CN114204613A - 一种海上风电场接入电力系统的无功补偿方法和系统 - Google Patents

Abstract

本发明涉及一种海上风电场接入电力系统的无功补偿方法和系统，包括：将接入海上风电场的电力系统的初始潮流数据代入预先构建的电力系统的无功补偿优化模型；利用改进的遗传算法求解所述功补偿优化模型，得到海上风电场接入电力系统待优化参数的优化解。本发明利用改进的遗传算法快速求解海上风电场接入电力系统的无功补偿最优策略，通过执行所述最优策略从而有效发挥海上风电场自身无功快速调节能力，进而提升了海上风电支撑电力系统无功电压能力，增强了海上风电场接入电力系统的友好程度。

Description

一种海上风电场接入电力系统的无功补偿方法和系统

技术领域

本发明涉及新能源发电运行控制技术领域，具体涉及一种海上风电场接入电力系统的无功补偿方法和系统。

背景技术

随着海上风电并网规模的大规模增长，海上风电本身具有的波动性和随机性将给受端电网的安全稳定运行提出新的挑战，包括：大规模海上风电采用多种输电方式、多落点接入受端电网对运行的可靠性和消纳能力带来较大压力；当海上风电使用海底电缆并网时，存在对地电容充电功率高的问题。

另外，海上风电场一般都离岸几十公里，需要通过海上升压站和长距离的海底电缆才能实现功率传输。

海上风电场的运行出力特性限制了海上风电机组动态无功输出能力，以及长距离的海底电缆在空载情况下呈容性，随着传输功率的增加，海底电缆可能处于消耗感性无功或产生容性无功的状态，使得大规模海上风电场接入电力系统会引起电力系统的无功支撑不足，进而使得海上风电接入电力系统运行特性变得异常复杂，电网的安全稳定性将更为严峻。

目前，还未有能解决上述问题的技术被提出。

发明内容

针对现有技术的不足，本发明的目的是提供一种海上风电场接入电力系统的无功补偿方法和系统，该方法利用改进的遗传算法快速求解海上风电场接入电力系统的无功补偿最优策略，通过执行所述最优策略从而有效发挥海上风电场自身无功快速调节能力，进而提升了海上风电支撑电力系统无功电压能力，增强了海上风电场接入电力系统的友好程度。

本发明的目的是采用下述技术方案实现的：

本发明提供一种海上风电场接入电力系统的无功补偿方法，其改进之处在于，所述方法包括：

将接入海上风电场的电力系统的初始潮流数据代入预先构建的电力系统的无功补偿优化模型；

利用改进的遗传算法求解所述功补偿优化模型，得到海上风电场接入电力系统待优化参数的优化解；

其中，所述改进的遗传算法包括：利用适应度高于第一适应度预设阈值的个体为父代进行交叉操作；

保留交叉操作后的种群中适应度高于第二适应预设度阈值的个体不变，对其它个体进行变异操作。

优选的，所述待优化参数，包括：

海上风电场的最优无功出力、海上升压站低压侧的最优配置容量和/或陆上集控中心无功补偿设备的最优配置容量。

本发明提供一种海上风电场接入电力系统的无功补偿系统，其改进之处在于，所述系统包括：

代入模块，用于将接入海上风电场的电力系统的初始潮流数据代入预先构建的电力系统的无功补偿优化模型；

求解模块，用于利用改进的遗传算法求解所述功补偿优化模型，得到海上风电场接入电力系统待优化参数的优化解；

其中，所述改进的遗传算法包括：利用适应度高于第一适应度预设阈值的个体为父代进行交叉操作；

保留交叉操作后的种群中适应度高于第二适应预设度阈值的个体不变，对其它个体进行变异操作。

优选的，所述待优化参数，包括：

海上风电场的最优无功出力、海上升压站低压侧的最优配置容量和/或陆上集控中心无功补偿设备的最优配置容量。

与最接近的现有技术相比，本发明具有的有益效果：

本发明提供的技术方案，将接入海上风电场的电力系统的初始潮流数据代入预先构建的电力系统的无功补偿优化模型；利用改进的遗传算法求解所述功补偿优化模型，得到海上风电场接入电力系统待优化参数的优化解。该方案利用改进的遗传算法快速求解海上风电场接入电力系统的无功补偿最优策略，通过执行所述最优策略从而有效发挥海上风电场自身无功快速调节能力，进而提升了海上风电支撑电力系统无功电压能力，增强了海上风电场接入电力系统的友好程度。

