电力系统电压无功优化控制的研究方法专业电气工程及其自动化_开题报告

   摘  要

   电力系统电压稳定与无功控制的研究是电力系统规划和运行分析中的重要课题。电力系统实施无功电压控制是提高系统的电压稳定性和经济性，保证系统的供电质量，防止系统发生电压崩溃的必要措施。本文对电力系统电压稳定和电压无功控制的研究进行了系统的阐述，并着重对无功电压控制分区和无功源优化配置进行较为深入的研究。在对电力系统电压稳定和电压无功控制研究现状系统阐述的基础上，仿真分析了发电机励磁调节参数对电力系统动态电压稳定的影响。分级电压控制是解决现代复杂电力系统的电压控制问题较有效的方案,其首要问题是对系统进行电压控制区域划分.在最临近电压稳定临界状态点附近对系统进行分区，综合考虑了有功功率和无功功率对节点电压的影响，以欧氏空间距离定义电气距离，最后由改进的动态分区方法进行分区计算.无功源最佳配置是包括确定无功源配置地点、台数和补偿容量的问题。在无功电压控制分区的基础上，以无功补偿主导节点为无功源的配置地点，同时对粒子群优化算法的粒子初始化进行改进，并将遗传算法的变异算子引入到粒子群算法，再由改进粒子群算法来确定各无功源配置点的补偿容量。系统分区后再求解无功源配置问题，可以减少粒子群箅法寻求解的维数，提高计算速度，有利于找到全局最优解。算例分析证实了该方法的可行性和有效性。

关键词:电压稳定，电压控制，主导节点，系统分区， 无功源配置，粒子群优化算法

一、开题报告 

   电力作为主要能源，在当今的生活生产等社会活动中起着举足轻重的作用,基本上任何生产生活活动都离不开电。所以，电力系统能否稳定高效经济地运行则成为当今中国乃至世界电力系统都面临解决的重大问题之一。维持电力系统的运行有两种能量表达方式：无功功率和有功功率。电网联系着发电和用电的设施和设备，在电网中，各种用电设备的接入都会消耗无功功率，电气设备减少无功功率的线路传输、降低电网损耗、在保证质量的前提下做到经济型供电则是每一个电力工作者共同为之奋斗的目标。

现如今，我国电网建设规模空前壮大，国家大力扶植电力电网系统工程的开展，地区电网互联越加紧密。从实现电能高质量的目的出发，电网电压的无功控制显得越发重要，原有的传统电压无功控制装置已无法满足要求，只有从区域内着手，解决了局部地区电网电压的无功控制，才能在整个国家甚至全球电网中实现高效低耗稳定经济的输电、供电、用电。

电力系统中，电压波动过大，不仅会影响电气设备的利用效率及使用寿命，而且会危及系统的安全稳定运行，甚至引起电网崩溃，并造成大面积的停电事故。同时，无功功率也是影响电压质量的一个重要因素， 实现无功的分层、分区就地平衡，是降低网损的重 要手段，因此各级变电站承担着电压无功调节的重要任务。从变电站内角度来说，变电站内电压无功自动调节和控制，是通过站内智能设备对电网各类模拟量和状态量参数的实时采样，通过采用计算机的自动计算控制技术、通信技术以及数字信号的处理技术，对电力系统电压、潮流状态的实时监测和估算预测实现自动调节主变压器分接头开关和投切补偿电容器，使变电站的母线电压和无功补偿满足电力系统安全运行和经济运行的需要。

近年来，国内外电力工作者，学者等在电压无功控制这一问题的研究上投入了大量的精力，也取得了骄人的进步及优秀的成绩，并且积累了相当的运行经验，发明发现了各种先进的算法，从人力控制电压无功进步到优化个体发电站的无功控制，进而步入多个发电厂变电站联合集中控制的阶段，目前已发展到分层分布式结构的协调式控制。

