3.4.2 模拟退火算法(SA)
模拟退火算法也用于解决象电容器配置之类的组合优化问题。该算法模拟固体退火过程，在对固体物质进行退火处理时，先将它加温熔化，然后逐渐冷却，粒子也逐渐形成了低能态的晶格，若在凝结点附近的温度下降速率足够慢，则固体物质一定会形成最低能态的基态，组合优化问题也有类似的过程。
典型的模拟退火法中，首先要选择一初始状态(解)，计算在该状态的目标函数值，然后移动到一新的状态，如果该步骤改进了目标函数值，则新的状态成为当前状态，如未有改进，则要根据一概率函数的值来决定是否接受该状态。当温度很高时，对状态空间的搜索几乎是随机的，随着温度的下降，接受恶化解的概率减小，对目标函数没有改进的搜索逐渐被抛弃，使得算法最终收敛于一个全局最优解。应用模拟退火算法时最关键的是退火策略的选择，因为算法中影响解收敛质量的温度由退火策略来控制。退火策略包括初始温度值，温度下降的时间间隔，温度下降幅度及算法终止温度。当初始温度选得足够高，且温度下降足够慢时，模拟退火算法就能找到全局最优解。
文献[31]采用模拟退火法对电容器进行优化配置，文中将电容器成本处理成其容量的阶梯函数。文献[32]和文献[33]将模拟退火法应用于不平衡系统中处理电容器配置问题。
3.4.3 Tabu搜索算法(TS)
解决电容器优化配置的第三类近全局优化方法是Tabu搜索算法。TS的基本思想是利用一种灵活的“记忆”技术对已经进行的优化过程进行记录和选择，指导下一步的搜索方向。为避免落入局部最优，当达到局部最优解时，算法将搜索方向后退到使目标退化最小的一个方向上，以此作为搜索新的初始方向。从另一个角度看，Tabu搜索是一种扩展邻域的搜索算法，对应于每一个解，算法定义一个解的邻域。寻优过程从一个初始解开始，通过迭代逼近邻域中的最优解。每一步迭代在Tabu过程中被称为“移动”。Tabu算法在逼近最优解时允许解出现退化现象。为了避免产生循环，在上述过程中，Tabu搜索将不会重复最近刚刚作过的“移动”，这些移动被保存到一个称为“Tabu表”的表中，这在Tabu优化过程中称作“限制”。显然，“限制”可以防止循环的产生，但也可能使优化过程错过一些可能产生最优解的“移动”(仅仅因为这些“移动”被暂时列入了Tabu表中)，所以Tabu搜索对每一个Tabu表中的元素赋予了一个“期望水平”，当某一个“移动”满足了它的期望水平，这个“移动”将不被限制，即是说该“移动”将从Tabu表中释放。Tabu搜索算法的三个基本要素是：移动、Tabu表和期望水平。
文献[37]利用Tabu算法确定电容器的最优数量、容量、类型和控制，采用放射性网络，同时考虑了固定和可投切电容器的配置，并考虑了负荷增长和馈线的容量限制。
3.5 人工智能
3.5.1 人工神经元(ANN)
人工神经元以人脑的智能功能为研究对象以人体神经细胞的信息处理方法为背景的智能计算机与计算理论。一个典型的人工神经元网络包含三层：输入层、输出层和一个或多个隐含层。人工神经元网络接受从输入层输入的信息，经隐含层处理后通过输出层得到实际输出信息，该网络力求最小化实际输出信息和期望输出信息之间的误差。采用人工神经元网络来解决电容器配置问题近来也引起了广泛的关注。
文献[40]采用人工神经元网络处理可投切电容器的投切问题。文中使用了两级神经元模型，该算法在IEEE标准30节点系统中进行测试，并取得了较好的结果。为了降低训练的复杂性，测试系统被分为了6个子系统。文献[41]在文献[40]的基础上考虑了电压调整器的控制。
3.5.2 专家系统(ES)
专家系统是人工智能研究的主要领域。专家系统是一种在相关领域中能够以人类专家的水平完成特别困难的专业领域任务的智能程序系统。专家系统好比是一个知识加工的工厂，同时又是一个使用知识的设备。它首先获取专家解决问题的知识并纳入自己的知识库中，然后利用这些知识来模仿专家的推理，解决实际问题。与遗传算法，模拟退火法，人工神经元等方法相比，专家系统更适合于在线的、动态应用。文献[28]提出了一种基于启发式图搜索的专家系统方法来求解电容器的配置问题，采用功率损耗灵敏度向量来引导搜索过程。
3.5.3 模糊集理论(FST)
模糊集理论是控制论专家Zadeh在1965年提出的，用于解决由于划分的不确定性而具有模糊性事物的各个领域所产生的问题。模糊集理论用隶属度来描述没有明确界限和概念的外延的模糊现象，其应用的关键问题是隶属函数的确定。文献[43]采用模糊动态规划法，并用三个隶属函数描述了有功功率损耗，电压越界和谐波问题。文献[42]提出了一种基于模糊集理论的电容器配置方法，作者试图解释问题参数的不确定性，而采用了概率分布函数来模拟这些参数。文献[44]使用了模糊近似推理来选择较优的电容器安装候选节点，采用模糊隶属函数来描述配电节点的电压和功率减少量，并用含有启发式规则的模糊专家系统来衡量节点安装电容器的适应度。
4 其它问题
配电网中并联电容器配置问题还有其它一些需要注意的问题。
1)配电网通常都是三相不平衡的。而目前讨论不平衡系统中的电容器配置问题的文献很少[24，32，33，38，51，52]。
2)在许多算法中，固定电容器和可投切电容器的容量问题都是在峰值负荷下确定的。这样的容量在轻负条件下可能导致电压越限问题。避免这个问题的一种解决办法是在基负条件下确定固定电容器的容量，在负荷变化的不同阶段确定可投切电容器的容量。
3)处理电容器配置问题时，通常将负荷的变化规律被认为是一致的。当线路中已经存在有电容器时，由于电容器的输出在整个时间范围内不会和负荷有相同的变化规律，所以电容器的处理要格外仔细。
4)电容器的投切可能造成用户侧过电压的问题值得研究。
5 结论
配电网络中电容器的配置问题相当复杂。专家和学者们花费了相当大的精力采用了大量方法试图解决这一问题。本文讨论了比较有代表性的方法，并提出了一些值得关注的问题。目前，还没有哪种算法能够足够全面地解决这个问题，也没有哪种算法能够保证一定能获得最优解，更有效和完善的解决办法待于进一步研究和发掘。
上一页 [1] [2]
本文关键字：电容器 电工文摘，电工技术 - 电工文摘