本发明提供的技术方案，对改进了传统遗传算法的编码、交叉操作和变异操作，有效减少算法计算量，有效降低最优求解的时间，显著提升寻优收敛速度，为预先构建的电力系统无功补偿优化模型的求解提供更为科学合理的计算方法。

附图说明

图1是一种海上风电场接入电力系统的无功补偿方法流程图；

图2是一种海上风电场接入电力系统的无功补偿系统结构图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步的详细说明。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

遗传算法具有良好的全局寻优能力，可以避免陷入局部最优解，对变量的约束条件比较少并具有较强的扩展性。但遗传的特性也决定了其具有较多缺点，如编码方式单一，无法全面表现出具体的优化约束条件；使用遗传算法进化到一定阶段之后，进化速度会明显下降，局部收敛速度很慢，最后易收敛于全局较优解。而海上风电场接入电力系统的无功补偿优化潮流计算过程复杂，数据量庞大，如果使用传统遗传算法解决风电场无功补偿优化问题，可能会存在占用内存大，需求最优解的时间长，导致寻求最优解收敛速度慢等缺点，基于此，本发明提供一种海上风电场接入电力系统的无功补偿方法，如图1所示，所述方法包括：

步骤101，将接入海上风电场的电力系统的初始潮流数据代入预先构建的电力系统的无功补偿优化模型；

步骤102，利用改进的遗传算法求解所述功补偿优化模型，得到海上风电场接入电力系统待优化参数的优化解；

其中，所述改进的遗传算法包括：利用适应度高于第一适应度预设阈值的个体为父代进行交叉操作；

保留交叉操作后的种群中适应度高于第二适应预设度阈值的个体不变，对其它个体进行变异操作。

具体的，所述待优化参数，包括：

海上风电场的最优无功出力、海上升压站低压侧的最优配置容量和/或陆上集控中心无功补偿设备的最优配置容量。

具体的，按下式确定所述预先构建的接入海上风电场的电力系统的无功补偿优化模型的目标函数：

min f＝n₁·P_loss+n₂·||ΔU_G||²

式中，n₁为接入海上风电场的电力系统的有功损耗量对应的权重指标，n₂为接入海上风电场的电力系统的节点电压偏差对应的权重指标，P_loss为接入海上风电场的电力系统的有功损耗量，||ΔU_G||²为接入海上风电场的电力系统的节点电压偏差量；

其中，所述接入海上风电场的电力系统的有功损耗量和所述接入海上风电场的电力系统的节点电压偏差量的获取过程包括：

利用待优化参数的值和接入海上风电场的电力系统的初始潮流数据构建接入海上风电场的电力系统的初始潮流文件；

将接入海上风电场的电力系统的初始潮流文件导入潮流仿真平台，启动潮流仿真程序，获取接入海上风电场的电力系统的有功损耗量和所述接入海上风电场的电力系统的节点电压偏差量。

在本发明的最佳实施例中，潮流仿真平台包括：BPA，PSASP和Power Factory；接入海上风电场的电力系统的初始潮流数据包括：电力系统的设备参数、电力系统的部分潮流数据等等。

进一步的，所述预先构建的接入海上风电场的电力系统的无功补偿优化模型的目标函数约束条件，包括：节点功率平衡约束条件、无功补偿装置容量约束条件、发电设备的无功出力约束条件和节点电压约束条件；

其中，按下式确定所述节点功率平衡约束条件：

式中，P_Gi为接入海上风电场的电力系统的第i个节点的有功输入值，Q_Gi为接入海上风电场的电力系统的第i个节点的无功输入值，P_Di为接入海上风电场的电力系统的第i个节点的有功输出值、Q_Di为接入海上风电场的电力系统的第i个节点的无功输出值，Q_C为接入海上风电场的电力系统的第i个节点的无功补偿功率，G_ij为接入海上风电场的电力系统的第i个节点和第j个节点之间的电导，B_ij为接入海上风电场的电力系统的第i个节点和第j个节点之间的电纳，θ_ij为接入海上风电场的电力系统的第i个节点和第j个节点之间的电压的相角差，U_i为接入海上风电场的电力系统的第i个节点的电压幅值，U_j为接入海上风电场的电力系统的第j个节点的电压幅值，i∈(1～N_L)，N_L为接入海上风电场的电力系统的节点总数；

