多諧波源相互影響的配電網濾波裝置優化配置的製作方法
2023-05-25 08:10:06
多諧波源相互影響的配電網濾波裝置優化配置的製作方法
【專利摘要】本發明針對智能電力系統中多諧波源相互影響,諧波可能出現相互疊加、抵消或衰減等現象,嚴重威脅配電網的安全穩定經濟運行。公開一種改進的自適應模糊粒子群算法對多諧波源存在的配電網進行諧波抑制的研究,改進的算法採用自適應的慣性係數對慣性權重係數進行調整,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的加權平均值代替全局最優值,考慮所有個體對群體活動的導向性來調整粒子的速度和位置,並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。仿真結果表明,該算法能在給定的電網範圍內統一優化有源和無源濾波裝置的安裝地點及相應的參數,減小系統的損耗,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濾波裝置優化配置
【技術領域】
[0001]本發明涉及配電網範圍內統一優化有源和無源濾波裝置的安裝地點及相應的參數,減小系統的損耗,將電壓、功率因數等保持在規定的範圍內。
【背景技術】
[0002]智能電網中許多類型電源(風能、太陽能等多種能源輸入和內燃機、儲能系統等多種能源轉換單元等)運行不確定性強,具有間隙性、複雜性、多樣性、不穩定性的特點,其電能質量特徵與傳統電力系統有很大差異,越來越多的分布式電源和電能質量調節裝置滲透在配電系統基礎設施中,使傳統電網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,由於諧波的頻率,幅值,相位不同,以及諧波在傳輸過程中所受的影響,使得智能電網內部諧波非常複雜,帶來嚴重的諧波汙染,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,其負面效應是電能質量的下降,同時嚴重影響著供、用電設備的安全經濟運行且造成了巨大的經濟損失;在用戶或電網中裝設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的諧波電流和補償無功損耗,以使配電網中各節點的諧波電壓滿足相應的諧波標準
為了適應諧波源與網絡參數的隨機變化,考慮兩種濾波器的綜合優化配置是目前電能質量工程抑制諧波措施的趨勢;受實際電網運行複雜性的影響,安裝一個APF很難滿足整個網絡的諧波約束,可以考慮多個APF的優化配置問題;與其他傳統算法相比粒子群算法具有操作簡單、依賴的經驗參數少、速度快且尋優能力強等優點,但其存在後期收斂速度慢,尋優精度低且易陷入局部最優的不足;模糊理論是研究不確定問題的有效數學工具,具有較好的靈活性和較強的適應能力,本文對濾波器的多目標函數優化進行了分析,應用模糊理論,提出一種改進的自適應模糊粒子群優化算法來對這一複雜的多目標優化問題進行求解。
【發明內容】
[0003]粒子群算法以其操作簡單、收斂速度快等優點在進行多目標優化問題上應用較廣,但當算法中慣性權重係數較大時,粒子由於缺乏對最優解的精細搜索而可能產生搜索精度不高的不良後果;通過採用自適應的慣性係數對慣性權重係數進行調整,較大的慣性權重值有利於跳出局部最優,適應於對搜索空間進行大範圍開發;較小慣性權重值可提高算法的精度並利於算法局部收斂,適合小範圍開發;通常PSO算法在迭代過程中僅依靠最優值而沒有充分利用其他粒子的信息,在問題較為複雜時,算法很容易陷入局部最優。為了避免這種情況的發生,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的加權平均值代替全局最優值,考慮所有個體對群體活動的導向性來調整粒子的速度和位置;標準粒子群算法中僅規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;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。
[0004]其有益效果是: 1)該算法具有避免粒子群陷入局部最優,對慣性權重進行自適應控制能;
2)在給定的配電系統內統一優化有源和無源濾波裝置的安裝地點及相應的參數,減小系統的損耗,將電網電壓電流畸變率控制在國家規定限值內,在保證配電網安全穩定運行的情況下,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量和容量,達到較好的濾波效果和樂觀的經濟效益,具有實際應用價值;
下面結合附圖對本發明作進一步說明。
[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,記作GBest。粒子根據式(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;Cl和C2為學習因子,randi和rand2是[0,I]區間內均勻分布的隨機數;#為慣性權重。粒子的速度限定在[_vmax,VmaJ之間採用自適應的慣性係數對慣性權重係數進行調整:
w( I ) = [2 /(I + eAtn,nm ).1 Vr0(3)
式中:λ是調節#變化速度的正係數,?為當前迭代次數,/為w(t)的上限,tmax為最大迭代次數;較大#值有利於跳出局部最優,適應於對搜索空間進行大範圍開發;較小#值可提高算法的精度並利於算法局部收斂,適合小範圍開發
所有粒子的個體最優加權平均值表示為:
m.Σ {?(4)
!.:1
是權重向量,反應了第i個粒子的貢獻程度且滿足++ I,粒子的位置更新的公式
f >;
變為:
Λ) ^ ( / -1 I ( / I i IS ^nifN I".?.,| ?(5)
標準粒子群算法中僅規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;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,對公式5進行模糊控制得出:
= (6)
【權利要求】
1.改進自適應模糊粒子群算法,是將典型粒子群算法的慣性係數進行自適應控制,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的加權平均值代替全局最優值,考慮所有個體對群體活動的導向性來調整粒子的速度和位置,並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; 針對算法中慣性權重係數較大時,粒子由於缺乏對最優解的精細搜索而可能產生搜索精度不高的不良後果,採用自適應的慣性係數對慣性權重係數進行調整:
限,為最大迭代次數,較大ω值有利於跳出局部最優,適應於對搜索空間進行大範圍開發較小ω值可提高算法的精度並利於算法局部收斂,適合小範圍開發;
所有粒子的個體最優加權平均值表示為
6是權重向量,反應了第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,對上式公式進行模糊控制得出:
其中,μι為S形隸屬函數,T為一給定閥值,與密切相關,a, c為常數;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,到達一定迭代次數時粒子的變化又能加快些,可以有效地避免陷入局部最優。
【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 優先權日:2013年5月2日
【發明者】夏向陽, 王歡, 程莎莎 申請人:長沙理工大學