本發(fā)明涉及電力系統(tǒng)技術(shù)領(lǐng)域，特別是涉及一種電力系統(tǒng)無(wú)功優(yōu)化方法與裝置。

背景技術(shù)：

電力系統(tǒng)無(wú)功優(yōu)化是一個(gè)離散、非線性、多目標(biāo)混合整數(shù)規(guī)劃問(wèn)題。在進(jìn)行多目標(biāo)決策時(shí)，各目標(biāo)函數(shù)有可能是相互沖突的，要同時(shí)使它們一起達(dá)到最優(yōu)不太可能，因此，為了找到一個(gè)對(duì)各個(gè)目標(biāo)都較為合適的一組解，我們必須根據(jù)各個(gè)目標(biāo)之間的關(guān)系，明確總目標(biāo)函數(shù)中各個(gè)目標(biāo)的權(quán)重，將多個(gè)子目標(biāo)線性加權(quán)組合為單一目標(biāo)。這種方法的優(yōu)點(diǎn)是便于計(jì)算，缺點(diǎn)是難以確定各目標(biāo)函數(shù)的權(quán)重。

長(zhǎng)期以來(lái)，國(guó)內(nèi)外眾多學(xué)者為解決無(wú)功優(yōu)化問(wèn)題做了大量的研究工作，提出了很多算法，這些算法對(duì)解決多目標(biāo)無(wú)功優(yōu)化問(wèn)題提供了新途徑。但是傳統(tǒng)算法在處理無(wú)功優(yōu)化問(wèn)題上具有一定的局限性，不方便處理離散變量，易陷入局部最優(yōu)解且收斂速度慢，而人工智能算法具有較強(qiáng)的全局搜索能力且能處理含有離散約束條件的多目標(biāo)無(wú)功優(yōu)化，因此人工智能算法在無(wú)功優(yōu)化問(wèn)題中得到了廣泛的研究和應(yīng)用。其中，人工智能算法包括粒子群算法，遺傳算法，免疫算法和混合算法。

kennedy和eberhart博士于1995通過(guò)對(duì)鳥(niǎo)群覓食行為的研究，提出一種仿生智能計(jì)算技術(shù)——粒子群優(yōu)化算法，該算法具有依賴(lài)參數(shù)較少、簡(jiǎn)單易行、收斂速度快等優(yōu)點(diǎn)。但標(biāo)準(zhǔn)粒子群算法在進(jìn)化過(guò)程中也存在初值敏感性、易陷入局部極值點(diǎn)和搜索精度不高等缺點(diǎn)。可見(jiàn)，如何提高粒子群算法整體尋優(yōu)性能，實(shí)現(xiàn)電力系統(tǒng)的無(wú)功優(yōu)化，是本領(lǐng)域技術(shù)人員亟待解決的問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明實(shí)施例的目的是提供一種電力系統(tǒng)無(wú)功優(yōu)化方法與裝置，可以實(shí)現(xiàn)電力系統(tǒng)的無(wú)功優(yōu)化目標(biāo)。

為解決上述技術(shù)問(wèn)題，本發(fā)明實(shí)施例提供一種電力系統(tǒng)無(wú)功優(yōu)化方法，包括：

s10：初始化目標(biāo)參數(shù)，獲取一個(gè)粒子的初始速度和初始位置；

s11：依據(jù)所述目標(biāo)參數(shù)和約束條件，建立電力系統(tǒng)無(wú)功優(yōu)化的目標(biāo)函數(shù)；

s12：利用建立的組合混沌序列，對(duì)所述粒子的所述初始速度和所述初始位置進(jìn)行組合混沌操作，得到混沌初始粒子群中各個(gè)粒子各自對(duì)應(yīng)的父代速度和父代位置；并將所述混沌初始粒子群作為父代粒子群；

s13：利用所述目標(biāo)函數(shù)，計(jì)算所述父代粒子群中各粒子的適應(yīng)度，確定出粒子最優(yōu)位置和種群最優(yōu)位置；

s14：依據(jù)設(shè)置的更新規(guī)則，對(duì)所述父代速度和所述父代位置進(jìn)行更新操作，得到子代速度和子代位置；并依據(jù)所述子代速度和慣性權(quán)重規(guī)則，調(diào)整所述子代粒子群的慣性權(quán)重；

s15：對(duì)所述子代粒子群中各粒子進(jìn)行混沌化處理；

s16：利用所述目標(biāo)函數(shù)，計(jì)算所述混沌化處理后的子代粒子群中各粒子的適應(yīng)度，保留適應(yīng)度最優(yōu)的粒子作為下一次迭代的父代粒子群，完成對(duì)所述粒子最優(yōu)位置和所述種群最優(yōu)位置的更新；

s17：判斷迭代次數(shù)是否達(dá)到預(yù)設(shè)的最大迭代次數(shù)；若否，則返回所述s14；若是，則執(zhí)行s18；

s18：輸出最優(yōu)解。

可選的，所述約束條件包括系統(tǒng)功率約束條件和不等式約束條件；

所述系統(tǒng)功率約束條件的公式如下，

其中，n為系統(tǒng)中的節(jié)點(diǎn)數(shù)；vi、vj分別是第i節(jié)點(diǎn)和第j節(jié)點(diǎn)電壓幅值；pgi、qgi分別為第i臺(tái)發(fā)電機(jī)有功功率和無(wú)功功率；pli、qli分別為第i節(jié)點(diǎn)有功功率負(fù)荷和無(wú)功功率負(fù)荷；δij為節(jié)點(diǎn)i和節(jié)點(diǎn)j之間的相角差；gij、bij分別為節(jié)點(diǎn)i和節(jié)點(diǎn)j之間互導(dǎo)納的實(shí)部和虛部；

所述不等式約束條件的公式如下，

其中，vi為節(jié)點(diǎn)電壓約束，tk為變壓器分接頭約束，qi為無(wú)功補(bǔ)償約束。

可選的，所述目標(biāo)函數(shù)包括系統(tǒng)網(wǎng)絡(luò)損耗目標(biāo)函數(shù)、節(jié)點(diǎn)電壓偏移目標(biāo)函數(shù)和靜態(tài)電壓穩(wěn)定裕度目標(biāo)函數(shù)；