按下式确定所述无功补偿装置容量约束条件：

Q_Ch,min≤Q_Ch≤Q_Ch,max

上式中，Q_Ch,min为接入海上风电场的电力系统的第h个无功补偿装置的配置容量下限值，Q_Ch为接入海上风电场的电力系统的第h个无功补偿装置的配置容量值，Q_Ch,max为接入海上风电场的电力系统的第h个无功补偿装置的配置容量上限值，h∈(1～N_c)，N_c为接入海上风电场的电力系统中的无功补偿装置总数；

按下式确定所述发电设备的无功出力约束条件：

Q_Gx,min≤Q_Gx≤Q_Gx,max

上式中，Q_Gx,min为接入海上风电场的电力系统的第x个发电设备的无功出力下限值，Q_Gx为接入海上风电场的电力系统的第x个发电设备的无功出力值，Q_Gx,max为接入海上风电场的电力系统的第x个发电设备的无功出力上限值，x∈(1～N_x)，N_x为接入海上风电场的电力系统中的发电设备总数；

按下式确定所述节点电压约束条件：

U_i,min≤U_i≤U_i,max

上式中，U_i,min为接入海上风电场的电力系统的第i个节点的电压下限值，U_i为接入海上风电场的电力系统的第i个节点的电压，U_i,max为接入海上风电场的电力系统的第i个节点的电压上限值。

具体的，所述步骤102，包括：

步骤102-1：分别以10进制编码的待优化参数为个体生成初始种群，并初始化遗传迭代次数ξ＝1；

在本发明的最佳实施例中，改进的遗传算法需预先设定种群规模，最大迭代次数，交叉概率、遗传概率、优化参量和适应度最大允许偏差等等；其中优化参量为所述预先构建的电力系统无功补偿优化模型中优化变量；其根据海上风电场接入电力系统实际情况设置，如海上升压站低压侧不额外配置无功补偿装置，仅设置海上风电场无功出力和陆上集控中心无功补偿设备的无功容量作为优化变量。

在本发明的最佳实施例中，传统遗传算法通常采用二进制编码方式，但由于离散型的特点，这种编码方式用于求解海上风电无功问题时，占用过多的计算机内存，计算数据量大大增加，大大降低了运算的效率。而本发明采用十进制编码方式，编码字符串比二进制短很多，进而可以达到显著减少计算量，有效提升运算效率的目的。

步骤102-2：计算种群中各个体的适应度，以适应度高于第一适应度预设阈值的个体为父代进行交叉操作，将种群中个体更新为交叉操作产生的个体和适应度高于第一适应度预设阈值的个体；

在本发明的最佳实施例中，传统的遗传算法在运算过程中，通过种群的进化，逐渐产生更多的优良个体。但是由于存在变异和交叉的运算，可能会存在破坏群体中适应度高的个体的情况出现，为应对此种情况，改进遗传算法为了使下一代种群中包含更多的适应度高的个体，对于种群中适应度高的个体不再进行交叉的进化过程，直接保留到下一代种群中。而对适应度不足的个体，直接舍弃；复制种群中适应度高的个体，并将复制的个体进行交叉操作，以便产生新的个体进而组成新的种群；

而交叉操作对于遗传进化过程起着十分重要的作用，选取准确的交叉方式对遗传算法的效果能够产生质变的作用。传统遗传算法的交叉操作包括均匀交叉、两点交叉、一点交叉、多点交叉等。如果采用该交叉方式，更容易破坏个体结构，降低了搜索解的空间能力，因此改进遗传算法通过采用算术交叉操作，即由交叉的两个个体线性组合产生出两个新的个体，以提高搜索解的空间能力。

步骤102-3：计算种群中各个体的适应度，并保留种群中适应度高于第二适应度预设阈值的个体不变，对种群中其它个体进行变异操作；

在本发明的最佳实施例中，为了使下一代种群中包含更多的适应度高的个体，对于种群中适应度高的个体不再进行变异的进化过程，直接保留到下一代种群中；而对适应度低的个体进行变异操作，以产生新的个体。

