多諧波源相互影響的配電網(wǎng)濾波裝置優(yōu)化配置的制作方法
【專利摘要】本發(fā)明針對智能電力系統(tǒng)中多諧波源相互影響，諧波可能出現(xiàn)相互疊加、抵消或衰減等現(xiàn)象，嚴重威脅配電網(wǎng)的安全穩(wěn)定經(jīng)濟運行。公開一種改進的自適應(yīng)模糊粒子群算法對多諧波源存在的配電網(wǎng)進行諧波抑制的研究，改進的算法采用自適應(yīng)的慣性系數(shù)對慣性權(quán)重系數(shù)進行調(diào)整，在粒子群算法的速度和位置更新過程中以所有粒子的個體最優(yōu)的加權(quán)平均值代替全局最優(yōu)值，考慮所有個體對群體活動的導(dǎo)向性來調(diào)整粒子的速度和位置，并對粒子位置的更新進行模糊控制，這樣可以有效地避免算法陷入局部最優(yōu)。仿真結(jié)果表明，該算法能在給定的電網(wǎng)范圍內(nèi)統(tǒng)一優(yōu)化有源和無源濾波裝置的安裝地點及相應(yīng)的參數(shù),減小系統(tǒng)的損耗，達到有效抑制諧波的目的。
【專利說明】多諧波源相互影響的配電網(wǎng)濾波裝置優(yōu)化配置

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及配電網(wǎng)范圍內(nèi)統(tǒng)一優(yōu)化有源和無源濾波裝置的安裝地點及相應(yīng)的參數(shù)，減小系統(tǒng)的損耗，將電壓、功率因數(shù)等保持在規(guī)定的范圍內(nèi)。

【背景技術(shù)】
[0002]智能電網(wǎng)中許多類型電源(風能、太陽能等多種能源輸入和內(nèi)燃機、儲能系統(tǒng)等多種能源轉(zhuǎn)換單元等)運行不確定性強，具有間隙性、復(fù)雜性、多樣性、不穩(wěn)定性的特點，其電能質(zhì)量特征與傳統(tǒng)電力系統(tǒng)有很大差異，越來越多的分布式電源和電能質(zhì)量調(diào)節(jié)裝置滲透在配電系統(tǒng)基礎(chǔ)設(shè)施中，使傳統(tǒng)電網(wǎng)中單相潮流面臨雙向潮流的問題，且造成諧波之間相互影響；當多個諧波源同時作用時，由于諧波的頻率，幅值，相位不同，以及諧波在傳輸過程中所受的影響，使得智能電網(wǎng)內(nèi)部諧波非常復(fù)雜，帶來嚴重的諧波污染，特別是多逆變器裝置存在交互耦合影響等情況，將造成諧波放大，其負面效應(yīng)是電能質(zhì)量的下降，同時嚴重影響著供、用電設(shè)備的安全經(jīng)濟運行且造成了巨大的經(jīng)濟損失；在用戶或電網(wǎng)中裝設(shè)濾波器是抑制諧波的一種有效措施，可減少和控制注入電網(wǎng)的諧波電流和補償無功損耗，以使配電網(wǎng)中各節(jié)點的諧波電壓滿足相應(yīng)的諧波標準
為了適應(yīng)諧波源與網(wǎng)絡(luò)參數(shù)的隨機變化，考慮兩種濾波器的綜合優(yōu)化配置是目前電能質(zhì)量工程抑制諧波措施的趨勢；受實際電網(wǎng)運行復(fù)雜性的影響，安裝一個APF很難滿足整個網(wǎng)絡(luò)的諧波約束，可以考慮多個APF的優(yōu)化配置問題；與其他傳統(tǒng)算法相比粒子群算法具有操作簡單、依賴的經(jīng)驗參數(shù)少、速度快且尋優(yōu)能力強等優(yōu)點，但其存在后期收斂速度慢，尋優(yōu)精度低且易陷入局部最優(yōu)的不足；模糊理論是研究不確定問題的有效數(shù)學(xué)工具，具有較好的靈活性和較強的適應(yīng)能力，本文對濾波器的多目標函數(shù)優(yōu)化進行了分析，應(yīng)用模糊理論，提出一種改進的自適應(yīng)模糊粒子群優(yōu)化算法來對這一復(fù)雜的多目標優(yōu)化問題進行求解。


【發(fā)明內(nèi)容】

[0003]粒子群算法以其操作簡單、收斂速度快等優(yōu)點在進行多目標優(yōu)化問題上應(yīng)用較廣，但當算法中慣性權(quán)重系數(shù)較大時，粒子由于缺乏對最優(yōu)解的精細搜索而可能產(chǎn)生搜索精度不高的不良后果；通過采用自適應(yīng)的慣性系數(shù)對慣性權(quán)重系數(shù)進行調(diào)整，較大的慣性權(quán)重值有利于跳出局部最優(yōu)，適應(yīng)于對搜索空間進行大范圍開發(fā)；較小慣性權(quán)重值可提高算法的精度并利于算法局部收斂，適合小范圍開發(fā)；通常PSO算法在迭代過程中僅依靠最優(yōu)值而沒有充分利用其他粒子的信息，在問題較為復(fù)雜時，算法很容易陷入局部最優(yōu)。為了避免這種情況的發(fā)生，在粒子群算法的速度和位置更新過程中以所有粒子的個體最優(yōu)的加權(quán)平均值代替全局最優(yōu)值，考慮所有個體對群體活動的導(dǎo)向性來調(diào)整粒子的速度和位置；標準粒子群算法中僅規(guī)定了粒子速度的限值，卻沒有對粒子位置限值進行確定，使得算法易陷入局部最優(yōu)；通過對位置的更新進行模糊控制可以有效地避免陷入局部最優(yōu)。
[0004]其有益效果是: 1)該算法具有避免粒子群陷入局部最優(yōu)，對慣性權(quán)重進行自適應(yīng)控制能；
2)在給定的配電系統(tǒng)內(nèi)統(tǒng)一優(yōu)化有源和無源濾波裝置的安裝地點及相應(yīng)的參數(shù)，減小系統(tǒng)的損耗，將電網(wǎng)電壓電流畸變率控制在國家規(guī)定限值內(nèi)，在保證配電網(wǎng)安全穩(wěn)定運行的情況下，達到濾波裝置初投資費用最小的目的；
3)大大減小了所需變流器的數(shù)量和容量，達到較好的濾波效果和樂觀的經(jīng)濟效益，具有實際應(yīng)用價值；
下面結(jié)合附圖對本發(fā)明作進一步說明。
[0005]

