基于改進(jìn)模擬退火算法的電網(wǎng)無(wú)功優(yōu)化
關(guān)鍵詞: 無(wú)功優(yōu)化;記憶搜索;模式法;改進(jìn)模擬退火算法
REACTIVE POWER OPTIMIZATION OF POWER SYSTEM BASED ON MODIFIED
SIMULATED ANNEALING ALGORITHM
Jia Dexiang1 Tang Guoqing1 Han Jing2
(1. Dept. of Electrical Engineering, Southeast University, Nanjing 210096;
2. Maanshan Electric Power Supply Bureau, Maanshan 243000)
Abstract: The key to the optimization of reactive power operation is to get optimum value or satisfying quasi optimum value. Traditional linear programming technique and non-linear programming technique can not deal with the problem of integer variable successfully, and the simulated annealing algorithm(SA) is not very robust. Allowing for the characteristics of high-medium voltage distribution system, the SA is modified as follows: using remembrance-guided search method, and modifying the quasi optimum value by pattern search. Numerical experiment demonstrates that, the above method is reasonable, feasible, and practical to some extent.
Key words: reactive power optimization; remembrance-guided search; pattern search method; modified simulated annealing algorithm
0.引言
無(wú)功運行優(yōu)化(RPOP)問(wèn)題一直受到人們的重視,因為我國的線(xiàn)損率歷來(lái)居高不下。例如,2001年安徽省總發(fā)電量約為400億千瓦·時(shí),電網(wǎng)的實(shí)際統計線(xiàn)損率約為20%,即線(xiàn)損電量約為80億千瓦·時(shí),其中可變線(xiàn)損電量約為60億千瓦·時(shí)[1]。農網(wǎng)損耗甚至高達28%[2]。網(wǎng)損的嚴重性由此可見(jiàn)一斑。在現有電網(wǎng)結構的基礎上,通過(guò)合理調節無(wú)功潮流可以降低網(wǎng)損、提高電壓質(zhì)量和電網(wǎng)運行的經(jīng)濟性。無(wú)功運行優(yōu)化問(wèn)題是一個(gè)大規模非線(xiàn)性整數規劃問(wèn)題。其目標通常為網(wǎng)損最小,也有采用偏移量最小,控制設備調節量最小或操作設備次數最少等作為目標函數。其等約束條件一般為各節點(diǎn)功率平衡,不等約束條件包括節點(diǎn)電壓、線(xiàn)路功率和各控制量調節范圍的限制[3]。其算法主要有線(xiàn)性規劃法,非線(xiàn)性規劃法,混合整數規劃法,動(dòng)態(tài)規劃法,人工智能法等,目前還沒(méi)有一種方法能保證求出無(wú)功優(yōu)化問(wèn)題的最優(yōu)解[4]。