步骤102-4：判断当前迭代次数ξ＝W是否成立或当前迭代种群中个体的适应度的均值与上一次迭代种群中个体的适应度的均值之间的偏差小于适应度最大允许偏差是否成立，若是，输出种群中适应度最高的个体作为所述预先构建的电力系统无功补偿优化模型的最优解；否则，返回步骤2；

其中，W为最大迭代次数，种群中各个体的适应度函数为

为种群中第

个个体对应的预先构建的电力系统无功补偿优化模型的目标函数值，

为种群中第

个个体的适应度值。

在本发明的最佳实施例中，利用改进遗传算法求解海上风电场接入电力系统的无功补偿策略，可方便扩展至大型光伏集中接入区域，适用范围广，可扩展性强。

进一步的，所述以适应度高于第一适应度预设阈值的个体为父代进行交叉操作，包括：

将种群中每个适应度高于第一适应度预设阈值的个体作为一个父代个体；

根据交叉概率从全部父代个体中选择各对需要进行交叉操作的父代个体；

对每对需要进行交叉操作的父代个体中相异部分基因进行线性组合，以产生基因重组个体；

剔除重复的基因重组个体。

在本发明的最佳实施例中，改进的遗传算法采用锦标赛选择法，其基本过程为通过比较每个个体适应度大小进行选择，保证适应度函数值大的个体保留到下一代种群中，通过多次重复以上过程，获得适应度高的种群，并且选择的概率与个体适应度之间是相互独立的，避免输出结果陷入局部最优。其较传统的轮盘赌选择方法来言，其更能体现出遗传算法优胜劣汰的原则，能更好的寻求最优解。

本发明提供一种海上风电场接入电力系统的无功补偿系统，如图2所示，所述系统包括：

代入模块，用于将接入海上风电场的电力系统的初始潮流数据代入预先构建的电力系统的无功补偿优化模型；

求解模块，用于利用改进的遗传算法求解所述功补偿优化模型，得到海上风电场接入电力系统待优化参数的优化解；

其中，所述改进的遗传算法包括：利用适应度高于第一适应度预设阈值的个体为父代进行交叉操作；

保留交叉操作后的种群中适应度高于第二适应预设度阈值的个体不变，对其它个体进行变异操作。

具体的，所述待优化参数，包括：

海上风电场的最优无功出力、海上升压站低压侧的最优配置容量和/或陆上集控中心无功补偿设备的最优配置容量。

具体的，按下式确定所述预先构建的接入海上风电场的电力系统的无功补偿优化模型的目标函数：

min f＝n₁·P_loss+n₂·||ΔU_G||²

式中，n₁为接入海上风电场的电力系统的有功损耗量对应的权重指标，n₂为接入海上风电场的电力系统的节点电压偏差对应的权重指标，P_loss为接入海上风电场的电力系统的有功损耗量，||ΔU_G||²为接入海上风电场的电力系统的节点电压偏差量；

其中，所述接入海上风电场的电力系统的有功损耗量和所述接入海上风电场的电力系统的节点电压偏差量的获取过程包括：

利用待优化参数的值和接入海上风电场的电力系统的初始潮流数据构建接入海上风电场的电力系统的初始潮流文件；

将接入海上风电场的电力系统的初始潮流文件导入潮流仿真平台，启动潮流仿真程序，获取接入海上风电场的电力系统的有功损耗量和所述接入海上风电场的电力系统的节点电压偏差量。

进一步的，所述预先构建的接入海上风电场的电力系统的无功补偿优化模型的目标函数约束条件，包括：节点功率平衡约束条件、无功补偿装置容量约束条件、发电设备的无功出力约束条件和节点电压约束条件；

其中，按下式确定所述节点功率平衡约束条件：

式中，P_Gi为接入海上风电场的电力系统的第i个节点的有功输入值，Q_Gi为接入海上风电场的电力系统的第i个节点的无功输入值，P_Di为接入海上风电场的电力系统的第i个节点的有功输出值、Q_Di为接入海上风电场的电力系统的第i个节点的无功输出值，Q_C为接入海上风电场的电力系统的第i个节点的无功补偿功率，G_ij为接入海上风电场的电力系统的第i个节点和第j个节点之间的电导，B_ij为接入海上风电场的电力系统的第i个节点和第j个节点之间的电纳，θ_ij为接入海上风电场的电力系统的第i个节点和第j个节点之间的电压的相角差，U_i为接入海上风电场的电力系统的第i个节点的电压幅值，U_j为接入海上风电场的电力系统的第j个节点的电压幅值，i∈(1～N_L)，N_L为接入海上风电场的电力系统的节点总数；