目前工程实际中应用最广泛的是传统的“九区图”理论，按照电压上、下限和无功上、下限将运行区域划分为九个区，各个区域对应不同的控制策略，根据实时电压、无功所在的运行区域，采取相应的控制方法。  在我国目前各变电站的基础自动话层次不一的情况下，实现全系统的集中优化控制难度还比较大。采用并联分散控制虽然满足系统安全、稳定、经济运行的要求，但是采用专门的关联分散控制装置带来投资成本的增加。分散控制仍然是我国变电站的主要控制方式。因此，如何实现全系统的集 中优化控制是我国未来变电站自动化建设上所需要解决的问题。

    目录

摘要

开题报告

（一）提高电力系统电压质量

1.减低网损

（二）改善电力系统无功功率分布

1.无功优化研究现状

（三）遗传算法研究现状

1.算法研究现状

参考文献

（一）提高电力系统电压质量

改革开放以来，我国电力工业发展很快，全国发电装机容量、电力设施都以前所未有的速度在增长。但是电力系统无功电源规划设计、建设管理工作仍然比较薄弱，存在着无功电源容量缺额大、功率因数低、线损率高、电压质量差、无功及电压控制自动化程度低等问题。

电压是电能质量的主要指标。电压质量对电力系统稳定运行，降低线路损耗，保证工业和农业生产安全，提高产品质量，降低用电单耗等都有直接影响。因此，保证电压质量，即保证电压的偏移和波动都在规定的范围内，是电力系统规划设计和运行管理的重要任务。

造成电压波动的主要因素，一是用户无功负荷的变化，例如，高峰负荷和低谷负荷;二是电网内无功潮流的变化，例如，主要发电机组的开机与停机引起电网内无功潮流的变化。在这些情况下，当电力系统中没有足够的无功电源和调压装置时，便会产生大的电压波动和偏移，甚至出现不允许的低电压和高电压运行状态。

无论是低电压还是高电压运行，当电压的变动幅度明显地超过规定的范围时，将会影响电力网的安全经济运行。

电网低电压运行的危害性:

(1) 降低电源出力，减少输变电设备的输电能力;

(2) 电压低，电动机启动困难，长期运行会导致电动机烧毁;

(3) 降低电器的使用率和经济效益;

(4) 影响生产过程的正常运行和产品质量:

(5) 增加电力网的功率损耗和电能损耗;

(6) 危及电力系统的安全运行，严重时导致电压崩溃、系统瓦解。

      电网高压运行的危害性

(1) 加速电气设备绝缘老化，缩短电气设备使用寿命;

(2) 迫使部分无功补偿设备退出运行，降低其投入率;

(3) 电压高，会加大电网的谐波，污染电力系统环境; 

(4) 影响生产过程的正常运行和产品质量:

(5) 加电力网的功率损耗和电能损耗:

(6) 危及电力系统的安全运行，严重时导致电压崩溃、系统瓦解。

所以，为了解决电力系统的电压质量问题，保证系统安全经济运行，必须做好无功电源规划和建设，加强无功和电压管理。进行合理的无功补偿和安装必要的调压设备。

1.减低网损

在交流电能的输送和使用过程中，用于转换成机械能、热能、光能等的那部分电能能量称为有功功率,用于电路内电场与磁场交换的那部分电能能量称为无功功率。在电力系统中，当有功功率不足时将引起频率下降，而无功功率不足时将引起电压下降。实际上，无功及电压的调整比有功及频率的控制更为复杂。电力系统中的无功需求主要是异步电动机的无功负荷、变压器和线路的无功损耗，无功电源则由发电机及无功调节补偿装置(如同步调相机、静电电容器、电力电抗器以及静止补偿器等) 提供。异步电动机在电力系统无功负荷中所占比重很大，其功率因素为0.6~0.8.变压器的无功损耗在系统无功需求中有相当大的比重，一般达到其额定容量的6%~17%。线路电抗消耗的无功与运行电压等级和状态有关，35kV 及以下架空线路的充电功率甚小，且总是消耗无功功率。110kV及以上架空线路当输送功率较大时，电抗中消耗的无功功率小于其电纳中产生的无功功率，则线路成为无功电源，无功功率本身虽然不消耗能量，但是无功功率的传输却造成电压波动，引起有功损耗，当系统无功功率不足时将产生电压水平下降。有功损耗增加的恶果。

当输电线路电阻远小于电抗的情况下，电压损耗主要与输送无功功率的数值有关。当电力系统有能力向负荷供给足够的无功功率时，负荷的端电压就能够保持正常的电压水平。如果无功电源容量不足，负荷的端电压就会降低。为此，要求电力系统必须有足够的无功电源容量(包括应有的无功电源各用容量)，否则，应增加必耍的无功补偿设备，例如，无功补偿电容器，以保证电力系统的无功功率 平 衡。（二）改善电力系统无功功率分布

当网络结构定，输送的有-功率和电压一定时，则有功功率损耗完全决定于所输送无功功率的数值。也就是说，在电力系统中输送无功功率的大小对线损有重要的影响。线损率是衡量电力系统建设和完善化以及运行管理水平高低的项综合性技术经济指标。当有功电源布局、网络结构、负荷分配确定后，无功电源的布局、 无功电力的传输以及无功电力的管理，将直接影响电力系统的经济运行。

因此，为了改善和提高电力系统的电压质量,充分发挥电力设备的经济效益，减少网损，降低线损率，使无功电源合理分布，尽量减少无功功率的长途输送，为此，应进行电压无功优化调度，使无功负荷就地(或就近) 补偿，力求达到就地平衡，系统无功达到分区分电压等级的平衡，以减少负荷向系统索取大量无功功率，这样就会使长距离输送无功功率所造成的有功功率损耗减少。

1.无功优化研究现状

电力系统无功优化有一套完整、成熟、实用、有效的规划理论和方法，同时，随着科学技术的发展，新的优化方法层出不穷。就目前的发展趋势来看，关于这方面的研究动向是，充分利用模糊集理论、灰色系统理论、遗传算法等人工智能技术的优点。发展混合智能系统。以便更有效地研究和解决电力系统无功优化问题。

线性规划理论完整，方法成熟，在电力系统无功优化中获得了广泛的应用。20世纪60年代末期开始，使用线性规划法研究电力系统无功补偿问题。80年代初期，使用控制变量对损耗的灵敏度概念，在满足系统损耗最小。网络性能约束和控制变量约束的前提下，建立了无功功率综合优化的线性规划模型，利用系统的雅可比矩阵的特征向量确定控制变量对损耗的灵敏度关系，用摄动法求取敏感度系数矩阵，从而使得用线性规划法求解电力系统无功补偿优化问题日臻完善。

由于电力系统无功优化问题本质上是非线性的,而且随着经济运行要求提高，系统运行趋于技术极限，非线性程度加大，线性规划模型精度不能令人满意，且收敛难度较大。因此，利用非线性规划法求解电力系统无功优化问题就是很自然的事情了。常用的非线性规划法有;(1)牛顿法牛顿法是一种具有二阶敛速的算法，它在无功优化领域较为成功的应用见1984年发表的D.L.Sun的和Burchett的.为了保持牛顿法中海森矩阵的稀疏性。牛顿算法一一般不区分控制变量和状志变量，优化在全空间上进行。

(2)内点法1984年，Karmarkar提出了非线性规划的一一种新算法，即内点法。内点法是建立在单纯形结构之上，从初始内点出发，沿着最迷下降方向，从可行城内部直接走向最优解。由于是在可行域内部寻优，故对于大规模非线性规划问题，当约束条件和变量数目增加时，内点法在选代次数。收效性和计算速度方面均优于单纯形法。

(3)广义简约梯度法

广义简约梯度法是由J.Abadie和JCarpentier提出来的，它是将一般的简约梯

度法推广到非线性约束情猊而产生的。

随着计算机技术的迅速发展，建立在计算机科学迅速发展基础上的新型优化

算法应用于电力系统无功优化领域，这些优化算法能真接搜索或者随机搜索全局最优解，如遗传算法、模拟退火算法和禁忌搜索算法等。

(1) 遗传算法

遗传算法是由美国密执安大学J.H.Holland教授于20世纪70年代提出的。目

前，遗传算法是模拟进化算法中最主要的，也是在电力系统中应用最多的个分

支.