對于110KV-35KV高中壓配電網(wǎng),其調節無(wú)功潮流的主要手段是改變有載調壓變壓器的分接頭位置和并聯(lián)電容器的投切組數,這些控制變量一般為整型。傳統的線(xiàn)性規劃法和非線(xiàn)性規劃法等先將這些整型控制量視為連續變量,待求出最優(yōu)解后再取近似的整數值,誤差較大;或者采用分支定界求解,計算時(shí)間過(guò)長(cháng)。近年來(lái),許多學(xué)者采用人工智能法求解RPOP問(wèn)題。文獻5采用遺傳算法結合神經(jīng)網(wǎng)絡(luò )預算電網(wǎng)潮流,減少了大規模電網(wǎng)遺傳算法的整體計算時(shí)間。文獻6采用記憶指導的模擬退火方案,較好地實(shí)現了配電網(wǎng)電容器的三相分相優(yōu)化投切問(wèn)題。
模擬退火法(Simulated Annealing,簡(jiǎn)稱(chēng)SA)具有隨機尋優(yōu)的特點(diǎn),能較好地避免局部極值點(diǎn)的束縛。但是SA求解速度慢,魯棒性不強。因此,本文采用改進(jìn)模擬退火算法(ISA)求解RPOP問(wèn)題。主要改進(jìn)點(diǎn)如下:采用記憶指導搜索方法,加快了搜索速度;采用模式法局部尋優(yōu),增加了獲得全局最優(yōu)解的可能性。數值對比試驗表明,上述改進(jìn)方法是合理的和可行的。
1 數學(xué)模型
高中壓配電網(wǎng)無(wú)功運行優(yōu)化的主要目的就是在滿(mǎn)足各種約束條件下,通過(guò)改變有載調壓變壓器的分接頭位置和并聯(lián)電容器的投切組數,使有功網(wǎng)損最小。其數學(xué)模型為:
其中,控制量u包括電網(wǎng)中發(fā)電機或可連續調整無(wú)功補償設備的無(wú)功出力,有載調壓變壓器的分接頭檔位和并聯(lián)電容器投入運行的組數;狀態(tài)量x包括各節點(diǎn)的電壓模值和相角。
等約束條件為基本潮流方程組,即各節點(diǎn)有功功率和無(wú)功功率平衡,包括負荷功率與網(wǎng)損之和等于發(fā)電功率。
不等約束條件數量較多,主要包括:節點(diǎn)電壓模值的上下限約束,線(xiàn)路和變壓器通過(guò)的最大功率約束,有載調壓變壓器變比調整范圍的約束,有功電源出力上下限的約束,可調無(wú)功電源出力上下限的約束[3]。其中,有載調壓變壓器的分接頭檔位和并聯(lián)電容器投運的組數均取整數。
在SA中,不等約束條件通常作為懲罰項附加在目標函數上。本文采用的目標函數為:Ps(u,x)+cK。其中Ps(u,x)為有功網(wǎng)損,K為違反不等約束條件的次數,c為懲罰因子。對于不同類(lèi)型的不等約束條件,懲罰因子c可取不同數值。當約束條件比較重要時(shí),如電壓越上限(大于1.1倍的額定電壓)和線(xiàn)路功率越限等,c可取1;當約束條件不太重要時(shí),如電壓越下限(小于0.95倍但是大于0.9倍的額定電壓)等,c可取0.5。
2 算法
SA是1953年Metropolis等人提出的。它模擬物理學(xué)中固體物質(zhì)(如金屬)的退火過(guò)程來(lái)求解組合優(yōu)化問(wèn)題。在物理退火過(guò)程中,通常先將金屬加熱至熔化,使其中的粒子可以自由移動(dòng),即處于高能態(tài)。然后逐漸降低溫度,使粒子形成低能態(tài)的晶格。只要在凝固點(diǎn)附近溫度下降得足夠慢,物質(zhì)就能擺脫局部應力的束縛,形成最低能量的基態(tài)-晶體[7]。將晶體與最優(yōu)值、冷卻過(guò)程與尋優(yōu)過(guò)程對應起來(lái),從而形成SA算法。SA求解步驟如下[8]:
1)從可行解空間中任選一初始狀態(tài)x0,計算其目標函數值f(x0),并選擇初始控制溫度T0和馬爾可夫鏈(Markov Chain)的長(cháng)度。
2)在可行解空間中產(chǎn)生一個(gè)隨機擾動(dòng),得到新?tīng)顟B(tài)x1, 計算其目標函數值f(x1)。
