CN116207797B - 一种配电网多串并联设备协调优化控制方法 - Google Patents
一种配电网多串并联设备协调优化控制方法 Download PDFInfo
- Publication number
- CN116207797B CN116207797B CN202310462282.6A CN202310462282A CN116207797B CN 116207797 B CN116207797 B CN 116207797B CN 202310462282 A CN202310462282 A CN 202310462282A CN 116207797 B CN116207797 B CN 116207797B
- Authority
- CN
- China
- Prior art keywords
- jackal
- equipment
- positions
- parallel
- compensation capacity
- 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.)
- Active
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000010845 search algorithm Methods 0.000 claims abstract description 13
- 241000282421 Canidae Species 0.000 claims description 47
- 244000025352 Artocarpus heterophyllus Species 0.000 claims description 30
- 235000008725 Artocarpus heterophyllus Nutrition 0.000 claims description 30
- 238000004364 calculation method Methods 0.000 claims description 14
- 241000282461 Canis lupus Species 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 6
- 240000007594 Oryza sativa Species 0.000 claims description 3
- 235000007164 Oryza sativa Nutrition 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 235000009566 rice Nutrition 0.000 claims description 3
- 230000006870 function Effects 0.000 description 26
- 238000005516 engineering process Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
Images
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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- 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
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Power Engineering (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Educational Administration (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Water Supply & Treatment (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种配电网多串并联设备协调优化控制方法,所述方法包括:确定同时安装有串联D‑FACTS设备和并联D‑FACTS设备的电力系统的总补偿容量,以总补偿容量最小为目标建立设备数量优化的目标函数;根据最低补偿容量和电压稳定范围建立约束条件;将社交网络搜索算法引入到金豺优化算法中,构造混合优化算法,通过混合优化算法求解约束条件下的目标函数,得到最优的投入运行设备数量;基于最优的投入运行设备数量进行电力系统协调控制,使总补偿容量最小。本发明通过优化配置多台及多种不同类型的D‑FACTS设备的串联和并联的数量关系,确定最优的投入运行设备数量,可以协同地改善配电网中的电能质量问题,提高系统的稳定性和可靠性。