所述系統(tǒng)網(wǎng)絡(luò)損耗目標(biāo)函數(shù)的公式如下，

其中，gij為i、j節(jié)點(diǎn)之間的支路電導(dǎo)；vi、vj分別為i、j節(jié)點(diǎn)的電壓模值；θij為i、j節(jié)點(diǎn)之間的電壓相角差；nl為系統(tǒng)總節(jié)點(diǎn)數(shù)；

所述節(jié)點(diǎn)電壓偏移目標(biāo)函數(shù)的公式如下，

其中，vi為節(jié)點(diǎn)i的實(shí)際電壓，為節(jié)點(diǎn)i的理想電壓，為節(jié)點(diǎn)i的最大允許電壓偏移；

所述靜態(tài)電壓穩(wěn)定裕度目標(biāo)函數(shù)的公式如下，

maxf4＝δmin；

其中，δmin為以潮流計(jì)算收斂時(shí)的雅可比矩陣的最小奇異值。

可選的，所述組合混沌序列的表達(dá)式如下，

其中，x0、y0為粒子的初始值，n、μ為控制參數(shù)。

可選的，在所述s14中包括：

利用如下公式，對(duì)所述父代速度和所述父代位置進(jìn)行更新操作，得到子代速度和子代位置；

其中，表示第i個(gè)粒子的第d維的父代速度；表示第i個(gè)粒子的第d維的子代速度；表示第i個(gè)粒子的第d維的父代位置；表示第i個(gè)粒子的第d維的子代位置；i＝1,2...m，d＝1,2,...,n；m為群體數(shù)目，n為粒子維數(shù)；ω為慣性權(quán)重，c1、c2為加速因子；r1、r2是介于[0，1]區(qū)間滿(mǎn)足均勻分布的隨機(jī)數(shù)；pid是第i個(gè)粒子的第d維在所述父代粒子群中的粒子最優(yōu)位置；gid是所述父代粒子群在第d維上的種群最優(yōu)位置。

可選的，在所述s14中包括：

利用如下公式，計(jì)算出所述父代粒子群的平均速度的期望

其中，v0為所述父代粒子群的平均速度，tmax為最大迭代次數(shù)；t1＝0.4×tmax；k為一個(gè)變量值；

并依據(jù)如下慣性權(quán)重規(guī)則對(duì)應(yīng)的公式，調(diào)整所述子代粒子群的慣性權(quán)重，

其中，表示所述父代粒子群的實(shí)際速度，ωk表示所述父代粒子群的慣性權(quán)重；ωk+1表示所述子代粒子群的慣性權(quán)重。

可選的，在所述s15中包括：

利用公式xk+1＝f(μ,xk)＝μxk(1-xk)，得到混沌化處理后的子代粒子群，

其中，xk表示所述父代粒子群；xk+1表示所述子代粒子群。

可選的，在所述s16中包括：

利用所述目標(biāo)函數(shù)，計(jì)算出粒子群對(duì)應(yīng)的變量(x1,x2,x3)及最優(yōu)函數(shù)值(p1,p2,p3)；其中，所述目標(biāo)函數(shù)包括系統(tǒng)網(wǎng)絡(luò)損耗目標(biāo)函數(shù)、節(jié)點(diǎn)電壓偏移目標(biāo)函數(shù)和靜態(tài)電壓穩(wěn)定裕度目標(biāo)函數(shù)；

計(jì)算各個(gè)目標(biāo)函數(shù)的熵權(quán)值和模糊權(quán)值，確定出各個(gè)目標(biāo)函數(shù)基于模糊熵權(quán)法的權(quán)值λ1、λ2、λ3；

依據(jù)所述權(quán)值，得到無(wú)功優(yōu)化適應(yīng)度函數(shù)；

依據(jù)所述無(wú)功優(yōu)化適應(yīng)度函數(shù)，確定出粒子最優(yōu)位置和種群最優(yōu)位置。

本發(fā)明實(shí)施例還提供了一種電力系統(tǒng)無(wú)功優(yōu)化裝置，包括初始化單元、建立單元、混沌操作單元、計(jì)算單元、更新單元、處理單元、保留單元、判斷單元和輸出單元，

所述初始化單元，用于初始化目標(biāo)參數(shù)，獲取一個(gè)粒子的初始速度和初始位置；

所述建立單元，用于依據(jù)所述目標(biāo)參數(shù)和約束條件，建立電力系統(tǒng)無(wú)功優(yōu)化的目標(biāo)函數(shù)；

所述混沌操作單元，用于利用建立的組合混沌序列，對(duì)所述粒子的所述初始速度和所述初始位置進(jìn)行組合混沌操作，得到混沌初始粒子群中各個(gè)粒子各自對(duì)應(yīng)的父代速度和父代位置；并將所述混沌初始粒子群作為父代粒子群；

所述計(jì)算單元，用于利用所述目標(biāo)函數(shù)，計(jì)算所述父代粒子群中各粒子的適應(yīng)度，確定出粒子最優(yōu)位置和種群最優(yōu)位置；

所述更新單元，用于依據(jù)設(shè)置的更新規(guī)則，對(duì)所述父代速度和所述父代位置進(jìn)行更新操作，得到子代速度和子代位置；并依據(jù)所述子代速度和慣性權(quán)重規(guī)則，調(diào)整所述子代粒子群的慣性權(quán)重；

所述處理單元，用于對(duì)所述子代粒子群中各粒子進(jìn)行混沌化處理；

所述保留單元，用于利用所述目標(biāo)函數(shù)，計(jì)算所述混沌化處理后的子代粒子群中各粒子的適應(yīng)度，保留適應(yīng)度最優(yōu)的粒子作為下一次迭代的父代粒子群，完成對(duì)所述粒子最優(yōu)位置和所述種群最優(yōu)位置的更新；