3)判斷是否接收:如果f(x1) f(x0),則接受新?tīng)顟B(tài)x1為當前狀態(tài)。否則按Metropolis準則判決是否接受x1,若接受,則令當前狀態(tài)等于x1;若不接受,則令當前狀態(tài)等于x0。
4)根據某個(gè)收斂準則,判斷抽樣過(guò)程是否終止,是則轉5,否則轉2。
5)按照某個(gè)溫度冷卻方案降低控制溫度T。
6)根據某個(gè)收斂準則,判斷退火過(guò)程是否終止,是則轉7,否則轉2。
7)以當前解作為最優(yōu)解輸出。
SA能以足夠高的概率(接近1)收斂于全局最優(yōu)點(diǎn),其前提是:初始溫度足夠高,溫度下降足夠慢和終止溫度足夠低。實(shí)際應用中很難滿(mǎn)足這些要求,因而其求解結果不太理想。另外SA搜索效率較低,最后輸出的結果可能比中間結果差。多年來(lái),SA的主要改進(jìn)之處在于初始溫度的選擇、降溫策略和終止判據上。初始溫度一般取與目標函數同一數量級的某個(gè)數值。在鄰域搜索過(guò)程中,當解的質(zhì)量變差的概率呈Boltzmann分布時(shí),S. Geman和D. Geman證明了按T=T0/log(1+t)降溫策略可使SA搜索到全局最優(yōu),其中t為降溫次數[9]。在搜索后期,當解的質(zhì)量變差的概率呈Cahchy分布時(shí),H. Szu和R. Hartley提出了按T=T0/(1+t)的快速降溫策略可使SA搜索到全局最優(yōu)[10],從而盡量避免了搜索在全局最優(yōu)解的鄰域內波動(dòng)。終止判據也有多種取法,例如取控制溫度下降到某一設定的最低溫度、當前最優(yōu)值經(jīng)歷的Markov Chain個(gè)數等。
考慮到計算的復雜度以及可編程性,本文采用記憶指導搜索方法結合模式法局部尋優(yōu),來(lái)求解RPOP問(wèn)題。所謂記憶指導,是指取前一階段(即記憶長(cháng)度)搜索結果中的最優(yōu)值作為下一階段搜索的起點(diǎn),這種方法在一定程度上避免了搜索的盲目性。局部尋優(yōu)能力較差幾乎是所有隨機搜索方法的通病,而模式法(Pattern Search,簡(jiǎn)稱(chēng)PS)比較適合局部尋優(yōu),因此本文采用模式法對每個(gè)鏈中的最優(yōu)值進(jìn)行局部尋優(yōu),并采用整個(gè)搜索結果中的最優(yōu)值作為輸出結果,從而增加了獲得全局最優(yōu)解的可能性。終止判據取最低控制溫度和最優(yōu)值保留鏈數相結合的方式。
PS是1961年 Hooke和Jeeves提出的一種直接求解優(yōu)化問(wèn)題方法。PS的長(cháng)處在于能夠追尋谷線(xiàn)(脊線(xiàn))加速移向最優(yōu)解[11]。本文運用PS對SA的每個(gè)鏈中的最優(yōu)值進(jìn)行局部尋優(yōu),具體步驟是:取每個(gè)鏈中的最優(yōu)點(diǎn)作為初始基點(diǎn)B1;確定各獨立控制變量Ui的步長(cháng);依次對Ui的兩個(gè)方向進(jìn)行攝動(dòng),并按目標函數值優(yōu)化的方向移動(dòng)矢點(diǎn);當所有變量都被攝動(dòng)后,即可得到新基點(diǎn)B2;從B1+2(B2-B1)點(diǎn)開(kāi)始進(jìn)行類(lèi)似的攝動(dòng),就得到了新基點(diǎn)B3;再從B2+2(B3-B2)點(diǎn)開(kāi)始重復上述步驟進(jìn)行探索和加速,直到目標函數值不再下降,局部尋優(yōu)迭代終止。PS提高了SA的局部尋優(yōu)能力。
3 算例
