基于遗传算法的电网输电断面潮流控制方法与流程

1.本发明涉及电网输电断面领域，具体是基于遗传算法的电网输电断面潮流控制方法。


背景技术：

2.我国电网在多个地区电网之间实现互联，形成大的互联电网；不同负荷中心之间互联的联络线构成输电通道。这些输电通道对整个电网的安全稳定性具有决定性的影响，是保持整个系统安全稳定运行的关键。因此，在电力系统研究分析过程中都将输电断面作为重要的关注目标进行研究分析。
3.电力调度中心的调度员依靠电力调度自动化系统提供的各种信息和功能对电力系统进行日常调度，其中，电网稳定断面的监视和控制是一项重要工作。但是，现有的电力调度自动化系统给调度运行提供的技术支持相对有限，表现在电网稳定断面目前只有监视功能，对稳定断面潮流的控制只能通过人工方式。随着电网规模的不断扩大、电网结构的日益复杂和电网运行方式的复杂多变，通过人工方式对电网稳定断面进行控制的难度已经越来越大，为了解决该技术问题现提出一种基于遗传算法的电网输电断面潮流控制方法。


技术实现要素：

4.本发明的目的在于提供基于遗传算法的电网输电断面潮流控制方法，以解决上述背景技术中提出的问题。
5.为实现上述目的，本发明提供如下技术方案：
6.一种基于遗传算法的电网输电断面潮流控制方法，包括如下步骤；
7.按照所有发电机组对输电断面传输功率的灵敏度排序，设定对输电断面进行控制的机组；
8.对设定的输电断面控制机组进行算法编码，以进化终止条件查询最优解；
9.根据设定的输电断面潮流调整的目标，输出发电机组调整的结果。
10.作为本发明进一步的方案：所述输电断面控制机组的设定包括以下步骤：
11.基于潮流方程计算输电断面传输功率的灵敏度；对计算的所有发电机机组出力的灵敏度数据排序，按排序选取控制机组。
12.作为本发明再进一步的方案：按排序选取控制机组的方法，包括：从多组排序中各取前n台机组作为对该输电断面进行控制的机组。
13.作为本发明再进一步的方案：所述对控制机组进行算法编码包括以下步骤：
14.根据电网输电断面功率潮流优化控制所涉及到的控制变量；
15.根据遗传算法中的交叉操作或根据变异操作获得适应度函数；
16.基于小生境技术进行遗传算法的选择操作，在局部最优解中筛选全局最优解；
17.采用均匀交叉的方式对上一代染色体进行交叉操作，得到交叉概率；
18.交叉操作后产生的上一代和下一代总种群个数进行排列，基于metropolis判别准
则的复制操作下一代染色体中个体；
19.设置变异率，对复制操作的染色体进行变异操作，将局部最优循环迭代策略与最大遗传代数相结合作为进化终止条件，反复进行循环迭代，寻找最优解。
20.作为本发明再进一步的方案：所述编码策略中，电网输电断面功率潮流优化控制所涉及到的控制变量包括连续变量和离散变量，对于离散变量采用二进制编码，对于连续变量采用浮点数编码。
21.作为本发明再进一步的方案：所述基于metropolis判别准则的复制操作为：采用均匀交叉的方式对上一代染色体进行交叉操作，交叉操作后产生两倍的上一代和下一代总种群个数，对产生的上一代和下一代总种群个数进行排列时，上一代染色体排列在下一代染色体之前，采用metropolis判别准则复制操作下一代染色体总种群个数减一个个体。
22.作为本发明再进一步的方案：所述进化终止条件为将局部最优循环迭代策略与最大遗传代数相结合。
23.作为本发明再进一步的方案：所述输电断面潮流控制的方法包括以下步骤：
24.设定输电断面潮流调整的目标；输出发电机组调整的结果。
25.作为本发明再进一步的方案：所述设定输电断面潮流调整的目标具体为：设定目标，即设定输电断面上的传输功率，并设定一个较小的阈值。
26.作为本发明再进一步的方案：所述输出发电机组调整的结果为通过输入原始数据和遗传算法参数，形成染色体矩阵；通过遗传算法编码步骤，直到输电断面调整达到设定值阈值内，并再进行多次迭代使得输出值无限靠近设定值，最后输出发电机组调整的调整结果。