按下式确定所述无功补偿装置容量约束条件：

Q_Ch,min≤Q_Ch≤Q_Ch,max

上式中，Q_Ch,min为接入海上风电场的电力系统的第h个无功补偿装置的配置容量下限值，Q_Ch为接入海上风电场的电力系统的第h个无功补偿装置的配置容量值，Q_Ch,max为接入海上风电场的电力系统的第h个无功补偿装置的配置容量上限值，h∈(1～N_c)，N_c为接入海上风电场的电力系统中的无功补偿装置总数；

按下式确定所述发电设备的无功出力约束条件：

Q_Gx,min≤Q_Gx≤Q_Gx,max

上式中，Q_Gx,min为接入海上风电场的电力系统的第x个发电设备的无功出力下限值，Q_Gx为接入海上风电场的电力系统的第x个发电设备的无功出力值，Q_Gx,max为接入海上风电场的电力系统的第x个发电设备的无功出力上限值，x∈(1～N_x)，N_x为接入海上风电场的电力系统中的发电设备总数；

按下式确定所述节点电压约束条件：

U_i,min≤U_i≤U_i,max

上式中，U_i,min为接入海上风电场的电力系统的第i个节点的电压下限值，U_i为接入海上风电场的电力系统的第i个节点的电压，U_i,max为接入海上风电场的电力系统的第i个节点的电压上限值。

具体的，所述求解模块，包括：

初始化单元，用于分别以10进制编码的待优化参数为个体生成初始种群，并初始化遗传迭代次数ξ＝1；

交叉单元，用于计算种群中各个体的适应度，以适应度高于第一适应度预设阈值的个体为父代进行交叉操作，将种群中个体更新为交叉操作产生的个体和适应度高于第一适应度预设阈值的个体；

变异单元，用于计算种群中各个体的适应度，并保留种群中适应度高于第二适应度预设阈值的个体不变，对种群中其它个体进行变异操作；

判断单元，用于判断当前迭代次数ξ＝W是否成立或当前迭代种群中个体的适应度的均值与上一次迭代种群中个体的适应度的均值之间的偏差小于适应度最大允许偏差是否成立，若是，输出种群中适应度最高的个体作为所述预先构建的电力系统无功补偿优化模型的最优解；否则，跳转至交叉单元；

其中，W为最大迭代次数，种群中各个体的适应度函数为

种群中第

个个体对应的预先构建的电力系统无功补偿优化模型的目标函数值，

为种群中第

个个体的适应度值。

进一步的，所述以适应度高于第一适应度预设阈值的个体为父代进行交叉操作，包括：

将种群中每个适应度高于第一适应度预设阈值的个体作为一个父代个体；

根据交叉概率从全部父代个体中选择各对需要进行交叉操作的父代个体；

对每对需要进行交叉操作的父代个体中相异部分基因进行线性组合，以产生基因重组个体；

剔除重复的基因重组个体。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (11)

1.一种海上风电场接入电力系统的无功补偿方法，其特征在于，所述方法包括：

将接入海上风电场的电力系统的初始潮流数据代入预先构建的电力系统的无功补偿优化模型；

利用改进的遗传算法求解所述功补偿优化模型，得到海上风电场接入电力系统待优化参数的优化解；

其中，所述改进的遗传算法包括：利用适应度高于第一适应度预设阈值的个体为父代进行交叉操作；

保留交叉操作后的种群中适应度高于第二适应预设度阈值的个体不变，对其它个体进行变异操作。

2.如权利要求1所述的方法，其特征在于，所述待优化参数，包括：

海上风电场的最优无功出力、海上升压站低压侧的最优配置容量和/或陆上集控中心无功补偿设备的最优配置容量。

3.如权利要求1所述的方法，其特征在于，按下式确定所述预先构建的接入海上风电场的电力系统的无功补偿优化模型的目标函数：

min f＝n₁·P_loss+n₂·||ΔU_G||²

式中，n₁为接入海上风电场的电力系统的有功损耗量对应的权重指标，n₂为接入海上风电场的电力系统的节点电压偏差对应的权重指标，P_loss为接入海上风电场的电力系统的有功损耗量，||ΔU_G||²为接入海上风电场的电力系统的节点电压偏差量；

