
步骤5.4、根据式(12)和式(13)更新粒子群,更新第i个粒子在第t代的历史最优位置以及更新第t代的全局最优位置gbestt;
步骤5.5、判断是否达到最大迭代次数,若未达到,返回步骤5.2;若达到,算法停止并输出优化结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811249783.1A CN109193657B (zh) | 2018-10-25 | 2018-10-25 | 基于粒子群算法的三端柔性多状态开关谐波治理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811249783.1A CN109193657B (zh) | 2018-10-25 | 2018-10-25 | 基于粒子群算法的三端柔性多状态开关谐波治理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109193657A true CN109193657A (zh) | 2019-01-11 |
CN109193657B CN109193657B (zh) | 2021-06-29 |
Family
ID=64943381
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811249783.1A Active CN109193657B (zh) | 2018-10-25 | 2018-10-25 | 基于粒子群算法的三端柔性多状态开关谐波治理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109193657B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109713670A (zh) * | 2019-01-28 | 2019-05-03 | 合肥工业大学 | 基于三端口柔性多状态开关的故障恢复控制优化方法 |
CN111985563A (zh) * | 2020-08-20 | 2020-11-24 | 国网上海市电力公司 | 一种基于谐波发射水平的工业用户电力设备分类方法 |
CN112444675A (zh) * | 2020-12-14 | 2021-03-05 | 南方电网科学研究院有限责任公司 | 一种输电网节点的谐波超标预警方法、装置、设备及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100295532A1 (en) * | 2007-09-12 | 2010-11-25 | Mitsubishi Electric Corporation | Pulse analyzer |
CN103001225A (zh) * | 2012-11-14 | 2013-03-27 | 合肥工业大学 | 基于mas的多微电网能量管理系统仿真方法 |
CN105281344A (zh) * | 2015-11-20 | 2016-01-27 | 武汉大学 | 一种考虑电能质量及其不确定性约束的智能配电网自愈恢复优化方法 |
CN107346887A (zh) * | 2017-06-29 | 2017-11-14 | 西安交通大学 | 基于电力电子变压器的中压三端口柔性多状态开关拓扑 |
CN108183486A (zh) * | 2018-01-17 | 2018-06-19 | 中国科学院电工研究所 | 一种柔性多状态开关及其控制方法 |
CN108281963A (zh) * | 2018-01-17 | 2018-07-13 | 浙江大学 | 一种适用于含多个柔性多状态开关的配电网分区方法 |
CN108647820A (zh) * | 2018-05-09 | 2018-10-12 | 国网山东省电力公司菏泽供电公司 | 基于改进粒子群算法的分布式电源选址定容优化方法及系统 |
-
2018
- 2018-10-25 CN CN201811249783.1A patent/CN109193657B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100295532A1 (en) * | 2007-09-12 | 2010-11-25 | Mitsubishi Electric Corporation | Pulse analyzer |
CN103001225A (zh) * | 2012-11-14 | 2013-03-27 | 合肥工业大学 | 基于mas的多微电网能量管理系统仿真方法 |
CN105281344A (zh) * | 2015-11-20 | 2016-01-27 | 武汉大学 | 一种考虑电能质量及其不确定性约束的智能配电网自愈恢复优化方法 |
CN107346887A (zh) * | 2017-06-29 | 2017-11-14 | 西安交通大学 | 基于电力电子变压器的中压三端口柔性多状态开关拓扑 |
CN108183486A (zh) * | 2018-01-17 | 2018-06-19 | 中国科学院电工研究所 | 一种柔性多状态开关及其控制方法 |
CN108281963A (zh) * | 2018-01-17 | 2018-07-13 | 浙江大学 | 一种适用于含多个柔性多状态开关的配电网分区方法 |
CN108647820A (zh) * | 2018-05-09 | 2018-10-12 | 国网山东省电力公司菏泽供电公司 | 基于改进粒子群算法的分布式电源选址定容优化方法及系统 |
Non-Patent Citations (2)
Title |
---|
张国荣 等: "基于隔离小生境粒子群算法的APF优化配置", 《电子测量与仪器学报》 * |
陈小玉 等: "一种面向大数据的快速自动聚类算法", 《计算机应用研究》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109713670A (zh) * | 2019-01-28 | 2019-05-03 | 合肥工业大学 | 基于三端口柔性多状态开关的故障恢复控制优化方法 |
CN109713670B (zh) * | 2019-01-28 | 2022-03-15 | 合肥工业大学 | 基于三端口柔性多状态开关的故障恢复控制优化方法 |