所述判斷單元，用于判斷迭代次數(shù)是否達(dá)到預(yù)設(shè)的最大迭代次數(shù)；若否，則返回所述更新單元；若是，則觸發(fā)所述輸出單元；

所述輸出單元，用于輸出最優(yōu)解。

可選的，所述約束條件包括系統(tǒng)功率約束條件和不等式約束條件；

所述系統(tǒng)功率約束條件的公式如下，

其中，n為系統(tǒng)中的節(jié)點(diǎn)數(shù)；vi、vj分別是第i節(jié)點(diǎn)和第j節(jié)點(diǎn)電壓幅值；pgi、qgi分別為第i臺(tái)發(fā)電機(jī)有功功率和無(wú)功功率；pli、qli分別為第i節(jié)點(diǎn)有功功率負(fù)荷和無(wú)功功率負(fù)荷；δij為節(jié)點(diǎn)i和節(jié)點(diǎn)j之間的相角差；gij、bij分別為節(jié)點(diǎn)i和節(jié)點(diǎn)j之間互導(dǎo)納的實(shí)部和虛部；

所述不等式約束條件的公式如下，

其中，vi為節(jié)點(diǎn)電壓約束，tk為變壓器分接頭約束，qi為無(wú)功補(bǔ)償約束。

可選的，所述目標(biāo)函數(shù)包括系統(tǒng)網(wǎng)絡(luò)損耗目標(biāo)函數(shù)、節(jié)點(diǎn)電壓偏移目標(biāo)函數(shù)和靜態(tài)電壓穩(wěn)定裕度目標(biāo)函數(shù)；

所述系統(tǒng)網(wǎng)絡(luò)損耗目標(biāo)函數(shù)的公式如下，

其中，gij為i、j節(jié)點(diǎn)之間的支路電導(dǎo)；vi、vj分別為i、j節(jié)點(diǎn)的電壓模值；θij為i、j節(jié)點(diǎn)之間的電壓相角差；nl為系統(tǒng)總節(jié)點(diǎn)數(shù)；

所述節(jié)點(diǎn)電壓偏移目標(biāo)函數(shù)的公式如下，

其中，vi為節(jié)點(diǎn)i的實(shí)際電壓，為節(jié)點(diǎn)i的理想電壓，為節(jié)點(diǎn)i的最大允許電壓偏移；

所述靜態(tài)電壓穩(wěn)定裕度目標(biāo)函數(shù)的公式如下，

maxf4＝δmin；

其中，δmin為以潮流計(jì)算收斂時(shí)的雅可比矩陣的最小奇異值。

可選的，所述組合混沌序列的表達(dá)式如下，

其中，x0、y0為粒子的初始值，n、μ為控制參數(shù)。

可選的，所述更新單元具體用于利用如下公式，對(duì)所述父代速度和所述父代位置進(jìn)行更新操作，得到子代速度和子代位置；

其中，表示第i個(gè)粒子的第d維的父代速度；表示第i個(gè)粒子的第d維的子代速度；表示第i個(gè)粒子的第d維的父代位置；表示第i個(gè)粒子的第d維的子代位置；i＝1,2...m，d＝1,2,...,n；m為群體數(shù)目，n為粒子維數(shù)；ω為慣性權(quán)重，c1、c2為加速因子；r1、r2是介于[0，1]區(qū)間滿(mǎn)足均勻分布的隨機(jī)數(shù)；pid是第i個(gè)粒子的第d維在所述父代粒子群中的粒子最優(yōu)位置；gid是所述父代粒子群在第d維上的種群最優(yōu)位置。

可選的，所述更新單元包括計(jì)算子單元和調(diào)整子單元，

所述計(jì)算子單元，用于利用如下公式，計(jì)算出所述父代粒子群的平均速度的期望

其中，v0為所述父代粒子群的平均速度，tmax為最大迭代次數(shù)；t1＝0.4×tmax；k為一個(gè)變量值；

所述調(diào)整子單元，用于依據(jù)如下慣性權(quán)重規(guī)則對(duì)應(yīng)的公式，調(diào)整所述子代粒子群的慣性權(quán)重，

其中，表示所述父代粒子群的實(shí)際速度，ωk表示所述父代粒子群的慣性權(quán)重；ωk+1表示所述子代粒子群的慣性權(quán)重。

可選的，所述處理單元具體用于利用公式xk+1＝f(μ,xk)＝μxk(1-xk)，得到混沌化處理后的子代粒子群，

其中，xk表示所述父代粒子群；xk+1表示所述子代粒子群。

可選的，所述保留單元包括計(jì)算子單元、確定子單元和得到子單元，

所述計(jì)算子單元，用于利用所述目標(biāo)函數(shù)，計(jì)算出粒子群對(duì)應(yīng)的變量(x1,x2,x3)及最優(yōu)函數(shù)值(p1,p2,p3)；其中，所述目標(biāo)函數(shù)包括系統(tǒng)網(wǎng)絡(luò)損耗目標(biāo)函數(shù)、節(jié)點(diǎn)電壓偏移目標(biāo)函數(shù)和靜態(tài)電壓穩(wěn)定裕度目標(biāo)函數(shù)；

所述確定子單元，用于計(jì)算各個(gè)目標(biāo)函數(shù)的熵權(quán)值和模糊權(quán)值，確定出各個(gè)目標(biāo)函數(shù)基于模糊熵權(quán)法的權(quán)值λ1、λ2、λ3；

