一种基于HACS算法求解电力系统无功优化的方法与流程

技术特征：

1.一种基于HACS算法求解电力系统无功优化的方法，其特征在于，包括以下步骤：

1)、建立电力系统无功优化数学模型，即确定目标函数和约束条件，其中目标函数选择有功功率损耗最小作为目标函数，系统的约束条件包括等式约束和不等式约束两类，并获取电力系统的运行参数；

2)、种群初始化，初始种群通过一个矩阵表示，每一列代表一个鸟巢，鸟巢的位置即代表无功优化问题的潜在解，在约束条件范围内，在d维空间内随机产生n个鸟巢；

3)、确定包含罚函数的目标函数，通过潮流计算求得初始种群的适应度值；

4)、执行布谷鸟算法中的莱维飞行机制更新鸟巢位置；

5)、引入包含全局收敛引导变异算子的人工蜂群算法中雇佣蜂和跟随蜂的开采行为，更新全局最优值；

6)、通过布谷鸟算法中的发现概率Pa淘汰适应度值较差的个体；

7)、判断迭代次数是否满足k<kmax，若满足，则返回到步骤4)重复执行步骤4)-步骤7)，否则循环结束，输出无功优化最优解。

2.根据权利要求1所述的基于HACS算法求解电力系统无功优化的方法，其特征在于，所述步骤1)考虑电力系统的经济性，选择经典的有功功率损耗最小作为目标函数：

式中，Ploss为电网中的有功功率损耗(MW)；NL为系统的支路数；Gk为节点i、j之间的第k条支路的电导；Vi、Vj分别为节点i和j的电压幅值；δi、δj分别为节点i和j的电压相角。

3.根据权利要求1所述的基于HACS算法求解电力系统无功优化的方法，其特征在于，所述等式约束来源于潮流计算中有功和无功功率的平衡：

式中，NB、N和NPQ分别表示与节点i相连的节点数、总的节点(平衡节点除外)数和PQ节点数；PGi和PDi分别表示第i个PV节点和第i个PQ节点的有功功率；QGi和QDi分别表示第i个PV节点和第i个PQ节点的无功功率；Gij和Bij分别表示Yij的实部和虚部，其中Yij为节点导纳矩阵Y中第i行第j列的元素；δij＝δi-δj为节点i和j之间的电压相角差。

4.根据权利要求1所述的基于HACS算法求解电力系统无功优化的方法，其特征在于，所述不等式约束包括控制变量和状态变量的不等式约束：

①控制变量的不等式约束包括发电机端电压VGi、变压器抽头Ti和无功补偿装置的投切QCi均要在允许范围之内：

Ti^min≤Ti≤Ti^max 1≤i≤NT

②状态变量的不等式约束包括PQ节点的电压Vi、PV节点的无功功率QGi和线路视在功率Sli均要在允许范围之内：

Vi^min≤Vi≤Vi^max 1≤i≤NPQ

式中，VGi表示第i台发电机的端电压；Ti表示第i台变压器的变比；Qci表示第i个无功补偿装置投切的容量；Vi表示第i个PQ节点的电压；QGi表示第i台发电机发出的无功功率；Sli表示线路的视在功率；max和min分别表示VGi、Ti、Qci、Vi、QGi、Sli的上限值和下限值；NPV为发电机数；NT为变压器的台数；NC为无功补偿装置的个数；NPQ为负荷节点数；NL为支路数。

5.根据权利要求1所述的基于HACS算法求解电力系统无功优化的方法，其特征在于，所述步骤5)引入包含全局收敛引导变异算子的人工蜂群算法ABC中雇佣蜂和跟随蜂的开采行为，更新全局最优值，具体包括：

①全局收敛引导的变异算子

全局收敛引导的变异算子在进化初期采用均匀的搜索方式，在后期采用局部化的搜索方式，引导个体向最优个体飞行，其定义方式如下：

式中，为第i个鸟巢位置的第j维分量；为当前搜索中得到的最优鸟巢的第j维分量；γ随机取0或1；函数Δ(k,y)为[0,y]之间的一个值：

式中rand为[0,1]之间的随机数；kmax为最大迭代次数。

②变异时机的选择

通过评价最优鸟巢适应度值的变化率的方式确定变异时机，判定方式为：

式中，为第k次迭代时最优鸟巢的适应度值，Δ为阈值；

其思想为:本次迭代所求得的最佳个体适应度值与之前第t次迭代所取得的适应度值的差值的绝对值，再与本次迭代所得适应度值之比值，若其比值小于限定的某个阈值，则引入ABC算法中雇佣蜂和跟随蜂的开采行为进行变异；

③ABC算法中雇佣蜂和跟随蜂的开采行为

根据开采方程式更新全局最优值：

式中，j∈[1,2,…,d],m＝[1,2,…,n]，n为种群规模，且m≠i；φi,j是[-1,1]之间的随机数，左边项为全局收敛引导变异结束后的第i个位置的第j个元素；等式右边第一个因子为全局收敛引导变异结束后未进行变异前的第i个位置的第j个元素；为全局收敛引导变异结束后未进行变异前的随机的第m个位置。

6.根据权利要求1所述的基于HACS算法求解电力系统无功优化的方法，其特征在于，所述步骤6)通过布谷鸟算法中的发现概率Pa淘汰适应度值较差的个体具体包括：

搜索方程表示为：

式中，rand表示一个在[0,1]区间上的随机数；Nestj^(k)和Nestg^(k)表示第k次迭代时产生的两个随机的解；

在每次迭代产生新的鸟巢后，用随机产生的随机数rand∈[0,1]与Pa进行对比：当rand<Pa时，鸟巢位置为Nesti^(k)不变；当rand>Pa时，相应的鸟巢位置将被随机改变为新鸟巢，改变后的鸟巢位置记为Nesti^(k+1)，形成新的种群后，根据新种群中所有个体的适应度值更新全局最优解。