CN112332407A - 一种10kV电压偏高的优化方法 - Google Patents

Abstract

本发明提供一种10kV电压偏高的优化方法，通过对电压调节原则及其影响因素研究，提出基于人工智能的组合优化算法，结合湟源地区的多时空断面数据进行仿真分析，构建网络模型并进行拓扑分区，研究分析10kV母线电压偏高的原因，进而结合实际情况提出电压的优化调整策略，从而实现电压调节范围可控，全网无功潮流分层分区就地平衡，最大程度地提高全网的电压合格率，同时降低电网的有功网损，不仅能降低电网企业的供电成本，提高企业效益，也能供给用户更高的电能质量，同时对电网的安全运行大有裨益。

Description

一种10kV电压偏高的优化方法

技术领域

本发明涉及电力技术领域，具体地讲，本发明涉及一种10kV电压偏高的优化方法。

背景技术

电压质量是按照国家标准或规范对电力系统电压的偏差、波动、波形、及其三相对称性的一种质量评估，是供电电能质量主要指标之一。电压偏高会加速电气设备绝缘老化，降低使用寿命，超高时会直接烧毁用电电器，严重的会导致电器损坏甚至引起火灾。

随着电网规模的日益扩大、电压等级的不断提高、大容量远距离输电的迫切需求及迅速发展以及区域电网互联性的不断加强，对电能质量的要求的不断提高，对电网的电压质量提出了更严的标准和更高的要求。无功潮流的分布是否合理，直接影响电压质量，母线运行电压是否合格及电网潮流分布是否合理，直接关系到电力系统的安全、优质及经济运行。

因此，在保证电网安全运行的前提下，通过采取各种调节措施，实现电压调节范围可控，全网无功潮流分层分区就地平衡，最大程度地提高全网的电压合格率，同时降低电网的有功网损，这不仅能降低电网企业的供电成本，提高企业效益，也能供给用户更高的电能质量，同时对电网的安全运行大有裨益。本领域技术人员亟需提供一种10kV电压偏高的优化方法，通过对电压调节原则及其影响因素研究，提出基于人工智能的组合优化算法，构建网络模型并进行拓扑分区，进而提出电压的优化策略。

发明内容

本发明要解决的技术问题是：提供一种10kV电压偏高的优化方法，通过对电压调节原则及其影响因素研究，提出基于人工智能的组合优化算法，构建网络模型并进行拓扑分区，进而提出电压的优化策略。

本发明解决其技术问题所采用的技术方案是：提供一种10kV电压偏高的优化方法，包括以下步骤：

步骤S01、根据各地区电压调节现状进行调研分析，建立电压优化模型；

步骤S02、基于人工智能综合优化算法的全网电压无功优化；

步骤S03、基于多断面的运行数据进行仿真优化的方法，查找电压偏高的原因；

步骤S04、在网络模型的基础上，利用电网的静态拓扑模型，划分供电区域，实现拓扑分区；

步骤S05、提出电压优化调整措施。

优选的，所述步骤S01中，所述电压优化模型包括目标函数和约束条件；其中，目标函数，

a.不考虑投资成本等因素，目标函数J₁为全网有功网损P_Loss最小，即

其中：U_i＝f(K₁,…K_i,Q₁…Q_i)

b.目标函数以为所有可调设备的动作次数之和J₂最小，即

其中：U_i为变电站i的母线电压，K_i为变电站i主变分接开关优化后的档位数，K_T为变电站i主变分接开关当前的档位数，Q_i为变电站i优化后需投入的电容器总容量，Q_C为变电站i所配置的电容器总容量，n为变电站数量。

优选的，所述约束条件包括不等式约束条件以及等式约束条件；其中，不等式约束条件包括：

母线电压不越限：以V_imin≤V_i≤V_imax；

省网关口功率因数约束：

发电机无功出力约束：Q_imin≤Q_i≤Q_imax；

有载调压分接开关调节的档位上下限约束：T_imin≤T_i≤T_imax；

设备动作次数上限约束：N_i≤N_imax。

优选的，所述等式约束条件包括：极坐标形式表示的潮流方程约束为

其中：U_i为节点i的电压幅值；P_Gi、Q_Gi为节点i的发电机的有功和无功出力；P_Li、Q_Li为节点i的负荷的有功和无功功率；G_ij，B_ij，θ_ij分别为节点蚵间的电导、电纳和电压相角差。

