一种基于开普勒优化算法的电网潮流计算方法与流程

本发明涉及电力潮流计算，尤其涉及一种基于开普勒优化算法的电网潮流计算方法。

背景技术：

1、电力系统潮流计算是电力系统分析的核心内容之一，其主要目的是确定电力系统在给定运行条件下的状态变量，如节点电压、相角以及各支路的功率和电流等。

2、潮流计算能够为电力系统的规划、运行、控制和保护提供重要的依据。潮流计算的结果可以用于评估电网的运行状态，如检查电压水平、线路负载、变压器负载等是否符合电力系统的运行要求。

3、此外，潮流计算还可以用于电网的优化，如通过调整发电机出力、变压器分接头位置或无功补偿装置的投切，优化电网的电压水平和功率流动，减少损耗，提高电网的经济性。总的来说，电力系统潮流计算是电力系统分析和设计的重要工具，它为电力系统的安全、稳定和经济运行提供了重要的支持。随着电网规模的不断扩大和电网结构的日益复杂，潮流计算在电力系统分析和运行中的应用也越来越重要。

4、但是现有技术中的电力系统潮流计算不能有效地处理复杂的电网运行条件，从而使得整体计算方法对于内存的要求较高，计算时间较长，影响了整体的便利性。

5、因此，有必要提供一种能够处理非线性电网复杂的运行条件，且精确高效的电网潮流计算方法。

技术实现思路

1、本发明的目的在于提供一种基于开普勒优化算法的电网潮流计算方法，用以解决现有的电网潮流计算方法难以处理复杂的电网运行条件的问题。

2、第一方面，本发明提供的基于开普勒优化算法的电网潮流计算方法包括：s1：根据数据中台和电网一张图的信息进行采集得到目标电网参数；

3、s2：根据所述目标电网参数建立多目标优化函数模型，所述多目标优化函数模型以最小有功网损和最小电压偏差量为优化目标；

4、s3：应用所述多目标优化函数模型结合多目标开普勒优化算法进行电网潮流计算，从而得到电网潮流计算结果。

5、本发明提供的基于开普勒优化算法的电网潮流计算方法的有益效果在于：构建了以最小有功网损和最小电压偏差量为目标的函数，结合采用多目标开普勒优化算法优化电网各个节点的电参数，使有功网损最小化和电压偏差量最小化，输出一个多样性良好的pareto解集，每一个解包括电压幅值、相角，以及每条支路的功率流和电流。综合考虑了最小有功网损、最小电压偏差量后得到的输出结果为一组多样性良好的折衷方案，提供了丰富的数据和分析结果，能够为制定电网优化、设备投资、扩展规划等提供可扩展的决策支持。应用该方法进行计算得到的结果多样性好、精度高，还增强对于非线性电网特性的处理能力，为电力系统的安全、稳定和经济运行提供了有力的支持。

