• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于人工智能算法的電力系統(tǒng)無功優(yōu)化調(diào)度研究

      2020-12-24 09:12:10彭嘉寧
      機械與電子 2020年12期
      關(guān)鍵詞:飛蛾火焰總線

      彭嘉寧

      (國網(wǎng)寧夏電力公司調(diào)度控制中心,寧夏 銀川 750001)

      0 引言

      隨著電網(wǎng)的發(fā)展,智能電力調(diào)度技術(shù)越來越重要,其中,發(fā)電機組的啟停問題是影響電力調(diào)度平衡和優(yōu)化的重要因素。電力系統(tǒng)需要為各種負載需求、電力供應(yīng)、傳輸和分配提供穩(wěn)定服務(wù),也是可再生能源系統(tǒng)的核心。可再生能源的逐漸增加提升了電力調(diào)度的難度,而電力的不合理和不可控分配增加了電力傳輸損耗,降低了電力質(zhì)量,因此智能、可靠的電力調(diào)度技術(shù)具有重要意義。

      電力調(diào)度過程中,最優(yōu)無功功率分配(ORPD)受到的關(guān)注日益增多,因為它對于電力系統(tǒng)的安全和經(jīng)濟運行起著重要作用。ORPD是最優(yōu)潮流(OPF)計算中的一種特殊形式,是電力系統(tǒng)中的典型非線性和非凸優(yōu)化問題,涉及離散和連續(xù)控制變量,同時滿足各種平衡和不平衡約束[1-4]。

      在提高電力系統(tǒng)運行中應(yīng)用ORPD的主要目的,是在系統(tǒng)中重新分配無功功率,以實現(xiàn)總傳輸損耗的最小化和提高電壓分布均勻性[3,5]。因此為了最小化傳輸損耗和其他目標(biāo)函數(shù),需要確定所有可控變量的最佳可能組合,其中就包括變壓器抽頭比率、發(fā)電機母線電壓和無功補償器尺寸等。

      為此,本文提出了一種自然啟發(fā)式的人工智能算法,即飛蛾-火焰優(yōu)化(MFO)算法來解決ORPD問題。優(yōu)化計算的總體目標(biāo)是使系統(tǒng)的總傳輸線損達到最小化。通過IEEE-30總線系統(tǒng)對本文提出的優(yōu)化算法進行了仿真計算,并且對比了其他幾種優(yōu)化算法的優(yōu)化效果,從而驗證了所提算法的有效性。

      1 數(shù)學(xué)模型

      潮流最優(yōu)化問題(OPF)研究是一種對電力系統(tǒng)中電力潮流進行分析的方法。其主要內(nèi)容是對電力系統(tǒng)中連接的負載供電能力,以及滿足客戶電力需求的能力進行分析。 OPF研究對于現(xiàn)代電力系統(tǒng)的最佳運行方式,以及規(guī)劃電網(wǎng)的未來發(fā)展至關(guān)重要。通常OPF問題可定義為具有大規(guī)模、高約束度、高非線性和非凸特征的優(yōu)化問題[2-6]。優(yōu)化涉及的各種目標(biāo)包括最小化發(fā)電成本、最優(yōu)無功分配(ORPD)、VAR投資成本和社會效益最大化等[7]。 在OPF方法[8]中,通過使用優(yōu)化技術(shù)[9]尋找最優(yōu)解并平衡潮流方程。

      1.1 無功調(diào)度最優(yōu)化模型

      ORPD是OPF計算的一個子問題。它被定義為電力系統(tǒng)中的一個非線性優(yōu)化問題,既包含連續(xù)的控制變量又包含離散的控制變量,同時又滿足物理和運行約束[4]。 ORPD的主要目標(biāo)是通過重新分配電力系統(tǒng)中的無功功率來最大程度地降低功率損耗,改善電壓曲線和電壓穩(wěn)定性[10]。目前,針對ORPD問題,研究人員開發(fā)了各種優(yōu)化技術(shù)對不同優(yōu)化目標(biāo)進行優(yōu)化。本文著重考慮了功率損耗的最小化,其目標(biāo)(目標(biāo)函數(shù))是在滿足電力需求的同時最大程度地降低電力傳輸損耗和電力系統(tǒng)的電壓偏差, 問題可以表示為求函數(shù)f(x,u)的最小值,即

      min[f(x,u)]=min(g(x,u),h(x,u))