所述得到子單元，用于依據(jù)所述權(quán)值，得到無(wú)功優(yōu)化適應(yīng)度函數(shù)；

所述確定子單元還用于依據(jù)所述無(wú)功優(yōu)化適應(yīng)度函數(shù)，確定出粒子最優(yōu)位置和種群最優(yōu)位置。

由上述技術(shù)方案可以看出，依據(jù)所述目標(biāo)參數(shù)和約束條件，建立電力系統(tǒng)無(wú)功優(yōu)化的目標(biāo)函數(shù)；在初始化目標(biāo)參數(shù)時(shí)，可以獲取一個(gè)粒子的初始速度和初始位置；利用建立的組合混沌序列，對(duì)該粒子的速度和位置進(jìn)行組合混沌操作，得到混沌初始粒子群中各個(gè)粒子各自對(duì)應(yīng)的父代速度和父代位置；并將所述混沌初始粒子群作為父代粒子群；依據(jù)目標(biāo)函數(shù)，可以確定出粒子最優(yōu)位置和種群最優(yōu)位置；依據(jù)設(shè)置的更新規(guī)則，對(duì)父代速度和父代位置進(jìn)行更新操作，得到子代速度和子代位置；并依據(jù)子代速度和慣性權(quán)重規(guī)則，調(diào)整子代粒子群的慣性權(quán)重；利用目標(biāo)函數(shù)，計(jì)算所述混沌化處理后的子代粒子群中各粒子的適應(yīng)度，保留適應(yīng)度最優(yōu)的粒子作為下一次迭代的父代粒子群，完成對(duì)所述粒子最優(yōu)位置和所述種群最優(yōu)位置的更新；當(dāng)?shù)螖?shù)達(dá)到預(yù)設(shè)的最大迭代次數(shù)，則結(jié)束操作；若否，則重復(fù)上述更新粒子群的操作。通過(guò)利用組合混沌序列，提出組合混沌動(dòng)態(tài)粒子群算法，提高了粒子群算法整體尋優(yōu)性能，實(shí)現(xiàn)了電力系統(tǒng)的無(wú)功優(yōu)化。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明實(shí)施例，下面將對(duì)實(shí)施例中所需要使用的附圖做簡(jiǎn)單的介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明實(shí)施例提供的一種電力系統(tǒng)無(wú)功優(yōu)化方法的流程圖；

圖2為本發(fā)明實(shí)施例提供的一種電力系統(tǒng)無(wú)功優(yōu)化裝置的結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下，所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)范圍。

為了使本技術(shù)領(lǐng)域的人員更好地理解本發(fā)明方案，下面結(jié)合附圖和具體實(shí)施方式對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說(shuō)明。

接下來(lái)，詳細(xì)介紹本發(fā)明實(shí)施例所提供的一種電力系統(tǒng)無(wú)功優(yōu)化方法。圖1為本發(fā)明實(shí)施例提供的一種電力系統(tǒng)無(wú)功優(yōu)化方法的流程圖，該方法包括：

s10：初始化目標(biāo)參數(shù)，獲取一個(gè)粒子的初始速度和初始位置。

目標(biāo)參數(shù)可以是算法中涉及的相關(guān)參數(shù)，包括種群規(guī)模、最大迭代次數(shù)、加速因子、慣性權(quán)重上限值以及發(fā)電機(jī)參數(shù)。

在初始化過(guò)程中，可以隨機(jī)的將一個(gè)粒子的速度和位置進(jìn)行初始化，獲取該粒子的初始速度和初始位置。

s11：依據(jù)所述目標(biāo)參數(shù)和約束條件，建立電力系統(tǒng)無(wú)功優(yōu)化的目標(biāo)函數(shù)。

在本發(fā)明實(shí)施例中，可以以系統(tǒng)網(wǎng)絡(luò)損耗、節(jié)點(diǎn)電壓偏移和靜態(tài)電壓穩(wěn)定裕度建立多目標(biāo)數(shù)學(xué)模型，也即目標(biāo)函數(shù)可以包含有這三類(lèi)函數(shù)。相應(yīng)的，在建立目標(biāo)函數(shù)之前，可以依據(jù)實(shí)際運(yùn)行情況，設(shè)置約束條件，

約束條件可以包括系統(tǒng)功率約束條件和不等式約束條件；

所述系統(tǒng)功率約束條件的公式如下，

其中，n為系統(tǒng)中的節(jié)點(diǎn)數(shù)；vi、vj分別是第i節(jié)點(diǎn)和第j節(jié)點(diǎn)電壓幅值；pgi、qgi分別為第i臺(tái)發(fā)電機(jī)有功功率和無(wú)功功率；pli、qli分別為第i節(jié)點(diǎn)有功功率負(fù)荷和無(wú)功功率負(fù)荷；δij為節(jié)點(diǎn)i和節(jié)點(diǎn)j之間的相角差；gij、bij分別為節(jié)點(diǎn)i和節(jié)點(diǎn)j之間互導(dǎo)納的實(shí)部和虛部；

所述不等式約束條件的公式如下，

其中，vi為節(jié)點(diǎn)電壓約束，tk為變壓器分接頭約束，qi為無(wú)功補(bǔ)償約束。

依據(jù)初始化后的目標(biāo)參數(shù)以及上述約束條件，可以建立出系統(tǒng)網(wǎng)絡(luò)損耗目標(biāo)函數(shù)、節(jié)點(diǎn)電壓偏移目標(biāo)函數(shù)和靜態(tài)電壓穩(wěn)定裕度目標(biāo)函數(shù)，這三種類(lèi)型的目標(biāo)函數(shù)。

所述系統(tǒng)網(wǎng)絡(luò)損耗目標(biāo)函數(shù)的公式如下，

其中，gij為i、j節(jié)點(diǎn)之間的支路電導(dǎo)；vi、vj分別為i、j節(jié)點(diǎn)的電壓模值；θij為i、j節(jié)點(diǎn)之間的電壓相角差；nl為系統(tǒng)總節(jié)點(diǎn)數(shù)；