其中，所述接入海上风电场的电力系统的有功损耗量和所述接入海上风电场的电力系统的节点电压偏差量的获取过程包括：

利用待优化参数的值和接入海上风电场的电力系统的初始潮流数据构建接入海上风电场的电力系统的初始潮流文件；

将接入海上风电场的电力系统的初始潮流文件导入潮流仿真平台，启动潮流仿真程序，获取接入海上风电场的电力系统的有功损耗量和所述接入海上风电场的电力系统的节点电压偏差量。

4.如权利要求3所述的方法，其特征在于，所述预先构建的接入海上风电场的电力系统的无功补偿优化模型的目标函数约束条件，包括：节点功率平衡约束条件、无功补偿装置容量约束条件、发电设备的无功出力约束条件和节点电压约束条件；

其中，按下式确定所述节点功率平衡约束条件：

式中，P_Gi为接入海上风电场的电力系统的第i个节点的有功输入值，Q_Gi为接入海上风电场的电力系统的第i个节点的无功输入值，P_Di为接入海上风电场的电力系统的第i个节点的有功输出值、Q_Di为接入海上风电场的电力系统的第i个节点的无功输出值，Q_C为接入海上风电场的电力系统的第i个节点的无功补偿功率，G_ij为接入海上风电场的电力系统的第i个节点和第j个节点之间的电导，B_ij为接入海上风电场的电力系统的第i个节点和第j个节点之间的电纳，θ_ij为接入海上风电场的电力系统的第i个节点和第j个节点之间的电压的相角差，U_i为接入海上风电场的电力系统的第i个节点的电压幅值，U_j为接入海上风电场的电力系统的第j个节点的电压幅值，i∈(1～N_L)，N_L为接入海上风电场的电力系统的节点总数；

按下式确定所述无功补偿装置容量约束条件：

Q_Ch,min≤Q_Ch≤Q_Ch,max

上式中，Q_Ch,min为接入海上风电场的电力系统的第h个无功补偿装置的配置容量下限值，Q_Ch为接入海上风电场的电力系统的第h个无功补偿装置的配置容量值，Q_Ch,max为接入海上风电场的电力系统的第h个无功补偿装置的配置容量上限值，h∈(1～N_c)，N_c为接入海上风电场的电力系统中的无功补偿装置总数；

按下式确定所述发电设备的无功出力约束条件：

Q_Gx,min≤Q_Gx≤Q_Gx,max

上式中，Q_Gx,min为接入海上风电场的电力系统的第x个发电设备的无功出力下限值，Q_Gx为接入海上风电场的电力系统的第x个发电设备的无功出力值，Q_Gx,max为接入海上风电场的电力系统的第x个发电设备的无功出力上限值，x∈(1～N_x)，N_x为接入海上风电场的电力系统中的发电设备总数；

按下式确定所述节点电压约束条件：

U_i,min≤U_i≤U_i,max

上式中，U_i,min为接入海上风电场的电力系统的第i个节点的电压下限值，U_i为接入海上风电场的电力系统的第i个节点的电压，U_i,max为接入海上风电场的电力系统的第i个节点的电压上限值。

5.如权利要求1所述的方法，其特征在于，所述利用改进的遗传算法求解所述功补偿优化模型，得到海上风电场的最优无功出力，海上升压站低压侧的最优配置容量以及陆上集控中心无功补偿设备的最优配置容量，包括：

步骤1：分别以10进制编码的待优化参数为个体生成初始种群，并初始化遗传迭代次数ξ＝1；

步骤2：计算种群中各个体的适应度，以适应度高于第一适应度预设阈值的个体为父代进行交叉操作，将种群中个体更新为交叉操作产生的个体和适应度高于第一适应度预设阈值的个体；

步骤3：计算种群中各个体的适应度，并保留种群中适应度高于第二适应度预设阈值的个体不变，对种群中其它个体进行变异操作；

步骤4：判断当前迭代次数ξ＝W是否成立或当前迭代种群中个体的适应度的均值与上一次迭代种群中个体的适应度的均值之间的偏差小于适应度最大允许偏差是否成立，若是，输出种群中适应度最高的个体作为所述预先构建的电力系统无功补偿优化模型的最优解；否则，返回步骤2；