      (1)

      g(x,u)=0

      h(x,u)≤0

      f(x,u)為目標(biāo)函數(shù);g(x,u)=0為等式約束(潮流等式);h(x,u)≤0為不等式約束。

      不平等約束包括發(fā)電機母線電壓、變壓器抽頭比率和無功補償器的數(shù)量;各種約束函數(shù)中的x和u分別是函數(shù)因變量和控制變量。ORPD的目標(biāo)是使系統(tǒng)總傳輸損耗F最小[4-11],即

      2ViVjcos(θi-θj))

      (2)

      NL為傳輸線號;gk為第k條線路;Vi和Vj分別為第k條線路的總線i和總線j末端的電壓;θi和θj分別為線路i和j端的角標(biāo)號。

      1.2 約束模型

      1.2.1 功率平衡約束

      采用等式進行約束的是功率平衡方程,要求潮流的功率相等,即總功率損耗等于總發(fā)電量減去總負載需求[11]。該等式約束如下:

      (3)

      (4)

      Vi和Vj分別為負載母線i和母線j的電壓;Bij為總線i與總線j之間的電納;Gij為總線i與總線j之間的電導(dǎo);PGi和QGi分別為有功功率和無功功率;PDi和QDi分別為實際負載需求和無功負載需求。

      1.2.2 不平衡約束

      在ORPD問題中,不平衡約束主要涉及發(fā)電機、變壓器和電抗設(shè)備的約束。如前所述,ORPD是一個包含連續(xù)和離散參數(shù)的問題。為了分析離散變量,在優(yōu)化開始時先將其視為連續(xù)變量,優(yōu)化的最后再連續(xù)變量映射回其對應(yīng)的離散值。所有不平衡約束都受到其上下邊界的限制,這樣才能獲得穩(wěn)定的求解結(jié)果。發(fā)電機的約束條件包括有功功率、無功功率和母線電壓,它們的上下限為:

      (5)

      (6)

      (7)

      i=1,…,NG,NG為發(fā)電機的數(shù)量。

      變壓器抽頭分接比的范圍限制為

      (8)

      i=1,…,NT,NT為變壓器的數(shù)量。

      無功補償器的尺寸限制為

      (9)

      i=1,…,NC,NC為無功補償器的數(shù)量。

      1.2.3 懲罰約束

      ORPD作為一個約束優(yōu)化問題,主要包括有發(fā)電機母線電壓、變壓器分接比和無功補償器的尺寸等不等式約束,而利用MATPOWER[12]可以自動滿足本研究中的等式約束(冪平衡方程)。因此,通過將總線PQ的電壓幅度以及注入總線PV的無功發(fā)電作為目標(biāo)函數(shù)的懲罰項,就可以對母線電壓和無功功率加以約束[13-15]。以上問題可以由表示為

      (10)

      (11)

      如果控制參數(shù)超出限制范圍,則應(yīng)將懲罰函數(shù)納入目標(biāo)函數(shù);另一方面,當(dāng)所有控制參數(shù)都在其邊界范圍內(nèi)時,懲罰函數(shù)等于0。在本文研究中,懲罰因子設(shè)置為100 000,由于懲罰因子的值很大,并且持續(xù)增加直到接近無窮大,此時受約束ORPD問題將轉(zhuǎn)換為無約束ORPD問題。

      1.3 MOTH-FLAME優(yōu)化模型

      MOTH-FLAME(飛蛾趨火)優(yōu)化算法是[5]自然啟發(fā)式人工智能優(yōu)化算法,與其他優(yōu)化算法相比具有一定優(yōu)勢。MFO算法的靈感來源于飛蛾在夜間的獨特導(dǎo)航機制:飛蛾在夜間航行時利用了一種稱為橫向定向的機制,該機制取決于月光,在自然界中由于月球距離飛蛾相對較遠,飛蛾沿橫向直線運動,可見這種機制僅在光源非常遠的情況下對于直線行進有用。但是實際上飛蛾容易受到人造光源的誤導(dǎo),導(dǎo)致其圍繞光源螺旋飛舞。在MFO模型中,飛蛾在搜索區(qū)域中的位置是優(yōu)化問題的變量,MFO算法本質(zhì)上是一種粒子群算法,為了對該算法進行建模,第1個重要部分是在矩陣中表示的飛蛾種群的集合,即

