電力評職稱論文發表

　　電力評職稱論文發表【1】

　　隨著電網規模的擴張和電網結構的復雜化，電壓問題逐漸凸顯。其主要表現在[1]：

　　①部分變電站出現無功供需不匹配而導致系統母線電壓的過高或過低;

　　②因感性負載過多而導致系統整體出現無功缺額，這有可能造成電壓崩潰或系統非同步振蕩，使大面積停電事故發生。

　　因此，在電網運行中，我們應綜合運用變壓器分接檔位調節、電容器投切、發電機機端電壓調整、無功補償點新增等手段來優化系統各層級電壓。當然，在電力市場環境下，電網運行追求經濟性，因此需要實現以最低的投入獲得最大的電壓合格率。

　　文獻[2]基于分區無功平衡原則，尋求電容器實際投入與理想期望的最小差距，以此提升電容器的經濟利用水平，但未涉及對新增無功點的考量。

　　文獻[3]建立電壓偏差和電壓穩定的協同優化模型，并以改進的粒子群算法(增加模糊控制與模擬退火環節)進行計算，可有效避免陷入局部最優，但過程較為繁雜。

　　文獻[4]從多目標優化角度出發，統籌電壓合格率與年支出費用，使用預測校正原對偶內點法進行最佳補償節點尋找，但未考慮電壓優化的其他手段。

　　文獻[5]對分布式電源接入配網后的電壓變化進行研究，并以多智能體免疫算法求解，但存在收斂速度慢等不足。

　　綜合上述，當前研究在取得成績的同時，也暴露出以下缺憾：

　　①關于電壓優化和治理的模型不夠完備，未納入所有手段以作協同考慮;②具體算法有待變革，使其在求解模型時同時達到收斂速度和全局尋優的雙重優化。

　　其中，第一點是前提，模型的復雜程度影響到算法的選擇。文章認為免疫遺傳算法在解決大規模組合問題時性能較優，可在電力系統電壓優化問題上進行應用。

　　1 電壓優化和治理的數學建模

　　1.1 目標函數

　　電壓問題是全網性的，其治理之關切為在投資最少情況下取得電壓合格率的最優，因此目標函數可寫作：

　　(1)

　　其中，

　　以上：指節點l的新增無功補償容量，M指需新增無功補償的節點數，為懲罰因子，為節點i的電壓幅值，、分別為節點i電壓幅值上下限，T為納入觀察范圍的節點數。

　　1.2 約束條件

　　約束分等式約束和不等式約束。

　　(1)不等式約束。

　　(2)

　　其中：、為發電單元b的無功功率上下限，、為變壓器單元t的分接檔位上下限，、為現有無功補償單元k的容量上下限，、、對應發電單元集、變壓器集和無功裝置集。

　　(2)等式約束。

　　(3)

　　式中：Pi、Qi為節點i的注入有功與無功，j∈i指與節點i有直接電氣連接的點，Gij、Bij為節點i-j間互導納的實部與虛部(i=j時指自導納)，為節點i、j間電壓向量的角度差。

　　以上模型屬于大規模組合問題，需要運用啟發類方法進行求解。

　　2 免疫遺傳算法

　　2.1 遺傳算法

　　遺傳算法基于對生物遺傳和進化過程的模仿，是一種科學的啟發式算法。其特點是并行性、魯棒性、適用性良好，尋優能力強大[3]。但是，當組合問題較為復雜時，其在應用時會呈現一個明顯缺點：在迭代后期，適應值大的個體會在種群中重復出現，導致種群失去個體多樣化，即所謂的早熟現象;雖然可通過選擇大交叉率和大變異率來提升個體多樣化，但這又會導致種群退化。因此，直接將遺傳算法應用于電網電壓優化與治理，將達不到既定的對最優解搜索的期望。

　　2.2 免疫遺傳算法

　　為了解決遺傳算法在復雜組合模型求解上可能出現的早熟或退化現象，人們將生物進化過程中的免疫機制引入到遺傳算法中(即設計一個免疫算子)，使新算法兼具遺傳算法的搜索優勢和免疫算法的多機制求取最優解的自適應特性[4]，這就是“免疫遺傳算法”。

　　在免疫遺傳算法中，將目標函數視作為抗原，將備選解視作抗體。免疫遺傳算法在結構上的先進性主要體現在抗體與抗原親和度的計算上。這種親和度包括兩項[5]：①抗體與抗原的結合力，即解和問題的適合程度;②個體的濃度，即個體-個體間相似性。

　　該算法采用排序法來優選個體，即適應值越小對應被選中幾率越大;另外，除了以選擇法產生種群的個體外，還允許由新隨機生成方法來補充個體;這樣，種群個體的多樣化得以持續保持，從而能在根本上避免陷入局部最優的可能。

　　2.3 算法的具體實現

　　在運用免疫遺傳算法進行電網電壓優化和治理時，重點是要將電網中可調節的各環節對象(發電機、電容器、變壓器等)對應為算法的關鍵元素，并編制軟件實現流程。

　　(1)抗體設計及流程編制。為避免截斷誤差和減少不必要的基因組合，可選擇發電機電壓VGi(實數)、電容器投切檔位DCi(整數)和變壓器分接檔位Bi(整數)這三類控制變量作為抗體進行編碼。這樣，變壓器變比Ki與Bi可對應，無功容量QCi與DCi可對應。

　　在完成控制變量的染色體編碼后，就能執行“隨機群體產生→潮流計算→個體適應度函數值和濃度計算→排序法選擇部分個體→補充部分新個體”的流程。若經歷以上計算仍達不到電壓指標，則需新增補償節點，然后重新編碼并進行潮流計算。詳細流程框架見圖1所示。

　　相關參數設計。參照文獻[6]，取抗體v、w之間距離為歐式空間中2-范數意義下的距離，即：

　　(4)取抗體濃度為：

　　(5)其中，Bv,w指抗體間結合力，其計算方法：

　　(6)以Fv表示“抗體-抗原”結合力(可采用目標函數值)，則抗體適應值可表達為：

　　(7)顯然，“抗體-抗原結合力”越小(即目標函數值越小)，適應值越小，而我們采取的策略是認為適應值小的更接近最優解，這樣就實現了電壓優化與免疫遺傳算法的緊密關聯;另外，抗體濃度小也對應適應值小，這樣做的目的是確保個體多樣化。

　　3 算例

　　以Ward-Hale 6節點系統作為算例，系統拓撲見圖2所示，各節點初始狀態見表1，其他的網絡參數參照文獻[6]，限于篇幅不再贅述。

　　1 )麗徐玉琴王增平等包含分布式電源的配電網無功優化電工技術學報

節點編號	電壓初值	注入P初值	注入Q初值
1	1.05	0.958	0.372
2	1.10	0.501	0.344
3	1.00	-0.551	-0.131
4	1.00	0.00	0.00
5	1.00	-0.301	-0.181
6	1.00	-0.500	-0.050