所述節(jié)點(diǎn)電壓偏移目標(biāo)函數(shù)的公式如下，

其中，vi為節(jié)點(diǎn)i的實(shí)際電壓，為節(jié)點(diǎn)i的理想電壓，為節(jié)點(diǎn)i的最大允許電壓偏移；

所述靜態(tài)電壓穩(wěn)定裕度目標(biāo)函數(shù)的公式如下，

maxf4＝δmin；

其中，δmin為以潮流計(jì)算收斂時(shí)的雅可比矩陣的最小奇異值。

在本發(fā)明實(shí)施例中，也可以將靜態(tài)電壓穩(wěn)定裕度目標(biāo)函數(shù)轉(zhuǎn)化為最優(yōu)值為最小值的函數(shù)，即：

s12：利用建立的組合混沌序列，對(duì)所述粒子的所述初始速度和所述初始位置進(jìn)行組合混沌操作，得到混沌初始粒子群中各個(gè)粒子各自對(duì)應(yīng)的父代速度和父代位置；并將所述混沌初始粒子群作為父代粒子群。

pso算法是一種群體智能優(yōu)化算法，針對(duì)算法搜索后期種群多樣性的下降，引起粒子群算法陷入局部最優(yōu)解的問(wèn)題，本發(fā)明實(shí)施例在粒子初始化過(guò)程中引入混沌的思想?；煦邕\(yùn)動(dòng)能在一定范圍內(nèi)按其自身“規(guī)律”不重復(fù)地遍歷所有狀態(tài)，常被用來(lái)改進(jìn)pso算法。典型的logistic映射數(shù)學(xué)方程為：

xn+1＝f(μ,xn)＝μxn(1-xn)

由于典型的logistic混沌系統(tǒng)對(duì)初值的依賴(lài)性比較強(qiáng)，在本發(fā)明實(shí)施例中將logistic映射與chebyshev映射相結(jié)合的組合混沌序列引入到pso算法的初始化過(guò)程中，以改善粒子分布的隨機(jī)性和均勻性。

所述組合混沌序列的表達(dá)式如下，

其中，x0、y0為粒子的初始值，n、μ為控制參數(shù)。在實(shí)際應(yīng)用中，可以令μ＝4，n＝4，此時(shí)系統(tǒng)處于完全混沌狀。

在具體實(shí)現(xiàn)中，可以利用組合混沌序列對(duì)s10中得到的粒子的初始速度和初始位置，進(jìn)行n-1次計(jì)算，可以產(chǎn)生n個(gè)混沌粒子，每個(gè)粒子有其對(duì)應(yīng)的速度和位置；并對(duì)產(chǎn)生的n個(gè)粒子進(jìn)行歸一化逆操作，將[0,1]之間的變量轉(zhuǎn)化為實(shí)際數(shù)值。

在該過(guò)程中，產(chǎn)生的n個(gè)混沌粒子即混沌初始粒子群，為后續(xù)介紹方便，可以將該混沌初始粒子群稱(chēng)為父代粒子群。

在本發(fā)明實(shí)施例中，需要進(jìn)行多次迭代操作，確定出電力系統(tǒng)無(wú)功優(yōu)化的最終結(jié)果，后續(xù)內(nèi)容中均以一次迭代為例展開(kāi)介紹，迭代前的粒子群作為父代粒子群，經(jīng)過(guò)一次迭代后得到的粒子群作為子代粒子群，依次類(lèi)推，從而完成多次迭代。

s13：利用所述目標(biāo)函數(shù)，計(jì)算所述父代粒子群中各粒子的適應(yīng)度，確定出粒子最優(yōu)位置和種群最優(yōu)位置。

粒子最優(yōu)位置可以用于表示每一代中的每個(gè)粒子自身所處的最優(yōu)位置，種群最優(yōu)位置可以用于表示所有粒子中位置最優(yōu)的那個(gè)粒子。

潮流計(jì)算后可以獲知每個(gè)粒子的電壓、有功、無(wú)功等(目標(biāo)函數(shù)里的變量)，知道這些變量就能根據(jù)目標(biāo)函數(shù)求出每個(gè)粒子的適應(yīng)度。故此，在本發(fā)明實(shí)施例中，可以根據(jù)潮流計(jì)算的結(jié)果利用目標(biāo)函數(shù)計(jì)算適應(yīng)度，確定粒子本身經(jīng)歷最優(yōu)位置、種群最優(yōu)位置。

s14：依據(jù)設(shè)置的更新規(guī)則，對(duì)所述父代速度和所述父代位置進(jìn)行更新操作，得到子代速度和子代位置；并依據(jù)所述子代速度和慣性權(quán)重規(guī)則，調(diào)整所述子代粒子群的慣性權(quán)重。

在具體實(shí)現(xiàn)中，利用如下公式(1)和公式(2)，對(duì)所述父代速度和所述父代位置進(jìn)行更新操作，得到子代速度和子代位置；公式(1)和公式(2)可以看做是更新規(guī)則對(duì)應(yīng)的公式。

其中，表示第i個(gè)粒子的第d維的父代速度；表示第i個(gè)粒子的第d維的子代速度；表示第i個(gè)粒子的第d維的父代位置；表示第i個(gè)粒子的第d維的子代位置；i＝1,2...m，d＝1,2,...,n；m為群體數(shù)目，n為粒子維數(shù)；ω為慣性權(quán)重，c1、c2為加速因子；r1、r2是介于[0，1]區(qū)間滿(mǎn)足均勻分布的隨機(jī)數(shù)；pid是第i個(gè)粒子的第d維在所述父代粒子群中的粒子最優(yōu)位置；gid是所述父代粒子群在第d維上的種群最優(yōu)位置。

由公式(1)可以看出粒子速度與慣性權(quán)重具有關(guān)聯(lián)關(guān)系，慣性權(quán)重ω決定原有速度對(duì)現(xiàn)在速度的影響，平衡全局搜索能力和局部搜索能力的比例關(guān)系，大的ω有助于增強(qiáng)全局搜索能力，而小的ω有助于在當(dāng)前位置做局部搜索。

在本發(fā)明實(shí)施例中可以采用動(dòng)態(tài)慣性權(quán)重，當(dāng)種群速度大于期望速度時(shí)，應(yīng)該減小慣性權(quán)值；反之，則應(yīng)該增大慣性權(quán)值。在每一次迭代時(shí)可以由慣性權(quán)重規(guī)則對(duì)應(yīng)的公式動(dòng)態(tài)調(diào)整慣性權(quán)重，假設(shè)初始的慣性權(quán)重為ω0，第k代種群粒子平均速度的期望為實(shí)際種群粒子的速度為第k代慣性權(quán)重為ωk，則第k+1代種群粒子的慣性權(quán)重按以下公式調(diào)整慣性權(quán)重，