CN111985563A (zh) * | 2020-08-20 | 2020-11-24 | 国网上海市电力公司 | 一种基于谐波发射水平的工业用户电力设备分类方法 |
CN111985563B (zh) * | 2020-08-20 | 2024-03-01 | 国网上海市电力公司 | 一种基于谐波发射水平的工业用户电力设备分类方法 |
CN112444675A (zh) * | 2020-12-14 | 2021-03-05 | 南方电网科学研究院有限责任公司 | 一种输电网节点的谐波超标预警方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109193657B (zh) | 2021-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
de Oliveira et al. | Grid‐tied photovoltaic system based on PSO MPPT technique with active power line conditioning | |
CN106549384B (zh) | 一种含upfc电力系统的通用潮流计算方法 | |
Sun et al. | Power compensation of network losses in a microgrid with BESS by distributed consensus algorithm | |
Din et al. | Efficient sizing and placement of distributed generators in cyber-physical power systems | |
CN109193657A (zh) | 基于粒子群算法的三端柔性多状态开关谐波治理方法 | |
Kazemi-Robati et al. | Fast heuristic methods for harmonic minimization using distribution system reconfiguration | |
CN103972893A (zh) | 一种含有分布式电源的配电网滤波器的优化配置方法 | |
Rezaei et al. | Optimal IPFC signal selection and damping controller design using a novel current injection model in a multi-machine power system | |
Li et al. | Active distribution network active and reactive power coordinated dispatching method based on discrete monkey algorithm | |
CN108923461A (zh) | 一种计及继电保护约束的分布式逆变器电源入网优化方法 | |
Zand et al. | Sensitivity analysis index to determine the optimal location of multi-objective UPFC for improvement of power quality parameters | |
CN111277004A (zh) | 一种配电网“源-网-荷”两阶段多目标控制方法及系统 | |
CN113541146A (zh) | 计及分布式电源的电力系统潮流计算优化方法 | |
CN106712032B (zh) | 一种考虑风电机组有功电压调节能力的最优潮流模型构建方法 | |
Gaddala et al. | Merging lion with crow search algorithm for optimal location and sizing of UPQC in distribution network | |
Li et al. | Research on modeling and grid connection stability of large-scale cluster energy storage power station based on digital mirroring | |
Grdenić et al. | AC grid model order reduction based on interaction modes identification in converter-based power systems | |
Chen et al. | A two-layer optimal configuration approach of energy storage systems for resilience enhancement of active distribution networks | |
CN109638837B (zh) | 一种面向新能源并网的动态负载管理方法及系统 | |
CN103378595B (zh) | 考虑谐振的混合型有源滤波器参数优化配置 | |
Wu et al. | Multi-Objective Optimization for Distribution Network Reconfiguration With Reactive Power Optimization of New Energy and EVs | |
CN104753065A (zh) | 一种微网中重要节点电能质量治理方法 | |
Esmaeili et al. | A new multiobjective optimal allocation of multitype FACTS devices for total transfer capability enhancement and improving line congestion using the harmony search algorithm | |
CN114784796A (zh) | 一种基于多端sop的柔性互联配电系统多阶段恢复方法 | |
Imtiaz et al. | Modelling of an optimized microgrid model by integrating DG distributed generation sources to IEEE 13 Bus System |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |