基于遗传算法的变电站电压和无功综合自动控制

摘 要：针对当前变电站电压和无功综合控制中存在的问题，本文提出一种基于遗传算法的控制方法，不但可以降低系统的网损，而且可以解决当前变电站电压和无功控制装置中普遍存在动作频繁的问题。通过IEEEl4节点系统仿真计算可证明该方法的有效性。

关键词：原始一对偶内点法；遗传算法；灵敏度

The study on the Substation Voltage and Reactive power
synthetic control based on Genetic Algorithm

QIN Ri-shengI, CHEN Yu-mou2 ,JIANG Lun-shan3, LI Zhen-rana

(1. College of Electrical Engineering, Guangxi University, Nanning 530004,China;
2. Zhongsan Electrical Corporation Guangxi, Zhongsan 542600, China;
3. Guangxi Metallurgy construction corporation, Liuzhou 545002, China)

Abstract :To solve the problem of the substation voltage and reactive power synthetic control, this paper presents a approach based on the genetic algorithm, which aims at minimizing network power loss and solves the present problem of the substation voltage and reactive synthetic controller such as frequent action effectively. The validity of this approach has been proved by using the IEEE14 nodes system as a calculate example.

Key words. Primal - dual interior point algorithm Genetic Algorithm Sensitivityi

1 引言
在传统的变电站电压和无功控制当中，从发展的过程来看经历了以下几个阶段：①．按功率因素和电压高低调节[1,2]：该方法简单但未考虑变压器分接头调节，因此无功补偿效果较差。②．按传统九区图法实现电压无功控制：按电压和无功上下限值将电压一无功平面划分为九区图，各个区域对应不同的控制策略，传统的九区图法存在的主要问题是：控制策略是基于固定的电压无功上下限而未考虑变压器分接头调节后对无功影响，投切电容器组后对变压器低压母线电压的影响，从而造成控制决策的盲目性和不确定性。实际表现为设备频繁调节，造成分接头和投切电容器一天动作次数超过限定值。③基于人工智能的动态规划法[3,4]：该方法要求计算机水平、数据库技术、状态估计、通信实时监控等软硬件技术较高。④基于人工智能的九区图法[5,6,7]该控制方法就实际运行情况看，在某些情况下设备动作过于频繁。综合上述变电站电压和无功综合自动控制问题仍然没有得到很好解决。为此本文思路为：第一，必须充分考虑无功调节对电压的影响及其相互协调关系，避免控制决策的盲目性和不确定性。在执行控制决策前就应能判断调节后的电压和无功是否在限定范围内。第二，变电站电压和无功的自动控制应满足电网内有功网损为最小即能考虑经济性。具体来说先是中调所以网损最小作为目标函数对地区电网进行无功优化得出各大变电站高压侧进线理想的无功，然后通过远动装置传输给变电站电压无功控制装置，当变电站负荷侧无功扰动时，该装置根据遗传算法来控制变电站变压器分接头和电容器的投切实现无功就地平衡。

2 基于原始一对偶内点法和遗传算法相结合的地区电网的无功优化
无功优化是一个离散非线性规划问题。目前已有许多求解的方法，如单纯形法、内点法、动态规划、灵敏度分析法等都有很好的效果。但是这类算法大都是把离散变量当成连续变量进行处理。如果在求得最优解后进行简单靠拢式取整是不恰当的，可能导致某些约束条件越限而无法获得可行解。如果用分枝定界法对离散变量归整，则颇费时间。

本文提出先用原始一对偶内点法寻优，因为内点法有良好的鲁棒性和收敛性，其迭代次数对约束条件的变化不敏感具有多项式时间复杂性。再用遗传算法对离散变量归整。如果采用一般的遗传算法，由于每次迭代过程需要求网损，这相当于进行一次潮流计算，造成收敛时间过长，为了提高收敛速度我们引入灵敏度分析方法，并把

即灵敏度系数作为常量[9]。在遗传算法操作前只需计算一次，从而加速遗传算法收敛速度。

2．1基于扰动KKT(Karush-Kuhn-Tucker)条件的原始一对偶内点法求解非线性规划问题
由于原始一对偶内点法在求解连续变量非线性规划问题上具有良好的收敛性和具有多项时间特性，所以我们先用该方法求解不考虑离散变量的非线性规划问题(NIP)。一般的非线性规划问题可以表达如下：








通过在迭代过程中逐步减小扰动量μ就可以使(4)沿着中心轨迹(central trajectory)逐收敛到原始的 KKT条件，从而获得最优解。

2．2 无功优化的数学模型
2．2．1 模型中变量的选取








所以在遗传算法进行遗传操作前只需要计算一次灵敏度系数，从而加快收敛速度。基于遗传算法(GA)对最优解的小数部分取整方法如下：



2．3．2 对小数部分用二进制进行编码形成个体个体数取为码链长度的两倍。

2．3．3 由随机产生的N个个体形成初始群体

2．3．4 评价
对初始群体中的每一个个体按公式(1～9)计算个体的适应度并按由小到大排列形成有序群体。

2．3．5 选择
选取有序群体的前M个个体复制两分、选取中间的N-M个个体、淘汰后未的M个体形成交配池。

2．3．6 繁殖
交叉时采用一点交叉；变异时采用随机一位变异。

2．3．7 重复1．3．4～1．3．6操作，输出结果。

2．3．8 验算电压是否越界。
确定系统的参数后，利用Newton法求解系统潮流方程验算电压是否越界，若越界则对最优解个体做出相应的调整。

2．4 无功优化仿真结果
对IEEE14节点测试系统进行仿真计算结果如下：




优化后IEEEl4节点电压幅值及相角：





3 电压无功控制装置的遗传算法









3．1 编码
采用二进制进行编码变压器档位用五位的二进制代码、电容器用三位的二进制代码表示，随机形成N个个体串码形成初始群体。

3．2 评价
对初始群体按式(11)评价。

3．3 选择
复制前M个个体两份，保留中间的N-M份，淘汰末尾的M，形成交配池。

3．4 交叉，变异
采用一点交叉；在末尾后两位中随机选取一位变异。

3．5 重复，输出结果。

3．6 仿真结果



4 结论
4．1 由于无功优化的引入使得动作时保证系统的网损最小保证了调节的经济性。

4．2 在利用遗传算法作为控制策略进行控制时，在目标函数中引入了电压的偏差，所以该控制方法充分考虑了无功调节对电压的影响，避免了控制决策的盲目性和不确定性。

4．3 通过仿真计算表明利用遗传算法作为控制策略对变电站电压和无功进行综合自动控制是可行的。

参考文献
[1] 淑信，等．大型变电站微机自动凋压系统的研究[J]．电力系统自动化，1996．9．
[2] 励吉文，等．变电所电压无功自动调节判断的研究[J]．<