27.作为本发明再进一步的方案：所述输电断面潮流控制时，还包括以下步骤：输入原始数据和遗传算法参数，形成染色体矩阵和导纳矩阵，并进行种群初始化，修改导纳矩阵，进行潮流计算控制，并进行适应度函数计算，更新个体记录，通过选择操作、交叉操作、复制操作以及编译操作后，进行终止条件判断，在符合进化终止条件后，输出发电机组调整的调整结果，否则反复进行循环迭代，直至输出发电机组调整的调整结果。
28.与现有技术相比，本发明的有益效果是：
29.1、通过灵敏度排序选择控制机组可以大大提高效率，同时减少应用成本。
30.2、在求解较为复杂的组合优化问题，例如输电断面潮流计算时，通过遗传算法能够更快的获得较好的优化结果。
31.3、遗传算法本身也可以采用动态自适应技术，在进化过程中自动调整算法控制参数和编码精度。
32.4、遗传算法的整体搜索策略和优化搜索方法在计算时不依赖于梯度信息或其它辅助知识，具有很强的鲁棒性。
附图说明
33.图1为本发明的基于遗传算法的电网输电断面潮流控制方法的流程示意图。
34.图2为本发明的一个实施例基于遗传算法的电网输电断面潮流控制方法的操作流程示意图。
具体实施方式
35.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
36.下文的公开提供了许多不同的实施方式或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，并且目的不在于限制本发明。此外，本发明可以在不同例子中重复参考数字和/或参考字母，这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施方式和/或设置之间的关系。此外，本发明提供了的各种特定的工艺和材料的例子，但是本领域普通技术人员可以意识到其他工艺的应用和/或其他材料的使用。
37.参考图1为基于遗传算法的电网输电断面潮流控制方法的流程图。
38.请参阅图1，本发明提供的一种基于遗传算法的电网输电断面潮流控制方法，包括如下步骤s1-s3；
39.s1、按照所有发电机组对输电断面传输功率的灵敏度排序，设定对输电断面进行控制的机组；
40.s2、对设定的输电断面控制机组进行算法编码，以进化终止条件查询最优解；
41.s3、根据设定的输电断面潮流调整的目标，输出发电机组调整的结果。
42.本发明的一种基于遗传算法的电网输电断面潮流控制方法，通过灵敏度排序选择控制机组可以大大提高效率，同时减少应用成本。在求解较为复杂的组合优化问题，例如输电断面潮流计算时，通过遗传算法能够更快的获得较好的优化结果。遗传算法本身也可以采用动态自适应技术，在进化过程中自动调整算法控制参数和编码精度。遗传算法的整体搜索策略和优化搜索方法在计算时不依赖于梯度信息或其它辅助知识，具有很强的鲁棒性。
43.下面将结合本发明示例性实施例中的附图，对本发明示例性实施例中的技术方案进行清楚、完整地描述，显然，所描述的示例性实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
44.参见图1和图2所示，本发明的一个实施例提供一种基于遗传算法的电网输电断面潮流控制方法，包括以下步骤：
45.步骤一、输电断面控制机组的设定。
46.在本实施例中，所述输电断面控制机组的设定包括基于潮流方程计算输电断面传输功率的灵敏度；对计算的所有发电机机组出力的灵敏度数据排序，以及按排序选取控制机组。具体参见以下步骤：
47.步骤1.1：计算所有发电机组对输电断面传输功率的灵敏度。
48.在本实施例中，所有发电机组出力的计算即计算各个潮流，而对输电断面传输功率的灵敏度的计算也基于潮流方程。所述潮流方程为：
49.f(x,u,α)＝0
ꢀꢀꢀ
(1)
50.y＝g(x,u,α)
ꢀꢀꢀ
(2)
51.式中，α为参数变量，如系统元件参数g、b等；x为状态变量，包括潮流方程中的未知
量，如pq节点电压幅值及相角；u为控制变量，包括所有节点已知量，如负荷节点的有功和无功功率等；y为输出变量，即为线路潮流p、q等。
52.分别对上述潮流方程的公式(1)、(2)的控制变量和参数变量求导得：
[0053][0054][0055][0056][0057]