(2) 模拟退火算法

模拟退火算法是局部搜索算法的扩展。它不同于局部搜索算法之处是，以一定的概率选择领域中最佳值的状态，它是一个全局最优算法，其核心在于模拟热力学中液体的陈结与结晶或者金属溶液的冷却与退火过程，

(3) 禁忌搜索算法

禁忌搜索算法是局部领城搜索算法的推广，是人工智能在组合优化算法的一

个成功应用。禁忌搜索算法的特点是采用了禁忌技术，所谓禁忌就是禁止重复前面的工作。

（三）遗传算法研究现状

遗传算法的产生归功于美国Michigan大学的Holland在20世纪60年代末、

70年代初的开创性工作,其本意是在人工适应系统中设计的一种基于自然演化原理搜索机制。大约在同- 一时间，Foegl 和Rechenberg及Schwefel,引入了另两种基于自然演化原理的算法、演化程序和演化策路。这三种算法构成了目前演化计算领城的三三大分支，它们从不同层次、不同角度模拟自然演化原理，以达到求解问题的目的。

Holland 不仅设计了遗传算法的模拟与操作原理，更重要的是，他运用统计决

管理论对遗传算法的搜索机理进行了理论分析，建立了著名的Schema定理和隐含井行性原理，为遗传算法的发展奠定了基础。将遗传算法应用于函数优化始于DeJong,他在其博士^范文中设计了一系列遗传算法的执行策略。

在Holland和DeJong的工作之后，遗传算法经历了一个相对平稳的发展时期，

逐渐被人们所接受和运用。遗传算法的发展高潮开始于20世纪80年代末，而且延续至令。人们对遗传算法兴睡的日益增长有两个背景: 其一是工程领域，特别是人工智能与控制领域，不断涌现出超大规模的非线性系统，在这些系统的研究中存在着大量的经典优化方法所不能有效求解的优化问题，诸如神经网络连接权重及网络拓扑结构的优化。模糊系统中模糊规则的选取及素属函数的确定，知识库的维护与更新等等: 其二,遗传算法本身就是一种模拟自然演化这一学习过程的求解问题方法，它能以独立的或与其他方法相结合的形式用于智能机器学习系统的设计中。经过近10年的努力，遗传算法不论是在应用上、算法设计上、还是在基础理论上，均取得了长足的发展，已成为信息科学、计算机科学、运筹学和应用数学等诸多学科所共同关注的热点研究领城。

1.算法研究现状

遗传算法操作的是一群编码化的可行解，称作种群。它通过种群的更新与迭代来搜索全局最优解。种群的迭代是通过选择、交叉和变异等具有生物意义的遗传算子来实现的。在Holland的最初模型中采用的是进制定长编码和固定规模种群，遗传算法的主要形式为比例选择、单点交叉和位变异。为了提高遗传算法的性能，克服实际问题中遇到的困难，近年来在算法设计与执行策略方面的研有了很大进展。

(1) 编码方法

简单二进制编码的采用得到了Holland早期理论结果(Schema定理。最小字母表原理)的支持,但它仍有许多不足之处。灰色编码可用于可服二进制编码映射的不连续问题。动态参数编码的提出是为了克服搜索效率与表示精度间的矛盾，司时对克服过早收敛现象也有所帮助。此外，多值编码、实值编码、区间值编码、Delta编码等多种编码方法也被证明各有优缺点。这些编码方法的提出是启发式的，缺乏- 一个理论基础来判断各种编码方法的好坏并指导它们的设计。

(2) 选择机制选择是遗传算法中最主要的机制，也是影响遗传算法性能最主要的因素。选择压描述了选择机制挑选种群中不同个体做母体的概率大小的差异。选择压过大，会造成几个较好可行解迅迷抢占了整个种群; 选择压过小，则会使算法呈现上纯粹的随机律徊行为。秩选择、适应值函数的尺度变换均是为了克服经典的比例选择所造成的选择压过大或过小而设计的。杰出者选择则通过无条件地保留每代种群中最优者而克服了比例选择下遗传算法不能依概率收敛到全局最优解的问题。然而正如De Jong指出的，现有的遗传算法理论无法对这些现象做出完善的解释和提供指导。(3) 交叉与变异机制交叉与变异是遗传算法中最具争议性的两种机制。争议的焦点是: 单点交叉、多点交叉与均匀交叉的优劣; 交叉机制与变异机制的优劣。经典的观点强调交叉的作用，而认为变异只是一个背景机制，并且认为在交叉机制中强度最弱的单点交叉是最好的。这一观点与生物学中的实际观察是相符合的，但作为设计人工求解问题方法的思想，它正受到理论与实践两方面的挑战。