Description
技术领域
本发明属于配电网优化技术领域,具体涉及一种配电网多串并联设备协调优化控制方法。
背景技术
D-FACTS技术是一种灵活的直流输电技术,可以通过改变电力系统的电气参数,如电压、电流和相角等,来控制电力系统的电力流动,从而改善电力系统的稳定性、可靠性和经济性等方面的性能。在配电网中,D-FACTS技术可以用于电压控制、谐波控制、有功功率控制、无功功率控制和电流控制等方面,以提高配电网的电气参数,从而改善配电网的电力质量,保证电力供应的可靠性和稳定性,降低电力系统的损耗和成本,提高电力系统的经济性。D-FACTS技术通过在配电网中加入一个D-FACTS设备,控制配电网的电气参数,来实现对配电网的改善。
传统技术中对于D-FACTS技术的研究主要着重于采用单个D-FACTS装置来改善配电网的局部电能质量问题。随着智能电网的不断发展,用户对电能质量的要求也日益提高。为满足不同用户对电能质量的不同需求,电力系统需要对电能质量进行分级管理,单一的D-FACTS装置并不能满足所有用户的需求,因为不同用户对电能质量的要求是不同的。如果在配电网中安装多台不同种类的D-FACTS装置,就可以通过它们的联合运行来实现电能质量的分级管理和综合治理。
霍群海在《D-FACTS装置交互影响分析及协调控制研究》中提及了多台及多种D-FACTS装置优化配置问题,设计了优化配置的数学模型和约束条件,提出了基于遗传算法的VQC优化配置策略进行VQC串并联容量的分配,但是并未详细研究同一电力网络中多台串联设备、并联设备协同工作的数量关系,所使用的遗传算法也存在收敛速度慢的问题。因此,需要进一步研究和开发更加综合和高效的协调配置方法来解决这一问题,以实现配电网中电能质量问题的更加有效地控制和优化。
发明内容
有鉴于此,本发明提出了一种配电网多串并联设备协调优化控制方法,用于解决现有技术无法优化同一电力网络中多台串联设备、并联设备协同工作的数量关系的问题。
本发明提出一种配电网多串并联设备协调优化控制方法,所述方法包括:
确定同时包含有串联D-FACTS设备和并联D-FACTS设备的电力系统的总补偿容量,以总补偿容量最小为目标建立设备数量优化的目标函数;
根据最低补偿容量和电压稳定范围建立约束条件;
将社交网络搜索算法引入到金豺优化算法中,构造混合优化算法,通过混合优化算法求解约束条件下的目标函数,得到最优的投入运行设备数量;
基于最优的投入运行设备数量进行电力系统协调控制,使总补偿容量最小。
在以上技术方案的基础上,优选的,所述总补偿容量为:
在以上技术方案的基础上,优选的,所述约束条件为:
在以上技术方案的基础上,优选的,所述构造混合优化算法,通过混合优化算法求解约束条件下的目标函数,得到最优的投入运行设备数量具体包括:
在搜索空间内随机初始化金豺优化算法的种群,设种群数量为N;
在搜索猎物阶段,以目标函数为适应度函数,计算各个个体的适应度值,以适应度值最优的作为雄豺,适应度值次优的作为雌豺;
在包围猎物阶段,根据历史最优猎物的位置更新雄豺和雌豺位置;并根据雄豺和雌豺位置进行其余豺狼个体的位置更新;
在攻击猎物阶段,引入社交网络搜索算法的社交思想进行雄性豺狼和雌性豺狼的位置更新;并根据雄豺和雌豺位置进行其余豺狼个体的位置更新;
重复执行上述搜索猎物阶段、包围猎物阶段和攻击猎物阶段的过程,直到达到预设的迭代次数,输出最优解作为最优的投入运行设备数量。
在以上技术方案的基础上,优选的,所述在包围猎物阶段,根据历史最优猎物的位置更新雄豺和雌豺位置的公式为:
X 1(t)和X 2(t)分别为第t次迭代的与猎物相应的雄性豺狼和雌性豺狼更新后的位置,X x (t)和X c (t)分别为第t次迭代的雄性豺狼和雌性豺狼更新前的位置;K表示当前猎物逃跑的能量,P(t)为历史最优位置,rl表示一个基于莱维分布的随机数。
在以上技术方案的基础上,优选的,所述在攻击猎物阶段,引入社交网络搜索算法的社交思想进行雄性豺狼和雌性豺狼的位置更新具体包括:
τ表示社交项的权重系数,w pq 表示第p个豺狼和第q个豺狼之间的社交强度,X p (t)和X q (t)表示第t次迭代时第p个豺狼和第q个豺狼的位置。
在以上技术方案的基础上,优选的,社交项的权重系数τ的计算公式为:
其中,ε是一个控制τ变化速度的参数,t为当前迭代次数。
在以上技术方案的基础上,优选的,社交强度w pq 的计算公式为:
D pq 表示第p个豺狼和第q个豺狼之间的欧几里得距离,d为一个缩放参数,用于控制社交强度的大小。
本发明相对于现有技术具有以下有益效果:
1)本发明针对多台串联设备、并联设备协同工作的优化配置问题,以总补偿容量和最小为目标建立了目标函数;构造混合优化算法,通过混合优化算法求解约束条件下的目标函数,实现多台串联设备、并联设备协同工作数量关系的优化配置,基于优化配置结果进行电力系统协调控制,使总补偿容量最小,可以减少系统能耗,提高电能质量;
