基于并行计算和粒子群优化算法的电力系统无功优化问题研究

摘要

近年来，伴随我国经济社会的高速发展，电力工业取得了长足的进步，电力系统规模日益扩大，电网结构日益复杂，对调度管理工作提出了更高的要求。其中一个重要的方面就是更好的保证系统的无功功率合理分布、完善电网无功调度，以降低电网有功损耗，提高电压质量和系统稳定性。因此，快速、高质量的求解电力系统无功优化问题对于电网调度运行意义重大。
　　 粒子群优化算法已用于包括无功优化在内的电力系统各种优化问题中，表现出了较好的寻优能力和收敛速度，但是它的计算量较大，串行求解速度难以满足实时需求。本文围绕如何快速、高质量求解无功优化的问题，结合粒子群优化算法和应用日趋广泛的并行计算技术，主要做了以下研究：
　　 论文首先介绍了电力系统无功优化问题的研究背景、基本概念和研究意义，然后综述了近年来得到广泛研究和丰富发展的各种无功优化问题求解方法和思路，并分析了不同方法的特点，同时介绍了并行计算技术的基础知识及其在电力系统多个研究领域的应用现状。
　　 第二章首先简要介绍了粒子群优化算法的基本原理和数学模型。然后抓住粒子群优化算法的固有并行性，结合基于消息传递接口的并行计算技术，提出了一种主从式并行粒子群优化算法用于求解电力系统无功优化问题，并且详细介绍了算法的并行结构以及相关并行知识。在该算法中，整个粒子群的寻优工作被分配给多个进程并行完成，其中主进程的主要任务为粒子群的初始化和更新，而从进程的主要任务为潮流和适应值的计算。最后在一台超级计算机上对一系列测试系统进行了仿真优化，结果表明，并行粒子群优化算法的寻优性能较强，并且能够充分利用计算资源，获得了较高的加速比和并行效率。
　　 第三章针对电力系统动态无功优化问题求解困难、计算量大的问题，提出了基于消息传递接口技术的主从并行粒子群优化算法求解计及变压器分接头和并联无功补偿器调节成本的动态无功优化数学模型。在一台超级计算机上对测试系统进行优化的结果表明了该算法能够有效的求解动态无功优化问题，在减小网络损耗的同时避免了对控制设备过于频繁的调节，并且拥有较好的并行性能，能大幅缩短求解时间。
　　 第四章针对大规模电力系统无功优化控制变量规模庞大、求解速度慢的问题，提出了一种基于电网分区的主从二级并行粒子群优化算法。该算法首先将一个大规模电力系统分解成多个子系统，各子系统均有一个粒子群对其进行独立的无功优化，而每个子系统的优化任务都由主进程分配到一个子进程组来完成；在每个进程组内部，都有一个“组长”进程，它负责粒子群的初始化和更新等任务，并将潮流和适应值的计算任务分配给该进程组中的从进程完成。这样，便构成了一种金字塔式的主从二级并行结构。每次迭代完成后，由主进程将各子系统的最优解对应的控制变量收集起来，然后对整个系统进行一次潮流计算，并将计算结果发送到各进程组，以便它们更新子系统边界节点的状态。最后，在一个小规模PC机群上对测试系统进行仿真优化，结果表明该算法大大降低了大规模无功优化的求解难度，利用成本低廉的并行计算资源便可以在短时间内找到较优解。
　　 为了获得比第四章算法更好的全局寻优性能，第五章针对大规模无功优化问题换了新的求解思路，提出了一种并行协同粒子群优化算法。该算法采用对等模式为主的二级并行方案求解无功优化问题。第一级并行是指引入协同进化思想，通过控制变量分组，将原大规模优化问题分解成几个相互关联的子优化问题，每一个子优化问题对应一个子粒子群，各子粒子群相互合作、协同求取最优解。第二级并行是指用粒子群优化算法求解子优化问题时，使用多个进程并行求解，进程间采用对等模式分配计算任务，使得计算负荷更平衡，通信次数和通信量更少，提高了优化效率。此外，为了增强粒子群优化算法的全局寻优能力，在优化过程中对其参数进行了动态调整。通过在一个较大规模的PC机群上对测试系统进行仿真计算，验证了该算法全局寻优能力较强，具有较高的加速比和可扩展性，能满足大规模电力系统无功优化的需要。

目录

文摘

英文文摘

致谢

第一章 绪论

1.1 引言

1.2 电力系统无功优化问题概述

1.2.1 无功优化问题的通用模型

1.2.2 无功优化问题的求解方法

1.3 并行计算技术及其在电力系统中的应用

1.3.1 并行计算简介

1.3.2 并行计算技术在电力系统中的应用

1.4 本文工作和章节安排

参考文献

第二章 粒子群优化算法的并行化及其在无功优化中的应用

2.1 引言

2.2 粒子群优化算法

2.2.1 经典粒子群优化算法

2.2.2 粒子群优化算法的改进

2.3 电力系统无功优化的数学模型

2.3.1 目标函数

2.3.2 等式约束

2.3.3 不等式约束及其处理

2.4 主从并行粒子群优化算法求解无功优化问题

2.4.1 粒子群优化算法的主从式并行化

2.4.2 求解步骤

2.4.3 相关并行计算技术

2.5 算例分析

2.5.1 IEEE 30节点测试系统

2.5.2 各测试系统上的并行加速比和效率

2.6 小结

参考文献

第三章 基于并行粒子群优化算法的动态无功优化

3.1 引言

3.2 考虑设备调节成本的动态无功优化数学模型

3.2.1 动态无功优化经典数学模型

3.2.2 控制设备调节成本

3.2.3 含设备调节成本的数学模型

3.3 求解动态无功优化的主从式并行粒子群优化算法

3.3.1 求解步骤

3.3.2 并行计算平台

3.4 仿真算例

3.4.1 IEEE30节点测试系统

3.4.2 各测试系统的并行加速比和效率

3.5 小结

参考文献

第四章 基于主从二级并行粒子群优化算法的分布式无功优化

4.1 引言

4.2 分布式无功优化的主从二级并行粒子群优化算法

4.2.1 电力系统分区

4.2.2 数学模型

4.2.3 算法并行结构

4.2.4 求解步骤

4.2.5 相关并行计算技术

4.3 仿真算例

4.4 小结

参考文献

第五章 大规模无功优化的并行协同粒子群优化算法

5.1 引言

5.2 并行协同粒子群优化算法

5.2.1 动态调整PSO加速因子

5.2.2 引入协同进化的二级并行

5.2.3 对等模式为主的并行设计

5.2.4 控制变量分组

5.2.5 求解步骤

5.2.6 相关并行计算技术

5.3 仿真算例

5.3.1 IEEE 118节点测试系统

5.3.2 IEEE 300节点测试系统

5.4 小结

参考文献

第六章 结论与展望

附录Ⅰ IEEE30节点系统24小时负荷

附录Ⅱ IEEE118节点测试系统参数

攻读博士学位期间发表的有关学术论文