(4) 执行策略的改进

除了关于世代型GA和稳定状态型GA的比较研究仍在进行以外,在执行策略方

面的下列几方面工作值得往意:遗传算祛与模拟退火算法的结合模报退火是- 一种基于热力学理论的优化方法，并有着完善的全局收敛理论。在遗传算法中以各种形式融入模拟退火愿想，从面使得遗传算法在理论上具有全局收敛性，是一个有意义的研究方向。

b.遗传算法与局部优化方法的结合把遗传算法与局部搜索方法有机结合起来，是改进遗传算法性能的一个卓有成效的方法。这种混合型遗传算法不但模拟了生物种群的学习过程，而且事实上还模拟了种群的个体在其生命同期内具有学习行为这一一生物现象。这在生物学中称作lamarckian evolution 和baldwin effect,c、并行遗传算法并行遗传算法是在遗传算法的实施中加入自然生物种群中的空间结构因素，它的目的是可以在大规模并行机上运行，即使是序列式实施并行遗传算法，也可克服经典遗传算法性能上的不足，从而提高算法的效率。并行遗传算法大致分为两种: 一种是岛模型，称作粗粒并行遗传算法: 另一种是细胞模型，称为细粒行遗传算法。岛模型的实施方法是在几个独立按经典GA方式运行的种群中加入迁移因素; 而细胞模型的实施则是在一个单一种群中，通过对经典整体性选择与交叉机制的局部优化来达到并行化目的。岛模型考虑的是种群的空间结构，而细胞模型考虑的是一种群中个体的空间结构。

d.共存演化遗传算法这一方法的思想是生物个体闻不但有竞争，而且还具有合作行为。共存演化遗传算法通过把复杂问题分解为数个子问题，通过代表这些子问题的个体间既合作竞争的演化过程，达到求解问题的目的。

e.混乱遗传算法

混乱遗传算法是由Goldberg提出的，它的目的是解决经典GA中所谓的联结

问题，即经典GA很容易破坏定义位置较远的模式的问题。在混乱遗传算法中，个体由其每个分最的位置与取值共同表示，位置可以不按次序排列，也并不是所有分量都在个体的表示中出现。事实上，混乱遗传算法直接操作的对象既有个体，也有Schema,这自然使它丧失了只操作个体的经典GA所具有的隐含并行性。混乱遗传算法的理论基础、算法设计及实验比较，均是有待探讨的课题。

参考文献

[1].罗艳;基于MAS的地区电网电压无功优化控制策略研究[D].华北电力大学（北京）.2006[2].黄小银;电力系统动态无功功率优化调度的研究[D].南昌大学.2010[3].孙东杰;电力系统经济调度和无功优化中的多目标算法研究[D].湖南大学.2010[4].孟祥星;市场环境下电力系统有功调度与无功优化的经济规律研究[D].山东大学.2007[5].薛斌;基于INTERNET的县级电网调度系统在线无功优化研究[D].广西大学.2008[6].苏永春;配电系统无功电压优化控制[D].河海大学.2003[7].李亚男;电力系统智能无功优化及准实时无功/电压控制的研究[D].华北电力（北京）大学.2002[8].章小卫;基于MAS的应急系统任务调度问题研究[D].扬州大学.2009[9].郑翔;衢州电网无功电压优化控制系统[D].浙江大学.2011[10].程翠微;考虑成本控制的电力系统无功优化[D].西南交通大学.2011[11].王宏刚;MAS在行车调度系统中的应用研究[D].铁道部科学研究院.2006[12].焦波;基于无功优化的自动电压控制系统[D].山东大学.2011[13].侯艳君;基于MAS的模具企业生产计划与调度系统研究[D].西安理工大学.2005[14].程新功;电力系统分布式无功电压优化控制研究[D].山东大学.2003[15].黄鹤;汽车稳定性控制系统分层优化控制研究[D].合肥工业大学.2012