CN109861297A - 一种基于灰狼优化算法的电力系统黑启动方法 - Google Patents

Abstract

本发明公开了一种基于灰狼优化算法的电力系统黑启动方法，首先确定所有需要恢复机组和电力网络，建立电力系统黑启动决策优化模型；选取电力系统恢复总时间为优化指标；确定发生停电事故的电力系统的初始状态，按机组分类，以水电站、抽水蓄能电站或者燃气轮发电机组作为黑启动电源，进而启动优先启动的类型，最终恢复整个电力系统；并根据相应的电力线路电流约束、电压约束条件，由此获得若干个决策方案；然后从灰狼种群初始化和多样化、以及非线性收敛方程两方面，对灰狼算法进行优化；最后利用优化后的优化灰狼算法，以相应的功率平衡约束和潮流约束条件作为适应度系数的评判依据，求解出最优决策方案。

Description

一种基于灰狼优化算法的电力系统黑启动方法

技术领域

本发明主要应用于大型电力系统黑启动领域，同时属于计算机技术应用领域，有关复杂约束函数的算法优化技术领域，特别涉及一种基于优化的灰狼算法的大型电力系统黑启动、机组在线及离线恢复决策方式。

背景技术

随着经济的迅速发展，人们对电力的需求日益增长，电力系统也随之扩大，电力设备数量和种类不断增大，电力网络结构亦愈加复杂化。当电力系统局部发生故障且处理不得当时，极易在大范围内产生连锁性质的停电，即电力系统大停电事故。由国内外已有的经验与实例表明，种种不可抗因素可能会电力系统大停电事故，一旦发生就会造成极大的不良影响和损害。

大停电事故中，电力系统恢复正常运行的重点是发电机组的恢复。目前，大型电力系统黑启动多集中在提供离线恢复策略，即在电力系统正常运行时提前准备黑启动策略，发生大停电事故时直接按照预案进行操作。而在实际的电力系统恢复过程中，电力网络中的电压、电流等变化复杂，此时应根据电力系统监测得到的实时状态数据，通过适合的在线动态电力系统恢复策略可以有效提高黑启动的安全性和效率。

其中，离线方法可能因为现实恢复情况变化而出现无法准确恢复电力系统的情况，而现有的在线电力系统恢复技术又普遍存在效率较低的缺点。

发明内容

本发明的目的在于针对现有技术中的不足，提供一种基于灰狼优化算法的电力系统黑启动方法，针对大停电后电力系统初始状态和恢复过程中线路恢复状况的不确定性，将优化后的灰狼算法运用于机组恢复的在线及离线动态决策。

本发明通过对后续恢复的多种可能情况的搜索模拟，提高了决策的可靠性及效率，而且能够根据电力系统监测得到的实时状态数据，在线动态恢复决策下一步将要恢复的部分，逐步完成大停电事故中各机组运行的恢复，以应对各种电力系统大停电后恢复过程的状况。

本发明所解决的技术问题可以采用以下技术方案来实现：

一种基于灰狼优化算法的电力系统黑启动方法，包括如下步骤：

1)确定所有需要恢复机组和电力网络，建立电力系统黑启动决策优化模型；选取电力系统恢复总时间为优化指标；

2)确定发生停电事故的电力系统的初始状态，按机组分类，以水电站、抽水蓄能电站或者燃气轮发电机组作为黑启动电源，进而启动优先启动的类型，最终恢复整个电力系统；并根据相应的电力线路电流约束、电压约束条件，由此获得若干个决策方案；

3)从灰狼种群初始化和多样化、以及非线性收敛方程两方面，对灰狼算法进行优化；

4)利用优化后的优化灰狼算法，以相应的功率平衡约束和潮流约束条件作为适应度系数的评判依据，求解出最优决策方案。

进一步的，所述电力系统黑启动决策优化模型的目标函数如下：

f(t)＝min(t_n+Δt_n)