6、一种可能的实施例中，所述目标电网参数包括电网拓扑结构参数，所述电网拓扑结构参数包括pq节点、pv节点和slack节点，

7、其中，所述pq节点的有功功率和无功功率是给定的，电压幅值和相角需要通过计算求解确定；

8、所述pv节点的有功功率和电压幅值是给定的，无功功率和相角需要通过计算求解确定；

9、所述slack节点的电压幅值和相角是给定的，有功功率和无功功率需要通过计算求解确定。

10、另一种可能的实施例中，所述多目标优化函数模型的目标函数表达式满足如下公式：

11、，

12、其中，表示决策向量，其表达为，<mstyle displaystyle="true" mathcolor="#000000"><mi>x</mi><mi>=</mi><mi>[</mi><msubsup><mi>p</mi><mn>1</mn><mi>g</mi></msubsup><mi>,...,</mi><msubsup><mi>p</mi><msub><mi>n</mi><mn>1</mn></msub><mi>g</mi></msubsup><mi>,</mi><msubsup><mi>q</mi><mn>1</mn><mi>g</mi></msubsup><mi>,...,</mi><msubsup><mi>q</mi><msub><mi>n</mi><mn>2</mn></msub><mi>g</mi></msubsup><mi>,</mi><msub><mi>v</mi><mn>1</mn></msub><mi>,...,</mi><msub><mi>v</mi><msub><mi>n</mi><mn>3</mn></msub></msub><mi>,</mi><msub><mi>θ</mi><mn>1</mn></msub><mi>,...,</mi><msub><mi>θ</mi><msub><mi>n</mi><mn>4</mn></msub></msub><mi>]</mi></mstyle>，n1表示要求解的有功功率的数量，n2表示要求解的无功功率的数量，n3表示要求解的电压幅值的数量，n4表示要求解的相角的数量，表示节点的电压幅值，表示节点的电压幅值，表示节点和之间的电导，表示节点和之间的电纳，表示节点和之间的电压相角差，表示与节点直接相连的节点集合，表示电网有关支路的个数，表示电压偏差量，表示第个节点的电流变化值，表示配电网第个节点的额定电压值或期望值，表示电网拓扑中有关节点的个数。

13、其它可能的实施例中,应用所述多目标优化函数模型结合多目标开普勒优化算法进行电网潮流计算，从而得到电网潮流计算结果，包括：

14、s3.1：设置多目标开普勒优化算法运行参数；

15、s3.2：初始化种群，应用所述多目标优化函数模型评估种群适应值；

16、s3.3：对所述种群进行快速非支配排序，获取非支配个体，初始化迭代次数；

17、s3.4：遍历支配个体，基于支配关系分组策略将所述非支配个体和对应的所述支配个体进行分组，根据分组结果对所述支配个体的位置进行更新；

18、s3.5：通过自适应变异算子对所述支配个体进行变异操作，应用所述多目标优化函数模型评估支配个体的适应值，当变异后支配个体的适应值优于变异前支配个体的适应值时，更新对应的支配个体；

19、s3.6：应用所述多目标优化函数模型重新评估种群适应值，对种群进行快速非支配排序，更新非支配个体；

20、s3.7：判断更新后的非支配个体数量是否大于设定数量上限，当更新后的非支配个体数量大于所述设定数量上限时，执行s3.8，当更新后的非支配个体数量小于等于所述设定数量上限时，执行s3.9；

21、s3.8：计算各非支配个体的k近邻密度，对非支配个体按照k近邻密度进行降序排序并根据所述设定数量上限从大到小选取非支配个体，然后转至执行s3.7；

22、s3.9：更新所述迭代次数以使迭代次数+1，当更新后的迭代次数小于等于设定的最大迭代次数时，转至执行s3.4继续进行优化，当更新后的迭代次数大于设定的最大迭代次数时，输出非支配个体得到电网潮流计算结果。

23、基于支配关系分组策略将所述非支配个体和对应的所述支配个体进行分组，包括：

24、s3.4.1：通过快速非支配排序得到非支配个体的数量，每个非支配个体所对应的支配个体的数量，建立个哈希表；

25、s3.4.2：初始化非支配个体索引；

26、s3.4.3：初始化非支配个体所对应的支配个体索引；

27、s3.4.4：初始化哈希表索引；

28、s3.4.5：当中出现支配个体时，执行s3.4.6，当中未出现支配个体时，转至执行s3.4.8；

29、s3.4.6：将中的支配个体移除，计算支配个体与第个非支配个体的欧氏距离和支配个体与第个非支配个体的欧式距离，当时，将支配个体与第个非支配个体对应分组以将支配个体插入到第个非支配个体的哈希表并执行s3.4.7，当≥时，将支配个体与第个非支配个体对应分组以将支配个体插入到第个非支配个体的哈希表并转至执行s3.4.8；

30、s3.4.7：更新哈希表索引值使，当更新后的哈希表索引值时，转至执行s3.4.5，当更新后的哈希表索引值＞时，执行s3.4.8；

31、s3.4.8：更新非支配个体所对应的支配个体索引值使，当更新后的非支配个体所对应的支配个体索引值时，转至执行s3.4.4，当更新后的非支配个体所对应的支配个体索引值＞时，执行s3.4.9；