优选的，所述步骤S02中，所述人工智能综合优化算法为遗传算法。

优选的，所述遗传算法包括：

i、编码：采用实数编码方法，处理优化问题比较有效且在变异概率较大时容易收敛；

ii、初始化种群：采用小区间生成法产生初始种群，保证初始种群在可行域的分布广度，同时避免搜索的盲目性造成计算量过大；

iii、目标函数的选取

由于网损最小的目标函数，U_ilim无法直接求解且不等式约束条件较多，在此考虑将母线电压和关口功率因数两个不等式约束条件作为两个惩罚项添加到目标函数中，则新的目标函数，J₁为：

其中：等式右边的第二项表示母线电压不等式约束的惩罚项，U_ilim为电压限值；第三项表示关口功率因数(由关口无功功率表示)不等式约束的惩罚项，Q_jlim为关口无功功率约束的限值；λ₁，λ₂为惩罚因子；n为节点数，m为省网关口数。

优选的，所述遗传算法还包括选择策略，选择操作是根据种群每个个体的适应度值确定是否作为下一代的父辈，进而进行变异和交叉，在此采用随机均匀的选择方法。

优选的，所述遗传算法采用以下处理措施：

i、为了加快遗传算法的收敛速度，采用灵敏度分析方法计算出能够有效降低网损的无功补偿点，进而以此确定合理的遗传算法初始种群以缩小搜索范围；

ii、每代种群个体进行交叉变异等遗传操作时变压器分接开关每次只允许调节一个档位；

iii、由于并列运行的变压器应同步调节，做为一个种群个体进行编码；

iv、为了防止主变分接开关和电容器组的不必要动作，可设置最小网损的范围，如果某一优化方案的网损不在最小范围内则不予执行。

本发明提供了一种10kV电压偏高的优化方法，本发明通过对电压调节原则及其影响因素研究，提出基于人工智能的组合优化算法，结合湟源地区的多时空断面数据进行仿真分析，构建网络模型并进行拓扑分区，研究分析10kV母线电压偏高的原因，进而结合实际情况提出电压的优化调整策略，从而实现电压调节范围可控，全网无功潮流分层分区就地平衡，最大程度地提高全网的电压合格率，同时降低电网的有功网损，这不仅能降低电网企业的供电成本，提高企业效益，也能供给用户更高的电能质量，同时对电网的安全运行大有裨益。

具体实施方式

为使本发明的内容更加清楚易懂，对本发明的内容作进一步说明。当然本发明并不局限于该具体实施例，本领域内的技术人员所熟知的一般替换也涵盖在本发明的保护范围内。

本发明提供一种10kV电压偏高的优化方法，包括以下步骤：

步骤S01、根据各地区电压调节现状进行调研分析，建立电压优化模型；

步骤S02、基于人工智能综合优化算法的全网电压无功优化；

步骤S03、基于多断面的运行数据进行仿真优化的方法，查找电压偏高的原因；

步骤S04、在网络模型的基础上，利用电网的静态拓扑模型，划分供电区域，实现拓扑分区；

步骤S05、提出电压优化调整措施。

优选的，所述步骤S01中，所述电压优化模型包括目标函数和约束条件；

其中，目标函数：

a.不考虑投资成本等因素，目标函数J₁为全网有功网损P_Loss最小，即

其中：U_i＝f(K₁,…K_i,Q₁…Q_i)

b.目标函数以为所有可调设备的动作次数之和J₂最小，即

其中：U_i为变电站i的母线电压，K_i为变电站i主变分接开关优化后的档位数，K_T为变电站i主变分接开关当前的档位数，Q_i为变电站i优化后需投入的电容器总容量，Q_C为变电站i所配置的电容器总容量，n为变电站数量。

约束条件：

a.不等式约束条件

(1)母线电压不越限：以V_imin≤V_i≤V_imax

(2)省网关口功率因数约束：

(3)发电机无功出力约束：Q_imin≤Q_i≤Q_imax

(4)有载调压分接开关调节的档位上下限约束：T_imin≤T_i≤T_imax

(5)设备动作次数上限约束：N_i≤N_imax

有最大动作次数限制的可调设备主要是并联电容器、电抗器及有载调压变压器分接开关。

b.等式约束条件：极坐标形式表示的潮流方程约束为

其中：U_i为节点i的电压幅值；P_Gi、Q_Gi为节点i的发电机的有功和无功出力；

P_Li、Q_Li为节点i的负荷的有功和无功功率；G_ij，B_ij，θ_ij分别为节点蚵间的电导、电纳和电压相角差。

步骤S02中，人工智能综合优化算法为遗传算法，遗传算法(Genetic Algorithm，GA)是适合求解传统搜索方法难以解决的复杂非线性优化问题，是人工智能算法中的一种典型算法，通过模拟自然界的适者生存、优胜劣汰的遗传进化规律而演变得到的一种随机搜索算法；算法从任意初始化群体出发，利用编码技术、群体搜索策略和个体间的信息交换来模拟生物进化，并通过选择、交叉和变异等遗传操作，使群体一代代的进化，最终收敛到“最适应环境”的个体。