其中，t_n为第n个机组开始恢复的时间节点，Δt_n为第n个机组恢复运行所需的时间。

进一步的，所述电力线路电流约束条件为：

在恢复机组运行时，每条电力线路中的电流I_n，不超过限定值I_n.ref；

所述电力线路电压约束条件为：

在恢复机组运行时，有电压限值要求的器件和节点的电压值U_n不超过限定值U_n.ref。

进一步的，利用灰狼种群初始化和多样化优化对灰狼算法进行优化的策略如下：

1)为提高算法效率，在初始化灰狼个体时，采用历史数据或仿真结果，将由曾经适应度较高的灰狼个体作为灰狼种群的主体；

2)为避免陷入局部最优解，采取灰狼种群多样化策略，从种群中随机选取一定数量的灰狼个体变异替换为新的灰狼个体。

进一步的，所述非线性收敛方程为：

所述非线性收敛方程用于调整衰减速率，在搜索过程之初将灰狼算法着重于全局搜索，在搜索过程之末将灰狼算法着重于局部搜索。

进一步的，每一灰狼个体代表一种电力系统黑启动的决策方案，灰狼个体位置y代表电力系统恢复运行的总时间；将相应的功率平衡约束和潮流约束归一化作为灰狼算法的适应度函数；记灰狼种群值为k，采用优化后的灰狼算法对电力系统黑启动方案进行优化，其具体求解步骤如下：

步骤1：预设算法的最大迭代次数tmax，并设置灰狼种群值k、非线性下降参数a，以及距离系数向量A和位置系数向量C的初始值；

步骤2：随机生成初始灰狼种群，初始化迭代次数t，计算各灰狼个体的适应度值；

步骤3：其中适应度最高的前三个灰狼个体的位置分别为yα、yβ和yδ；

步骤4：由算法更新每个灰狼个体的位置，并得到下一代灰狼种群以及新的参数a、A、C的值；

步骤5：计算并比较新种群中个体的适应度，获得新的yα、yβ和yδ；

步骤6：重复步骤2至步骤5，直到求得算法的最优解或达到预设算法最大迭代次数。

与现有技术相比，本发明的有益效果在于：

本专利发明建立电力系统恢复模型并应用优化灰狼算法对电力系统恢复方案决策进行求解。

灰狼算法本身具有求解精确、收敛快等优点，适合求解电力系统恢复这种多约束条件的决策优化问题，通过从灰狼种群初始化及多样化、采用新的非线性收敛方程两方面对灰狼算法进行优化，从而使算法更适合解决电力系统恢复方案决策问题。

因此，采用优化灰狼算法求解电力系统黑启动方案决策问题，从而提高黑启动决策的有效性和提出决策的效率。

附图说明

图1为本发明所述的基于灰狼优化算法的电力系统黑启动方法的流程图。

图2为本发明所述的优化后的灰狼算法的示意图。

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。

参见图1和图2，本发明所述的一种基于灰狼优化算法的电力系统黑启动方法，包括如下步骤：

1)确定所有需要恢复机组和电力网络，建立电力系统黑启动决策优化模型；选取电力系统恢复总时间为优化指标；

2)确定发生停电事故的电力系统的初始状态，按机组分类，以水电站、抽水蓄能电站或者燃气轮发电机组作为黑启动电源，进而启动优先启动的类型，最终恢复整个电力系统；并根据相应的电力线路电流约束、电压约束条件，由此获得若干个决策方案；

3)从灰狼种群初始化和多样化、以及非线性收敛方程两方面，对灰狼算法进行优化；

4)利用优化后的优化灰狼算法，以相应的功率平衡约束和潮流约束条件作为适应度系数的评判依据，求解出最优决策方案。

所述电力系统黑启动决策优化模型的目标函数如下：

f(t)＝min(t_n+Δt_n)

其中，t_n为第n个机组开始恢复的时间节点，Δt_n为第n个机组恢复运行所需的时间。

进一步的，所述电力线路电流约束条件为：

在恢复机组运行时，每条电力线路中的电流I_n，不超过限定值I_n.ref；

所述电力线路电压约束条件为：

在恢复机组运行时，有电压限值要求的器件和节点的电压值U_n不超过限定值U_n.ref。

利用灰狼种群初始化和多样化优化对灰狼算法进行优化的策略如下：

1)为提高算法效率，在初始化灰狼个体时，采用历史数据或仿真结果，将由曾经适应度较高的灰狼个体作为灰狼种群的主体；

2)为避免陷入局部最优解，采取灰狼种群多样化策略，从种群中随机选取一定数量的灰狼个体变异替换为新的灰狼个体。

所述非线性收敛方程为：

所述非线性收敛方程用于调整衰减速率，在搜索过程之初将灰狼算法着重于全局搜索，在搜索过程之末将灰狼算法着重于局部搜索。

每一灰狼个体代表一种电力系统黑启动的决策方案，灰狼个体位置y代表电力系统恢复运行的总时间；将相应的功率平衡约束和潮流约束归一化作为灰狼算法的适应度函数；记灰狼种群值为k，采用优化后的灰狼算法对电力系统黑启动方案进行优化，其具体求解步骤如下：