32、s3.4.9：更新非支配个体索引值使，当更新后的非支配个体索引值时，转至执行s3.4.3，当更新后的非支配个体索引值＞时，完成分组；

33、s3.4.10：输出分组结果。

34、根据分组结果对所述支配个体的位置和距离进行更新，包括：计算各个分组内支配个体到非支配个体的速度和引力以更新支配个体的位置。

35、其中，计算支配个体到非支配个体的速度满足如下公式：

36、，表示区间在[0,1]的随机数，表示随机选取的两个支配个体，表示第个支配个体的位置，表示支配个体的可行域上界，表示支配个体的可行域下界，、表示两个系数，表示概率因子，表示历史最优位置和之间的欧氏距离归一化，满足<mstyle displaystyle="true" mathcolor="#000000"><mi>υ</mi><mi>=</mi><mi>[</mi><mi>μ</mi><mi>(</mi><mi>t</mi><mi>)</mi><mi>×</mi><mi>(</mi><msub><mi>m</mi><mi>s</mi></msub><mo>+</mo><msub><mi>m</mi><mi>i</mi></msub><mi>)</mi><mrow><mo>|</mo><mrow><mfrac><mn>2</mn><mrow><msub><mi>r</mi><mi>i</mi></msub><mi>(</mi><mi>t</mi><mi>)</mi><mo>+</mo><mi>ε</mi></mrow></mfrac><mi>−</mi><mfrac><mn>1</mn><mrow><msub><mi>a</mi><mi>i</mi></msub><mi>(</mi><mi>t</mi><mi>)</mi><mo>+</mo><mi>ε</mi></mrow></mfrac></mrow><mo>|</mo></mrow><msup><mi>]</mi><mfrac><mn>1</mn><mn>2</mn></mfrac></msup></mstyle>，表示防止除零误差的极小值，表示非支配个体质量，表示支配个体质量，表示和之间的欧氏距离，表示支配个体的历史最优位置，表示物体在第t代的椭圆轨道的半长轴，表示一个随迭代次数呈指数下降的函数。

37、计算支配个体到非支配个体的引力满足如下公式：

38、，表示第个支配个体的偏心率，表示非支配个体质量归一化后的结果，表示支配个体质量归一化后的结果，表示和之间的欧氏距离的归一化值，表示一个区间在[0,1]的随机数。

39、更新支配个体的位置满足如下公式：

40、，表示两个区间在[0,1]的随机数，表示自适应因子，表示个体到达新位置所需的速度，表示支配个体的历史最优位置。

41、自适应变异算子的表达式满足如下公式：

42、，其中，表示支配个体的第个变量，表示自然常数，表示算法当前迭代次数，表示最大迭代次数，表示取值在区间[0,1]的服从高斯分布的随机数，表示非支配个体的数量，表示非支配个体的数量上限。

43、计算各非支配个体的k近邻密度的局部密度表达式满足如下公式：

44、，其中，表示第个非支配个体的局部密度，表示目标数，表示近邻个体数，表示个体在第个目标函数上的值，表示个体在第个目标函数上的值，表示第个目标函数上的最大值，表示第个目标函数上的最小值。

45、第二方面，本发明还提供了一种基于开普勒优化算法的电网潮流计算装置，装置包括：

46、采集单元，用于根据数据中台和电网一张图的信息进行采集得到目标电网参数。

47、模型构建单元，用于根据所述目标电网参数建立多目标优化函数模型，所述多目标优化函数模型以最小有功网损和最小电压偏差量为优化目标。

48、计算单元，用于应用所述多目标优化函数模型结合多目标开普勒优化算法进行电网潮流计算，从而得到电网潮流计算结果。

49、第三方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于开普勒优化算法的电网潮流计算方法。

50、第四方面，本发明还提供了一种电子设备，包括：处理器及存储器；所述存储器用于存储计算机程序；所述处理器用于执行所述存储器存储的计算机程序，以使所述电子设备执行上述基于开普勒优化算法的电网潮流计算方法。

51、关于上述第二方面至第四方面的有益效果可以参见上述第一方面的描述。