开题报告
基于粒子群算法的有功功率负荷最优分配
选题背景及其意义
电力系统的中心任务是保证电网安全、可靠、经济和优质运行，高质量的电力供应已经成为现代社会经济生活的迫切需求。电压质量是电力系统电能质量的重要指标之一，电能质量诸多问题中，电压波动造成的危害最为广泛。电力系统的电压如果波动过大，不但会直接影响电气设备的性能，而且还将给系统稳定、安全运行带来困难，甚至引起系统电压崩溃，造成大面积停电，如 1978 年 12 月法国大停电，1983 年 12 月瑞典大停电等都是因有功控制不当引起电压崩溃，从而造成系统重大事故[1]。此外 1977年纽约大停电被确认是由于有功问题引发的；1987 年 7 月东京大停电也被认为是由于在夏季用电高峰期间有功缺乏和电压崩溃的缘故[2]。因此，保证电压质量、提高电网的电压合格率是非常重要的；另外有功功率在系统中的流动不仅要在线路上产生电压降落，影响电压质量和电力系统的稳定性，而且要损耗有功功率、占用输电线路和设备的容量。这就要求在电网规划和运行中，必须控制有功功率，限制其在系统中的流动，既对电力系统有功功率进行优化。
电力系统有功功率负荷最优分配，一般是指在满足电网的安全运行约束的前提下，通过变压器分接头的合理选择，发电机机端电压的理想配合以及有功补偿的优化配置等措施，使系统有功潮流达到最优分布，减少有功损耗。它对于提高系统电压质量，减少有功损耗，保证系统安全、可靠和经济运行有重要意义。
在我国，随着电力系统的迅速发展，电网规模越来越大，结构也日趋复杂，使系统的稳定性问题更加突出，而单凭经验进行有功配置已不能适应现代系统的需要，需要在现代电子与计算机技术的基础上，研究建立有功功率负荷最优分配的数学模型、提出相应的算法，在电网的规划建设和实际调度运行中实现有功功率负荷最优分配，并在满足电网安全运行条件下，减少有功损耗和投资。同时对于电力公司而言，减少有功网损就是增加利润，在电力公司由粗放型经营向集约化经营方式转变的今天，进行有功功率负荷最优分配就显的更加必要和重要了。
本论文通过分析电力系统有功功率负荷最优分配中各类主要影响因素，结合当前电力系统有功功率负荷最优分配主要的研究方法，建立电力系统有功功率负荷最优分配的数学模型。采用智能优化算法——粒子群算法求解数学模型，选取实际的电网作为计算算例，得到有功功率负荷最优分配的结果，并与优化前的有功配置方案进行对比，分析粒子群算法在有功功率负荷最优分配应用中的优缺点，为今后实际电网的有功规划提供一定的参考价值。
二、国内外研究动态
早在六十年代，电力系统有功功率负荷最优分配就受到了国内外学者的关注，经过多年的研究，已经取得了大量成果。总的来看，电力系统的有功功率负荷最优分配问题可以分为两类：一类是对系统稳态运行情况下的运行状态进行优化，目的是进行有功平衡，以提高运行电压水平、降低损耗；另一类是研究系统在扰动情况下的电压稳定性。前者根据所研究问题的时间跨度、目标函数和解决方法又可以进一步细分。本文的研究内容为稳定运行时的有功功率负荷最优分配及电压控制，不涉及暂态和动态情况下的电压稳定性。
电力系统有功功率负荷最优分配问题有离散性、非线性、大规模、收敛性依赖于初值的特点，针对有功功率负荷最优分配的特点，近年来许多专家学者就此做了大量的研究，并将各种优化算法应用于这一领域，目前已取得了许多成果。文献[3]提出将一种改进的 Tabu 搜索算法用于电力系统有功功率负荷最优分配，考虑有功损耗费用和补偿费用，使得总费用最小。在一般的 Tabu 搜索算法的基础上，对搜索步长、禁忌表、不同循环点的选择以及算法终止判据等问题做了改进，更容易跳出局部最优解，保证可以搜索整个可行域，从而得到全局最优解的可能性更大。与线性规划算法相比具有更强的全局寻优能力。文献[4]运用改进的模拟退火算法求解高中压配电网的有功功率负荷最优分配问题，采用了记忆指导搜索方法来加快搜索速度。采用模拟法来进行局部寻优以增加获得全局最优解的可能性，从而能够以较大概率获得全局最优解，收敛稳定性较好。文献[5]提出了一种应用于电力系统有功规划优化问题的改进遗传算法，该算法采用十进制整数与实数混合的编码方式，在选择算子中使用最优保存策略，并对群体规模的选取加以改进。为了使解更快进入可行解域，作者提出了利用专家知识辅助搜寻可行解，并提出罚因子自适应调整，大大加快了算法的收敛性。
相对模拟退火算法、禁忌搜索算法和遗传算法而言，粒子群算法是模拟鸟群觅食的一种新型算法。粒子群优化(PSO) 最初是处理连续优化问题的, 目前其应用已扩展到组合优化问题[6]。由于其简单、有效的特点, PSO 已经得到了众多学者的重视和研究，并在电力系统优化中得到广泛应用。文献[7]对粒子群算法经行了改进，用于变电站的选址；文献[8]采用粒子群算法优化分布式电源的接入位置和容量；文献[9]利用改进的粒子群算法进行网络重构的优化。从以上文献的研究可以看出，粒子群算法在求解优化问题时有其自身特有的诸多优点。