2)本发明将社交网络搜索算法引入到金豺优化算法中,构造混合优化算法,通混合优化算法中引入了社交因素,使得每个狩猎个体不再是孤立地进行狩猎,而是与其他狩猎个体进行合作和信息交流,从而可以更加有效地利用种群的搜索能力,提高算法的收敛速度和准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的配电网多串并联设备协调优化控制方法流程图;
图2为本发明的混合优化算法流程示意图。
具体实施方式
下面将结合本发明实施方式,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式仅仅是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,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他实施方式,都属于本发明保护的范围。
本发明针对单一的D-FACTS设备并不能满足所有用户的需求的问题,针对电力系统中同时安装有多台串联D-FACTS设备和多台并联D-FACTS设备的应用场景,进行多台串联设备、并联设备协同工作数量关系的优化,并进行电力系统协调控制,使所有设备的总补偿容量最小,以改善电能质量的同时降低系统的投资成本。
请参阅图1,本发明提出一种配电网多串并联设备协调优化控制方法,所述方法包括:
S1、确定安装有D-FACTS设备的电力系统的总补偿容量,并建立设备数量优化的目标函数。
本实施例中,假设电力系统中同时安装有n台串联设备和m台并联设备,计算该电力系统的总补偿容量,并以总补偿容量最小为优化目标建立目标函数。通过求解该目标函数即可求出最优的投入运行设备数量。
S11、总补偿容量计算
为了保证电力系统的稳定性和优化性能,需要安装足够的D-FACTS设备,但是设备数量过多会增加系统的投资和复杂性。因此,需要使系统补偿容量最小,以最小化D-FACTS设备的数量,并满足系统稳定和性能优化的需求。
n台串联设备和m台并联设备的总补偿容量B为:
S12、建立目标函数
为了使总补偿容量最小,以总补偿容量最小为优化目标建立目标函数,目标函数的表达式为:
其中,f为目标函数,min表示求最小值。
S2、根据最低补偿容量和电压稳定范围建立约束条件。
系统的最低补偿容量是指系统中最小的功率失衡量,即需要通过D-FACTS设备来补偿最小无功功率,因此,所有串联和并联的D-FACTS设备的总补偿容量不能小于系统所需的最低补偿容量。
此外,为了保障系统的稳定性,电压的稳定范围必须在合理范围内。
综合以上需求,建立的约束条件为:
S3、将社交网络搜索算法引入到金豺优化算法中,构造混合优化算法,通过混合优化算法求解约束条件下的目标函数,得到最优的投入运行设备数量。
金豺优化算法通过模拟金豺的合作狩猎行为,将多个个体组成的小组看作是一个群体,通过搜索猎物、包围猎物和攻击猎物三个基本步骤,最终获得最佳解。这种算法的基本原理是通过对个体之间的相互作用和协调进行建模,来实现全局优化。但攻击猎物可能出现过早收敛、易陷入局部最优等问题。
而社交网络搜索算法结合了社交网络理论和计算机科学技术的优势,能够在搜索过程中充分利用群体智慧和信息共享,从而找到最优解。该算法基于个体与个体之间的关系和交互行为,将搜索空间看作一个社交网络。在社交网络搜索算法中,每个个体都可以与其他个体进行交流和协作,从而生成新的搜索方向和解决方案,可以弥补金豺优化算法的不足。
因此,为了获得更好的优化效果,本发明将更好的优化算法将金豺优化算法与社交网络搜索算法结合,构造混合优化算法,进行电力系统补偿容量优化,在满足系统稳定和性能优化的需求的条件下求解最优的设备数量关系。
图2为本发明的混合优化算法流程示意图。步骤S3具体包括如下分步骤:
S31、在搜索空间内随机初始化金豺优化算法的种群。
假设搜索空间的边界为X min 和X max ,则可以使用如下公式初始化种群:
其中,rand(X max -X min )表示在[0,X max -X min ]范围内生成一个随机数向量。假设种群大小为N,种群中每个个体的维度为d,则可以将该向量进行扩展,得到一个N*d的猎物矩阵P。
猎物矩阵P中,每一行代表一个猎物个体,每一列代表一个维度。
步骤S3主要是为了求解目标函数下需要投入运行的串联设备数量和并联设备数量,因此可取d=2。
S32、在搜索猎物阶段,以目标函数为适应度函数,计算各个个体的适应度值,以适应度值最优的作为雄豺,适应度值次优的作为雌豺。
以目标函数f为适应度函数,计算各个个体的适应度值,所有猎物的适应度值矩阵表示如下:
F是一个N*d的矩阵,每一行代表一个猎物个体的适应度值,也就是该个体在目标函数中的表现。每一行的适应度值是通过将该个体的每个维度的取值作为目标函数f的输入,计算得出的函数值。