【專利附圖】

【附圖說明】
圖1是算法流程圖。
[0006]

【具體實施方式】
一個D維的搜索空間，由m個粒子組成的種群X:x;....v…第i個粒子的位置為
{^.^^、…,'/,當前速度為丨^^^^…匕^在每次迭代中’粒子個體搜索到的
r ι: - t■UJ *J I f ι - r* -r>t.最好位置為?Ji f稱為個體最優(yōu)記作pBest ;群體中所有粒子搜索到的最好位置為A — I J、:”-.Pgn f稱為全局最優(yōu)，記作GBest。粒子根據(jù)式(I)和式(2 )來分別更新自己的速度和位置:
L V + i) = Hi',/ + cy WIi/,{Pu(/)- A；(i(f)) + Cjmtd2((i) - Xlj(--)(I)
xJn =i 二 1，2,…，M(2)
t為迭代次數(shù)；Cl和C2為學(xué)習因子，randi和rand2是[0，I]區(qū)間內(nèi)均勻分布的隨機數(shù)；#為慣性權(quán)重。粒子的速度限定在[_vmax，VmaJ之間采用自適應(yīng)的慣性系數(shù)對慣性權(quán)重系數(shù)進行調(diào)整:
w( I ) = [2 /(I + eAtn,nm ).1 Vr0(3)
式中:λ是調(diào)節(jié)#變化速度的正系數(shù)，?為當前迭代次數(shù)，/為w(t)的上限，tmax為最大迭代次數(shù)；較大#值有利于跳出局部最優(yōu)，適應(yīng)于對搜索空間進行大范圍開發(fā)；較小#值可提高算法的精度并利于算法局部收斂，適合小范圍開發(fā)
所有粒子的個體最優(yōu)加權(quán)平均值表示為:
m.Σ {?(4)

!.:1
是權(quán)重向量，反應(yīng)了第i個粒子的貢獻程度且滿足++ I,粒子的位置更新的公式
f >;
變?yōu)?
Λ) ^ ( / -1 I ( / I i IS ^nifN I".?.,| ?(5)
標準粒子群算法中僅規(guī)定了粒子速度的限值，卻沒有對粒子位置限值進行確定，使得算法易陷入局部最優(yōu)；本文對位置的更新進行模糊控制可以有效地避免陷入局部最優(yōu)，對公式5進行模糊控制得出:
= (6)

【權(quán)利要求】
1.改進自適應(yīng)模糊粒子群算法，是將典型粒子群算法的慣性系數(shù)進行自適應(yīng)控制，在粒子群算法的速度和位置更新過程中以所有粒子的個體最優(yōu)的加權(quán)平均值代替全局最優(yōu)值，考慮所有個體對群體活動的導(dǎo)向性來調(diào)整粒子的速度和位置，并對粒子位置的更新進行模糊控制，這樣可以有效地避免算法陷入局部最優(yōu)； 針對算法中慣性權(quán)重系數(shù)較大時，粒子由于缺乏對最優(yōu)解的精細搜索而可能產(chǎn)生搜索精度不高的不良后果，采用自適應(yīng)的慣性系數(shù)對慣性權(quán)重系數(shù)進行調(diào)整:
限，為最大迭代次數(shù)，較大ω值有利于跳出局部最優(yōu),適應(yīng)于對搜索空間進行大范圍開發(fā)較小ω值可提高算法的精度并利于算法局部收斂，適合小范圍開發(fā)；
所有粒子的個體最優(yōu)加權(quán)平均值表示為
6是權(quán)重向量，反應(yīng)了第i個粒子的貢獻程度且滿足!廣,^粒子的位置更新的公式變
對位置的更新進行模糊控制可以有效地避免陷入局部最優(yōu)，對上式公式進行模糊控制得出:
其中，μι為S形隸屬函數(shù),T為一給定閥值,與密切相關(guān),a, c為常數(shù)；當&1時，μ2取1，在這個時候，粒子位置的變化是比較大的；當t>T時，粒子的改變就會放慢，到達一定迭代次數(shù)時粒子的變化又能加快些，可以有效地避免陷入局部最優(yōu)。
【文檔編號】G06F17/50GK104133922SQ201310158068
【公開日】2014年11月5日 申請日期:2013年5月2日 優(yōu)先權(quán)日:2013年5月2日
【發(fā)明者】夏向陽, 王歡, 程莎莎 申請人:長沙理工大學(xué)