GA算法的适用于各种优化问题的求解，算法不会受到问题本身的限制，如目标函数的线性非线性问题、约束条件的个数及类型、待寻优参数的个数等，没有像梯度类算法要求函数连续可导的限制，因为GA算法不直接对待寻优参数进行操作，而是将参数编码成染色体后进行各种遗传操作；同时，GA算法从问题的一个可行域开始搜索可能的最优解而非从一个可行解开始，具有隐含的并行搜索能力及更强的全局寻优能力，因而能够极大地降低搜索到局部最优解的可能性；此外，GA算法采用概率化的遗传操作，仅仅根据每个个体的适配值信息来确定搜索范围并自适应调整搜索方向，而无需其他过多的搜索规则。

GA算法主要有如下的操作过程：

(i)编码：采用实数编码方法，处理优化问题比较有效且在变异概率较大时容易收敛。

(ii)初始化种群：采用小区间生成法产生初始种群，保证初始种群在可行域的分布广度，同时避免搜索的盲目性造成计算量过大。

(iii)目标函数的选取

由于网损最小的目标函数，U_ilim无法直接求解且不等式约束条件较多，在此考虑将母线电压和关口功率因数两个不等式约束条件作为两个惩罚项添加到目标函数中，则新的目标函数，J₁为：

其中：等式右边的第二项表示母线电压不等式约束的惩罚项，U_ilim为电压限值；第三项表示关口功率因数(由关口无功功率表示)不等式约束的惩罚项，Q_jlim为关口无功功率约束的限值；λ₁，λ₂为惩罚因子；n为节点数，m为省网关口数。

(iv)选择策略：选择操作是根据种群每个个体的适应度值确定是否作为下一代的父辈，进而进行变异和交叉，在此采用随机均匀的选择方法。

(v)变异与交叉

GA算法通过交叉和变异操作来保证种群的不断进化，不断产生新的种群和个体。交叉操作为当前种群的两个个体互相部分基因而形成新一代个体，而变异操作为当前种群的某个个体的某个基因发生突变而形成新个体；在此采用高斯变异法，交叉采用Heuristic法。

为了加快优化速度及搜索到合理的全局最优解，实际计算中采取如下的实用化处理措施：

(i)为了加快遗传算法的收敛速度，采用灵敏度分析方法计算出能够有效降低网损的无功补偿点，进而以此确定合理的遗传算法初始种群以缩小搜索范围。

(ii)每代种群个体进行交叉变异等遗传操作时变压器分接开关每次只允许调节一个档位。

(iii)由于并列运行的变压器应同步调节，做为一个种群个体进行编码。

(iv)为了防止主变分接开关和电容器组的不必要动作，可以人为设置最小网损的范围，如果某一优化方案的网损不在最小范围内则不予执行。

本发明提供了一种10kV电压偏高的优化方法，本发明通过对电压调节原则及其影响因素研究，提出基于人工智能的组合优化算法，结合湟源地区的多时空断面数据进行仿真分析，构建网络模型并进行拓扑分区，研究分析10kV母线电压偏高的原因，进而结合实际情况提出电压的优化调整策略，从而实现电压调节范围可控，全网无功潮流分层分区就地平衡，最大程度地提高全网的电压合格率，同时降低电网的有功网损，这不仅能降低电网企业的供电成本，提高企业效益，也能供给用户更高的电能质量，同时对电网的安全运行大有裨益。

虽然本发明主要描述了以上实施例，但是只是作为实例来加以描述，而本发明并不限于此。本领域普通技术人员能做出多种变型和应用而不脱离实施例的实质特性。例如，对实施例详示的每个部件都可以修改和运行，与所述变型和应用相关的差异可认为包括在所附权利要求所限定的本发明的保护范围内。