在适应度值矩阵F中,适应度值最小的为最优个体,选择最优个体作为雄豺,次优个体作为雌豺,金豺群体即跟随雄豺和雌豺进行猎物追捕。豺狼同时对应得到相应猎物的位置。
S33、计算并更新当前猎物逃跑的能量K,以及位置更新参数rl。
t为当前迭代次数,T为设定的迭代总次数。K 1是一个取值在[0,1]之间的衰减因子,它根据当前搜索的迭代次数t和总迭代次数T来计算,e=1.5。随着包围猎物的进行,K 1会逐渐减小,这样猎物在后期搜索时移动的步长就会减小。K 0是一个取值在[-1,1]之间的常数,它的计算依赖于一个随机数r,r的取值在每次搜索开始时随机生成,可以看作是一个[-1,1]之间的随机偏移量。
位置更新参数rl为一个基于莱维分布的随机数:
LF(o)表示莱维飞行中的步长,μ表示Levy分布中的位置参数,μ和υ均为为(0,1)范围内的随机数,σ表示Levy分布中的尺度参数,是一个关于β的函数,β表示Levy分布中的形状参数,可以自定义或在算法中随机生成,Γ(·)表示伽马函数,sin(·)表示正弦函数。
rl是一个在0和1之间的随机数,其作用是控制猎物个体在搜索猎物阶段和群聚狩猎阶段中跟随豺狼的程度。具体地说,当rl=0时,猎物个体只会跟随当前所处的豺狼个体;当rl=1时,猎物个体只会跟随历史上最优的豺狼个体。在这两个极端之间,rl的值越接近1,猎物个体跟随历史上最优的豺狼个体的程度就越高;rl的值越接近0,猎物个体只跟随当前所处的豺狼个体。通过调整rl的值,可以在搜索猎物阶段和群聚狩猎阶段中平衡全局搜索和局部搜索之间的权衡。
当|K|≥1,进入步骤S34的包围猎物阶段,当|K|<1,进入步骤S35的攻击猎物阶段。
S34、在包围猎物阶段,根据历史最优猎物的位置更新雄豺和雌豺位置;并根据雄豺和雌豺位置进行其余豺狼个体的位置更新。
在搜索猎物阶段,每个个体都会根据自己的适应度值和周围个体的适应度值来更新自己的位置。如果某个个体找到了比其他个体更好的猎物,那么它就会成为新的领袖个体,其他个体则会向其靠拢。通过这种方式,搜索猎物阶段可以帮助优化算法在解空间中快速地找到可能的最优解。
在包围猎物阶段,根据历史最优猎物的位置更新雄豺和雌豺位置的公式为:
X 1(t)和X 2(t)分别为第t次迭代的与猎物相应的雄性豺狼和雌性豺狼更新后的位置,X x (t)和X c (t)分别为第t次迭代的雄性豺狼和雌性豺狼更新前的位置;P(t)为历史最优位置。
根据雌性和雄性的位置综合更新其余个体的位置:
X(t+1)为第t次迭代时个体的位置。
S35、在攻击猎物阶段,引入社交网络搜索算法的社交思想进行雄豺和雌豺的位置更新;并根据雄豺和雌豺位置进行其余豺狼个体的位置更新。
在攻击猎物阶段,引入社交网络搜索算法的社交思想进行雄性豺狼和雌性豺狼的位置更新的计算公式为:
X 1(t)和X 2(t)分别为第t次迭代的与猎物相应的雄性豺狼和雌性豺狼更新后的位置,X x (t)和X c (t)分别为第t次迭代的雄性豺狼和雌性豺狼更新前的位置;K表示当前猎物逃跑的机率,P(t)为历史最优位置,rl表示一个基于莱维分布的随机数,X p (t)和X q (t)表示第t次迭代时第p个豺狼和第q个豺狼的位置。
τ表示社交项的权重系数,其值介于0到1之间,可以根据具体问题的特点进行调整。社交项的权重系数τ的计算公式为:
其中,t为当前迭代次数,ε是一个控制τ变化速度的参数。一般情况下,ε的值越大,社交网络搜索算法的作用越强,反之则越弱。
w pq 表示第p个豺狼和第q个豺狼之间的社交强度,社交强度w pq 的计算公式为:
D pq 表示第p个豺狼和第q个豺狼之间的欧几里得距离,d为一个缩放参数,用于控制社交强度的大小,一般情况下,d的值在狼群规模和搜索空间大小之间进行平衡选择。
同样根据雌性和雄性的位置综合更新其余个体的位置:
X(t+1)为第t次迭代时个体的位置。
S36、重复执行上述步骤S32~S35的搜索猎物阶段、参数计算阶段,包围猎物阶段和攻击猎物阶段的过程,直到达到预设的迭代次数,输出最优解作为最优的投入运行设备数量,其中包括了串联设备数量和并联设备数量。
本发明基于社交网络搜索改进的金豺优化算法,这两种算法的结合能够提高算法的收敛速度和准确性,为实际应用中的D-FACTS设备的优化问题提供高效、稳定的解决方案,为提升电能质量和实现区域配电网电能质量综合治理提供了有力的支持。
S4、基于最优的投入运行设备数量进行电力系统协调控制,使总补偿容量最小。
电力系统可以通过控制选择旁路或者投入运行设备数量进行电力系统协调控制,使总补偿容量最小。
总的来说,本发明针对多台及多种D-FACTS设备的优化配置问题,以节点电压等因素为约束条件,以系统最小补偿容量为目标函数,基于社交网络搜索改进的金豺优化算法,提出了配电网中多台D-FACTS设备的优化配置策略,并进行电力系统协调控制,可以协同地改善配电网中的电能质量问题,提高系统的稳定性和可靠性。
