(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111583056.0 (22)申请日 2021.12.2 2 (71)申请人 中国能源建 设集团广东省电力设计 研究院有限公司 地址 510000 广东省广州市黄埔区广州科 学城天丰路1号 (72)发明人 王中夫　胡江波　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 郭浩辉　许羽冬 (51)Int.Cl. H02J 3/16(2006.01) G06N 3/00(2006.01) G06F 30/27(2020.01) (54)发明名称 一种基于粒子群算法的区间无功电压控制 方法及装置 (57)摘要 本发明提供了一种基于粒子群算法的区间 无功电压控制方法及装置， 本方法所构建的区间 无功电压控制模 型， 采用区间数描述新能源发电 中的不确定性因素， 建模方式简单， 且能保证模 型输出的控制策略的安全性。 相比于现有技术， 本发明无需假设概率分布函数， 无需进行凸化处 理。 通过粒子群算法处理区间无功电压控制模型 中的控制变量， 提高了新能源电网无功优化策略 的效率和安全性， 并且能够节约新能源 无功电压 控制的成本 。 权利要求书4页 说明书12页 附图5页 CN 114696333 A 2022.07.01 CN 114696333 A 1.一种基于粒子群算法的区间无功电压控制方法， 其特 征在于， 包括： 实时采集电网中的状态变量值和控制变量值， 以网损中点值为目标函数， 并根据所述 状态变量值和所述控制变量值， 构建区间无功电压控制模型； 其中， 所述区间无功电压控制 模型包含潮流方程约束、 控制变量约束和状态变量约束； 根据粒子群算法随机模拟生成多组控制变量作为初始种群个体， 并将所述初始种群个 体组成种群， 分别将所述种群中的每个种群个体输入至所述无功电压控制模型中， 并获得 每个种群个体的位置和速度； 其中， 所述种群中的个 体满足控制变量约束； 使用粒子群算法分别对每个种群个体的位置和速度进行迭代计算， 并在每一 次迭代中 根据线性递减权值策略对每个种群个体进 行位置和速度更新， 计算更新后每个种群个体的 个体适应度函数值， 继而根据更新后的个体适应度函数值， 更新每个种群个体， 直到迭代计 算次数达 到最大迭代次数后停止， 输出全局适应度函数值 最小对应的种群 个体； 提取全局适应度函数值最小的种群个体对应的控制变量， 并根据提取的控制变量对电 网无功电压进行控制。 2.根据权利要求1所述的基于粒子群算法的区间无功电压控制方法， 其特征在于， 所述 以网损中点值为目标函数， 并根据所述状态变量值和所述控制变量值， 构建区间无功电压 控制模型， 具体为： 以所述控制变量为实数、 以所述状态变量为区间， 并以不确定数据为区间形式代入确 定性无功电压控制模型， 从而构建区间无功电压控制模型； 将目标函数和约束条件采用向量和函数表示区间无功优化模型可以表示为以下数学 形式： minf(X,u)＝[fL,fU] 式中： f(X,u)为网络损耗； [fL,fU]为目标函数求解结果(网络损耗)的区间形式； h(X,u) 为潮流方程等式约束函数； [ hL,hU]为节点注入功率区间向量， 对于确定性的注入功率， hL＝ hU； g(X,u)为所有不等式约束； X为状态变量； u为控制变量； gmin,gmax分别为不等式约束的下 限和上限。 3.根据权利要求1所述的基于粒子群算法的区间无功电压控制方法， 其特征在于， 所述 使用粒子群算法分别对每个种群个体的位置和速度进 行迭代计算， 并在每一次迭代中根据 线性递减权值策略对每个种族个体进 行位置和速度更新， 计算更新后每个种群个体的个体 适应度函数值， 更新每个种群个体， 直到迭代计算次数达到最大迭代次数后停止， 输出全局 适应度函数值 最小对应的种群 个体， 具体为： 将每个种群个体视为粒子群算法中的微粒， 根据计算获得所述每个微粒的位置和速 度， 使用所述潮流方程约束得到状态变量区间， 进而计算每个微粒对应的个体适应度函数 值； 其中， 所述适应度函数值对应网损中点值， 以及所述个体适应度函数值对应的目标函数 带有罚函数项； 采用线性递减权值策略对所述每个微粒的位置和速度进行迭代更新， 在每次迭代中， 比较上一次迭代获得 的全局适应度函数值和每个微粒本次迭代的个体适应度函数值的大权　利　要　求　书 1/4 页 2 CN 114696333 A 2小， 并只保留适应度函数值最小 所对应的微粒； 在每次迭代中， 在适应度函数值最小 所对应 的微粒的位置邻域内进行局部 搜索， 获得 该次迭代中全局适应度函数值 最小对应的微粒； 直到迭代计算 次数达到最大迭代次数后停止， 输出全局适应度函数值最小对应的种群 个体。 4.根据权利要求3所述的基于粒子群算法的区间无功电压控制方法， 其特征在于， 所述 在每次迭代中， 在适应度函数值最小所对应的微粒 的位置邻域内进行局部搜索， 获得该次 迭代中全局适应度函数值 最小对应的微粒， 具体为 在每个所述适应度函数值最小所对应的微粒的位置邻域内进行局部搜索， 将每个个体 适应度函数值最小对应的微粒更新为全局 适应度函数值最小对应的微粒； 其中， 所述全局 适应度函数值 最小的数值小于等于个 体适应度函数值 最小的数值； 其中， 微粒进行局部 搜索的表达式为： 式中， step为局部搜索的初始步长； ω为惯性权重因子， 采用线性递减权值策略， 其值 可以动态改变。 5.根据权利要求1所述的基于粒子群算法的区间无功电压控制方法， 其特征在于， 在所 述获得每 个种群个体的位置和速度之前， 还 包括: 使用潮流方程约束计算所述每 个种群个体的状态变量； 对于所得状态变量区间满足状态变量约束的种群个体采用罚函数项为零的目标函数 进行适应度函数值的求解； 对于所得状态变量区间不满足状态变量约束的种群个体采用含 有罚函数项的目标函数进行适应度函数值的求 解。 6.根据权利要求5所述的基于粒子群算法的区间无功电压控制方法， 其特征在于， 所述 用潮流方程约束计算所述每 个种群个体的状态变量， 具体为： 使用优化场景法进行潮流方程约束的求解， 假设潮流方程表示为h(x)＝[hL,hU]， 其中 [hL,hU]和x分别为输入功率数据区间和区间潮流变量， 搜索每一个潮流变量xi对应的 和 以获得区间 将场景ξ 看作是在区间[hL,hU]内变化的变量， 可 得优化模型： min or max xi 式中， xi可表示负荷节点电压幅值或非平衡节点电压相角； ξ为任意场景； hL、 hU分别为 输入功率数据区间的下边界和上边界。 7.根据权利要求1所述的基于粒子群算法的区间无功电压控制方法， 其特征在于， 所述 使用粒子群算法分别对每 个种群个体的位置和速度进行迭代计算， 还 包括: 在粒子群算法中引入离散变量的交叉操作， 分别将微粒个体与本身进行交叉， 微粒与 个体适应度函数值最小所对应的微粒进行 交叉， 微粒与全局适应度函数值最小所对应的微 粒进行交叉； 其中， 微粒交叉公式为：权　利　要　求　书 2/4 页 3 CN 114696333 A 3