以第k代種群粒子和第k+1代種群粒子為例，第k代種群粒子可以看做是父代粒子群，第k+1代種群粒子可以看做是子代粒子群；

其中，表示所述父代粒子群的實(shí)際速度，ωk表示所述父代粒子群的慣性權(quán)重；ωk+1表示所述子代粒子群的慣性權(quán)重。

根據(jù)實(shí)驗(yàn)測(cè)試結(jié)果可知p取1.05效果最佳，同時(shí)設(shè)定ω的上、下限值，當(dāng)ωk+1＞ωmax時(shí)，取ωk+1＝ωmax；當(dāng)ωk+1＜ωmin時(shí)，ωk+1＝ωmin。在粒子進(jìn)化初期，為了加強(qiáng)算法的局部搜索能力，應(yīng)保持較大的種群速度；在粒子進(jìn)化后期，為了加強(qiáng)算法的全局尋優(yōu)能力，應(yīng)保持較小的種群速度。

在本發(fā)明實(shí)施例中，可以利用如下公式，計(jì)算出父代粒子群的平均速度的期望

其中，v0為所述父代粒子群的平均速度，tmax為最大迭代次數(shù)；t1＝0.4×tmax；k為一個(gè)變量值；在具體實(shí)現(xiàn)中，可以取k＝4。

s15：對(duì)所述子代粒子群中各粒子進(jìn)行混沌化處理。

具體的，可以利用公式xk+1＝f(μ,xk)＝μxk(1-xk)，得到混沌化處理后的子代粒子群，其中，xk表示所述父代粒子群；xk+1表示所述子代粒子群。

s16：利用所述目標(biāo)函數(shù)，計(jì)算所述混沌化處理后的子代粒子群中各粒子的適應(yīng)度，保留適應(yīng)度最優(yōu)的粒子作為下一次迭代的父代粒子群，完成對(duì)所述粒子最優(yōu)位置和所述種群最優(yōu)位置的更新。

由上述介紹可知，目標(biāo)函數(shù)包含有系統(tǒng)網(wǎng)絡(luò)損耗目標(biāo)函數(shù)、節(jié)點(diǎn)電壓偏移目標(biāo)函數(shù)和靜態(tài)電壓穩(wěn)定裕度目標(biāo)函數(shù)，這三種類(lèi)型的函數(shù)。利用所述目標(biāo)函數(shù)，可以計(jì)算出粒子群對(duì)應(yīng)的變量(x1,x2,x3)及最優(yōu)函數(shù)值(p1,p2,p3)；

計(jì)算各個(gè)目標(biāo)函數(shù)的熵權(quán)值和模糊權(quán)值，確定出各個(gè)目標(biāo)函數(shù)基于模糊熵權(quán)法的權(quán)值λ1、λ2、λ3；

依據(jù)所述權(quán)值，可以將多目標(biāo)函數(shù)轉(zhuǎn)化為單目標(biāo)函數(shù)，從而得到無(wú)功優(yōu)化適應(yīng)度函數(shù)；依據(jù)所述無(wú)功優(yōu)化適應(yīng)度函數(shù)，確定出粒子最優(yōu)位置和種群最優(yōu)位置。

s17：判斷迭代次數(shù)是否達(dá)到預(yù)設(shè)的最大迭代次數(shù)；若否，則返回所述s14；若是，則執(zhí)行s18。

s18：輸出最優(yōu)解。

重復(fù)執(zhí)行一次s14-s16即為進(jìn)行了一次迭代過(guò)程。當(dāng)?shù)螖?shù)達(dá)到預(yù)設(shè)的最大迭代次數(shù)后，便可以輸出電力系統(tǒng)無(wú)功優(yōu)化的最優(yōu)解，即輸出粒子最優(yōu)位置和種群最優(yōu)位置。

由上述技術(shù)方案可以看出，依據(jù)所述目標(biāo)參數(shù)和約束條件，建立電力系統(tǒng)無(wú)功優(yōu)化的目標(biāo)函數(shù)；在初始化目標(biāo)參數(shù)時(shí)，可以獲取一個(gè)粒子的初始速度和初始位置；利用建立的組合混沌序列，對(duì)該粒子的速度和位置進(jìn)行組合混沌操作，得到混沌初始粒子群中各個(gè)粒子各自對(duì)應(yīng)的父代速度和父代位置；并將所述混沌初始粒子群作為父代粒子群；依據(jù)目標(biāo)函數(shù)，可以確定出粒子最優(yōu)位置和種群最優(yōu)位置；依據(jù)設(shè)置的更新規(guī)則，對(duì)父代速度和父代位置進(jìn)行更新操作，得到子代速度和子代位置；并依據(jù)子代速度和慣性權(quán)重規(guī)則，調(diào)整子代粒子群的慣性權(quán)重；利用目標(biāo)函數(shù)，計(jì)算所述混沌化處理后的子代粒子群中各粒子的適應(yīng)度，保留適應(yīng)度最優(yōu)的粒子作為下一次迭代的父代粒子群，完成對(duì)所述粒子最優(yōu)位置和所述種群最優(yōu)位置的更新；當(dāng)?shù)螖?shù)達(dá)到預(yù)設(shè)的最大迭代次數(shù)，則結(jié)束操作；若否，則重復(fù)上述更新粒子群的操作。通過(guò)利用組合混沌序列，提出組合混沌動(dòng)態(tài)粒子群算法，提高了粒子群算法整體尋優(yōu)性能，實(shí)現(xiàn)了電力系統(tǒng)的無(wú)功優(yōu)化。

圖2為本發(fā)明實(shí)施例提供的一種電力系統(tǒng)無(wú)功優(yōu)化裝置的結(jié)構(gòu)示意圖，包括初始化單元21、建立單元22、混沌操作單元23、計(jì)算單元24、更新單元25、處理單元26、保留單元27、判斷單元28和輸出單元29，