本说明书中所涉及的实施例，其含义是结合该实施例描述的特地特征、结构或特性包括在本发明的至少一个实施例中。说明书中出现于各处的这些术语不一定都涉及同一实施例。此外，当结合任一实施例描述特定特征、结构或特性时，都认为其落入本领域普通技术人员结合其他实施例就可以实现的这些特定特征、结构或特性的范围内。

Claims (8)

1.一种10kV电压偏高的优化方法，其特征在于,包括以下步骤：

步骤S01、根据各地区电压调节现状进行调研分析，建立电压优化模型；

步骤S02、基于人工智能综合优化算法的全网电压无功优化；

步骤S03、基于多断面的运行数据进行仿真优化的方法，查找电压偏高的原因；

步骤S04、在网络模型的基础上，利用电网的静态拓扑模型，划分供电区域，实现拓扑分区；

步骤S05、提出电压优化调整措施。

2.如权利要求1所述的10kV电压偏高的优化方法，其特征在于,所述步骤S01中，所述电压优化模型包括目标函数和约束条件；其中，目标函数，

a.不考虑投资成本等因素，目标函数J₁为全网有功网损P_Loss最小，即

其中：U_i＝f(K₁,…K_i,Q₁…Q_i)

b.目标函数以为所有可调设备的动作次数之和J₂最小，即

其中：U_i为变电站i的母线电压，K_i为变电站i主变分接开关优化后的档位数，K_T为变电站i主变分接开关当前的档位数，Q_i为变电站i优化后需投入的电容器总容量，Q_C为变电站i所配置的电容器总容量，n为变电站数量。

3.如权利要求2所述的10kV电压偏高的优化方法，其特征在于,所述约束条件包括不等式约束条件以及等式约束条件；其中，不等式约束条件包括：

母线电压不越限：以V_imin≤V_i≤V_imax；

省网关口功率因数约束：

发电机无功出力约束：Q_imin≤Q_i≤Q_imax；

有载调压分接开关调节的档位上下限约束：T_imin≤T_i≤T_imax；

设备动作次数上限约束：N_i≤N_imax。

4.如权利要求3所述的10kV电压偏高的优化方法，其特征在于,所述等式约束条件包括：极坐标形式表示的潮流方程约束为

其中：U_i为节点i的电压幅值；P_Gi、Q_Gi为节点i的发电机的有功和无功出力；P_Li、Q_Li为节点i的负荷的有功和无功功率；G_ij，B_ij，θ_ij分别为节点蚵间的电导、电纳和电压相角差。

5.如权利要求1所述的10kV电压偏高的优化方法，其特征在于,所述步骤S02中，所述人工智能综合优化算法为遗传算法。

6.如权利要求5所述的10kV电压偏高的优化方法，其特征在于,所述遗传算法包括：

i、编码：采用实数编码方法，处理优化问题比较有效且在变异概率较大时容易收敛；

ii、初始化种群：采用小区间生成法产生初始种群，保证初始种群在可行域的分布广度，同时避免搜索的盲目性造成计算量过大；

iii、目标函数的选取

由于网损最小的目标函数，U_ilim无法直接求解且不等式约束条件较多，在此考虑将母线电压和关口功率因数两个不等式约束条件作为两个惩罚项添加到目标函数中，则新的目标函数，J₁为：

其中：等式右边的第二项表示母线电压不等式约束的惩罚项，U_ilim为电压限值；第三项表示关口功率因数(由关口无功功率表示)不等式约束的惩罚项，Q_jlim为关口无功功率约束的限值；λ₁，λ₂为惩罚因子；n为节点数，m为省网关口数。

7.如权利要求6所述的10kV电压偏高的优化方法，其特征在于,所述遗传算法还包括选择策略，选择操作是根据种群每个个体的适应度值确定是否作为下一代的父辈，进而进行变异和交叉，在此采用随机均匀的选择方法。

8.如权利要求6所述的10kV电压偏高的优化方法，其特征在于,所述遗传算法采用以下处理措施：

i、为了加快遗传算法的收敛速度，采用灵敏度分析方法计算出能够有效降低网损的无功补偿点，进而以此确定合理的遗传算法初始种群以缩小搜索范围；

ii、每代种群个体进行交叉变异等遗传操作时变压器分接开关每次只允许调节一个档位；

iii、由于并列运行的变压器应同步调节，做为一个种群个体进行编码；

iv、为了防止主变分接开关和电容器组的不必要动作，可设置最小网损的范围，如果某一优化方案的网损不在最小范围内则不予执行。