其中，W为最大迭代次数，种群中各个体的适应度函数为

为种群中第

个个体对应的预先构建的电力系统无功补偿优化模型的目标函数值，

为种群中第

个个体的适应度值。

6.如权利要求5所述的方法，其特征在于，所述以适应度高于第一适应度预设阈值的个体为父代进行交叉操作，包括：

将种群中每个适应度高于第一适应度预设阈值的个体作为一个父代个体；

根据交叉概率从全部父代个体中选择各对需要进行交叉操作的父代个体；

对每对需要进行交叉操作的父代个体中相异部分基因进行线性组合，以产生基因重组个体；

剔除重复的基因重组个体。

7.一种海上风电场接入电力系统的无功补偿系统，其特征在于，所述系统包括：

代入模块，用于将接入海上风电场的电力系统的初始潮流数据代入预先构建的电力系统的无功补偿优化模型；

求解模块，用于利用改进的遗传算法求解所述功补偿优化模型，得到海上风电场接入电力系统待优化参数的优化解；

其中，所述改进的遗传算法包括：利用适应度高于第一适应度预设阈值的个体为父代进行交叉操作；

保留交叉操作后的种群中适应度高于第二适应预设度阈值的个体不变，对其它个体进行变异操作。

8.如权利要求7所述的系统，其特征在于，所述待优化参数，包括：

海上风电场的最优无功出力、海上升压站低压侧的最优配置容量和/或陆上集控中心无功补偿设备的最优配置容量。

9.如权利要求7所述的系统，其特征在于，按下式确定所述预先构建的接入海上风电场的电力系统的无功补偿优化模型的目标函数：

min f＝n₁·P_loss+n₂·||ΔU_G||²

式中，n₁为接入海上风电场的电力系统的有功损耗量对应的权重指标，n₂为接入海上风电场的电力系统的节点电压偏差对应的权重指标，P_loss为接入海上风电场的电力系统的有功损耗量，||ΔU_G||²为接入海上风电场的电力系统的节点电压偏差量；

其中，所述接入海上风电场的电力系统的有功损耗量和所述接入海上风电场的电力系统的节点电压偏差量的获取过程包括：

利用待优化参数的值和接入海上风电场的电力系统的初始潮流数据构建接入海上风电场的电力系统的初始潮流文件；

将接入海上风电场的电力系统的初始潮流文件导入潮流仿真平台，启动潮流仿真程序，获取接入海上风电场的电力系统的有功损耗量和所述接入海上风电场的电力系统的节点电压偏差量。

10.如权利要求7所述的系统，其特征在于，所述求解模块，包括：

初始化单元，用于分别以10进制编码的待优化参数为个体生成初始种群，并初始化遗传迭代次数ξ＝1；

交叉单元，用于计算种群中各个体的适应度，以适应度高于第一适应度预设阈值的个体为父代进行交叉操作，将种群中个体更新为交叉操作产生的个体和适应度高于第一适应度预设阈值的个体；

变异单元，用于计算种群中各个体的适应度，并保留种群中适应度高于第二适应度预设阈值的个体不变，对种群中其它个体进行变异操作；

判断单元，用于判断当前迭代次数ξ＝W是否成立或当前迭代种群中个体的适应度的均值与上一次迭代种群中个体的适应度的均值之间的偏差小于适应度最大允许偏差是否成立，若是，输出种群中适应度最高的个体作为所述预先构建的电力系统无功补偿优化模型的最优解；否则，跳转至交叉单元；

其中，W为最大迭代次数，种群中各个体的适应度函数为

为种群中第

个个体对应的预先构建的电力系统无功补偿优化模型的目标函数值，

为种群中第

个个体的适应度值。

11.如权利要求10所述的系统，其特征在于，所述以适应度高于第一适应度预设阈值的个体为父代进行交叉操作，包括：

将种群中每个适应度高于第一适应度预设阈值的个体作为一个父代个体；

根据交叉概率从全部父代个体中选择各对需要进行交叉操作的父代个体；

对每对需要进行交叉操作的父代个体中相异部分基因进行线性组合，以产生基因重组个体；

剔除重复的基因重组个体。

Images