所述初始化單元21，用于初始化目標(biāo)參數(shù)，獲取一個(gè)粒子的初始速度和初始位置；

所述建立單元22，用于依據(jù)所述目標(biāo)參數(shù)和約束條件，建立電力系統(tǒng)無(wú)功優(yōu)化的目標(biāo)函數(shù)；

所述混沌操作單元23，用于利用建立的組合混沌序列，對(duì)所述粒子的所述初始速度和所述初始位置進(jìn)行組合混沌操作，得到混沌初始粒子群中各個(gè)粒子各自對(duì)應(yīng)的父代速度和父代位置；并將所述混沌初始粒子群作為父代粒子群；

所述計(jì)算單元24，用于利用所述目標(biāo)函數(shù)，計(jì)算所述父代粒子群中各粒子的適應(yīng)度，確定出粒子最優(yōu)位置和種群最優(yōu)位置；

所述更新單元25，用于依據(jù)設(shè)置的更新規(guī)則，對(duì)所述父代速度和所述父代位置進(jìn)行更新操作，得到子代速度和子代位置；并依據(jù)所述子代速度和慣性權(quán)重規(guī)則，調(diào)整所述子代粒子群的慣性權(quán)重；

所述處理單元26，用于對(duì)所述子代粒子群中各粒子進(jìn)行混沌化處理；

所述保留單元27，用于利用所述目標(biāo)函數(shù)，計(jì)算所述混沌化處理后的子代粒子群中各粒子的適應(yīng)度，保留適應(yīng)度最優(yōu)的粒子作為下一次迭代的父代粒子群，完成對(duì)所述粒子最優(yōu)位置和所述種群最優(yōu)位置的更新；

所述判斷單元28，用于判斷迭代次數(shù)是否達(dá)到預(yù)設(shè)的最大迭代次數(shù)；若否，則返回所述更新單元25；若是，則觸發(fā)所述輸出單元29。

所述輸出單元29，用于輸出最優(yōu)解。

可選的，所述約束條件包括系統(tǒng)功率約束條件和不等式約束條件；

所述系統(tǒng)功率約束條件的公式如下，

其中，n為系統(tǒng)中的節(jié)點(diǎn)數(shù)；vi、vj分別是第i節(jié)點(diǎn)和第j節(jié)點(diǎn)電壓幅值；pgi、qgi分別為第i臺(tái)發(fā)電機(jī)有功功率和無(wú)功功率；pli、qli分別為第i節(jié)點(diǎn)有功功率負(fù)荷和無(wú)功功率負(fù)荷；δij為節(jié)點(diǎn)i和節(jié)點(diǎn)j之間的相角差；gij、bij分別為節(jié)點(diǎn)i和節(jié)點(diǎn)j之間互導(dǎo)納的實(shí)部和虛部；

所述不等式約束條件的公式如下，

其中，vi為節(jié)點(diǎn)電壓約束，tk為變壓器分接頭約束，qi為無(wú)功補(bǔ)償約束。

可選的，所述目標(biāo)函數(shù)包括系統(tǒng)網(wǎng)絡(luò)損耗目標(biāo)函數(shù)、節(jié)點(diǎn)電壓偏移目標(biāo)函數(shù)和靜態(tài)電壓穩(wěn)定裕度目標(biāo)函數(shù)；

所述系統(tǒng)網(wǎng)絡(luò)損耗目標(biāo)函數(shù)的公式如下，

其中，gij為i、j節(jié)點(diǎn)之間的支路電導(dǎo)；vi、vj分別為i、j節(jié)點(diǎn)的電壓模值；θij為i、j節(jié)點(diǎn)之間的電壓相角差；nl為系統(tǒng)總節(jié)點(diǎn)數(shù)；

所述節(jié)點(diǎn)電壓偏移目標(biāo)函數(shù)的公式如下，

其中，vi為節(jié)點(diǎn)i的實(shí)際電壓，為節(jié)點(diǎn)i的理想電壓，為節(jié)點(diǎn)i的最大允許電壓偏移；

所述靜態(tài)電壓穩(wěn)定裕度目標(biāo)函數(shù)的公式如下，

maxf4＝δmin；

其中，δmin為以潮流計(jì)算收斂時(shí)的雅可比矩陣的最小奇異值。

可選的，所述組合混沌序列的表達(dá)式如下，

其中，x0、y0為粒子的初始值，n、μ為控制參數(shù)。

可選的，所述更新單元具體用于利用如下公式，對(duì)所述父代速度和所述父代位置進(jìn)行更新操作，得到子代速度和子代位置；

其中，表示第i個(gè)粒子的第d維的父代速度；表示第i個(gè)粒子的第d維的子代速度；表示第i個(gè)粒子的第d維的父代位置；表示第i個(gè)粒子的第d維的子代位置；i＝1,2...m，d＝1,2,...,n；m為群體數(shù)目，n為粒子維數(shù)；ω為慣性權(quán)重，c1、c2為加速因子；r1、r2是介于[0，1]區(qū)間滿(mǎn)足均勻分布的隨機(jī)數(shù)；pid是第i個(gè)粒子的第d維在所述父代粒子群中的粒子最優(yōu)位置；gid是所述父代粒子群在第d維上的種群最優(yōu)位置。

可選的，所述更新單元包括計(jì)算子單元和調(diào)整子單元，

所述計(jì)算子單元，用于利用如下公式，計(jì)算出所述父代粒子群的平均速度的期望

其中，v0為所述父代粒子群的平均速度，tmax為最大迭代次數(shù)；t1＝0.4×tmax；k為一個(gè)變量值；

所述調(diào)整子單元，用于依據(jù)如下慣性權(quán)重規(guī)則對(duì)應(yīng)的公式，調(diào)整所述子代粒子群的慣性權(quán)重，