本发明还公开一种电子设备,包括:至少一个处理器、至少一个存储器、通信接口和总线;其中,所述处理器、存储器、通信接口通过所述总线完成相互间的通信;所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令,以实现本发明前述的方法。
本发明还公开一种计算机可读存储介质,所述计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机实现本发明实施例所述方法的全部或部分步骤。所述存储介质包括:U盘、移动硬盘、只读存储器ROM、随机存取存储器RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施方式而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种配电网多串并联设备协调优化控制方法,其特征在于,所述方法包括:
确定同时包含串联D-FACTS设备和并联D-FACTS设备的电力系统的总补偿容量,以总补偿容量最小为目标建立设备数量优化的目标函数;
根据最低补偿容量和电压稳定范围建立约束条件;
将社交网络搜索算法引入到金豺优化算法中,构造混合优化算法,通过混合优化算法求解约束条件下的目标函数,得到最优的投入运行设备数量;
所述混合优化算法中,在攻击猎物阶段,引入社交网络搜索算法的社交思想进行雄性豺狼和雌性豺狼的位置更新;并根据雄豺和雌豺位置进行其余豺狼个体的位置更新;
基于最优的投入运行设备数量进行电力系统协调控制,使总补偿容量最小。
4.根据权利要求1所述的配电网多串并联设备协调优化控制方法,其特征在于,所述构造混合优化算法,通过混合优化算法求解约束条件下的目标函数,得到最优的投入运行设备数量具体包括:
在搜索空间内随机初始化金豺优化算法的种群,设种群数量为N;
在搜索猎物阶段,以目标函数为适应度函数,计算各个个体的适应度值,以适应度值最优的作为雄豺,适应度值次优的作为雌豺;
在包围猎物阶段,根据历史最优猎物的位置更新雄豺和雌豺位置;并根据雄豺和雌豺位置进行其余豺狼个体的位置更新;
在攻击猎物阶段,引入社交网络搜索算法的社交思想进行雄性豺狼和雌性豺狼的位置更新;并根据雄豺和雌豺位置进行其余豺狼个体的位置更新;
重复执行上述搜索猎物阶段、包围猎物阶段和攻击猎物阶段的过程,直到达到预设的迭代次数,输出最优解作为最优的投入运行设备数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310462282.6A CN116207797B (zh) | 2023-04-26 | 2023-04-26 | 一种配电网多串并联设备协调优化控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310462282.6A CN116207797B (zh) | 2023-04-26 | 2023-04-26 | 一种配电网多串并联设备协调优化控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116207797A CN116207797A (zh) | 2023-06-02 |
CN116207797B true CN116207797B (zh) | 2023-07-07 |
Family
ID=86509694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310462282.6A Active CN116207797B (zh) | 2023-04-26 | 2023-04-26 | 一种配电网多串并联设备协调优化控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116207797B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117807896B (zh) * | 2024-02-29 | 2024-04-30 | 南昌工程学院 | 电解水制氢系统电磁暂态电压信号分解方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5480216B2 (ja) * | 2011-09-09 | 2014-04-23 | 株式会社東芝 | 蓄電池貸出容量決定装置および蓄電池貸出容量決定方法 |
CN113487071B (zh) * | 2021-06-24 | 2022-03-04 | 四川大学 | 用于电压暂降治理的ssts与dvr协调动作策略制定方法和装置 |
CN115167442A (zh) * | 2022-07-26 | 2022-10-11 | 国网湖北省电力有限公司荆州供电公司 | 一种输电线路巡检路径规划方法及系统 |