      (12)

      n為飛蛾的種群數(shù)量;d為變量的維數(shù)。MFO的第2個重要部分是表示火焰數(shù)量的矩陣,即

      (13)

      n和d分別為飛蛾的數(shù)量和維數(shù)。該矩陣可存儲到目前為止獲得的n個最相近的最優(yōu)解,在優(yōu)化過程中飛蛾必須根據(jù)此矩陣更新空間位置,因此計算過程中基于矩陣F中的火焰來定義飛蛾的下一個空間位置。 由于式(12)和式(13)的維數(shù)相等,因此可以假設(shè)存在一個用于存儲飛蛾和火焰適應(yīng)度值的數(shù)組,即

      (14)

      (15)

      OM和OF分別為存儲飛蛾和火焰適應(yīng)度值的數(shù)組;n為飛蛾的種群數(shù)量。適應(yīng)度值是每個飛蛾和每個火焰分配的目標(biāo)函數(shù)的返回值或輸出值。

      飛蛾和火焰都可以作為優(yōu)化問題的解決方案,但是二者在處理和更新方面截然不同。在MFO中火焰坐標(biāo)是當(dāng)前求解步下飛蛾的最佳位置,而飛蛾是搜索區(qū)域中的實際搜索者。因此在搜索區(qū)域進行搜索時,火焰可以看作是飛蛾掉落的標(biāo)志,而每個飛蛾都會在火焰周圍搜尋并更新其位置以找到更好的結(jié)果。這種機制有助于在搜索解的過程中不遺失最佳解決方案。上述過程可以通過式(16)進行建模[5]:

      Mi=S(Mi,Fj)

      (16)

      Mi和Fj分別為第i個蛾和第j個火焰;S為螺旋函數(shù)。

      通過以下數(shù)學(xué)表達式建模,該螺旋函數(shù)是飛蛾空間位置更新的主要機制:

      S(Mi,Fj)=Di·ebt·cos(2πt)+Fj

      (17)

      b為用于定義對數(shù)螺旋形狀的常數(shù);t為在[-1,1]區(qū)間內(nèi)的隨機數(shù);i為下一個飛蛾離火焰的距離。

      為了避免求解陷入局部最優(yōu),飛蛾只能利用式 (17)中的一個火焰來更新其位置。Di表示第j個火焰與第i個飛蛾的距離,即

      Di=|Fj-Mi|

      (18)

      Fj為第j個火焰;Mi為第i個飛蛾。

      該算法的主要組成部分是飛蛾的螺旋運動方程,它決定了飛蛾在火焰周圍更新位置的方式。由于式(17)允許飛蛾繞火焰螺旋飛行,而基本上不在飛蛾之間飛行,因此該方程可確保實現(xiàn)自動尋解過程。當(dāng)飛蛾的下一個位置位于火焰和飛蛾之間的區(qū)域之外時,算法就會自動搜索飛蛾位于火焰和飛蛾之間的區(qū)域位置。

      更新火焰列表后,算法根據(jù)每次迭代的適應(yīng)度對火焰進行分類和排列。然后飛蛾根據(jù)其對應(yīng)的火焰再進一步更新位置,此外假設(shè)在迭代的初始階段,存在有N個火焰,但是火焰的數(shù)量將在迭代過程中逐漸減少。因此在迭代的最后階段,飛蛾只根據(jù)適應(yīng)度更新位置以尋求位置最優(yōu)解?;鹧鏀?shù)量的減少有助于平衡搜索區(qū)域的計算成本[5],描述此過程的火焰數(shù)可表示為

      (19)