其中，表示所述父代粒子群的實(shí)際速度，ωk表示所述父代粒子群的慣性權(quán)重；ωk+1表示所述子代粒子群的慣性權(quán)重。

可選的，所述處理單元具體用于利用公式xk+1＝f(μ,xk)＝μxk(1-xk)，得到混沌化處理后的子代粒子群，

其中，xk表示所述父代粒子群；xk+1表示所述子代粒子群。

可選的，所述保留單元包括計(jì)算子單元、確定子單元和得到子單元，

所述計(jì)算子單元，用于利用所述目標(biāo)函數(shù)，計(jì)算出粒子群對(duì)應(yīng)的變量(x1,x2,x3)及最優(yōu)函數(shù)值(p1,p2,p3)；其中，所述目標(biāo)函數(shù)包括系統(tǒng)網(wǎng)絡(luò)損耗目標(biāo)函數(shù)、節(jié)點(diǎn)電壓偏移目標(biāo)函數(shù)和靜態(tài)電壓穩(wěn)定裕度目標(biāo)函數(shù)；

所述確定子單元，用于計(jì)算各個(gè)目標(biāo)函數(shù)的熵權(quán)值和模糊權(quán)值，確定出各個(gè)目標(biāo)函數(shù)基于模糊熵權(quán)法的權(quán)值λ1、λ2、λ3；

所述得到子單元，用于依據(jù)所述權(quán)值，得到無(wú)功優(yōu)化適應(yīng)度函數(shù)；

所述確定子單元還用于依據(jù)所述無(wú)功優(yōu)化適應(yīng)度函數(shù)，確定出粒子最優(yōu)位置和種群最優(yōu)位置。

圖2所對(duì)應(yīng)實(shí)施例中特征的說(shuō)明可以參見(jiàn)圖1所對(duì)應(yīng)實(shí)施例的相關(guān)說(shuō)明，這里不再一一贅述。

由上述技術(shù)方案可以看出，依據(jù)所述目標(biāo)參數(shù)和約束條件，建立電力系統(tǒng)無(wú)功優(yōu)化的目標(biāo)函數(shù)；在初始化目標(biāo)參數(shù)時(shí)，可以獲取一個(gè)粒子的初始速度和初始位置；利用建立的組合混沌序列，對(duì)該粒子的速度和位置進(jìn)行組合混沌操作，得到混沌初始粒子群中各個(gè)粒子各自對(duì)應(yīng)的父代速度和父代位置；并將所述混沌初始粒子群作為父代粒子群；依據(jù)目標(biāo)函數(shù)，可以確定出粒子最優(yōu)位置和種群最優(yōu)位置；依據(jù)設(shè)置的更新規(guī)則，對(duì)父代速度和父代位置進(jìn)行更新操作，得到子代速度和子代位置；并依據(jù)子代速度和慣性權(quán)重規(guī)則，調(diào)整子代粒子群的慣性權(quán)重；利用目標(biāo)函數(shù)，計(jì)算所述混沌化處理后的子代粒子群中各粒子的適應(yīng)度，保留適應(yīng)度最優(yōu)的粒子作為下一次迭代的父代粒子群，完成對(duì)所述粒子最優(yōu)位置和所述種群最優(yōu)位置的更新；當(dāng)?shù)螖?shù)達(dá)到預(yù)設(shè)的最大迭代次數(shù)，則結(jié)束操作；若否，則重復(fù)上述更新粒子群的操作。通過(guò)利用組合混沌序列，提出組合混沌動(dòng)態(tài)粒子群算法，提高了粒子群算法整體尋優(yōu)性能，實(shí)現(xiàn)了電力系統(tǒng)的無(wú)功優(yōu)化。

以上對(duì)本發(fā)明實(shí)施例所提供的一種電力系統(tǒng)無(wú)功優(yōu)化方法與裝置進(jìn)行了詳細(xì)介紹。說(shuō)明書(shū)中各個(gè)實(shí)施例采用遞進(jìn)的方式描述，每個(gè)實(shí)施例重點(diǎn)說(shuō)明的都是與其他實(shí)施例的不同之處，各個(gè)實(shí)施例之間相同相似部分互相參見(jiàn)即可。對(duì)于實(shí)施例公開(kāi)的裝置而言，由于其與實(shí)施例公開(kāi)的方法相對(duì)應(yīng)，所以描述的比較簡(jiǎn)單，相關(guān)之處參見(jiàn)方法部分說(shuō)明即可。應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明原理的前提下，還可以對(duì)本發(fā)明進(jìn)行若干改進(jìn)和修飾，這些改進(jìn)和修飾也落入本發(fā)明權(quán)利要求的保護(hù)范圍內(nèi)。

專(zhuān)業(yè)人員還可以進(jìn)一步意識(shí)到，結(jié)合本文中所公開(kāi)的實(shí)施例描述的各示例的單元及算法步驟，能夠以電子硬件、計(jì)算機(jī)軟件或者二者的結(jié)合來(lái)實(shí)現(xiàn)，為了清楚地說(shuō)明硬件和軟件的可互換性，在上述說(shuō)明中已經(jīng)按照功能一般性地描述了各示例的組成及步驟。這些功能究竟以硬件還是軟件方式來(lái)執(zhí)行，取決于技術(shù)方案的特定應(yīng)用和設(shè)計(jì)約束條件。專(zhuān)業(yè)技術(shù)人員可以對(duì)每個(gè)特定的應(yīng)用來(lái)使用不同方法來(lái)實(shí)現(xiàn)所描述的功能，但是這種實(shí)現(xiàn)不應(yīng)認(rèn)為超出本發(fā)明的范圍。

結(jié)合本文中所公開(kāi)的實(shí)施例描述的方法或算法的步驟可以直接用硬件、處理器執(zhí)行的軟件模塊，或者二者的結(jié)合來(lái)實(shí)施。軟件模塊可以置于隨機(jī)存儲(chǔ)器(ram)、內(nèi)存、只讀存儲(chǔ)器(rom)、電可編程rom、電可擦除可編程rom、寄存器、硬盤(pán)、可移動(dòng)磁盤(pán)、cd-rom、或技術(shù)領(lǐng)域內(nèi)所公知的任意其它形式的存儲(chǔ)介質(zhì)中。