三、课题研究内容
本课题的研究内容主要包括：
1.电力系统有功功率负荷最优分配影响因素分析
阅读相关文献，分析电力系统有功补偿的措施和方法，确定系统中有功电源：同步发电机、同步调相机、电容器、静止有功补偿装置等各类有功电源在有功功率负荷最优分配中的影响，建立有功功率负荷最优分配的数学模型。
2. 深入研究粒子群算法
学习研究粒子群算法，重点研究粒子群算法在配电网优化规划中的应用，结合基本的算例，分析粒子群算法与遗传算法、禁忌搜索等算法的区别。
3．搜集实际数据
进行大量数据的调研工作，调查石家庄地区电网有功补偿设备的基本情况，了解有功补偿设备分布情况，获得实际的数据，为基于粒子群算法的有功功率负荷最优分配算例提供实际的数据。
4．应用粒子群算法进行电力系统有功功率负荷最优分配的计算
建立电力系统有功功率负荷最优分配的数学模型，从网损，电压稳定，潮流分布等几个方面确定目标函数，并利用IEEE14标准节点和石家庄地区有功补偿情况作为算例，验证算法的正确性和可行性。为今后电力系统有功功率负荷最优分配规划方案提供一定的参考。
四、研究方案及难点
4.1研究方案
本课题的主要研究工作包括：
1. 查找并阅读相关资料和文献，进一步熟悉和理解电力系统有功功率负荷最优分配方面的知识；
2. 熟悉掌握VC++，MATLAB等编程软件，为今后优化算法的学习和应用做好准备。
3．学习粒子群算法，研究它们在电力系统规划中的应用。
4．考虑电压稳定，网损，潮流分布等多个约束条件和优化目标，建立电力系统有功功率负荷最优分配的数学模型。
5．应用粒子群优化算法对电力系统有功功率负荷最优分配的数学模型进行优化计算。
4.2难点
本课题的难点主要包括
1. 粒子群算法的学习和应用，并结合有功功率负荷最优分配的实际需要对其进行改进。
2. 电力系统有功功率负荷最优分配数学模型的建立。
五、预期成果和可能的创新点
5.1预期成果
本课题虽然困难很多，然而其成果也是非常丰富的，主要有以下内容：
1. 建立考虑网损，电压，潮流等影响因素的电力系统有功功率负荷最优分配的数学模型；
2. 粒子群算法在电力系统有功功率负荷最优分配中的应用。
5.2 可能的创新点
1. 基于多种影响因素的电力系统有功功率负荷最优分配数学模型的建立；
2. 粒子群算法的改进；
3. 改进粒子群算法在电力系统有功功率负荷最优分配中的应用。
六、主要参考文献
[1] 段海峰,李兴源,宋永华.一种基于模糊逻辑的电压有功控制策略.电力系统自动化，1997,21(6): 23-26;
[2] Chebbo A M, Irving M R, Sterling M J H. Reactive power dispatch incorporating voltage stability.IEE Proceedings- C. 1992,139(3): 253-260;
[3] 王洪章 ,熊信艮,吴耀武．基于改进 Tabu 搜索算法的电力系统有功功率负荷最优分配．电网技术,2002,26（1）:15-18;
[4] 贾德香, 唐国庆,韩净.基于改进模拟退火算法的电网有功功率负荷最优分配 [J]. 继电器,2004,32(4):32-35;
[5] 张粒子,舒隽,林宪枢,徐英辉.基于遗传算法的有功规划优化.中国电机工程学报.2000,20(6):5-8;
[6] Fukuyama Y. Fundamentals of particle swarm techniques [A].Lee K Y, El2Sharkawi M A. Modern Heuristic Optimization Techniques With Applications to Power Systems [ M ] . IEEE Power Engineering Society , 2002. 45～51；
[7] 刘自发，张建华.基于改进多组织粒子群体优化算法的配电网络变电站选址顶容.中国电机工程学报.2007,27(1):106-111;
[8] 刘波，张焰，杨娜.改进的粒子群优化算法在分布式电源选址和定容中的应用.电工技术学报.2008,23(2):103-108;
[9] 许立雄，吕林，刘俊勇.基于改进粒子群优化算法的配电网络重构.电力系统自动化.2006.30(7):27-30;
[10] Lee KY, Bai XM, Park Y M, Optimization method for resctive power planning by using a modified simple genetic algorithm. IEEE Trans on PS. 1995,10(4):1843-1850.