      N為最大火焰數(shù);l為當(dāng)前的迭代次數(shù);T為最大迭代次數(shù)。

      解決ORPD問題所采用的MFO算法流程如圖1所示。圖1中,虛線框表示利用MFO算法解決ORPD問題的主要求解過程。

      圖1 利用本文方法求解最優(yōu)調(diào)度問題的流程

      MFO算法在解決ORPD問題時,通過找到控制變量的最佳設(shè)置來最小化目標(biāo)函數(shù),同時需要滿足等式和不等式約束。MFO算法是基于種群的算法,在種群數(shù)量矩陣(式12)中,矩陣的行表示飛蛾,列表示控制變量(飛蛾的位置)。在計算過程中,每個飛蛾的位置都將映射至潮流數(shù)據(jù)中。然后執(zhí)行潮流計算程序以獲得系統(tǒng)傳輸損耗。在每次迭代過程中飛蛾根據(jù)其對應(yīng)的火焰不斷更新位置(式15~式17)。然后根據(jù)解決方案的適應(yīng)度對解決方案進行分類和排列,并以矩陣形式保存。因此最優(yōu)的解決方案將位于矩陣的上部,而最差的解決方案將位于矩陣的下部。

      此外,算法還將檢查控制變量是否超出約束范圍,如果控制變量超出范圍,則會在上下邊界處進行標(biāo)記,以確保獲得的結(jié)果是準(zhǔn)確的。MFO算法持續(xù)計算該過程,直到計算達到預(yù)定義的停止條件(最大迭代次數(shù))為止。此外,每個負載母線的電壓幅度必須在指定的范圍內(nèi),如本研究中使用的母線電壓的波動幅度是±10%。

      2 計算仿真結(jié)果與討論

      為了說明MFO算法在解決ORPD問題上的有效性,本文使用IEEE-30總線系統(tǒng),并考慮了25個控制變量。MFO算法和其他算法計算得出的最優(yōu)傳輸損耗之間的比較如表1所示。

      表1 不同算法情況下功率損失百分比計算值對比

      由表1可知,本文提出的MFO算法的最小傳輸功率損耗為PLoss= 2.830 MW,大約減少了50.76%的傳輸損耗,表明MFO算法性能優(yōu)于ALO 算法[16]、MVO 算法[17-18]和GWO 算法[4,19],驗證了MFO算法的有效性。

      出于方便比較目的,本文將MFO算法的仿真參數(shù)以及其他比較算法的最大迭代次數(shù)設(shè)置為30。MFO算法經(jīng)過30次自由迭代運行仿真的性能特性曲線如圖2所示。根據(jù)圖2,MFO算法在最佳、平均和最差解決方案3種情況下,算得的傳輸損失分別為2.830 MW,2.891 MW和3.127 MW,可知通過MFO算法獲得的大多數(shù)調(diào)度方案的傳輸損失區(qū)間范圍為2.800~3.150 MW。

      圖2 MFO算法的性能特性曲線

      3 結(jié)束語

      提出了一種MFO算法,并在IEEE-30總線系統(tǒng)上進行了測試。根據(jù)實驗結(jié)果,可以得知MFO算法比其他選定的算法優(yōu)越。在將來的工作中可以將MFO算法實施到其他OPF問題中。

      猜你喜歡
      飛蛾火焰總線
      《火焰》
      最亮的火焰
      可愛的你
      Trolls World Tour魔發(fā)精靈2
      飛蛾說
      漂在水上的火焰
      基于PCI Express總線的xHC與FPGA的直接通信
      機載飛控1553B總線轉(zhuǎn)以太網(wǎng)總線設(shè)計
      吹不滅的火焰
      學(xué)與玩(2017年6期)2017-02-16 07:07:22
      勇敢的小飛蛾
      澄江县| 循化| 科技| 安新县| 从江县| 兰溪市| 嘉禾县| 宕昌县| 蒙阴县| 恭城| 阿拉善右旗| 西充县| 紫阳县| 永安市| 三亚市| 江城| 正镶白旗| 夏津县| 临沧市| 昂仁县| 沙雅县| 千阳县| 富蕴县| 原平市| 克什克腾旗| 太湖县| 化州市| 江永县| 普定县| 重庆市| 舞钢市| 瑞昌市| 彭州市| 江川县| 阿鲁科尔沁旗| 金寨县| 临沭县| 青浦区| 应城市| 台安县| 泸州市|