由于公式(3)～(6)与牛顿潮流公式迭代过程中的修正方程在数学上的一致性，使得在潮流收敛后，只需要根据所求的灵敏度控制变量确定得在潮流收敛后，只需要根据所求的灵敏度控制变量确定再带入潮流迭代的回代计算即可求出所有发电机机组出力的灵敏度指标。再基于极坐标的交流潮流计算模型计算各支路l的潮流对节点α的功率注入的灵敏度，推导式如下：
[0058][0059]
式中p
ii
为节点i，j两端之间线路的传输的有功功率；p
α
为节点α注入的有功功率；v和θ分别为电压幅值和相角；和可根据式(3)～(6)求得；和分别为支路两端节点电压v和θ的函数，可依据潮流计算求得：
[0060][0061][0062]
式中：δ
kj
为节点k和节点j的电压相角差；g
kj
和b
kj
分别为节点k和节点j之间的电导和电纳n为系统节点总数。
[0063]
步骤1.2：将机组按灵敏度进行排序。
[0064]
通过计算所有发电机机组出力的灵敏度，我们得到了各个机组的灵敏度数据s1、s2……
sn。这其中有正向影响输电断面传输功率的灵敏度，即当降低发电机机组出力，传输功率下降；也有负向影响输电断面传输功率，即降低发电机机组出力，传输功率上升。分别将正、负的灵敏度数据按从大到小的顺序排列。
[0065]
步骤1.3：按排序取控制机组
[0066]
通过上述步骤1.1和步骤1.2得到的排序，从两组排序中各取前10台机组作为对该输电断面进行控制的机组。
[0067]
步骤二、对控制机组进行算法编码。
[0068]
在本实施例中，由于遗传算法不能直接处理问题空间的参数,因此必须通过编码将要求解的问题表示成遗传空间的染色体或者个体。
[0069]
在本实施例中，所述对控制机组进行算法编码包括以下步骤：
[0070]
根据电网输电断面功率潮流优化控制所涉及到的控制变量；
[0071]
根据遗传算法中的交叉操作或根据变异操作获得适应度函数；
[0072]
基于小生境技术进行遗传算法的选择操作，在局部最优解中筛选全局最优解；
[0073]
采用均匀交叉的方式对上一代染色体进行交叉操作，得到交叉概率；
[0074]
交叉操作后产生的上一代和下一代总种群个数进行排列，基于metropolis判别准则的复制操作下一代染色体中个体；
[0075]
设置变异率，对复制操作的染色体进行变异操作，将局部最优循环迭代策略与最大遗传代数相结合作为进化终止条件，反复进行循环迭代，寻找最优解。
[0076]
在本实施例中，对控制机组进行算法编码具体包括以下步骤：
[0077]
步骤2.1：编码策略。
[0078]
电网输电断面功率潮流优化控制所涉及到的控制变量包括连续变量和离散变量。例如变压器分接头的档位调节以及控制机组的无功补偿装置投切数量等属于离散变量；而发电机端电压、直流电压、直流电流等为连续变量。在进行编码时，需采用混合编码的方式，即对于离散变量采用二进制编码，对于连续变量采用浮点数编码。
[0079]
根据电网输电断面功率潮流优化控制所涉及到的控制变量，将发电机端电压ug、无功补偿容量qc、变压器变比tk、直流电压u
dc
和电流id等分别表示成遗传算法的染色体，即：
[0080]
x＝[u
g q
c t
k u
dc p
dc q
dc
]
ꢀꢀꢀ
(10)
[0081]
对其中的离散变量表示成遗传算法的染色体公式即为：
[0082]
t
ki
＝t
kimin
+d
tkistki
ꢀꢀꢀꢀꢀꢀ
(11)
[0083]qci
＝d
qcisqci
ꢀꢀꢀꢀꢀꢀ
(12)
[0084]
式中t
kimin
为变压器的最小变比值；d
tki
为变压器档位数；s
tki
为变压器每个档位的步长；d
qci
为无功补偿装置投切组数；s
qci
为无功补偿投切量的步长。
[0085]
步骤2.2：选择适应度函数。
[0086]
通常适应度函数与潮流控制优化模型中的目标函数密切相关，根据遗传算法中的交叉操作可以得到适应度函数：
[0087][0088]
式中c
max
为f(x)的最大值。
[0089]
根据变异操作可以得到适应度函数：
[0090][0091]
