首先周期性地从实时数据库中读取数据,并进行潮流计算,当满足优化条件时,执行优化程序。启动条件可包括网损大小,各节点电压水平,负荷变化情况等,当有紧急情况时,也允许手动启动优化进程。在输入网络数据及算法参数,并产生初始解群后,执行算法核心部分。当算法收敛后,程序将无功电压控制方案发送给SCADA系统,再通过遥信和遥调执行。在开环运行期间,也可以输出多组优化方案,调度人员可根据运行经验和现场情况灵活选择。此外,可通过对迭代终止判据的修改,在优化效率和优化质量间进行权衡。
4.算例及分析
基于以上GATS混合优化策略的优化程序,在IEEE118节点系统和某地区电网中进行了优化计算,取得了较好的效果。以IEEE系统为例,初始种群规模N=90,最大遗传代数M为100,采用可变交叉率和变异率,初值分别为0.9和0.1,终值分别近似为0.7和0.3,t1、t2分别取为为问题的规模。与简单遗传算法相比,在运算速度和优化效果上都有较大的改进。表1所示为简单遗传算法和GATS混合优化策略进行20次优化运算后数据平均值统计。
由表中数据可以看出,混合优化算法的迭代次数明显少于SGA,适应函数值有了大幅提高,对节点电压的控制上,基本做到了全网电压的合格。由于考虑了动作次数(变压器调节一档或电容器投切一组视为动作一次)的限制,设备的动作次数也明显下降。
在实验中,混合优化算法最快只用了41秒就得到了全局最优解,其适应值为193.93。而SGA得到的最优解的适应度最大只有121.52,均为局部最优解。由此可以看出,混合优化算法较之简单遗传算法在运算速度和优化效果等方面都有了很大提高,能够满足电力系统实时应用的要求。
此外通过对IEEE14节点和30节点系统的试验发现,网络规模越大,改进算法的性能提高越明显。
5.结论
本文简要介绍了电网无功电压综合控制的设计思想和功能,并详细论述了基于电力系统运行实际和本系统运行要求提出的GATS混合优化策略。通过IEEE系统和实际电网中的运行试验,说明混合优化算法结合了GA和TS两者的优点,能以大概率收敛到全局最优,且收敛速度快,在优化速度和优化效果上都有了很大改进。此外,可根据电力系统的实际运行要求,灵活地改变无功电压综合控制方式,具有较强的适应性。
参考文献
[1]Yutian Liu,Li Ma,Jianjun Zhang,"GA/SA/TS Hybird Algorithms for Reactive Power Optimization",IEEE Tran. On Power Systems,January 2000:245-249.
[2]I.Hano e.a,"Real Time Control of System Voltage and Reactive Power",IEEE Transaction on Power Apparatus and System,Vol.PAS-88,No.10,October 1969:1544-1559.
[3]G.A.Taylor,Y.H.Song,M.R.lrving,M.E.Bradkey,and T.G.Williams,"A review of algorithmic and heuristic based methods for voltage/VAr control,"in 5th internationall Power Engineering Conference (IPEC2001), Singapore, 17th-19th.May 2001:117-122.
[4]文劲宇,江振华等(Wen Jinyu, Jiang Zhenghua ,etal).“基于遗传算法的无功优化在鄂州电网中的实现”(Genetic Algorithm Based Reactive Power Optimization and Its Application in Ezhou City Power System),电力系统自动化(Automation of Electric Power Systems),2000,24(2): 45-47.
[5] 王凌.智能优化算法及其应用.北京:清华大学出版社,施普林格出版社,2001.
本文关键字:暂无联系方式家电综合知识,电子学习 - 家电综合知识
上一篇:低压电器行业的用户需求和经济结构