步骤1：预设算法的最大迭代次数tmax，并设置灰狼种群值k、非线性下降参数a，以及距离系数向量A和位置系数向量C的初始值；

步骤2：随机生成初始灰狼种群，初始化迭代次数t，计算各灰狼个体的适应度值；

步骤3：其中适应度最高的前三个灰狼个体的位置分别为yα、yβ和yδ；

步骤4：由算法更新每个灰狼个体的位置，并得到下一代灰狼种群以及新的参数a、A、C的值；

步骤5：计算并比较新种群中个体的适应度，获得新的yα、yβ和yδ；

步骤6：重复步骤2至步骤5，直到求得算法的最优解或达到预设算法最大迭代次数。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (6)

1.一种基于灰狼优化算法的电力系统黑启动方法，其特征在于，包括如下步骤：

1)确定所有需要恢复机组和电力网络，建立电力系统黑启动决策优化模型；选取电力系统恢复总时间为优化指标；

2)确定发生停电事故的电力系统的初始状态，按机组分类，以水电站、抽水蓄能电站或者燃气轮发电机组作为黑启动电源，进而启动优先启动的类型，最终恢复整个电力系统；并根据相应的电力线路电流约束、电压约束条件，由此获得若干个决策方案；

3)从灰狼种群初始化和多样化、以及非线性收敛方程两方面，对灰狼算法进行优化；

4)利用优化后的优化灰狼算法，以相应的功率平衡约束和潮流约束条件作为适应度系数的评判依据，求解出最优决策方案。

2.根据权利要求1所述的基于灰狼优化算法的电力系统黑启动方法，其特征在于，所述电力系统黑启动决策优化模型的目标函数如下：

f(t)＝min(t_n+Δt_n)

其中，t_n为第n个机组开始恢复的时间节点，Δt_n为第n个机组恢复运行所需的时间。

3.根据权利要求1所述的基于灰狼优化算法的电力系统黑启动方法，其特征在于，所述电力线路电流约束条件为：

在恢复机组运行时，每条电力线路中的电流I_n，不超过限定值I_n，ref；

所述电力线路电压约束条件为：

在恢复机组运行时，有电压限值要求的器件和节点的电压值U_n不超过限定值U_n，ref。

4.根据权利要求1所述的基于灰狼优化算法的电力系统黑启动方法，其特征在于，利用灰狼种群初始化和多样化优化对灰狼算法进行优化的策略如下：

1)为提高算法效率，在初始化灰狼个体时，采用历史数据或仿真结果，将由曾经适应度较高的灰狼个体作为灰狼种群的主体；

2)为避免陷入局部最优解，采取灰狼种群多样化策略，从种群中随机选取一定数量的灰狼个体变异替换为新的灰狼个体。

5.根据权利要求1所述的基于灰狼优化算法的电力系统黑启动方法，其特征在于，所述非线性收敛方程为：

所述非线性收敛方程用于调整衰减速率，在搜索过程之初将灰狼算法着重于全局搜索，在搜索过程之末将灰狼算法着重于局部搜索。

6.根据权利要求1所述的基于灰狼优化算法的电力系统黑启动方法，其特征在于，每一灰狼个体代表一种电力系统黑启动的决策方案，灰狼个体位置y代表电力系统恢复运行的总时间；将相应的功率平衡约束和潮流约束归一化作为灰狼算法的适应度函数；记灰狼种群值为k，采用优化后的灰狼算法对电力系统黑启动方案进行优化，其具体求解步骤如下：

步骤1：预设算法的最大迭代次数tmax，并设置灰狼种群值k、非线性下降参数a，以及距离系数向量A和位置系数向量C的初始值；

步骤2：随机生成初始灰狼种群，初始化迭代次数t，计算各灰狼个体的适应度值；

步骤3：其中适应度最高的前三个灰狼个体的位置分别为yα、yβ和yδ；

步骤4：由算法更新每个灰狼个体的位置，并得到下一代灰狼种群以及新的参数a、A、C的值；

步骤5：计算并比较新种群中个体的适应度，获得新的yα、yβ和yδ；

步骤6：重复步骤2至步骤5，直到求得算法的最优解或达到预设算法最大迭代次数。