步骤2.3：基于小生境技术的选择操作。
[0092]
选择操作是遗传算法中确定进化方向的关键，为提高寻找潮流控制全局最优解的可能性，采用小生境技术进行遗传算法的选择操作。该方法主要是基于生物在进化过程中，一般总是与自己相同的物种生活在一起，并且共同繁衍的后代也都是在某一特定的区域内生存。通过小生境技术，可以在更多的局部最优解中找出全局最优解。
[0093]
计算所有个体两两之间的欧氏距离：
[0094][0095]
式中：mn为个体的长度；xi、xj分别为第i和第j个个体；x
ik
、x
jk
为个体坐标。通过欧氏距离大小来决定是否需要进行个体淘汰，从而保证群体的进化。
[0096]
步骤2.4：交叉操作。
[0097]
交叉操作是通过交叉上一代染色体基因从而使下一代染色体具有多个上一代基因的操作，是保证种群进化多样性的关键。采用均匀交叉的方式对上一代染色体进行交叉操作，其交叉概率为：
[0098][0099]
式中：f
max
为群体中最大适应度值；f
avg
为群体适应度平均值；p
c1
和p
c2
为交叉概率上下限值。
[0100]
步骤2.5：基于metropolis判别准则的复制操作。
[0101]
假设种群中所有上一代染色体的数目为nn，则交叉操作后产生的上一代和下一代总种群个数为2nn，并且将上一代染色体排列在前nn个群体，下一代染色体排列在后nn个，然后采用metropolis判别准则复制操作下一代染色体n
n-1个个体，其概率函数为：
[0102][0103][0104]
式中：f(xi)、f(xj)分别为个体xi、xj的适应度；t为温度值。
[0105]
步骤2.6：变异操作。
[0106]
变异操作是增加染色体的自然随机多样性。通过考虑潮流优化控制变量中有离散变量和连续变量共存，设置变异率：
[0107]
[0108]
n2为染色体个数；f
min
为群体中最小适应值。
[0109]
步骤2.7：进化终止条件。
[0110]
传统遗传算法通常仅以遗传代数作为进化终止条件，很容易造成最终得到的优化结果仅为局部最优解。通过将局部最优循环迭代策略与最大遗传代数相结合作为进化终止条件，在进化迭代已经满足收敛条件时，通过反复进行循环迭代，增大种群交叉操作和变异操作的概率值，继续寻找最优解，以保证优化结果的全局最优性。
[0111]
步骤三、输电断面潮流控制。
[0112]
在本发明的实施例中，参见图2所示，所述输电断面潮流控制时包括以下步骤：输入原始数据和遗传算法参数，形成染色体矩阵和导纳矩阵，并进行种群初始化，修改导纳矩阵，进行潮流计算控制，并进行适应度函数计算，更新个体记录，通过选择操作、交叉操作、复制操作以及编译操作后，进行终止条件判断，在符合进化终止条件后，输出发电机组调整的调整结果，否则反复进行循环迭代，直至输出发电机组调整的调整结果。
[0113]
在本实施例中，输电断面潮流控制包括以下步骤：
[0114]
步骤3.1：设定输电断面潮流调整的目标。
[0115]
设定目标，即设定输电断面上的传输功率，并设定一个较小的阈值。
[0116]
步骤3.2：输出发电机组调整的结果。
[0117]
通过输入原始数据和遗传算法参数，形成染色体矩阵；通过遗传算法编码步骤，直到输电断面调整达到设定值阈值内，并再进行多次迭代使得输出值无限靠近设定值，最后输出发电机组调整的调整结果。
[0118]
综上所述，本发明的基于遗传算法的电网输电断面潮流控制方法，通过灵敏度排序选择控制机组可以大大提高效率，同时减少应用成本；在求解较为复杂的组合优化问题，例如输电断面潮流计算时，通过遗传算法能够更快的获得较好的优化结果；遗传算法本身也可以采用动态自适应技术，在进化过程中自动调整算法控制参数和编码精度；遗传算法的整体搜索策略和优化搜索方法在计算时不依赖于梯度信息或其它辅助知识，具有很强的鲁棒性。
[0119]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
[0120]
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。