本文以IEEE-30節點(diǎn)系統的無(wú)功優(yōu)化問(wèn)題為例,對所提的算法進(jìn)行驗證。IEEE-30節點(diǎn)系統的數據見(jiàn)文獻12。該系統包括6臺發(fā)電機、4臺變壓器和2套并聯(lián)電容器。設控制變量為4臺變壓器,2套并聯(lián)電容器。為了突出高中壓配電網(wǎng)的特點(diǎn),便于分析和比較,發(fā)電機的無(wú)功發(fā)電量未作控制量。設線(xiàn)路變壓器變比可調,變比上下限分別為1.1和0.9,其分級步長(cháng)為2.5%,分接頭檔位變量設為整型,其取值范圍是[-4,4]。設節點(diǎn)24電容器分為2組,投切組數變量設為整型,其取值范圍是[0,2]。節點(diǎn)10電容器分為大小相等的4組 ,投切組數變量設為整型,其取值范圍是[0,4]。功率基準值為100MVA。SA的初始溫度T0取10,降溫策略采用T=kT0的簡(jiǎn)化方式,其中溫度衰減系數k取較大值(0.95),這樣雖然導致迭代次數的增加,但能搜索更大范圍的解空間,有利于獲取全局最優(yōu)解。馬爾可夫鏈長(cháng)取得較短(50),以便減少算法時(shí)間。擾動(dòng)量的產(chǎn)生方法是:在每一個(gè)整型控制分量的取值序列中分別按1/3概率上下移動(dòng)一位或不作移動(dòng)。對于惡化解點(diǎn)x,按概率exp((f(x')-f(x))/T)進(jìn)行接受,其中x'為前次解點(diǎn),f(x')和f(x)為相應解點(diǎn)的目標函數值。PS局部尋優(yōu)的初始步長(cháng)取1。終止判據取最小控制溫度0.05或最優(yōu)值保留鏈數40。記憶尋優(yōu)的長(cháng)度取10。由于PS與初始值的選取關(guān)系密切,且易于陷入局部極值點(diǎn),而SA初期的目標函數值一般偏大,為了加快計算速度,當溫度下降到1以下才開(kāi)始對每個(gè)鏈中的最優(yōu)個(gè)體進(jìn)行局部尋優(yōu)。
考慮到無(wú)功優(yōu)化的計算時(shí)耗主要在于求解潮流方程組上,隨著(zhù)電網(wǎng)規模的擴大,SA本身所耗時(shí)間相差不大,所以本文僅從求解潮流方程組的次數和最優(yōu)值的分布兩方面進(jìn)行比較。在上述假設條件下,無(wú)功優(yōu)化的精確解為7.05014MW,為了求得此解,共需要對94*5*3 = 98415個(gè)潮流方程組進(jìn)行計算。下表為幾種SA改進(jìn)方法的對比試驗數據,每種方法共進(jìn)行了20次試驗,表中按序號所列的每種方法都是在前一種方法基礎上增加的改進(jìn)點(diǎn)。
上表說(shuō)明,每增加一種改進(jìn)措施,都改善了解點(diǎn)的質(zhì)量以及收斂的穩定性。其中,記憶最優(yōu)值方式明顯縮短了解點(diǎn)與全局最優(yōu)點(diǎn)之間的距離。而組合終止判據顯著(zhù)減少了迭代求解潮流方程組的次數,加快了計算速度,其缺點(diǎn)是解點(diǎn)的質(zhì)量稍有惡化。記憶指導搜索進(jìn)一步加快了計算速度,并提高了解的質(zhì)量。PS局部尋優(yōu)對于獲得高質(zhì)量的解點(diǎn)特別有效,在PS局部尋優(yōu)的20次試驗中,有11次收斂于全局最優(yōu)點(diǎn),另外9次收斂點(diǎn)略次于全局最優(yōu)點(diǎn),其缺點(diǎn)是求解潮流方程組的次數增加了10.5%,但試驗效果還是令人滿(mǎn)意的。
4 結論
本文運用改進(jìn)模擬退火算法(ISA)求解高中壓配電網(wǎng)的無(wú)功優(yōu)化問(wèn)題,能夠以較大概率獲得全局最優(yōu)解,收斂的穩定性較好。仿真試驗驗證了本文所述方法是合理的和可行的。試驗發(fā)現,ISA求解RPOP問(wèn)題,還存在著(zhù)如下問(wèn)題:
1).降溫策略的確定。雖然都是依據大范圍粗略搜索、小范圍精確搜索的原則,但是不同的降溫策略對于整體計算速度和最終解的質(zhì)量影響較大。對于不同的優(yōu)化問(wèn)題,往往需要經(jīng)過(guò)多次試驗才能找到較為合適的降溫策略。
2).局部尋優(yōu)方法的改進(jìn)。本文所做的試驗中,局部尋優(yōu)平均要解782次潮流方程組,占總次數的19.56%,這也是影響求解速度的主要因素之一。
這些問(wèn)題將是本文的后續研究點(diǎn),歡迎各位專(zhuān)家和學(xué)者給予指導。
評論