CN115952456A (zh) * | 2022-12-12 | 2023-04-11 | 中广核工程有限公司 | 故障诊断模型的确定方法、系统、程序产品及存储介质 |
-
2023
- 2023-04-26 CN CN202310462282.6A patent/CN116207797B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN116207797A (zh) | 2023-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | Multi-objective optimization of stand-alone hybrid PV-wind-diesel-battery system using improved fruit fly optimization algorithm | |
CN108448620B (zh) | 基于综合性能指标的高渗透率分布式电源集群划分方法 | |
CN104659816B (zh) | 基于改进粒子群算法的分布式电源接入配电系统优配方法 | |
CN110247438B (zh) | 基于天牛须算法的主动配电网资源优化配置 | |
CN109672184B (zh) | 一种含光伏的配电网电压控制方法和系统 | |
CN110070292B (zh) | 基于交叉变异鲸鱼优化算法的微网经济调度方法 | |
CN103914734B (zh) | 基于改进型蚁群算法的微网容量优化布址方法 | |
CN116207797B (zh) | 一种配电网多串并联设备协调优化控制方法 | |
CN108206543A (zh) | 一种基于能源梯级利用的能源路由器及其运行优化方法 | |
Yang et al. | A novel strategy of pareto-optimal solution searching in multi-objective particle swarm optimization (MOPSO) | |
CN111724003B (zh) | 一种基于“分区-分级”理论的复杂水资源系统优化配置方法 | |
CN110401209B (zh) | 基于多随机复合优化灰狼算法的削峰填谷的能量管理方法 | |
CN115577864B (zh) | 基于多模型组合运算的配电网运行优化调度方法 | |
Rashed et al. | Optimal TCSC placement in a power system by means of Differential Evolution Algorithm considering loss minimization | |
Wen et al. | Forecasting the annual household electricity consumption of Chinese residents using the DPSO-BP prediction model | |
CN108448659B (zh) | 一种基于hacs算法求解电力系统无功优化的方法 | |
CN109449994A (zh) | 一种含柔性互联装置的主动配电网的功率调控方法 | |
Inkollu et al. | An Application of Hunter-Prey Optimization for Maximizing Photovoltaic Hosting Capacity Along with Multi-Objective Optimization in Radial Distribution Network. | |
CN112381271B (zh) | 一种快速对抗深度置信网络的分布式多目标优化加速方法 | |
CN112787331B (zh) | 基于深度强化学习的潮流收敛自动调整方法及系统 | |
CN106451504A (zh) | 一种混合储能系统配置成本的控制方法及装置 | |
Pan et al. | Dual‐layer optimal dispatching strategy for microgrid energy management systems considering demand response | |
CN111146815B (zh) | 一种智能配电网分布式发电规划配置方法 | |
CN115712976A (zh) | 基于多元供热机组的热能及电负荷优化方法及相关设备 | |
CN115456250A (zh) | 一种适用于楼宇微网能源系统容量的优化配置方法及系统 |
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 |