[11] Lee K Y, Yang F F. Optimal reactive power planning using evolutionary algorithms: a comparative study for evolutionary programming evolutionary strategy, genetic algorithm, and linear programming. IEEE Trans on PS. 1998,13(1):101-108;
[12] 潘哲龙 ,张伯明 ,孙宏斌 ,程亮 .分布计算的遗传算法在有功功率负荷最优分配中的应用 .电力系统自动化,2001,25(12):37-41;
[13] 张勇军,任震,钟红梅,唐卓尧,尚春.基于灾变遗传算法的有功规划优化.电力系统自动化. 2002,26(23):29-32;
[14] 刘明波,朱春明,等.计及控制设备动作次数约束的动态有功功率负荷最优分配算法.中国电机工程学报,2004,2 4(3):34-40;
[15] 仁晓娟,等.高中压配电网动态有功功率负荷最优分配算法的研究.中国电机工程学报,2003,
23(1):31-36;
[16] 王勤,等.考虑电压稳定性的电力系统多目标有功功率负荷最优分配.电力系统自动化,1999年2月,23(3):31-34;
[17] 刘源棋,等.地区电网有功功率负荷最优分配规划.山东工业大学学报,2000,30(5): 1-7;
[18] 高亮,孙彦章,等.地区电网中的有功功率负荷最优分配.太原理工大学学报,1998,29 (4):428-436;
[19] Jun Shu, Lizi Zhang, Yi Liu, XianChao Huang. An Improved Genetic Algorithm for Dynamic Reactive Power Optimization in Electricity Market.POWERCON 2004;
[20] 张勇军,等.实时有功功率负荷最优分配调度中的邻域搜索改进遗传算法.电网技术,2003年1月,27(1): 22-25;
[21] 胡泽春,王锡凡.配电网有功功率负荷最优分配的分时段控制策略.电力系统自动化,2002年3月,26(6): 45-49;
[22] 朱太秀.电力系统优化潮流与有功功率负荷最优分配.电网技术,1990年11月,第4期;
[23] 熊信银,曹顺生.电力系统有功补偿最优配置非线性模型.1990年11月,辽宁大连，中国电机工程学会电力系统计算学会议论文集;
[24] 李林川,夏道止,等.电力系统电压和网损优化计算.电力系统自动化，1995年7月，第19卷,第7期;
[25] 徐英辉,张粒子等基于改进直接法的有功功率负荷最优分配.2001年12月,中国电机工程学报，Vol. 21，增刊;
[26] Eric Hobson. NETWORK CONSTRAINED REACTIVE POWER CONTROLUSING LINEAR PROGRAMMING, IEEE Transactions on Power Apparatus and Systems，Vol.PAS-99, No.3, May/June 1980;
[27] van den Bergh F. An analysis of particle swarmoptimizers [D] . South Africa :Department of ComputerScience , University of Pretoria , 2002；
[28] Kennedy J , Eberhart R C. A discrete binary version ofthe particle swarm algorithm [A] . Proceedings of the World Multiconference on Systemics , Cybernetics and Informatics [ C ] . Piscataway , NJ : IEEE Service Center , 1997. 4104～4109；
[29] Yoshida H , Kawata K, Fukuyama Y, et al. A particle swarm optimization for reactive power and voltage control considering voltage stability [A ] . Proceedings of the International Conference on Intelligent System Application to Power System [ C ] . Rio de Janeiro , Brazil , 1999. 117～121；
[30] Angeline P. Using selection to improve particle swarm optimization [ A ] . Proceedings of IJCNNp99 [ C ] .Washington , USA , 1999. 84～89；
[31] YanX,QuintanaVH.Improvingan Interior-point-based OPF by Dynamic Adjustments of Step Sizesand To lerances. IEEE Trans on Power Systems,1999, 14(2):709-717;
[32] S. Rama Iyer, K.Ramachandran，S. Hariharan. OPTIMAL REACTIVE POWER ALLOCTION FOR IMPROVED SYSTEM PERFORMANCE. IEEE Transactions on Power Apparatus and Systems,Vol.PAS-103,No. 6,June 1984;
[33] N. I .Deeb, S. M. Shahidehpour. DECOMPOSITION APPROACH FIR MINIMISING REAL POWER LOSSES IN POWER SYSTEMS. IEEE PROCEEDINGS_C,Vol.138,No. 1,January 1991;
